Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4 Distribucion de Probabilidad Discreta
4 Distribucion de Probabilidad Discreta
4 Distribucion de Probabilidad Discreta
Una variable aleatoria es una variable que puede tomar cualquier valor numérico.
Una variable aleatoria , se dice que es una variable aleatoria discreta, si sus
mediante el conteo.
= (0,1,2,3,4,5,6,7)
Puesto que los posibles valores de son finitos y contables (además de enteros),
entonces decimos que es una variable aleatoria discreta, ya que sus valores se ven
limitados a 7.
La probabilidad de que una variable aleatoria, tome un valor determinado, se
simboliza por:
( = ) (4.1.1)
Ejemplo 4.2: Juan Vera vende automóviles nuevos en Toyotoshi. Por lo general,
un sábado determinado.
Autos
Probabilidad
Vendidos
0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
Total 1
Tabla 4.1
280
1 ( )
240
200
0.50
160
120
80
040
200 400 600 800 1,000 1,200
0 1 2 3 4
Figura 4.1
por:
( ) = (4.1.2)
( ) = ( )
=
(4.1.3)
= ( )+ ( ) + ⋯+ ( )
La esperanza se utiliza para como una medida del punto central de una variable
Ejemplo 4.3: Las ventas de automóviles de una playa de autos de los últimos
Autos
Días Probabilidad
Vendidos
54 0 0.18
117 1 0.39
72 2 0.24
42 3 0.14
12 4 0.04
3 5 0.01
300 1
Tabla 4.2
Podemos notar que la tabla 4.2 es claramente una distribución de probabilidad. Si
variable aleatoria discreta, ya que sus valores están entre 0 y 5 autos vendidos.
280
( )
240
200
0.50
160
0.25
120
80
040
200 400 600
0 1 2 3800 4 1,0005 1,200
Figura 4.2
= 1.5
Esto significa que a la larga se venderán en promedio 1.5 autos por día.
4.1.2 Varianza
= ( − ) ( ) (4.1.5)
=
= ( )− (4.1.6)
Resulta más útil utilizar el error estándar o desviación típica, ya que esta se
varianza está en unidades al cuadrado, esto hace que resulte más difícil su
interpretación.
Ejemplo 4.4: Calculamos la varianza de las ventas de autos del ejemplo anterior,
− ( − ) ( ) ( − ) ( )
-1.5 2.25 0.18 0.405
-0.5 0.25 0.39 0.0975
0.5 0.25 0.24 0.06
1.5 2.25 0.14 0.315
2.5 6.25 0.04 0.25
3.5 12.25 0.01 0.1225
1.25
Tabla 4.3
= 1.118
desviación típica suele ser más fácil de interpretar. En este caso la desviación
en un proceso de Bernouilli.
1º. En cada ensayo solo hay dos resultados que son mutuamente excluyentes.
ensayo a otro.
→ 0.5
→ 0.5
1) Podemos ver que solo existen dos resultados; cara o cruz (1º condición).
2) Los resultados son independientes (2º condición), un lanzamiento es
fracaso.
( ) = ( )+ ( )
= 1( ) + 0(1 − ) (4.2.1)
Y la varianza:
= ( − ) ( )
=
(4.2.2)
= (1 − )
( ) = 1(0.5) + 0(0.5)
= 0.5
varianza:
= 0.125 + 0.125
= 0.25
Y si utilizamos la ecuación 4.2.2:
= 0.5(1 − 0.5)
= 0.25
Vemos que ambos resultados son idénticos. Al aplicar la raíz cuadrada se obtiene
el error estándar.
! −
( ) = (1 − ) (4.2.3)
!( − )!
Donde:
es la cantidad de éxitos
( ) = (4.2.4)
Y su varianza:
= (1 − ) (4.2.5)
6! −
(4) = (0.20) (0.80)
4! (6 − 4)!
(6 × 5 × 4 × 3 × 2 × 1)
= (0.20) (0.80)
(4 × 3 × 2 × 1)(2 × 1)
= 0.01536
( ) = 6(0.20)
= 1.2
Y la varianza:
= 6(0.20)(1 − 0.20)
= 0.96
cuenta que:
4.6 escribiendo:
> dbinom(4,6,0.20)
[1] 0.01536
La probabilidad es la misma que se obtuvo de forma manual en el ejemplo
> dbinom(
dbinom(c(0,1,2,3,4,5,6),6,0.20)
c(0,1,2,3,4,5,6),6,0.20)
> sum(dbinom(c(4,5,6),6,0.20))
[1] 0.01696
Figura 4.3
4.3 La Distribución Hipergeometrica
discreta, que se utilizan a menudo. Se suele recurrir a esta, cuando los supuestos
se realiza sin devolución, ya que con este tipo de muestreo, las probabilidades
−
( ) = − (4.3.1)
Donde:
tamaño de la muestra
tamaño de la población
al azar, y hay 3 que han estado más de 5 años. La probabilidad de extraer a uno
6−3 3
(2) = 4−2 2
6
4
3 3
= 2 2
6
4
Ahora aplicamos ! de la forma:
3! 3!
2! (3 − 2)! 2! (3 − 2)!
(2) =
6!
4! (6 − 4)!
3! 3!
= 2! 1! 2! 1!
6!
4! 2!
(3)(3)
=
(15)
= 0.6
Nótese que al aplicar ! se tiene que !⁄ ! ( − )!. El resultado indica que hay una
en cuenta que:
m es el tamaño de la muestra. ( )
n es la diferencia entre −
> dhyper(2,4,6-4,3)
[1] 0.6
tiempo o espacio.
espacio Las condiciones que se deben dar son:
−
( ) = (4.4..1)
!
Donde:
es el número de éxitos
Analizando los datos del problema, podemos ver que el promedio de solicitudes
−
5
(3) =
3!
0.8422433749
=
6
= 0.14037 …
en cuenta que:
dpois(3,5)
[1] 0.1403739
> sum(dpois(c(0,1,2),5))
[1] 0.124652
Los resultados obtenidos se pueden ver de la siguiente manera:
Figura 4.5
Referencias:
McGraw-Hill.
McGraw Hill. 2006
McGraw-Hill.
McGraw Hill. 2000.
2000