Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Binomial y Poison
Binomial y Poison
MODELOS DE PROBABILIDAD
DISCRETOS
113
4.1 Distribución binomial
( )
P ( A ) = p ; P A =1− p = q
X → B (n; p )
114
Función de probabilidad
P( X = r ) = n
r ()
p r qn − r
pr qn − r
n!
=
r !( n − r )!
r : 0,1, 2,..., n
∑( )
n n
n p r q n−r = 1
∑ P( X = r ) = r
r =0 r =0
115
W Ejemplos
116
^ 4.1.2 La media y la varianza
Media
n
µ = E[ X ] = ∑ rP( X = r ) = np
r =0
Varianza
n
2
Var[ X ] = σ = ∑ ( r − µ ) 2
P( X = r ) = npq
r =0
W Ejemplo
117
^ 4.1.3 Uso de tablas
W Ejemplo
a. P( X = 2) = 0.2759
b. P( X = 0) = 0.1969
118
c. P( X < 4) = P( X ≤ 3) = P( X = 0) + P ( X = 1) +
+ P( X = 2) + P( X = 3) = 0.1969 + 0.3474 +
+ 0.2759 + 0.1298 = 0.95
d . P( X > 3) = 1 − P( X ≤ 3) = 1 − ( P( X = 0) + P( X = 1) +
+ P( X = 2) + P( X = 3) ) = 1 − (0.1969 + 0.3474 + 0.2759 +
+0.1298 ) = 0.05
e. P(2 ≤ X ≤ 5) = P( X = 2) + P( X = 3) + P( X = 4) +
+ P( X = 5) = 0.2759 + 0.1298 + 0.0401 + 0.0085 =
= 0.4543
119
a Un hombre y una mujer, cada uno con un gen recesivo
(Azul) y uno dominante (Marrón) para el color de los ojos,
son padres de tres hijos. ¿Cuál es la distribución de
probabilidades para X, número de hijos con ojos azules?
E = {(AA), (AM), (MA), (MM)}
A = “Ojos Azules”; P ( A ) = p =1/4; n = 3
X = {Nº de hijos con ojos azules de 3 hijos}
1
3
2
P( X =1) = 13 1 = 0.4219
4 4
2
3
1
P( X = 2) = 32 1 = 0.1406
4 4
3 0
3
P( X = 3) = 33 1 = 0.0156
4 4
120
^ 4.1.4 Aditividad
Independientes entre sí
Xi B ( ni ; p ), i = 1, 2,…k
X = X1 + X 2 + .... + X k
X → B (n1 + ... + n k ; p )
121
4.2. Distribución de Poisson
X → P (λ )
W Ejemplos
122
Función de probabilidad
λ r −λ
P( X = r) = e ; r = 0,1, 2, 3,...; λ > 0
r!
La media
µ = E[X ] = λ
Varianza
Var [ X ] = σ 2 = λ
123
W Ejemplos
124
^ 4.2.3 Uso de tablas
a. P ( X > 3) = 1- P( X ≤ 3) = 1- P ( X = 0) - P( X = 1) - P( X = 2) - P( X = 3) = 0.0789
b. P(2 ≤ X ≤ 5) = P( X = 2) + P( X = 3) + P( X = 4) + P( X = 5) = 0.4689
c. P ( X ≥ 1) = 1 − P ( X < 1) = 1 − P ( X = 0) = 0.7981
125
^ 4.2.4 Aditividad
Independientes entre sí
Xi P (λ ), i = 1, 2,…k
i
X = X1 + X 2 + .... + X k
X → P (λ = λ1 + ... + λ k )
126
^4.2.5 Aproximación de una Binomial
a una Poisson
X → B (n; p )
¾ Si se verifica que
X → P (λ = np )
127
W Ejemplo
Solución:
Suceso A : " A un ave se le presenta reacción negativa "
X :" n º de aves a las que se les presenta tal reacción "
⇒ X → P ( λ = np) = P ( λ = 80 × 0.05) = P ( λ = 4)
1. P ( X = 0) = 0.0183
2. P ( X ≥ 2) = 1 − P ( X ≤ 1) = 1 − P ( X = 0) − P ( X = 1)
= 0.9084
3. P( X ≤ 5) = P ( X = 0) + ... + P( X = 5) = 0.7851
128