Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADÍSTICA Y PROBABILIDADES
INTEGRANTES:
SARMIENTO NUÑEZ MARIA FERNANDA
BEGAZO ALVAREZ LUCIA ELVIRA
IV SEMESTRE
AREQUIPA 2020
Pág. -1-
UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
Contenido
DISTRIBUCIÓN PASCAL .................................................................................................................................. 1
1. DEFINICIÓN............................................................................................................................................ 1
2. VARIABLE ALEATORIA ............................................................................................................................ 1
3. PARAMETROS ........................................................................................................................................ 1
4. FUNCIÓN ............................................................................................................................................... 1
5. MEDIA.................................................................................................................................................... 1
6. VARIANZA .............................................................................................................................................. 1
7. DESVIACIÓN ESTANDAR ........................................................................................................................ 2
8. EJEMPLOS .............................................................................................................................................. 3
8.1. PROBLEMA 1 .................................................................................................................................. 3
8.2. PROBLEMA 2: ................................................................................................................................. 4
DISTRIBUCIÓN GEOMÉTRICA ........................................................................................................................ 6
1. DEFINICIÓN............................................................................................................................................ 6
2. CARACTERISTICAS.................................................................................................................................. 6
3. ESPERANZA ............................................................................................................................................ 7
4. VARIANZA .............................................................................................................................................. 7
5. DESVIACIÓN ESTÁNDAR ........................................................................................................................ 7
6. EJEMPLOS .............................................................................................................................................. 8
6.1. Problema 1: .................................................................................................................................... 8
6.2. Problema 2: .................................................................................................................................... 9
Pág. -2-
UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
DISTRIBUCIÓN PASCAL
1. DEFINICIÓN
También conocida como binomial negativa ,esta es una distribución de probabilidad
discreta generalización de la distribución geométrica se utiliza en procesos en los cuales
se necesita la repetición de ensayos hasta conseguir un numero de resultados exitosos
y no solo el primer éxito como en la geométrica, donde “q” es (1-p).
2. VARIABLE ALEATORIA
La variable aleatoria en esta distribución representa el número de ensayos de Bernoulli
independientes necesarios para obtener el “r” (éxitos), si en cada ensayo se tiene la
misma probabilidad de éxito. Probabilidad de éxito constante.
4. FUNCIÓN
Su función de probabilidad es el producto entre las combinaciones x-1 en r -1
𝒙−𝟏
{( ) 𝒑𝒓 𝒒𝒙−𝒓 ; 𝒙 = 𝒓, 𝒓 + 𝟏, … }
𝒇𝑿 (𝑿) = 𝒓−𝟏
𝟎 ; 𝒆𝒏 𝒐𝒕𝒓𝒐 𝒄𝒂𝒔𝒐
5. MEDIA
Formula 1
𝒓
𝑬(𝑿) = 𝒖(𝒙) =
𝒑
6. VARIANZA
Formula 2
𝒓𝒒𝟐
𝝈𝟐 (𝑿) =
𝒑
Pág. -1-
UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
7. DESVIACIÓN ESTANDAR
Formula 3
𝒓(𝟏 − 𝒑)
𝝈(𝑿) = √
𝒑𝟐
Pág. -2-
UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
8. EJEMPLOS
8.1. PROBLEMA 1
Un científico inocula varias ratas, una a la vez, con un germen de cierta enfermedad
hasta encontrar 3 que la hayan contraído. Si la probabilidad de contraer la enfermedad
es 0.25.
a. ¿Cuál es la probabilidad de que se requieran 8 inoculaciones?
b. ¿Cuál es la probabilidad de que a lo más en la cuarta inoculación se encuentre la
tercera rata que haya contraído la enfermedad?
c. ¿Cuál es la probabilidad de que se requiera como mínimo cinco inoculaciones
para encontrar la tercera rata que haya contraído la enfermedad?
d. ¿Cuál es la probabilidad de que se requiera a lo menos cuatro y a lo más 6
inoculaciones para encontrar la tercera rata que haya contraído la enfermedad?
e. . ¿Cuántas inoculaciones se espera realizar para encontrar tres ratas que hayan
contraído la enfermedad?
f. Calcular la desviación estándar del número de inoculaciones hasta encontrar la
tercera rata que haya contraído la enfermedad.
