Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISCRETAS
0.4
p=0.05, n=25
0.2
0
0 5 10 15 20 25
0.3
p=0.5, n=25
0.2
0.1
0
0 5 10 15 20 25
0.3
0.2 p=0.9, n=25
0.1
0
0 5 10 15 20 25
10
DISTRIBUCIONES UNIFORME
DISCRETA
0.20 GRAFICO DE PROBABILIDADES
P( X = x)
0.15
0.10
0.05
0.00
1 2 3 4 5 6
10
Función de cuantía y de distribución.
Función de cuantía:
𝟏
𝐱: 𝟏, 𝟐, … , 𝐧
𝐟(𝐱) = 𝐧 .
𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
Función de distribución:
𝟎 . 𝐱<𝟏
𝟏
𝐅 𝒙 = 𝐱: 𝟏, … , 𝐤
𝒏
.
𝟏 𝐱 >𝐧
18/01/2021 3
Función de probabilidad o cuantía
𝟏
𝐱: 𝟏, 𝟐, … , 𝐧
𝐏(𝐗 = 𝐱) = 𝐧 .
𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
18/01/2021 4
Función de probabilidad acumulada
Función de distribución
En teoría de la probabilidad, la distribución uniforme
discreta es una distribución de probabilidad que asume un
número finito de valores con la misma probabilidad.
Si la distribución asume los valores reales x1, x2, …, xn su
función de distribución o función escalonada es:
𝟎 . 𝐱<𝟏
𝟏
𝐏 𝑿=𝒙 = 𝐱: 𝟏, … , 𝐤
𝒏
.
𝟏 𝐱 >𝐧
18/01/2021 5
Parámetros de la distribución uniforme
𝐱𝐢
𝛍𝐱 =
𝐧
𝟐
𝐱𝐢 − 𝛍
𝛔𝟐𝐱 =
𝐧
18/01/2021 6
Ejemplo:
Se tiene un dado y se lanza una vez describir:
a) La función de cuantía y de distribución
b) La función de probabilidad y probabilidad
acumulada.
c) El cuadro de distribución de probabilidades.
d) Calcular los parámetros.
e) Graficar las funciones de densidad y de distribución.
f) Graficar las funciones de probabilidades.
18/01/2021 7
a) La función de cuantía y de distribución.
b) La función de probabilidad y probabilidad
acumulada.
𝟏 𝟏
𝐱: 𝟏, 𝟐, … , 𝟔 𝐱: 𝟏, 𝟐, … , 𝟔
𝐟(𝐱) = 𝟔 . 𝐏(𝐗 = 𝐱) = 𝟔 .
𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨 𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
𝟎 𝐱<𝟏 𝟎 . 𝐱<𝟏
.
𝟏 𝟏
𝐅 𝐱 = 𝐱: 𝟏, … , 𝐤 𝐏 𝑿=𝒙 = 𝐱: 𝟏, … , 𝐤
𝟔 𝟔
. .
𝟏 𝐱 >𝐧 𝟏 𝐱 >𝐧
18/01/2021 8
c) El cuadro de distribución de probabilidades.
d) Calcular los parámetros.
𝐄 𝐗 = 𝛍𝐱 = 3.5
𝐕 𝐗 = 𝛔𝟐𝐱 = 𝟐. 𝟗𝟐
𝛔𝐱 = 𝟏. 𝟕𝟎𝟖
18/01/2021 9
e) Graficar las funciones de densidad y de
distribución.
18/01/2021 10
f) Graficar las funciones de probabilidades.
0.16
1.0
0.14
0.12 0.8
0.10
0.6
0.08
0.06 0.4
0.04
0.2
0.02
0.00 0.0
1 2 3 4 5 6 1 2 3 4 5 6
X
18/01/2021 11
DISTRIBUCION DE BERNOULLI
10
Distribución De Bernoulli
18/01/2021 13
Experimento de Bernoulli
18/01/2021 14
FUNCIÓN DE PROBABILIDAD O
FUNCION DE CUANTIA BERNOULLI:
18/01/2021 15
FUNCIÓN DE PROBABILIDAD O
FUNCION DE CUANTIA BERNOULLI:
𝐄 𝐗 = 𝝁𝑿 = p 𝐕 𝐗 = 𝛔𝟐𝐱 = pq
18/01/2021 16
EJEMPLO:
E( X ) = p = 0.5
Var( X ) =pq= 0.25
18/01/2021 17
EJEMPLO:
P(X=1)=0.04
E( X ) = p = 0.04
V( X ) = pq = 0.04(0.96) = 0.0384
18/01/2021 18
EJEMPLO:
En un asentamiento humano el 30% de sus habitantes son
analfabetos. Si se extrae o elige a un ciudadano cualquiera,
cuál es la probabilidad de que este sea no analfabeto,
construir la distribución de probabilidades, calcular sus
características.
