Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
En la teoría de probabilidades se presentan muchos problemas que consisten en la
utilización de pruebas independientes de un experimento, cuyas pruebas resultadas solo
pueden clasificarse en las categorías que se denominan suceso a esto y al otro se le
denomina falla o proceso. A este tipo de prueba se le llaman pruebas de tipo bernoulli.
S={e,f}
Ej.
Los calibradores del tabaco pasa o no pasa, le lanzamiento de una moneda.
La probabilidad de un suceso se denota con p, p(éxito))p y la probabilidad de una talla se
denotan q, p(total))q, donde p+q)1, son exhaustivos y mutuamente excluyente.
La independencia nos da que el hecho que recurra a un éxito no tiene que ser con una
prueba son independientes a los resultados de otra prueba.
En n pruebas independientes de bernoulli, donde el espacio muestral esta compuesto por
todas los posibles resultados del fenómeno aleatorio, estará compuesto por s=2n puntos
muéstrales o posibles resultados.
Si la muestra aleatoria de éxitos que estén en loas n pruebas, entonces obtenemos una
función probabilistica que se denomina distribución binomial cuya expresión es:
n pxqn-x para x=0,1,2,…,n
P(x)= x p+q=1
Ej #1
El 98% de los rodamientos de un lote recibido en la Empresa textil”desembarco del
Granma” cumple las especificaciones de calidad. Si se prueban que 50 de ello
seleccionados aleatoriamente de lote cumple:
probabilidad de que él # de rodamiento que no cumple las especificaciones este entre 2 y 4
(ambos inclusive)
Probabilidad de que exactamente 3 no cumplan las especificaciones.
la cantidad de rodamientos que como promedio no cumplen las especificaciones en los
lotes.
x-B(n,p)
x-(50;0,02)
a)p(2x4)=p(x=2)+p(x=3)+p(x=4)
Ejemplo de la pp 302.
De las tablas.
Las tablas para este tipo de distribución aparecen las ___ de diferentes libros como:
Hanbook of Quality control (Juran)
Introducción al análisis estadístico (dixon y hassey)
Industrial ingineering tables (S. Elion)
Tablas y resumenes estadísticos (A, Rguez)
Pero para esto el uso Uds. se encuentra más asequible en las tablas y resúmenes estadísticos
de Aída Rodríguez, donde aparecen tablas tanto para las distribuciones que vamos a
estudiar en esto ____ como para asignaturas como estadísticas I y estadística II
Entretanto en su primera tabla, o sea, la de la dist. Binomial fuimos a describirla y no sus
primeras características.
Los parámetros que caracterizan es la dist. Binomial con n y p
n- # de pruebas independientes de bernoulli tamaño de muestra)
p- probabilidad de éxito
estas tablas aparecen los valores de probabilidades ____ desde cualquier valor de x hasta n,
es decir de la forma:
p(xx)=pkqn-k
#1 Sea x-B(10;0,25)
calcular p(x4)
este tipo de probabilidad aparece discretamente en la tabla, ya que es de la forma () y
p(0,25)<0,25
Para la búsqueda se toma primero el valor de n=10 y se toma el bloque con este
encabezamiento, después dentro del bloque se fija la columna correspondiente q p=0,25,
por ultimo entrando por la fila con el valor de x=4 se obtiene.
P(x4)=0,2241
#2 Sea x-(10; 0,25)
calcular p(x3)
Este tipo de probabilidad no puede determinar directamente en la tabla, porque no
corresponde con la forma p(xt). Pero como se cumple que:
p(x3)=1-p(z>3)
=1-p(x4)
=1-0,2241
=0,7759
¿qué parámetros se utiliza para el calculo de la p(x) por tabla con x-B(n,p)?
Distribución hipergeométrica.
La función de probabilidad denominada hipergeométrica se utiliza en él calculo de
probabilidades cuando se hace un muestreo sin reposición de tamaño n, es una población
finita de N elementos.
Los resultados también pueden ser clasificados en 2 grandes categorías: éxitos y fallas.
La distribución binomial se obtiene considerando los resultados de n pruebas
independientes de un experimento dado, sin embargo si el experimento consiste en
seleccionar una muestra de una población ___, utilizando muestreos si repetición, las
pruebas son serán independiente.
