Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4.2 Distribuciones Discretas
4.2 Distribuciones Discretas
2 Distribuciones de probabilidad:
distribuciones discretas
CONTENIDOS
1. Introducción
2. La distribución Bernoulli
3. La distribución Binomial
4. La distribución de Poisson
ESTADÍSTICA.DEIOAC.UPV 2
1. Introducción
Hemos visto que para calcular probabilidades o calcular medidas características
de una variable aleatoria (es decir, de una población) necesitaremos su modelo
de probabilidad (función de probabilidad o de densidad).
Sin embargo, lo que tendremos en la práctica sería un conjunto de datos (es
decir, realizaciones de la variable aleatoria).
El problema que hay que resolver entonces es, a partir de los datos, averiguar
qué modelo de probabilidad describe a la población de la que proceden los
datos. Este ejercicio es puramente un ejercicio de inferencia: a partir de una
muestra inferimos cómo es la población.
En la práctica, sin embargo, será muy difícil encontrar un modelo de
probabilidad a la medida exacta de un problema concreto. Lo que se hace en un
caso real es acudir a un catálogo de modelos de probabilidad que se ha
demostrado útil en la práctica y buscar en él aquél que mejor se adapte a
nuestro problema.
Existen muchos modelos de probabilidad en estadística que sirven para describir
variables aleatorias de muy diversa naturaleza. Hay que seleccionar el modelo
que mejor se adapte a nuestros datos.
ESTADÍSTICA.DEIOAC.UPV
1. Introducción
ESTADÍSTICA.DEIOAC.UPV 4
1. Introducción
OBJETIVO:
Dados unos datos reales …
… seleccionar el modelo que más se parezca a estos datos
ESTADÍSTICA.DEIOAC.UPV 5
1. Introducción
Existen modelos (expresiones matemáticas) que se adecúan a las
diferentes pautas de variabilidad de las variables aleatorias
Los modelos de probabilidad más frecuentes en la práctica son:
V.A. DISCRETAS V.A. CONTINUAS
• Bernoulli • Exponencial
• Binomial • Uniforme
• Poisson • Normal
ESTADÍSTICA.DEIOAC.UPV
CONTENIDOS
1. Introducción
2. La distribución Bernoulli
3. La distribución Binomial
4. La distribución de Poisson
ESTADÍSTICA.DEIOAC.UPV 7
2. La distribución Bernoulli
Supongamos un experimento que sólo tiene dos resultados
posibles:
• Éxito/Fracaso
• Observamos/no observamos un atributo
Ejemplos:
• Artículo aceptable/defectuoso
• Cliente satisfecho/no satisfecho
• Conexión/bloqueo
• Votará/no votará
• Compra/no compra
ESTADÍSTICA.DEIOAC.UPV 8
2. La distribución Bernoulli
Supongamos un proceso productivo que genera artículos que
pueden ser defectuosos o no defectuosos:
Cada artículo puede ser
defectuoso o no defectuoso
… …
Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo n Artículo n+1 Artículo n+2
Asignamos una variable Xi a cada artículo…
Variable
í aleatoria
í de Bernoulli
ESTADÍSTICA.DEIOAC.UPV 9
2. La distribución Bernoulli
Supongamos un proceso productivo que genera artículos que
pueden ser defectuosos o no defectuosos:
Cada artículo puede ser
defectuoso o no defectuoso
… …
Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo n Artículo n+1 Artículo n+2
A la secuencia de estas v. aleatorias: X1, X2, X3,.. PROCESO DE BERNOULLI
ESTADÍSTICA.DEIOAC.UPV 10
2. La distribución Bernoulli
Supongamos un proceso productivo que genera artículos que
pueden ser defectuosos o no defectuosos:
Cada artículo puede ser
defectuoso o no defectuoso
Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo 5 Artículo 6 Artículo 7 Artículo 8 Artículo 9 Artículo 10
ESTADÍSTICA.DEIOAC.UPV 11
2. La distribución Bernoulli
Hipótesis simplificadoras:
Estabilidad: el riesgo de que un artículo sea defectuoso es siempre
el mismo. El sistema ni empeora ni mejora con el tiempo
Independencia: la probabilidad de que un artículo sea defectuoso
no depende de si el anterior artículo fue o no defectuoso. Un
artículo será defectuoso por causas que aparecen de forma
fortuita. NO HAY MEMORIA
La probabilidad de que un artículo sea
defectuoso es siempre la misma = p
P(Xi=1) = p; i=1,2,...
