Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Trabajo Final Jhon Hoyos Esteban Rodriguez
Trabajo Final Jhon Hoyos Esteban Rodriguez
RISARALDA
15/12/16
DISTRIBUCIÓN BINOMIAL
Este tipo de distribución sirve para calcular el número de éxitos, en una secuencia
de(n) ensayos independientes de Bernoulli, con una probabilidad fija (P) de
ocurrencia del éxito entre los ensayos.
1 9
(
P ( X=2 )=f ( 2 )=b 2 ; 3 , )=
4 64
( nx ) p q
b ( x ; n , p) = x n− x
, x=0,1,2…n
Es decir; (n) eventos que solo sabemos si suceden o no suceden, los (n) eventos
tienen probabilidad p que sucedan. Estos eventos son independientes entre sí. La
función de probabilidad de una distribución binomial es la probabilidad de que
los(n) eventos sucedan (X), donde X es claramente menor que N.
Las distribuciones binomiales son las más útiles dentro de las distribuciones de
probabilidad discretas. Dentro del campo de aplicación se encuentra inspección de
calidad, ventas, mercadotecnia, medicina, investigación, etc. En las empresas se
dan situaciones donde se espera que ocurra o no un evento específico. Éste
puede ser de éxito o fracaso. Por ejemplo, en la producción de un artículo, éste
puede salir bueno o malo. Casi bueno no es un resultado de interés. Para
situaciones como éstas se utiliza la distribución binomial
Ejercicios
5.4 En cierto distrito de la ciudad se establece que la causa de 75% de todos los
robos es la necesidad de dinero para comprar drogas. Calcule la probabilidad de
que entre los siguientes cinco casos de robo que se reporten en este distrito.
Solución
5
2 0, 75 0, 25
2 3
Respuesta
La probabilidad de que resulten dos que usen el dinero para comprar drogas es
de
0,08789.
PQRS
La probabilidad de que al menos tres resulten de la necesidad de dinero para
comprar drogas
0,8964.
Ejercicio
5.7 Un destacado médico afirma que el 70% de las personas con cáncer de
pulmón son fumadores empedernidos. Si su aseveración es correcta, a) calcule la
probabilidad de que, de 10 de estos pacientes, que ingresaron recientemente a un
hospital, menos de la mitad sean fumadores empedernidos;
Solución
b ( x ; n; p )=¿
b ( x ; 10 ; 0.70 )=¿
4
P ( X <5 ) =∑ b (x ; 10 ; 0.70)
x=0
P ( X <5 ) =0,0474
Respuesta
PQRS
b)
b ( x ; n; p )=¿
b ( x ; 20 ; 0.70 )=¿
9
P ( X <10 ) =∑ b ( x ; 20 ; 0.70)
x=0
P ( X <10 ) =0,0171
PQRS
SOLUCION
X = 0, 1, 2, 3,4;
n= 8 consumidores
P= 60% =0,6
f ( x ; n ; p )=¿
8
(f (0;0.6,8) =( 0 ¿ 0.6 ∗¿
0
8
f ( 1 ; 0.6,8 )=( ) 0.61∗¿
1
8
f ( 2 ; 0.6,8 ) =( ) 0.62∗¿
2
8
f ( 3 ; 0.6,8 ) =( ) 0.63∗¿
3
8
f ( 4 ; 0.6,8 ) =( ) 0.64∗¿
4
p ( x ≥ 5 )=1− p ( x ≤ 4 )=1−0,4059=0,5941
Respuestas
f ( k )=P [ X=k ] = k +r −1 =p r qk =¿
( r −1 )
1) Esperanza: E(X) = r q/p
2) Varianza: V(X) = r q/p2
5.52 Un científico inocula a varios ratones, uno a la vez, el virus que produce una
enfermedad, hasta que encuentra a 2 que contraen la enfermedad. Si la
probabilidad de contraer la enfermedad es de 1/6, ¿cuál es la probabilidad de que
tenga que inocular a 8 ratones?
Solución
P (éxito)=1/6
2
1 7 1 5 6
(
b∗ 8 ; 2,
6) ( )( ) ( )
=
1 6 6
=0,0651
5.92 Una pareja decide que continuará procreando hijos hasta tener dos hombres.
Suponiendo que P(hombre) = 0.5, ¿cuál es la probabilidad de que su segundo
niño sea su cuarto hijo?
SOLUCCION
P= Hombre
X= Su cuarto hijo
k= su segundo hijo
Respuesta
Los experimentos que tienen este tipo de distribución tienen las siguientes
características:
a) Al realizar un experimento con este tipo de distribución, se
esperan dos tipos de resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son
constantes.
c) Cada ensayo o repetición del experimento no es independiente de
los demás.
d) El número de repeticiones del experimento (n) es constante.
Supongamos estamos en la selección de los componentes de una población y
estamos registrando si estos componentes tienen o no tienen cierta característica.
La característica que estamos registrando es: “éxito” o “fracaso”
C MK C Nn−k
−M
P(x=k) =
c Nn
N!
C Nn =
n! (N−n) !
μ=n ( MN )
σ 2=n ( MN )( N−M
N )( N−n
N −1 )
Ejemplo:
C3x C 94− x
P (x) =
C 12
4
2. La media:
μ=4 ( 123 )= 1
3. La varianza
σ 2=4 ( 12 ) ( 12−3
12 )( 12−4
11 )
=0.5455
Un producto industrial particular se envía en lotes de 20. Hacer pruebas para
determinar si un artículo es defectuoso o costoso; por tanto, el fabricante muestrea
la producción en lugar de usar un plan de inspección del 100%. Un plan de
muestreo construido para reducir al mínimo el número de piezas defectuosas,
enviadas a los clientes, exige muestrear cinco artículos de entre cada lote y
rechazar el lote si se observa más de una pieza defectuosa. (Si el lote es
rechazado, cada artículo del lote se prueba entonces.) Si un lote contiene cuatro
defectuosos, ¿cuál es la probabilidad de que sea aceptado?
