Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISCRETAS
DE PROBABILIDAD
INTEGRANTES
1. MERCADO HURTADO EDGAR LEONARDO 220034389
2. OLIVA ELIAS LUIS FABRICIO 218077238
3. OSORIO RAMIREZ CRISTHIAN ADOLFO 210008248
4. ORQUERA ROJAS HUGO LUCAS 220034877
5. CANAVIRI COLQUE ALEX 218144148
INDICE
Contenido
INTRODUCCION............................................................................................3
¿Qué es la probabilidad?..........................................................................3
¿Qué es un espacio muestral?..................................................................4
¿Qué es una variable aleatoria?...............................................................4
¿Qué es una variable aleatoria discreta?.................................................4
1.- DISTRIBUCIÓN DISCRETA........................................................................5
¿Qué es una distribución discreta?...........................................................5
1.1 Función de masa de probabilidad o distribución de probabilidad.5
1.2. Función de probabilidad acumulativa............................................7
3. Clasificación de la distribución discreta................................................8
3.1. Distribución uniforme discreta..........................................................8
¿Qué significa una distribución uniforme?...........................................8
Distribución uniforme discreta (a,b).....................................................9
3.2. DISTRIBUCION BINOMIAL................................................................10
CONDICIONES PARA UNA DISTRIBUCION BINOMIAL:........................12
¿Cuándo se debe aplicar distribución Binomial?................................12
3.3 DISTRIBUCION GEOMETRICA............................................................12
3.4 VALOR ESPERADO Y VARIANZA DE LA DISTRIBUCIÓN
GEOMÉTRICA...........................................................................................13
3.5 DISTRIBUCIÓN HIPERGEOMÉTRICA..................................................14
3.6 Distribución binomial negativa (r,p).................................................15
3.7 DISTRIBUCIONES DE POISSON..........................................................19
4. Conclusión:...........................................................................................20
5. Bibliografia............................................................................................21
MAT370 U.A.G.R.M
INTRODUCCION
Las distribuciones discretas de probabilidad nos ayudaran a comprender con mayor
claridad el ámbito de las probabilidades con sus distintos tipos de clasificación y con la
aplicación de las variables aleatorias discretas en la probabilidad.
¿Qué es la probabilidad?
La probabilidad mide las posibilidades de que cada uno de los posibles resultados en
un suceso que depende del azar sea finalmente el que se dé.
Por ejemplo: la probabilidad mide la posibilidad de que salga "cara" cuando lanzamos
una moneda, o la posibilidad de que salga 5 cuando lanzamos un dado.
X (Positivo) = 1
X (Negativo) = 0
MAT370 U.A.G.R.M
E = {Positivo, Negativo}
variable aleatoria debe ser 1, que puede ser representado por un espectro o un
histograma.
n ° de casos favorables de x
P ( X )=
n ° total de casos posibles
Supóngase que se lanza una moneda dos veces que de un lado tiene a un gato
y del otro tiene un perro, de tal
forma que el espacio muestral
es S: {GG, PG, GP, PP}.
Represéntese por X el numero
de perros que puedan resultar,
con cada punto muestral
podemos asociar un numero
para X. así como en el caso de
PP (es decir 2 perros) X=2 y para
GP (1 perro) X=1. X es una
variable aleatoria.
Punto muestral GG GP PG PP
X 0 1 1 2
n ° de casos favorables de x
P ( X )=
n ° total de casos posibles
MAT370 U.A.G.R.M
1
P ( 0 )=P( X=0)=
4 X 0 1 1 2
f(x) 1 1 1 1
2 1 4 2 2 4
P ( 1 )=P ( X=1 ) = =
4 2
1
P ( 2 )=P(X =2)=
4
x`
MAT370 U.A.G.R.M
F(x)=P(X ≤ x) =∑ f (k)
k≤ x
x 0 1 2
f(x) 0.5 0.3 0.2 ∑ f ( x )=1
F(X) 0.5 0.8 1
Siempre se llegará a 1
con la sumatoria de f(x) y el ultimo valor de F(X) será 1.