p= P(éxito) = 0.7
X P(X=x) xP(X=x) (x-E(x))2P(X=x)
0 0.3 0 0.147
1 0.7 0.7 0.063
0.7 0.21
E(X) = p= 0.7
V(X)= pq = 0.21
18/01/2021 19
Distribución Hipergeomètrica
10
Distribución Hipergeomètrica
FUNCION DE CUANTIA
𝐍𝟏 𝐍 − 𝐍𝟏
𝐱 𝐧−𝐱 𝐱: 𝟎, 𝟏, … , 𝐧
𝐏 𝐗=𝐱 = 𝐍
𝐧 .
𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
18/01/2021 21
Distribución Hipergeomètrica
FUNCION DE DISTRIBUCION
𝟎 𝐗<𝟎
𝐍𝟏 𝐍−𝐍𝟏
𝐱 𝐧−𝐱
𝐏 𝐗≤𝐱 = 𝐍
𝟎<𝐗<𝐧
𝐧
𝟏 𝐗>𝐧
18/01/2021 22
PARAMETROS
Distribución Hipergeomètrica
n𝐍𝟏
𝐄 𝐗 = 𝛍𝐱 =
𝐍
𝐍 − 𝐧 𝐧𝐍𝟏 𝐍𝟏
𝐕 𝐗 = 𝛔𝟐𝐗 = 𝟏−
𝐍−𝟏 𝐍 𝐍
18/01/2021 23
Distribución binomial
10
Distribución binomial
FUNCION DE CUANTIA
18/01/2021 25
Distribución binomial
PROBABILIDAD
𝐧 𝐱
𝐩 (𝟏 − 𝐩)𝐧−𝐱 𝐱: 𝟎, 𝟏, 𝟐, … 𝐧
𝐏𝐗=𝐱 = 𝐱
.
𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
p = P(Éxito) = P( X = 1)
q = P(Fracaso) = P( X = 0)
18/01/2021 26
Distribución binomial
CARACTERISTICAS
𝐄 𝐗 = 𝛍.𝐱 = np
𝐕 𝐗 = 𝛔𝟐𝐱 = npq
18/01/2021 27
RELACION DE LA FUNCION DE CUANTIA
BINOMIAL CON FUNCIONES DEL EXCEL Y SPSS
𝐧 𝐱
𝐩 (𝟏 − 𝐩)𝐧−𝐱 𝐱: 𝟎, 𝟏, 𝟐, … 𝐧
𝐏𝐗=𝐱 = 𝐱
.
𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
P( X = x ) = DISTR.BINOM.N( x, n, p, 0)
P( X = x ) = PDF.BINOM( x, n, p)
18/01/2021 28
Función de Distribución:
p = P(Éxito) = P( X = 1)
q = P(Fracaso) = P( X = 0)
18/01/2021 29
Función de Distribución:
PROBABILIDAD ACUMULADA
p = P(Éxito) = P( X = 1)
q = P(Fracaso) = P( X = 0)
18/01/2021 30
RELACION DE LA FUNCION DE
DISTRIBUCION BINOMIAL CON FUNCIONES
DEL EXCEL Y SPSS
𝟎 𝐱<𝟎
.
𝐧 𝐱
𝐅 𝐱 = 𝐩 (𝟏 − 𝐩)𝐧−𝐱 𝐱: 𝟎, 𝟏, … , 𝐧
𝐱
.
𝟏 𝐱 >𝐧
P( X ≤ x ) = DISTR.BINOM.N( x, n, p, 1)
P( X ≤ x ) = CDF.BINOM( x, n, p)
18/01/2021 31
EJEMPLO
18/01/2021 32
𝟏𝟎
𝟎. 𝟔𝟔𝟕𝐱 (𝟏 − 𝟎. 𝟔𝟔𝟕)𝟏𝟎−𝐱 𝐱: 𝟎, 𝟏, 𝟐, … , 𝟏𝟎
𝐟(𝐱) = 𝐱
.
𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
f(x)
FUNCION DE CUANTIA BINOMIAL
0.30
0.25
0.20
0.15
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9 10
18/01/2021 33
𝟎 . 𝒙<𝟎
𝟏𝟎
𝐅(𝐱) = 𝟎. 𝟔𝟔𝟕𝐱 (𝟏 − 𝟎. 𝟔𝟔𝟕)𝟏𝟎−𝐱 𝒙: 𝟎, 𝟏, … , 𝟏𝟎
𝐱
.