C40 C 16 C41 C 16
P (sea aceptado) =p (0) +p (1) = C5
20
5
+ C5
20
4
=
0.7513
Ejercicios
P(x=k) = N
cn
C5x C 33−x
P (x) = C3
8
C53 C30
b)P (x=3) = C3
8 =10/56=0.1786
C50 C33
c) P (x=0) = C3
8 =1/56=0.01786
C50 C33 C51 C32
d)P (x≤1) = C83 + C83 =1+15/56=0.2857
5.56 Tratamiento a semillas Es frecuente que las semillas sean tratadas con un
fungicida para protegerlas de ambientes mal drenados, húmedos. En un intento a
pequeña escala antes de un experimento a gran escala para determinar qué
dilución del fungicida aplicar, cinco semillas tratadas y cinco no tratadas se
plantaron en suelo arcilloso y se registró el número de plantas que emergieron de
las semillas tratadas y de las no tratadas. Suponga que la dilución no fue eficcaz y
sólo emergieron cuatro plantas. Represente con x el número de plantas que
emergieron de semillas tratadas.
c. Encuentre P (2 ≤ x ≤ 3).
P(x=k) =
c Nn
C5x C 54− x
P (x) = C 10
4
para x= 0 1 2 3 4
C54 C 50
a) P (x=4) = C4
10 = 5/210= 0.023
C53 C51
b) Y *P (x=3) = C4
10 = 50/210= 0.2380
*
C52 C52
P(x=2) = C4
10 = 100/210= 0.4761
C51 C53
*P(x=1) = C4
10 = 50/210= 0.2380
C50 C54
*P(x=0) = C4
10 = 5/210= 0.02380
DISTRIBUCIÓN GAMMA
Y DISTRIBUCIÓN EXPONENCIAL
Ejemplos.
∞
α −1 −x
Γ (α)=∫ x e dx , para α >0
0
{ α
F (x;α,β) = β Γ (α )
x α −1 e−x/ β , x >0
0,
1 −x / β
{ β
e , x >0
0 , en otro caso
Donde β >0
p(0 ; λt)=e− λt ¿ ¿
Podemos utilizar lo anterior y hacer que X sea el tiempo para el primer evento de
Poisson. La probabilidad de que la duración del tiempo hasta el primer evento
exceda x es la misma que la probabilidad de que no ocurra algún evento de
Poisson en x. Esto último, por supuesto, es dado por e− λt
Como resultado
P( X > x)=e−λt
P ( 0 ≤ X ≤ x )=1−e−λt
f (x)= λ e−λx
1
Que es la función de densidad de la distribución exponencial con λ=
β
Solución:
La probabilidad de que un componente determinado siga funcionando
después de 8 años es dada por
∞
1
P(T >8)= ∫ e−1 /5 dt=e−8 /5 ≈ 0.2
58
P( X ≥ t 0+ t∨ X ≥t 0)
Entonces, si el componente “alcanza” las t 0 horas, la probabilidad de que dure
otras t horas es igual que la probabilidad de que dure t horas. No hay “castigo” a
través del desgaste como resultado de durar las primeras t 0 horas. Por lo tanto,
cuando la propiedad de falta de memoria es justificada es más adecuada la
distribución exponencial. Pero si la falla del componente es resultado del desgaste
lento o gradual (como en el caso del desgaste mecánico), entonces la distribución
exponencial no es aplicable y serían más adecuadas la atribución gamma o la de
Weibull. la distribución exponencial describe el tiempo que transcurre hasta la
ocurrencia de un evento de Poisson (o el tiempo entre eventos de Poisson), el
tiempo (o espacio) que transcurre hasta que ocurre un número específico de
eventos de Poisson es una variable aleatoria, cuya función de densidad es
descrita por la distribución gamma. Este número específico de eventos es el
parámetro α en la función de densidad gamma. De esta manera se facilita
comprender que cuando α=1, ocurre el caso especial de la distribución
exponencial.
Ejemplos:
1. En un estudio biomédico con ratas se utiliza una investigación de
respuesta a la dosis para determinar el efecto de la dosis de un
tóxico en su tiempo de supervivencia. El tóxico es producido por el
combustible que utilizan los aviones y, en consecuencia, descargan
con frecuencia a la atmósfera. Para cierta dosis del tóxico, el estudio
determina que el tiempo de supervivencia de las ratas, en semanas,
tiene una distribución gamma con α=5 y β=10.
1 − y/ 4
{
F ( y)= 4
e , y ≥0,
0. en otro caso .
De manera que
Ejercicios
Respuesta
µ=3 segundos
1 − x/3 por x>0
F(X)= e
3
∞
1 − x/3 1 −x/ 3
a) P( x >5)=∫ e dx= [− 3 e ] evaluado entre 5 y ∞
5 3 3
¿ e−5 /3=0.1889
6.66 Cierto tipo de dispositivo tiene una tasa de fallas anunciada de 0.01 por
hora. La tasa de fallas es constante y se aplica la distribución exponencial.
Respuesta
a) µ= β = 100 horas
∞
−0.01 x
b) P (X ≥ 200) =¿ 0.01 ∫ e dx=e−2=0.1353
200