Solución:
- Identifico el experimento
A: estudiar el número de inoculaciones hasta encontrar 3 ratas que hayan
contraído la enfermedad
a. 𝑃[𝑋 = 8]
8−3 3
𝒒𝒙−𝒓 𝒑𝒓 = 0.75 ∗ 0.25 = 0.0779
La probabilidad que se requieran 8 inoculaciones hasta encontrar 3 ratas que
hayan contraído la enfermedad es de 0.0779 o 7.79%.
Pág. -3-
UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
b. 𝑃[𝑋 ≤ 4]
𝑃[𝑋 = 3] + 𝑃[𝑋 = 4]
0.75 ∗ 0.25 + 0.753 ∗ 0.25 = 0.0508
2
La probabilidad de que se requieran a lo más 4 inoculaciones hasta encontrar 3
ratas que hayan contraído la enfermedad es de 0.0508 (5.08%).
c. 𝑃[𝑋 ≥ 5]
1 − 𝑃[𝑋 ≤ 4]
1 − ( 𝑃[𝑋 = 3] + 𝑃[𝑋 = 4])
1 − 0.0508 = 0.9492
La probabilidad de que se requiera como mínimo cinco inoculaciones para
encontrar la tercera rata que haya contraído la enfermedad es de 0.9492 o
(94.92%).
𝑟 3
d. E(x)= = =12 intentos
𝑝 0.25
Se espera realizar 12 inoculaciones para encontrar la tercer rata que haya
contraído la enfermedad.
𝑟(1−𝑝) 3∗0.75
e. V(x)=𝜎𝑥2 = = = 36
𝑝2 0.252
𝜎𝑥 = 6 𝑖𝑛𝑜𝑐𝑢𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠
La desviación estándar del número de inoculaciones hasta encontrar la tercera
rata que haya contraído la enfermedad es de 6 inoculaciones.
8.2. PROBLEMA 2:
Pág. -4-
UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
Solución:
a. Identificamos la variable
X= número de dígitos incorrectos recibidos de 10 dígitos que tiene el mensaje
𝑋~𝑃𝑎𝑠𝑐𝑎𝑙(𝑟; 𝑝)
𝑋~𝑃𝑎𝑠𝑐𝑎𝑙(10; 0.01)
𝑃[𝑚𝑒𝑛𝑠𝑎𝑗𝑒 𝑖𝑛𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑜] = [𝑃 ≥ 1]
1 − 𝑃[𝑋 = 0] = 0.09562
La probabilidad que un mensaje de 10 dígitos binarios se recibe incorrectamente
es de 0.09562.
b. Sea Y= número de mensajes correctos que se reciben de 15 mensajes cada uno
de 10 dígitos binarios.
Entonces Y~Pascal(15;p)
𝑝 = 1 − 0.09562 = 0.90438
𝑃[𝑌 ≥ 12] = 1 − 𝑃[𝑌 ≤ 11] = 0.951658
La probabilidad de que al menos 12 de ellos se reciban correctamente es de
0.951658
c. Sea Z= número de intento hasta conseguir el mensaje correcto.
Entonces Z~G(p)
Donde
𝑝 = 0.90438
𝑃[𝑍 = 4] = (1 − 𝑝)3 𝑝 = 0.00079
La probabilidad de que un mensaje de 10 dígitos binarios es correctamente
recibido en el cuarto intento es de 0.00079
d. Sea 𝑍𝑖 = numero de intentos hasta conseguir el i-mensaje correcto y
W=∑3𝑖−1 𝑍𝑖 =numero de mensajes recibidos hasta conseguir tres mensajes
correctos entonces
W~BN(r,p), donde, r=3 y p= 0.90438.
El costo total es de C= W², entonces:
2 2
𝐸(𝐶) = 𝐸(𝑊 2 ) = 𝜇𝑊 + 𝜎𝑊
1 𝑞
𝐸(𝐶) = (3 ∗ )2 + (3 ∗ 2 ) = 11.35 𝑑𝑒𝑐𝑖𝑚𝑜𝑠 𝑑𝑒 𝑠𝑜𝑙
𝑝 𝑝
Pág. -5-
UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
DISTRIBUCIÓN GEOMÉTRICA
1. DEFINICIÓN
La distribución geométrica es un modelo adecuado para aquellos procesos en los que se repiten
pruebas hasta la consecución del éxito a resultado deseado y tiene interesantes aplicaciones en
los muestreos realizados de esta manera. También implica la existencia de una dicotomía de
posibles resultados y la independencia de las pruebas entre sí.
