Propiedades de la varianza

Algunas distribuciones.

Algunas Distribuciones de probabilidad

discretas
Binomial-Bernoulli-Poisson

Lorena Brun Gonzalez

Universidad de Antioquia

Probabilidad e Inferencia
Ingeniería

14 de septiembre de 2015
logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Propiedades de la varianza
Algunas distribuciones.

1 Propiedades de la varianza

2 Algunas distribuciones.
Distribución Bernoulli.
Distribución Binomial.
Distribución Poisson.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Propiedades de la varianza
Algunas distribuciones.

Propiedades de la varianza Sean a, b números reales y sea X

una variable aleatoria discreta. La varianza V (X ) satisface las
siguientes propiedades:

◦ V (X ) = E[(X − µX )2 ] = E[X 2 ] − (E[X ])2

◦ V (a) = 0

◦ V (aX + b) = a2 V (X ).

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Algunas de las distribuciones de probabilidad discretas más -

usadas, se basan en un tipo especial de experimento aleatorio,
donde el resultado es la ocurrencia o no ocurrencia de un evento
de interés; por ejemplo, el resultado de un tratamiento aplicado
a un paciente puede ser favorable o no. El investigador puede
estar interesado entonces en determinar que tan favorable es el
tratamiento.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Contenido

1 Propiedades de la varianza

2 Algunas distribuciones.
Distribución Bernoulli.
Distribución Binomial.
Distribución Poisson.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Distribución Bernoulli.

Sin pérdida de generalidad, llámese éxito a la ocurrencia del

evento y fracaso a su no ocurrencia. La probabilidad de que
ocurra el evento de interés (probabilidad de éxito) es usualmen-
te denotada p y la del fracaso 1 − p.
La variable aleatoria de interés en este caso es X : número de
éxitos obtenidos.
Claramente el rango de X será {0, 1}, donde 1 corresponde a
el éxito y 0 corresponde a el fracaso.
Este tipo de experimentos se conoce como ensayo Bernoulli.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Para calcular la distribución de probabilidad de X , se debe cal-

cular la probabilidad asociada a cada valor de X . Así,
(
px (1 − p)1−x , si x = 0, 1
p(x) =
0 , en otro caso.

Esta distribución se conoce como Bernoulli.

Cuando una variable aleatoria X sigue una distribución Bernou-
lli, se denota X ∼ B(p)

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Sea X una variable aleatoria con X ∼ B(p), entonces:

◦ E(X ) = p

◦ V (X ) = p(1 − p)

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

DM

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Contenido

1 Propiedades de la varianza

2 Algunas distribuciones.
Distribución Bernoulli.
Distribución Binomial.
Distribución Poisson.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Distribución Binomial. Considere ahora un experimento alea-

torio que consiste en repetir un ensayo Bernoulli n veces y ca-
da uno de estos es independiente de todos los demás. Sea X
la variable aleatoria que representa el número de éxitos en los
n ensayos. Supónga que el interés está en determinar la pro-
babilidad de obtener exactamente X = x éxitos durante los n
ensayos. Para obtener la función de probabilidad de este expe-
rimento, se debe determinar la probabilidad de tener, x éxitos y
n − x fracasos, en los n ensayos.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Sea X una variable aleatoria que representa el número de éxitos

en n ensayos y p la probabilidad de éxitos en cualquiera de
éstos. Se dice entonces que X tiene una distribución binomial,
denotado X ∼ Bin(n, p) con función de probabilidad
(

n x n−x
p(x) = x p (1 − p) , si x = 0, 1, ..., n; 0 ≤ p ≤ 1
0 , en otro caso.

El interés está en determinar la probabilidad de obtener exacta-

mente X = x éxitos durante los n ensayos. Los parámetros de
la distribución binomial son n y p. La distribución Bernoulli es un
caso particular de la distribución binomial, cuando n = 1.
logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Características de un proceso binomial: Los experimentos

que tienen este tipo de distribución tienen las siguientes carac-
terísticas:
◦ El experimento consta de n pruebas idénticas e independien-
tes, esto es, el resultado obtenido en cada prueba es indepen-
diente de los resultados obtenidos anteriormente.
◦ Cada prueba tiene dos posibles resultados: éxito y fracaso.
◦ La probabilidad de éxito (p) es constante (no varía de una
prueba a otra) en las n pruebas.
◦ La variable de interés es X : número de éxitos en los n ensa-
yos, y su rango es {0, 1, 2, ..., n}.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Ejemplo:

Suponga que el 20 % de todos los ejemplares de un libro de

texto particular no pasan una prueba de resistencia de encua-
dernación. sea X el número entre 15 ejemplares seleccionados
al azar que no pasan la prueba. Entonces, X tiene una distribu-
ción binomial con n = 15 y p = 0.2.

(i) Calcule la probabilidad de que exactamente 8 fallen.