EJEMPLO
El temario de un examen para un proceso selectivo contiene 50 temas, de los cuales se
elegirá uno por sorteo. Si una persona no ha estudiado los 15 últimos temas ¿cuál es la
probabilidad de que salga un tema que haya estudiado?
La variable que representa el número del tema seleccionado para el examen sigue una
distribución uniforme con parámetros a = 1 y b = 50. La persona ha estudiado los
temas del 1 al 35; por tanto, la probabilidad que se pide es la cola a la izquierda de 35.
Para obtener los resultados basta con proporcionarle los parámetros de la distribución,
y seleccionar la opción de calcular probabilidades para el punto 35.
MAT370 U.A.G.R.M
EJEMPLOS
1
Para un dado perfecto todos los resultados tienen la probabilidad de
6
1
Para una moneda perfecta, Todos los resultados tienen la probabilidad de .
2
3.2. DISTRIBUCION BINOMIAL
La distribución binomial o distribución binómica es una distribución de probabilidad
discreta que cuenta el número de éxitos en una secuencia de “n” ensayos de Bernoulli
independientes entre sí con una probabilidad fija “p” de ocurrencia de éxito entre los
ensayos. Un experimento de Bernoulli se caracteriza por ser dicotómico, esto significa
que solo dos resultados son posibles a uno de estos se le denomina “éxito” y tiene una
probabilidad de ocurrencia “p“ y al otro se le denomina “fracaso” y tiene una
probabilidad q=1-p.
Función de probabilidad
La distribución binomial se caracteriza porque su función de probabilidad viene dada
por la expresión siguiente:
Donde:
n= Número de ensayos
x= Número de éxitos
p= Probabilidad de éxito
q= Probabilidad de fracaso (1-p)
Esperanza y varianza
1.-El experimento aleatorio de base se repite n veces, y todos los resultados obtenidos
son mutuamente independientes.
2.-En cada prueba se tiene una misma probabilidad de éxito (suceso A), expresada por
p. Asimismo, existe en cada prueba una misma probabilidad de fracaso (suceso no A ),
que es igual a q = 1 - p.
p: probabilidad de éxito
q: probabilidad de fracaso
EJEMPLO:
b) ¿Cuál es probabilidad de que el tirador falle por primera vez en su décimo quinto
disparo?
p = 0.05
q= 0.95
x=15
P(x=15) = qx-1p=(0.95)14 (0.05) =0.0243883=2,4388%
E[x]=1/𝑃=1/0.05=20 𝑑𝑖𝑠𝑝𝑎𝑟𝑜𝑠
Cada una de las pruebas puede dar únicamente dos resultados mutuamente
excluyentes.
Expresión → ( X =μ )=e−μ∗¿ ¿
Ejemplo :
Si el 2% de ladrillos en una CONSTRUCCION tiene ladrillos defectuosos, obtener la
probabilidad de que 5 de cada 400 ladrillos tengan ladrillos defectuosos.
(X, se puede encontrar como k en algunos libros)
¡Desarrollo del ejemplo!
K=5, 𝜆=400(0.02)= 8
−8
P 5; 8 =e ∗¿ ¿
( )
4. Conclusión:
Una vez desarrollado el tema sobre probabilidades se puede llegar a las siguientes
conclusiones: A través de esas construcciones teóricas, se podrá experimentar sobre
aquello que la realidad no permitía; se usa extensamente en áreas como la estadística,
la física, la matemática, la ciencia para lograr conclusiones sobre la probabilidad de
sucesos potenciales en sistemas complejos. Debido a la necesidad de modelar lo
observable la probabilidad constituye un importante parámetro en la determinación
de las diversas casualidades obtenidas tras una serie de eventos esperados dentro de
un rango estadístico; un modelo resulta extremadamente útil, siempre que se
corresponda con la realidad que pretende representar o predecir; por ello es necesario
conocer cada distribución de la probabilidad en el casos especifico, sus usos y formas
de aplicarlas. Asimismo la probabilidad mide la frecuencia con la que se obtiene un
resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que
se conocen todos los resultados posibles, bajo condiciones suficientemente estables.
MAT370 U.A.G.R.M
5. Bibliografía
-https://issuu.com/edith961/docs/ejercicios-resueltos-de-distribucic
-https://slideplayer.es/slide/15156381/