ESTADÍSTICA.DEIOAC.UPV 12
2. La distribución Bernoulli
Supongamos un proceso productivo que genera artículos que
pueden ser defectuosos o no defectuosos:
… …
Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo n Artículo n+1 Artículo n+2
Asignamos una variable Xi a cada artículo…
í P(Xi=1) = p
í P(Xi=0) = 1‐p = q
ESTADÍSTICA.DEIOAC.UPV 13
2. La distribución Bernoulli
Función de Probabilidad: P( x) P( X x) p x (1 p )1 x x 0,1
Función de Distribución:
E(X) =
E( )= 2 2 · ·
ESTADÍSTICA.DEIOAC.UPV
CONTENIDOS
1. Introducción
2. La distribución Bernoulli
3. La distribución Binomial
4. La distribución de Poisson
ESTADÍSTICA.DEIOAC.UPV 15
3. La distribución Binomial
Supongamos un proceso productivo que genera artículos que
pueden ser defectuosos o no defectuosos:
… …
Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo n Artículo n+1 Artículo n+2
Tomamos una muestra de n artículos
X = ¿? ¿0,1,2,3,4,…,n?
X = variable aleatoria BINOMIAL X~B(n,p)
ESTADÍSTICA.DEIOAC.UPV 16
3. La distribución Binomial
Distribución Binomial: n realizaciones de un proceso de Bernoulli.
La variable X así definida (nº de piezas defectuosas) sigue una distribución
Binomial que depende de los parámetros n y p
X~B(n,p)
Los valores posibles de X son: 0, 1, 2,.........., n
ESTADÍSTICA.DEIOAC.UPV 17
3. La distribución Binomial
Ejemplo: Tenemos 4 artículos. La probabilidad de que cada uno sea
defectuoso es p
Sea
¿ P(X = 2) ?
Opción 1: DDAA P(Opción1)=P(D)P(D)P(A)P(A) = p2(1‐p)2
Primer artículo: Cuarto artículo:
Defectuoso (D) Aceptable (A)
Opción 2: DADA P(Opción2)=P(D)P(A)P(D)P(A) = p2(1‐p)2
Otras opciones: AADD, ADAD, ADDA, DAAD, cada una con probabilidad p2(1‐p)2
P(X=2) = [P(Opción 1) U P(Opción 2) U…P(Opción 6)]=
=P(Opción1) + P(Opción2) + … + P(Opción 6) = 6∙p2∙(1‐p)2
ESTADÍSTICA.DEIOAC.UPV 18
3. La distribución Binomial
En general…. x Defectuosos n‐x Aceptables
(probabilidad p) (probabilidad n‐p)
1 p ; 0,1, … , ;
Número de opciones: Probabilidad de cada
!
Combinaciones con x una de las opciones
!· ! Defectuosos y (n‐x)
Aceptables
1
1 0! 1
0
ESTADÍSTICA.DEIOAC.UPV 19
3. La distribución Binomial
Cada artículo puede ser
defectuoso o no defectuoso
… …
Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo n Artículo n+1 Artículo n+2
ESTADÍSTICA.DEIOAC.UPV 20
3. La distribución Binomial
X=variable aleatoria BINOMIAL
X~ B(n, p)
Bernouillis (1 o 0)
Propiedades:
…
… ,
ESTADÍSTICA.DEIOAC.UPV 21
3. La distribución Binomial
Ejemplo: Se sabe por información histórica que cuando la máquina M opera en
condiciones normales produce un 0.5% de artículos defectuosos. Se produce
un lote con 200 artículos:
• ¿Cuál es la probabilidad de producir 2 artículos defectuosos?
• ¿Cuál es la probabilidad de producir 4 artículos defectuosos?
• ¿Cuál es la probabilidad de producir más de 4 artículos defectuosos?
Máquina X = número de artículos
M 1 2 3 … 200
defectuosos en n=200
Si la máquina funciona correctamente, supondremos que
X ~ B(n=20, p=0.005)
ESTADÍSTICA.DEIOAC.UPV 22
3. La distribución Binomial
Ejemplo: Se sabe por información histórica que cuando la máquina M opera en
condiciones normales produce un 0.5% de artículos defectuosos. Se produce
un lote con 200 artículos:
• ¿Cuál es la probabilidad de producir 2 artículos defectuosos?
