Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase 5
Chan-Stein-Howlin-Casparian-Arceo-Spano
May 4, 2020 1 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Organización
1 Distribución Bernoulli
2 Distribución Binomial
3 Distribución Hipergeométrica
4 Distribución Poisson
May 4, 2020 2 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Bernoulli
Concepto
May 4, 2020 3 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Bernoulli
Notación y Ejemplos
Notación
Para denotar que una variable aleatoria X sigue una distribución Bernoulli
de parámetro p, lo escribiremos de la siguiente manera: X ∼ Be(p)
1
Tiro una moneda con una probabilidad p = de que salga cara,
2
asignando X = 1 si salió cara y X = 0 si salió cruz.
Saco una carta de un mazo de barajas españolas y veo si es un oro
1
con probabilidad p = .
4
Disparo a un blanco y doy en el centro con probabilidad p o no, con
probabilidad 1 − p.
May 4, 2020 4 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Bernoulli
Ejemplos
Resumiendo
Una manera más general de plantear el experimento serı́a decir que X = 1
en caso de éxito, y X = 0 en caso de fracaso, estando el “éxito” y el
“fracaso” definido por el contexto del experimento.
En la Vida Cotidiana
El modelo de Bernoulli se utiliza para esquematizar, por ejemplo los votos
a favor o en contra de un candidato. Si p es la proporción de la población
que vota a favor de un candidato, entonces el voto de un individuo tomado
al azar podrı́a ser modelado por X ∼ Be(p).
May 4, 2020 5 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Bernoulli
Probabilidad Puntual y Distribución (p=0.5)
X p(X) F(X)
0 0,5 0,5
1 0,5 1
May 4, 2020 6 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Bernoulli
F. Probabilidad Puntual y F. Distribución
X p(X) F(X)
0 1-p 1-p
1 p 1
(a) Tabla para X ∼ Be(p) (b) Probabilidad Puntual (c) Distribución Acumulada
May 4, 2020 7 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Bernoulli
Esperanza y Varianza
E (X ) y E (X 2 )
A partir de la tabla de función de probabilidad puntual se puede calcular la
Esperanza de la siguiente manera.
E (X ) = P(X = 1).1 + P(X = 0).0 = p.1 + (1 − p).0 = p
E (X ) = p
E (X 2 ) = P(X = 1).12 + P(X = 0).02 = p.12 + (1 − p).02 = p
May 4, 2020 8 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Organización
1 Distribución Bernoulli
2 Distribución Binomial
3 Distribución Hipergeométrica
4 Distribución Poisson
May 4, 2020 9 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Experimento Binomial
Definición y Caracterı́sticas
May 4, 2020 10 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Experimento Binomial
Notación y Ejemplos
May 4, 2020 11 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
RX = {0, 1, · · · , n}
May 4, 2020 12 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Binomial
Probabilidad Puntual
Probabilidad Puntual
P(X=k) es la probabilidad de obtener k ’éxitos’ en los n ensayos del
experimento.
May 4, 2020 13 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Experimento Binomial
Probabilidad Puntual
Observación
q 3 + 3pq 2 + 3p 2 q + p 3 = (p + q)3 = 13 = 1
Las probabilidades de esta función son los términos de un desarrollo
binomial.
May 4, 2020 14 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Binomial
Probabilidad Puntual- Generalización
Probabilidad Puntual
Para un experimento binomimal con probabilidad p de éxito y n ensayos,
siendo k ∈ {0, 1, 2, · · · , n}
n k n k n−k
P(X = k) = p (1 − p)n−k = p q
k k
Siendo kn las distintas formas de elegir las posiciones donde suceden los k
May 4, 2020 15 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Binomial
Ejemplo
May 4, 2020 16 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Binomial
Solución del Ejemplo
Dado que:
n
.p k .(1 − p)n−k
k si k = 0, 1, 2, ...n
B(k; n, p) =
0 de lo contrario
(1)
Entonces
n: Cantidad de ensayos (5)
p: Probabilidad de éxito (0.5)
k: Cantidad de éxitos (X=2)
P(X = 2) = 52 .p 2 .(1 − p)3
May 4, 2020 18 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
IMPORTANTE
Todo ensayo Binomial puede pensarse como suma de n ensayos Bernoulli
independientes. Además conocemos la Esperanza y la Varianza de una
variable aleatoria Bernoulli: X ∼ Be(p) es E (X ) = p.
Simbólicamente
La variable aleatoria Y ∼ Bi(n, p) es la suma de n variables aleatorias
independientes Xi , con distribución Bernoulli Xi ∼ Be(p)
Y = X1 + X2 + X3 + ... + Xn → Y ∼ Bi(n, p)
May 4, 2020 19 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Binomial
Esperanza y Varianza
E (Y ) = n.p
V (Y ) = V (X1 +X2 +X3 +...+Xn ) = V (X1 )+V (X2 )+V (X3 )+...+V (Xn )
V (Y ) = n.p.q
May 4, 2020 20 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Binomial
Forma de las Funciones
May 4, 2020 21 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Organización
1 Distribución Bernoulli
2 Distribución Binomial
3 Distribución Hipergeométrica
4 Distribución Poisson
May 4, 2020 22 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Distribución Hipergeométrica
Presentación del Experimento
Se tiene
Una población se compone de N individuos.
Dentro de esos individuos R < N tienen cierta caracterı́stica C .