𝟏 𝒙 >𝟏
1.0
0.8
0.6
0.4
0.2
0.0
0 1 2 3 4 5 6 7 8 9 10
18/01/2021 34
DISTRIBUCION DE PROBABILIDADES
x P(X = x) P(X ≤ x) P(X ≥ x)
𝟏𝟎
0 0.0000169 0.0000169 1.0000000 𝟎. 𝟔𝟔𝟕𝐱 (𝟏 − 𝟎. 𝟔𝟔𝟕)𝟏𝟎−𝐱 𝐱: 𝟎, 𝟏, 𝟐, … , 𝟏𝟎
𝐏(𝐗 = 𝐱) = 𝐱
.
1 0.0003387 0.0003556 0.9999831
𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
2 0.0030483 0.0034040 0.9996444
3 0.0162577 0.0196616 0.9965960
4 0.0569019 0.0765635 0.9803384 𝟎 𝒙<𝟎
.
5 0.1365645 0.2131281 0.9234365 𝟏𝟎
P(X ≤ x) = 𝟎. 𝟔𝟔𝟕𝐱 (𝟏 − 𝟎. 𝟔𝟔𝟕)𝟏𝟎−𝐱 𝒙: 𝟎, 𝟏, … , 𝟏𝟎
6 0.2276076 0.4407357 0.7868719 𝐱
.
7 0.2601229 0.7008586 0.5592643 𝟏 𝒙 >𝟏
8 0.1950922 0.8959508 0.2991414
9 0.0867076 0.9826585 0.1040492
10 0.0173415 1.0000000 0.0173415
1.0000000
18/01/2021 35
PROBABILIDAD DE V.A.BINOMIAL
P(X=x)
0.30
PROBABILIDAD ACUMULADA
1.2
0.25
1.0
0.20
0.8
0.15
0.6
0.10
0.4
0.05
0.2
0.00 0.0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
X
18/01/2021 36
x P(X = x) P(X ≤ x) P(X ≥ x) xP(X = x) (x-µ)2P(X=x)
18/01/2021 37
EJEMPLO
18/01/2021 38
P(Éxito) = 0.04
n = 10
DISTRIBUCION DE PROBABILIDADES
X P(X=x) P(X<=x) xP(X=x) (x-E(X))^2P(X=x)
0 0.66483263599150 0.66483263599150 0.0000000000000 0.1063732217586
1 0.27701359832979 0.94184623432129 0.2770135983298 0.0997248953987
2 0.05194004968684 0.99378628400813 0.1038800993737 0.1329665271983
3 0.00577111663187 0.99955740064000 0.0173133498956 0.0390127484314
4 0.00042081058774 0.99997821122774 0.0016832423510 0.0054537052171
5 0.00002104052939 0.99999925175713 0.0001052026469 0.0004452176018
6 0.00000073057394 0.99999998233106 0.0000043834436 0.0000229107987
7 0.00000001739462 0.99999999972568 0.0000001217623 0.0000007577095
8 0.00000000027179 0.99999999999747 0.0000000021743 0.0000000156986
9 0.00000000000252 0.99999999999999 0.0000000000226 0.0000000001861
10 0.00000000000001 1.00000000000000 0.0000000000001 0.0000000000010
1.0000000 0.400 0.3840
18/01/2021 39
PROBABILIDADES BINOMIALES
0.4
p=0.05, n=25
0.2
Sesgada si p es cerca de 0 0
0 5 10 15 20 25
0.3
p=0.5, n=25
0.2
Simétrica si p es 0.5 (o cercana) 0.1
Aproximadamente normal 0
0 5 10 15 20 25
0.3
0.2
p=0.9, n=25
Sesgada si p es cerca a 1 0.1
0
0 5 10 15 20 25
18/01/2021 40
Ejemplo:
Obtenga una muestra aleatoria de n = 200 por el día de producción
Suponga que p = 7% de esta producción es defectuosa
Número de Proporción o Porcent.
Defectos, X Defectuoso, p = X/n
Media X = np p = p = 0.07
= 2000.07 = 14
“Espera ver 14 “Espera ver 7%
defectos, en promedio” defectuoso, en promedio”
18/01/2021 41
Ejemplo.-
18/01/2021 42
P(éxito) = 0.1667
n= 5
18/01/2021 43
Ejemplos:
1) Una empresa que fabrica mesas de billar sospecha que el
20% de su producción está defectuosa en alguna forma. Si
esta sospecha es correcta, encuentre la probabilidad de que
en una muestra de nueve mesas:
a) haya por lo menos una defectuosa.
b) no haya mesas defectuosas.