• ¿Cuál es la probabilidad de producir 4 artículos defectuosos?
• ¿Cuál es la probabilidad de producir más de 4 artículos defectuosos?
Si en este lote de artículos hubiese más de 4 artículos defectuosos, los técnicos de
calidad deberían investigar si algo está fallando (¿por qué?)
ESTADÍSTICA.DEIOAC.UPV 23
3. La distribución Binomial
SUMA DE VARIABLES BINOMIALES INDEPENDIENTES:
• Sea X una variable aleatoria binomial con parámetros n y p,
• y sea Y otra variable aleatoria binomial con parámetros m y p (misma p).
Considerando que X y Y son independientes,
Z = X+Y
tiene una distribución binomial con parámetros n+m y p.
ESTADÍSTICA.DEIOAC.UPV 24
CONTENIDOS
1. Introducción
2. La distribución Bernoulli
3. La distribución Binomial
4. La distribución de Poisson
ESTADÍSTICA.DEIOAC.UPV 25
4. La distribución de Poisson
Los sucesos aparecen de forma fortuita sobre un soporte discreto
Algunos elementos tienen el suceso y otros no lo tienen
Proceso de Poisson: los sucesos aparecen de forma fortuita...
sobre un soporte continuo (longitud, tiempo, superficie, etc)
ESTADÍSTICA.DEIOAC.UPV 26
4. La distribución de Poisson
0 1 2 3 4 5 6
Unidad de medida
…
X=sucesos observados (p.e. defectos) en cada unidad de medida
Proceso de Poisson: los sucesos aparecen
con una media estable y de forma
independiente sobre un soporte continuo:
no hay memoria
ESTADÍSTICA.DEIOAC.UPV 27
4. La distribución de Poisson
Soporte en el que se observan los
sucesos: tiempo, longitud, superficie…
0 1 2 3 4 5 6
X1=2 sucesos X2=2 sucesos X3=4 sucesos X4=1 sucesos X5=3 sucesos X6=1 sucesos
X=sucesos observados (p.e. defectos) en cada unidad de medida
x={0,1,2,3,...}
X es una variable aleatoria de Poisson
X~Poisson( ) = Número medio de sucesos
X~P( ) por unidad de medida
ESTADÍSTICA.DEIOAC.UPV 28
4. La distribución de Poisson
X es una variable aleatoria de Poisson
X~Poisson( ) X~P( )
• Función de probabilidad:
λ
· ; x = 0, 1, 2, …
!
• Medidas características:
E(X) = λ ; Var(X) = λ
• Aditividad: Sea X1 y X2 dos v. aleatorias de Poisson independientes
X1 ~P(λ1) ; X2 ~P(λ2)
Entonces Y = X1 + X2 es también Poisson / Y ~ P(λ1 + λ2)
• Convergencia Binomial‐Poisson:
X B(n, p) con n → ∞ (n ≥ 30) y ⇒ X Ps(=n.p)
p → 0 (p ≤ 0.1)
ESTADÍSTICA.DEIOAC.UPV 29
4. La distribución de Poisson
Ejemplo:
Un servidor de una pequeña red recibe una media de 7 accesos al minuto.
Suponiendo que los accesos a dicho servidor suceden de forma
independiente y con un ritmo medio constante, se quiere calcular la probabilidad
de que reciba más de 10 accesos en un minuto, que es el número de accesos a
partir del cual el servidor tendría un rendimiento deficiente.
λ
· ; x = 0, 1, 2, …
!
ESTADÍSTICA.DEIOAC.UPV 30
Material complementario…
Capítulo 4:
4.6 Distribución binomial
4.9 Distribución de Poisson
ESTADÍSTICA.DEIOAC.UPV 31
Material complementario…
Chapter 3:
3.5 Binomial Distribution
3.8 Poisson Distribution
ESTADÍSTICA.DEIOAC.UPV 32
Fuentes:
Material docente asignaturas de estadística de la Universidad Carlos III
Material docente de P. Tormos, A. Lova, S. Vidal, E. Vázquez (DEIOAC -
UPV)