En las grandes poblaciones finitas, el error que se comete al muestrear y supones que p es
contante y las pruebas son independientes, es despreciable, pero la población es pequeña y
se utiliza muestreo sin reposición, el error que se induce al realizar las consideraciones
anteriores es mayor, y no resulta apropiado el empleo de la distribución binomial. Es fin,
esta razón, que se requiere el empleo de otra distribución lo cual se conoce con el nombre
de distribución hipergeométrica.
Analizaremos la siguiente situación para obtener la expresión de la función de probabilidad
hipergeométrica.
Tenemos una función de N elementos, es la cual extraemos una muestra de tamaño n, sin
reposición. En dicha población existen D electos que tiene cierta propiedad, por lo que el
resto de los elementos no las poseen (N-D)
0
para otras valores
Notación: x-H(N,D,n)
Solución.
X- # de pescados por debajo del peso permitido.
x-H(N,D,n)
x-H(10,3,2)
a)p(x=2)=(32)(102-32)=(32)(70)
(102)
p(x=2)= 3!/2!(3-2)-1!/0!(1-0)
10!/2!(10-2)!
p(x=1)=p(x1)-p(x2)
p(x=1)=0,6156-0,1444
p(x=1)=0,4712=47,12%
p(x=2)=(22)(0,37)2(0,63)
p(x=2)=2!/2!(2-2)!(0,13)
p(x=2)=0.1369
Si buscamos en la tabla vemos que nos da igual debido a que la tabla acumula hasta 2.
Muchas veces el número de repeticiones de un experimento de una variable aleatoria
binomial es muy grande y la solución de sus probabilidades se hace muy laboriosa. Cuando
esto ocurre existen dos distribuciones teóricas que se aproximan a la distribución Binomial,
una de ellas es cuando p es muy pequeña, la cual se conoce como la distribución Poisson y
se define por:
e x
p( x)
x!
donde x = 0, 1, 2, …….
Se puede comprobar que la distribución de Poisson es una buena aproximación a la
Binomial, haciendo en la función de probabilidad binomial el valor de n grande y el de p
muy pequeño, de forma tal que μ = n p permanezca constante; en este caso λ = np que es
también la media de la distribución Poisson y a la vez la varianza.
E ( x) 2 ( x) np
( x)
La distribución Poisson tiene sus características propias que la hacen muy útil, con
frecuencia, en diferentes fenómenos prácticos, entre ellos podemos citar los siguientes:
el número de llamadas telefónicas en una central durante distintas horas del día.
El número de roturas de cierto equipo en determinados períodos de tiempo.
El número de barcos que llegan a un puerto durante un determinado tiempo.
El número de artículos defectuosos en un ahora de producción, etc.
La práctica plantea que la disribución Poisson es una buena aproximación de la Binomial
cuando:
np 5 yn 5 o >p 0.10
Solución x: VA del número de autos que arriban a una estación de servicio en una hora.
Se comienza el análisis por la distribución que se ajusta dicha variable.
Es una variable discreta y está asociada a un ente físico, en este caso tiempo ( 1 hora)
En el inciso a se desea calcular la probabilidad en 5 minutos, por lo que λ tiene que estar
expresada en 5 minutos.
x-P(λ)
λ= 24 autos/h 1h/60min 5min = 2
x-P(2)
e 2 2 0
a) p(x=0)=
2!
b) El ente físico es 1 minuto
λ= 24 autos/h 1h/60min = 0.4
P(x>2)= P(x≥3) = 1 – P(x≤2) = 1- ( P(x=0) + P(x=1) + P(x=2))
De las Tablas
Como se aprecia en el ejercicio cuando se desea calcular probabilidades ≤ o ≥ los cálculos
se hacen engorrosos, para facilitarlos existen en diversas bibliografías, incluida su libro de
texto: Probabilidades y Estadística para Ingenieros, Tablas Estadísticas que facilitan dichos
cálculos. En este libro se brindan las funciones de distribución, o sea, las P(X ≤ x).
Esta Tabla es de doble entrada: en la primera fila superior de cada bloque se busca el valor
de λ y en la primera columna el valor de x
Conclusiones
Motivación.
¿Cómo podríamos calcular la probabilidad de arribos de autos a un garaje si conocemos su
razón de arribo?
Esto lo podremos resolver en la próxima conferencia, y además comenzaremos el estudio
ya, de las distribuciones asociadas a variables aleatorias continuas.