𝑃 ( 𝑋 = 𝑥 ) = 𝑞 𝑥−1 𝑝
Las probabilidades p y q son constantes en todas las pruebas, por tanto, las
pruebas, son independientes (si se trata de un proceso de "extracción" éste se
llevará a, cabo con devolución del individuo extraído).
Pág. -6-
UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
(Derivación de la distribución). Si en estas circunstancias aleatorizados de forma
que tomemos como variable aleatoria X = el número de pruebas necesarias para
obtener por primera vez un éxito o resultado A, esta variable se distribuirá con una
distribución geométrica de parámetro p.
3. ESPERANZA
Formula 1
𝟏
𝑬(𝑿) =
𝒑
4. VARIANZA
Formula 2
𝒒
𝝈𝟐 (𝑿) =
𝒑𝟐
5. DESVIACIÓN ESTÁNDAR
Formula 3
𝟏−𝒑
√ 𝟐
𝒑
Pág. -7-
UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
6. EJEMPLOS
6.1. Problema 1:
Los registros indican que una cierta vendedora tiene éxito en formular venta en 30% de
sus entrevistas. Supóngase que una venta en una entrevista es independiente de una
venta en cualquier otro momento.
a) ¿Cuál es la probabilidad de que esta vendedora tenga que tratar con 10
personas antes de hacer su primera venta?
Solución:
a) La probabilidad de realizar una venta en un solo contacto o entrevista es 𝑝 =
10 Entonces la probabilidad de que necesita exactamente 𝑥 = 10 contactos
antes de hacer su primera venta es:
𝑝(𝑥) = 𝑝𝑞 𝑥−1
O bien
𝑝(10) = (0.3)(0.7)10−1 = (0.3)(0.7)9 = 0.012
Pág. -8-
UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
6.2. Problema 2:
La probabilidad de una alineación óptica con éxito en el montaje de un producto óptico,
según especificaciones para su almacenamiento, es de 0.8. Suponga que los intentos de
montaje son independientes.
a) ¿Cuál es la probabilidad de que la alineación con éxito se produzca por primera
vez en el quinto ensayo?
Solución:
Paso 1. Identificar el experimento:
Estudiar el número de intentos hasta lograr realizar con éxito la alineación de un
producto óptico en su montaje.
Paso 2. Identificar el suceso E que se desea estudiar y que determina el éxito
en la experiencia, y su contrario, Ec:
𝑃(𝐸) = 𝑝 = 0.8
𝑃(𝐸 𝑐 ) = 1 − 𝑝 = 0.2
Paso 4. Existe independencia entre los intentos de "alineación del
producto óptico en el montaje".
Pág. -9-
UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
𝑿~ Geométrica (0.8)
Resp.: Se espera realizar entre 1 y 2 intentos para lograr realizar con éxito la
alineación del producto óptico en el montaje. Esto explica las bajas
probabilidades logradas en los cálculos de las preguntas anteriores.
1−𝑝 1−0.8
e) 𝑉(𝑋) = 𝜎𝑋2 = = (0.8)2 = 0.3125 ⟹ 𝜎𝑋 = 0.5590 intentos.
𝑝2
Resp.: La desviación estándar del número de intentos hasta realizar con éxito la
alineación del producto óptico es de 0.559 intentos. Ni siquiera alcanza a ser 1.
Pág. - 10 -
UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
REFERENCIAS
file:///C:/Users/User/Downloads/docdownloader.com-pdf-distribucion-geometrica-
dd_d51fa5ff530d7382ec4162491f285a4f%20(1).pdf
https://intranetua.uantof.cl/facultades/csbasicas/matematicas/academicos/jreyes/
DOCENCIA/APUNTES/APUNTES%20PDF/DISCRETAS.pdf
http://www.spentamexico.org/v4-n1/4(1)%20149-178.pdf
https://www.rbjlabs.com/probabilidad-y-estadistica/explicacion-ejemplos-
distribucion-geometrica/
https://www.ugr.es/~proman/Probabilidad/PDF/P_T05_TablaBinomialNegativa.p
df
https://www.mate.unlp.edu.ar/practicas/117_4_31102012113144.pdf
Pág. - 11 -