18/01/2021 44
Ejemplos :
2) De los alumnos de una universidad, el 41% fuma. Se
eligen seis alumnos para conocer las opiniones
sobre el cigarro.
18/01/2021 45
Distribución de Poisson
P( X = x ) = POISSON.DIST( x, λ, 0 )
P( X = x ) = PDF.POISSON( x, λ)
10
Distribución de Poisson
FUNCION DE CUANTIA
𝐞−𝛌 𝛌𝐱
𝐱: 𝟎, 𝟏, 𝟐, 𝟑, …
𝐟(𝐱) = 𝐗!
.
𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
18/01/2021 47
Distribución de Poisson
PROBABILIDAD
𝐞−𝛌 𝛌𝐱
𝐱: 𝟎, 𝟏, 𝟐, 𝟑, …
𝐏(𝐗 = 𝐱) = 𝐗!
.
𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
18/01/2021 48
Distribución de Poisson
PROBABILIDAD
𝐄 𝐗 = 𝛍𝐱 = 𝛌
𝐕 𝐗 = 𝛔𝟐𝐱 = λ
18/01/2021 49
RELACION DE LA FUNCION DE CUANTIA
POISSON CON FUNCIONES DEL EXCEL Y SPSS
𝐞−𝛌 𝛌𝐱
𝐱: 𝟎, 𝟏, 𝟐, 𝟑, …
𝐏(𝐗 = 𝐱) = 𝐗!
.
𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
P( X = x ) = POISSON.DIST( x, λ, 0 )
P( X = x ) = PDF.POISSON( x, λ)
18/01/2021 50
Función de Distribución:
POISSON
Una variable aleatoria X posee una ley de distribución de
probabilidades del tipo Poisson, su función de
distribución esta dada por:
𝟎 𝐗<𝟎
.
𝐤
𝐅(𝐱) = 𝐞−𝛌 𝛌 𝐱
𝐱: 𝟎, 𝟏, 𝟐, 𝟑, …
𝐗!
𝐱=𝟎
.
𝟏 𝐗>∞
18/01/2021 51
Función de Distribución:
Probabilidad acumulada Poisson
Una variable aleatoria X posee una ley de distribución de
probabilidades del tipo Poisson; su función de
distribución ( Probabilidad acumulada ) esta dada por:
𝟎 𝐗<𝟎
.
𝐤
𝐏(𝐗 ≤ 𝐱) = 𝐞−𝛌 𝛌 𝐱
𝐱: 𝟎, 𝟏, 𝟐, 𝟑, …
𝐗!
𝐱=𝟎
.
𝟏 𝐗>∞
18/01/2021 52
RELACION DE LA FUNCION DE DISTRIBUCION
POISSON CON FUNCIONES DEL EXCEL Y SPSS
𝟎 𝐗<𝟎
𝐤
𝐞−𝛌 𝛌𝐱
𝑷(𝑿 ≤ 𝒙) = 𝐱: 𝟎, 𝟏, 𝟐, 𝟑, …
𝐗!
𝐱=𝟎
𝟏 𝐗>∞
P( X ≤ x ) = POISSON.DIST( x, λ, 1 )
P( X ≤ x ) = CDF.POISSON( x, λ)
18/01/2021 53
RELACION ENTRE DISTRIBUCION POISSON Y
BINOMIAL
18/01/2021 54
Ejemplos. Comprobando ocurrencia aleatoria
18/01/2021 55
Ejemplo.
Los clientes llegan a una exhibición a razón de 6.5
clientes/hora (Poisson). Calcule la probabilidad de que en
cualquier hora dada:
a. no llegue ningún cliente b. por lo menos lleguen 5
c. lleguen a lo más cinco d. lleguen exactamente 5
λ 6.5/hora
e 6.5 6.50
5
e 6.5 6.5x
a. PX 0 c. PX 5
0! x o x!
4
e 6.5 6.5x e 6.5 6.55
b. PX 5 1 d. PX 5
x o x! 5!