(ii) Calcule la probabilidad de que cuando mucho fallen 2.
(iii) Calcule la probabilidad de que exactamente 4 fallen.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Solución:

(i) Lo que se quiere calcular es P(X = 8). Esto es,

 
15
fx (8; 0.2, 15) = (0.2)8 (0.8)15−8
8
= (6435) × (0.00000256) × (0.2097) = 0.0034547

Por lo tanto, la probabilidad de que exactamente 8 libros fallen

es del 0.0034.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Solución:

(ii) Lo que se quiere calcular es P(X ≤ 2). Esto es,

P(X ≤ 2) = fx (0; 0.2, 15) + fx (1; 0.2, 15) + fx (2; 0.2, 15)
= 0.035 + 0.13 + 0.2308
= 0.395

Por lo tanto, la probabilidad de que cuando mucho fallen 2 libros

es del 0.395.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Valor esperado y varianza de una v.a distribuida binomial:

Si X ∼ Bin(n, p), entonces E(X ) = np, V (X ) = np(1 − p) = npq

√
y σx = npq, donde q = (1 − p).

Ejemplo:
Calcular el valor esperado, la varianza y la desviación estándar
para los datos del ejemplo 4.
Como p = 0.2 y n = 15. Entonces,
E(X ) = np = (0.2)×(15) = 3. Por tanto, en promedio el número
de ejemplares que no pasan la prueba son 3.
V (X ) = np(1 − p) = 15 × (0.2) × (0.8) = 2.4
√
σx = npq = (calcularla)
logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Ejercicio:

Si el 75 % de las compras de una tienda se hacen con tarjetas

de crédito y X es el número entre diez compras seleccionadas
al azar realizadas con tarjetas de crédito. Calcular:

◦ La probabilidad de que exactamente 2 compras se hagan con

tarjeta de crédito.
◦ El valor esperado, la varianza y la desviación estándar.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Ejercicio

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Contenido

1 Propiedades de la varianza

2 Algunas distribuciones.
Distribución Bernoulli.
Distribución Binomial.
Distribución Poisson.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Distribución Poisson:

La distribución de Poisson es un modelo probabilístico adecua-

do para evaluar la probabilidad de ocurrencia de un evento en
intervalos de tiempo, longitud superficie o volumen. Por ejem-
plo, el número de accidentes por semana, el número de aves
muertas por kilómetro cuadrado.

Si el número promedio de ocurrencias en el intervalo es λ > 0,

la variable aleatoria X que es igual al número de ocurrencias en
el intervalo tiene una distribución Poisson con parámetro λ.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

La función de probabilidad de una v.a X distribuida Poisson es:

exp(−λ) λx
fx (x; λ) = , x = 0, 1, 2, ...
x!

La media y la varianza de X son:

µx = E(X ) = λ

σx2 = V (X ) = λ
logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Ejemplo:

Supóngase que el número de computadores que salen defetuo-

sos tiene un promedio de 2 por semana. Mediante el modelo de
Poisson con λ = 2, calcular las siguientes probabilidades:

• la probabilidad de 0 computadores defectuosos en una sema-

na (x = 0).

• la probabilidad de cuando mucho 1 computador defectuoso en

una semana (x ≤ 1).

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Solución:

• Calculemos P(x = 0), esto es:

exp(−2) 20
fx (0; 2) = = exp(−2) = 0.1353
0!
Por tanto, la probabilidad de que no salga ningún equipo defec-
tuoso en una semana es del 13.53 %

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

• Ahora, calculemos P(x ≤ 1), esto es:

exp(−2) 20 exp(−2) 21
P(x ≤ 1) = fx (0; 2) + fx (1; 2) = +
0! 1!
(−2) (−2) 1
= exp + exp 2 = 0.1353 + 0.2707 = 0.4060

Por tanto, la probabilidad de que cuando mucho salga un equipo

defectuoso en una semana es del 40.60 %

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Ejercicio:
Suponga que el número X de tornados observados en una re-
gión particular durante un año tiene una distribución de Poisson
con λ = 8.

◦ Calcular la probabilidad de que ocurra un tornado en esa re-

gión.
◦ Calcular la probabilidad de que ocurran cuando mucho dos
tornado en esa región.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Ejercicio:

Al someter a prueba tarjetas de circuito, la probabilidad de que

cualquier diodo particular falle es de 0.01. Suponga que una
tarjeta de circuito contiene 200 diodos.

◦ Cuantos diodos esperaría que fallen.

◦ Calcular la probabilidad de que fallen 3 diodos.
◦ Calcular la probabilidad de que cuando mucho falle 1 diodo.

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson

 Distribución Bernoulli.
Propiedades de la varianza
Distribución Binomial.
Algunas distribuciones.
Distribución Poisson.

Referencias
Montgomery D.C y Runger G.C. Probabilidad y Estadística Apli-
cadas a la Ingeniería. Limusa Wiley, 2004, segunda edición.

Mendenhall W., Beaver R.J. y Beaver B.M. Introducción a la

probabilidad y estadística (12. ed.). México: Cengage Learning,
2008

Roessler, R y Alder H.L. Introduction to probability and statistics

(6. ed.). Estados Unidos: W. H. Freeman, 1977

logo

Probabilidad e Inferencia Estadística Binomial-Bernoulli-Poisson