Variables

discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor
esperado Variables discretas 2
Distribución
Binomial

Distribución
de Poisson Probabilidad e Inferencia Estadı́stica

Departamento de Ingenierı́a Industrial

Facultada de Ingenierı́a
Universidad de Antioquia

1 / 24
 Tabla de contenido

Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor 1 Valor esperado

esperado

Distribución
Binomial

Distribución
de Poisson
2 Distribución Binomial

3 Distribución de Poisson

2 / 24
 Valor Esperado

Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor
Definición
esperado
Sea X una variable aleatoria discreta con un conjunto de
Distribución
Binomial valores posibles D y una función masa de probabilidad f (x). El
Distribución valor esperado o valor medio de X, denotado por E(X) o µX ,
de Poisson
es X
E(X) = µX = xf (x)
x∈D

3 / 24
 Varianza

Variables
discretas 2
Definición
Probabilidad
e Inferencia Sea f (x) la funciónn masa de probabilidad de X y µX su valor
Estadı́stica
esperado. En ese caso la varianza de X, denotada por V (X) o
Valor
esperado
σx2 es:
Distribución X
Binomial V (X) = σ 2 = (x − µ)2 f (x) = E[(x − µ)2 ]
Distribución D
de Poisson

La desviación estándar (DE) de X es

√
σ = σ2
Propiedad

V (X) = σ 2 = E(X 2 ) − [E(X)]2

4 / 24
 Ejemplo

Variables
discretas 2
X es el número de entrevistas que un estudiante sostiene antes
Probabilidad
de conseguir un trabajo y tiene la función masa de probabilidad
e Inferencia
Estadı́stica
k
f (x) = si x = 1, 2, 3, ...
Valor
esperado
x2
Hallar el valor esperado y la varianza
Distribución
Binomial

Distribución
de Poisson

5 / 24
 Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor
esperado

Distribución
Binomial

Distribución
de Poisson

6 / 24
 Propiedades

Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor
esperado
Sean X una variable aleatoria discreta con fmp f (x), a, b
Distribución
Binomial constantes, entonces
Distribución
de Poisson
1 E(aX + b) = aE(X) + b
2 V (aX + b) = a2 V (X)

7 / 24
 Ejemplo

Variables
discretas 2 La función masa de probabilidad de X= el número de defectos
Probabilidad importantes en un aparato eléctrico de un tipo seleccionado al
e Inferencia
Estadı́stica x 0 1 2 3 4
azar es
Valor
f(x) 0.08 0.15 0.45 0.27 0.05
esperado

Distribución
Binomial

Distribución
de Poisson

8 / 24
 Experimento Binomial

Variables
discretas 2
1 El experimento consta de una secuencia de n
Probabilidad experimentos más pequeñños llamados ensayos, donde n
e Inferencia
Estadı́stica se fija antes del experimento.
2 Cada ensayo puede dar por resultado uno de los mismos
Valor
esperado dos resultados posibles (ensayos dicotómicos), los cuales
Distribución
Binomial
se denotan como éxito (E) y falla (F).
Distribución
3 Los ensayos son independientes, de modo que el resultado
de Poisson
en cualquier ensayo particular no influye en el resultado de
cualquier otro ensayo.
4 La probabilidad de éxito es constante de un ensayo a otro;
esta probabilidad se denota por p.
Experimento Binomial
Un experimento para el que se satisfacen las condiciones 1–4 se
llama experimento binomial.
9 / 24
 Ejemplo

Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor
esperado 1 Un examen consta de 10 preguntas de falso y verdadero.
Distribución Suponga que la persona que debe contestar no sabe la
Binomial

Distribución
respuesta.
de Poisson
2 Un jugador encestar en un partido de basquetboll.
3 Encontrar un huevo dañado en una canasta.

10 / 24
 Función masa de probabilidad

Variables
discretas 2
La variable aleatoria binomial X asociada con un experimento
Probabilidad
e Inferencia binomial que consiste en n ensayos se define como
Estadı́stica

Valor X := el número de los éxitos entre los n ensayos

esperado

Distribución
Binomial
Un experimiento de Bernoulli puede tener como resultado un
Distribución
de Poisson éxito con probabilidad p y un fracaso con probabilidad
q = 1 − p. Entonces, la distribución de probabilidad de la
variable aleatoria binomial X, el número de éxitos en n ensayos
independientes, es
 
n x n−x
P (X = x) = b(x; n, p) = p q x = 0, 1, 2, 3, 4..., n
x

11 / 24
 Ejemplo

Variables
discretas 2
Supongamos que la probabilidad de tener una unidad
Probabilidad
defectuosa en una lı́nea de ensamblaje es de 0,05. Si el
e Inferencia
Estadı́stica
conjunto de unidades terminadas constituye un conjunto de
ensayos independientes:
Valor
esperado 1 Cuál es la probabilidad de que entre diez unidades dos se
Distribución encuentren defectuosas?
Binomial

Distribución
2 y de que a lo sumo dos se encuentren defectuosas?
de Poisson
3 Cuál es la probabilidad de que por lo menos una se
encuentre defectuosa?