18/01/2021 56
DISTRIBUCION DE PROBABILIDADES
X P(X=x) P(X<=x) xP(X=x) (x-E(X))^2P(X=x)
0 0,0015034392 0,0015034392 0,0000000000 0,0635182623
1 0,0097723548 0,0112757939 0,0097723548 0,2956024916
2 0,0317601530 0,0430359469 0,0635203059 0,6431132099
3 0,0688136647 0,1118496116 0,2064409942 0,8429170274
4 0,1118222052 0,2236718168 0,4472888207 0,6988303227
5 0,1453688667 0,3690406836 0,7268443337 0,3270343523
6 0,1574829390 0,5265236225 0,9448976338 0,0393542700
7 0,1462341576 0,6727577801 1,0236391033 0,0365738313
8 0,1188152531 0,7915730332 0,9505220245 0,2673715908
9 0,0858110161 0,8773840493 0,7722991449 0,5363637137
10 0,0557771605 0,9331612098 0,5577716046 0,6833110409
11 0,0329592312 0,9661204409 0,3625515430 0,6674554479
12 0,0178529169 0,9839733578 0,2142350027 0,5400712699
13 0,0089264584 0,9928998163 0,1160439598 0,3771550030
14 0,0041444271 0,9970442434 0,0580219799 0,2331305266
15 0,0017959184 0,9988401618 0,0269387764 0,1297582985
16 0,0007295919 0,9995697537 0,0116734698 0,0658471148
17 0,0002789616 0,9998487153 0,0047423471 0,0307561282
18 0,0001007361 0,9999494514 0,0018132504 0,0133225956
19 0,0000344624 0,9999839138 0,0006547849 0,0053848339
20 0,0000112003 0,9999951140 0,0002240053 0,0020412803
1 6,49989544 6,4989126118
18/01/2021 57
Ejemplo:
Si 2% de los libros encuadernados en cierto taller tiene
encuadernación defectuosa, obtener la probabilidad de
que 5 de 400 libros encuadernados en este taller tengan
encuadernaciones defectuosas.
. λ = 400(0.02) = 8
8 5
PX 5
e 8
0.0916
5!
18/01/2021 58
X D.BINOMIAL D.POISSON
0 0.000309336 0.000335463
1 0.002525191 0.002683701
2 0.010281134 0.010734804
3 0.027835995 0.028626144
4 0.056382091 0.057252288
5 0.091131870 0.091603662
n= 400 6 0.122439077 0.122138215
p= 2.0% 7 0.140644304 0.139586532
λ= 8 8 0.141003091 0.139586532
9 0.125336081 0.124076917
10 0.100013077 0.099261534
11 0.072365677 0.072190206
12 0.047874572 0.048126804
13 0.029160650 0.029616495
14 0.016450687 0.016923711
15 0.008639409 0.009025979
18/01/2021 59
Ejemplo:
En una fábrica de tejidos el encargado del
control de calidad se percata que en cierta
clase de tejido de lana ocurren al azar con un
promedio de 1 por 100 pies cuadrados.
Calcular la probabilidad que una pieza que
mide 50 por 10 pies no contenga defectos.
Calcular la probabilidad que una pieza que
mide 70 por 10 pies tenga al menos 3 defectos.
18/01/2021 60
Ejemplo:
Una panadería por campaña navideña decide
hacer panteones con frutillas, para empezar
hace un lote de 200 unidades, a estos se le
agrega 1000 frutillas . Se mezcla bien toda la
masa para hacer los panetones. Se elige un
panteón al azar de dicho lote , ¿ Cuál es la
probabilidad de que no contenga ninguna
frutilla? ¿ Cuántos panetones con solamente
una frutilla podrí haber en el lote?’.
18/01/2021 61
Ejemplo:
Una de cada 100 lámparas incandescentes fabricadas por
una compañía se funde antes del final de su período de una
semana si se dejan encendidas todo el tiempo. Se instala una
lámpara de cada uno de los 50 pisos de un edificio grande.
¿Cuál es la verdadera distribución de probabilidad del
número de lámparas que se fundan antes del final de la
semana? ¿Cuáles son sus parámetros?
Utilice una aproximación a la verdadera distribución para
calcular la probabilidad de que:
tres lámparas se funden antes del fin de la semana
más de tres lámparas se funden antes del fin de la semana
menos de tres lámparas se funden antes de fin de la semana
18/01/2021 62
Ejemplo:
Un fabricante de insecticidas nota que el 10% de los
insectos expuestos a su producto, en condiciones
de laboratorio pudieron sobrevivir. Si se expone
una muestra de 30 insectos al insecticida, ¿Cuál
es la probabilidad aproximada que:
sobreviva exactamente un insecto
no sobreviva ninguno de los 30 insectos
no sobreviva más que dos insectos
18/01/2021 63
FIN
1/18/2021 64