Se extrae una muestra de n ≤ N individuos de esta población (sin
reposición!).
Interesa saber cuántos indidividuos de la muestra tienen la propiedad.
May 4, 2020 23 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Notación
X ∼ H(n, R, N), siendo x la cantidad de éxitos en la muestra de tamaño n
extraı́da de la población de N elementos de los cuales R tienen la
propiedad C .
Recorrido
max {0, n − (N − R)} ≤ X ≤ min {n, R}
Probabilidad Puntual
R N−R
x n−x
P(X = x) = H(x, n, R, N) = N
n
May 4, 2020 24 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Expresiones
Si X es una variable aleatoria hipergeométrica X ∼ H(n, R, N) entonces
R
E (X ) = n. N
V (X ) = N−n R R
N−1 .n. N 1 − N
Enunciado
De una urna que contiene 3 bolillas rojas y 7 azules se extraen 4 bolillas
sin reposición y se define
X: número de bolillas rojas extraı́das.
Queremos hallar
a) Qué cantidad de bolillas rojas es más probable extraer?
b) El valor esperado de bolillas rojas.
May 4, 2020 26 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
3
7
0 1 × 35 1
1 P(X = 0) = 10
4 = =
4
210 6
3 7
1 3 3 × 35
2 P(X = 1) = 10
= = 0.5**
4
210
3 7
2 2 3 × 21
3 P(X = 2) = 10
= = 0.3
4
210
3 7
3 1 3 × 21 1
4 P(X = 3) = 10
= =
4
210 30
3
5 E (X ) = 4 × = 1.2
10
May 4, 2020 27 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Organización
1 Distribución Bernoulli
2 Distribución Binomial
3 Distribución Hipergeométrica
4 Distribución Poisson
May 4, 2020 28 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Qué modela?
La variable aleatoria Poisson, modela ocurrencias discretas sobre un
espacio contı́nuo. Por ejemplo:
Llegada de autos a un peaje por minuto.
Llamadas que llegan a un call center por hora.
Cantidad de infectados por coronavirus en un dı́a.
Baches en una ruta por km.
Fallas en una tela por m2 .
Probabilidad Puntual
En este caso no vamos a describir un experimento pero luego le daremos
sentido a esta variable.
e −λ λk
pλ (k) =
k!
Siendo:
k ∈ {0, 1, 2, . . .} , y λ ∈ (0, ∞)
Para que sea una función de probabilidad puntual, debe cumplir que:
∞
X e −λ λk
=1
k!
k=0
May 4, 2020 30 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Demostración
Si recordamos por serie de Taylor:
∞
x x2 x3 X xn
e =1+x + + + ... =
2! 3! n!
n=0
May 4, 2020 32 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Cálculo
Para calcular la Varianza, primero debemos hallar E (X 2 ):
∞
X ∞
X ∞
X
2 2 2
E (X ) = k P(X = k) = (k − k)P(X = k) + kP(X = k)
k=0 k=0 k=0
Sabiendo que:
∞
X
E (X ) = kP(X = k) = λ
k=0
May 4, 2020 33 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Cálculo (Continuación)
∞
X e −λ λk
E (X 2 ) = (k 2 − k) +λ
k!
k=0
∞
X e −λ λk
E (X 2 ) = k(k − 1) +λ
k(k − 1)(k − 2)!
k=0
∞ ∞
X e −λ λk−2 λ2 X λk−2
E (X ) = 2
+ λ = λ2 e −λ +λ
(k − 2)! (k − 2)!
k=2 k=2
E (X 2 ) = λ2 e −λ e λ + λ = λ2 + λ =⇒ V (X ) = λ2 + λ − λ2 = λ
May 4, 2020 34 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
May 4, 2020 35 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Enunciado
Una máquina analiza pruebas de laboratorio y hace en promedio 6
muestras por hora. Calcular:
1 la probabilidad de que no se analice ninguna muestra en media hora.
2 Se analicen al menos dos muestras en una hora.
3 El valor más probable de muestras a realizarse en media hora.
4 El valor esperado de muestras para quince minutos.
5 El valor de muestras superado por al menos el 50% de las horas.
May 4, 2020 36 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Respuestas
e −3 30
1 Pλ=3 (X = 0) = ≈ 0.0497
0!
e −6 60 e −6 61
2 Pλ=6 (X ≥ 2) = 1 − P(X = 0) − P(X = 1) = 1 − −
0! 1!
Pλ=6 (X ≥ 2) = 0.9826
3 no hay un único valor!
x 0 1 2 3 4 5
pλ=3 (x) 0.0498 0.1494 0.224 0.224 0.168 0.1008
4 λ = 6/4 = 1.5
5 X ≤5
x 0 1 2 3 4 5 6 ...
Fλ=6 (x) 0.003 0.017 0.062 0.151 0.285 0.446 0.606 ...
May 4, 2020 37 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
Propiedad
Se puede probar que la distribución binomial converge a la distribución de
Poisson cuando el parámetro n tiende a infinito y el parámetro p tiende a
ser cero, bajo la condición de que el producto de n por p sea una cantidad
constante λ.
Simbólicamente:
May 4, 2020 38 / 39
Distribución Bernoulli Distribución Binomial Distribución Hipergeométrica Distribución Poisson
MUCHAS GRACIAS!!
May 4, 2020 39 / 39