12 / 24
 Solución

Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor
esperado

Distribución
Binomial

Distribución
de Poisson

13 / 24
 Media y Varianza

Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor
esperado
Si X es una variable aleatoria binomial con parámetros n y p
Distribución
(X ∼ B(n, p)) su media y su varianza están dados por:
Binomial

Distribución E[X] = µX = np
de Poisson

V (X) = σ 2 = np(1 − p) = npq

14 / 24
 Ejemplo

Variables
discretas 2 Se utiliza un número telefónico particular para recibir tanto
Probabilidad llamadas de voz como faxes. Suponga que 25 % de las llamadas
e Inferencia
Estadı́stica entrantes son faxes y considere una muestra de 25 llamadas
entrantes.
Valor
esperado
1 Cuál es la probabilidad de que cuando mucho 6 de las
Distribución
Binomial llamadas sean un fax?
Distribución 2 Cuál es la probabilidad de que exactamente 6 de las
de Poisson
llamadas sean un fax?
3 Cuál es la probabilidad de que por lo menos 6 de las
llamadas sean un fax?
4 Cuál es la probabilidad de que más de 6 de las llamadas
sean un fax?
5 Cuál es el número promedio de llamadas entrantes sean
faxes?
15 / 24
 Solución

Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor
esperado

Distribución
Binomial

Distribución
de Poisson

16 / 24
 Proceso de Poisson

Variables
discretas 2
1 El número de resultados que ocurren en un intervalo o
Probabilidad
región especı́fi ca es independiente del número que ocurre
e Inferencia
Estadı́stica
en cualquier otro intervalo de tiempo o región del espacio
disjunto. De esta forma vemos que el proceso de Poisson
Valor
esperado no tiene memoria.
Distribución 2 La probabilidad de que ocurra un solo resultado durante
Binomial
un intervalo de tiempo muy corto o en una región pequeña
Distribución
de Poisson es proporcional a la longitud del intervalo o al tamaño de
la región, y no depende del número de resultados que
ocurren fuera de este intervalo de tiempo o región.
3 La probabilidad de que ocurra más de un resultado en tal
intervalo de tiempo corto o que caiga en tal región
pequeña es insignificante.
El número X de resultados que ocurren durante un
experimento de Poisson se llama variable aleatoria de Poisson y
su distribución de probabilidad se llama distribución de Poisson
17 / 24
 Función de Distribución

Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica
Función de Distribución
Valor
esperado La distribución de probabilidad de la variable aleatoria de
Distribución
Binomial
Poisson X, la cual representa el número de resultados que
Distribución
ocurren en un intervalo de tiempo dado o región especı́ficos y
de Poisson
se denota con t, es

e−λt (λt)x
P (X = x) = p(x; λt) = x = 0, 1, 2, 3....
x!

18 / 24
 Ejemplo

Variables
discretas 2
Durante un experimento de laboratorio el número promedio de
Probabilidad
partı́culas radiactivas que pasan a través de un contador en un
e Inferencia
Estadı́stica
milisegundo es 4 ¿Cuál es la probabilidad de que entren 6
partı́culas al contador en un milisegundo dado? ¿Cuál es la
Valor
esperado probabilidad de que entren a lo sumo 8 párticulas al contador
Distribución en un milisegundo?
Binomial

Distribución
de Poisson

19 / 24
 Solución

Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor
esperado

Distribución
Binomial

Distribución
de Poisson

20 / 24
 Media y Varianza

Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor
esperado

Distribución Media y Varianza

Binomial

Distribución
Si X tiene una distribución de Poisson con parámetro λt,
de Poisson entonces E[X] = V (X) = λt

21 / 24
 Aproximación

Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor
esperado
Aproximacón de la Binomial a la Poisson
Distribución Suponga que en la función masa de probabilidad binomial
Binomial
b(x; n, p), si n → ∞ y p → 0 de tal modo que np tienda a un
Distribución
de Poisson valor λ > 0. Entonces

b(x; n, p) → p(x; λ).

22 / 24
 Ejemplo

Variables
discretas 2
Si un editor de libros no técnicos hace todo lo posible porque
Probabilidad
sus libros estén libres de errores tipográficos, de modo que la
e Inferencia
Estadı́stica
probabilidad de que cualquier página dada contenga por lo
menos uno de esos errores es de 0.005 y los errores son
Valor
esperado independientes de una página a otra, ¿cuál es la probabilidad
Distribución de que una de sus novelas de 400 páginas contenga
Binomial
exactamente una página con errores? ¿Cuándo mucho tres
Distribución
de Poisson páginas con errores?

23 / 24
 Solución

Variables
discretas 2

Probabilidad
e Inferencia
Estadı́stica

Valor
esperado

Distribución
Binomial

Distribución
de Poisson

24 / 24