Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El proceso quedará definido por una serie de características o hipótesis que puedan aplicarse a
cierta categoría de experimentos.
A partir de las características del fenómeno que analicemos (partiendo del proceso experimental
del que se trate) podremos, identificando la variable aleatoria que nos interesa, estudiar y
determinar la estructura matemática de su distribución.
1. Distribución uniforme
2. Distribución binomial
3. Distribución Geométrica
4. Distribución Binomial negativa
5. Distribución Hipergeometrica
6. Distribución Poisson
7. Distribución Multinomial
La variable aleatoria discreta más sencilla es aquella que toma solo un numero finito de
valores posibles, cada uno con la misma probabilidad, ejemplo en el lanzamiento de un dado
los posibles valores de la variable son 1, 2, 3, 4, 5, y 6, es decir es un experimento
equiprobable donde cada uno de los resultados tiene la misma probabilidad de ocurrir.
Luego si los valores de la v.a. X son x1, x2. . . . . .xk la probabilidad es 1/k
Definición.
Una v.a. X discreta tiene una distribución uniforme discreta si cada uno de los n valores x1,
x2. . . . . .xk , que están en el intervalo [ a , b ] , tienen la misma probabilidad 1/k, por lo tanto la
función de probabilidad viene dada por:
f ( x )= {b−a+1
1
O también f ( x )= {1k
La probabilidad es constante: 1/k
Ejemplo 1:
Para el ejemplo del dado la v.a. X es el número obtenido y la función de densidad es:
1
f ( x)= x= 1, 2, 3, 4 , 5, 6
6
Aquí k=6
Ejemplo 2:
Si el generador está trabajando correctamente se estima que los valores del 0 al 99 deben
tener una distribución uniforme con una probabilidad de 1/100, es decir se espera que cada
digito salga 100 veces aproximadamente.
1.1 Esperanza:
b+ a
E( X )=
2
Demostración:
Suponga que los valores de la v.a. X están definidos en el rango (a, b) con a ≤ b, entonces el
número de valores de la v.a. X es b-a+1 (para el ejemplo 1, el número de valores de X es 6-
1+1=6) y la probabilidad de ocurrencia de cada resultado es obviamente 1/k o también:
1
b−a+1
Por definición
∞
E( X )=∑ xf ( x )
i=1
b b b
1 1 1
E( X )= ∑ x = ∑ x = ∑x
x =a k k x =a b−a+ 1 x =a
Dado que el intervalo (a, b) corresponde a la grafica:
f(x) .........
a b
b b a−1
∑x ∑ x− ∑ x
La sumatoria x=a puede descomponerse en x=1 x =1 y dado que la sucesión
n
n (n+1)
∑ x= 2
x=1 entonces:
[ ] [ ]
b a−1
1 1 b ( b+1) a ( a−1 )
E( X )=
b−a+1
∑ x− ∑ x = b−a+1 2
−
2
=
x=1 x=1
1 1
b−a+1
[ ( b+ a)+(b2 −a2 ) ] =
b−a+1
( b+ a ) (1+(b−a ))
Finalmente:
b+ a
E( X )=
2
1.2 Varianza:
2 2
Por definición: V ( X )=E ( X )−[ E( X ) ]
b b
1 1 b(b +1)(2 b+1 )
E( X 2 )= ∑ xf ( x )= ∑ x=
x =1 b x=1 b 6
Recuérdese que la suma de los cuadrados de los n primeros números naturales está dada
por:
n(n+1 )(2n+ 1)
12 + 22 +…….+ n2 = 6
Luego
( )
2
b(b +1)(2 b+1 ) b+1
V ( X )= −
6 2
(b−a+ 1)2
V ( X )=
12
Ejemplo 1.
De 10 empleados se premia uno al azar. Para ello se introducen en una urna 10 etiquetas
enumeradas del 1 al 10 y se selecciona una al azar. Encuentre la fórmula para la distribución de
probabilidad de X que representa el número de la etiqueta que se saca. Cuál es la probabilidad de
que el número obtenido sea menor que 4. Cuál es la media y la varianza de X.
Genere números aleatorios en Excel
2. DISTRIBUCION BINOMIAL
Si X es una variable aleatoria que mide "número de éxitos", y se realiza un único experimento con
dos posibles resultados (éxito o fracaso), se dice que la variable aleatoria X se distribuye como una
Bernoulli de parámetro p.
XB (p)
f(0)= p0(q)1=q
f(1)=p1q0=p
E(X)=p
V(X)=pq
En estadística, la distribución binomial es una distribución de probabilidad discreta que mide el
número de éxitos en una secuencia de n ensayos independientes de Bernoulli con una
probabilidad fija p de ocurrencia del éxito entre los ensayos.
1. Ser dicotómico, esto es, sólo son posibles dos resultados. A uno de estos se denomina
“éxito” y tiene una probabilidad de ocurrencia p y al otro, “fracaso”, con una probabilidad
q = 1 - p.
2. En la distribución binomial el anterior experimento se repite n veces, de forma
independiente, y se trata de calcular la probabilidad de un determinado número de éxitos.
3. La variable X que representa el número de éxitos, está asociada con la probabilidad de
éxito p.
Finalmente, una variable aleatoria con las anteriores característica sigue una distribución binomial
cuya función de probabilidad está dada por:
Para representar que una variable aleatoria X sigue una distribución binomial de parámetros n y p,
se escribe:
XB (n, p)
Esperanza y Varianza:
E(X)=np
V(X)=npq
Recordando el ejercicio de las monedas.
“Se lanza una moneda normal (equilibrada) 5 veces, cual es la probabilidad de que
a) Se obtengan cuatro sellos y una cara, en cualquier orden
a)
P ( S 1 ∩ S 2 ∩ S3 ∩ S4 ∩C 5 ) + P ( S 1 ∩ S 2 ∩ S3 ∩C 4 ∩S 5 ) + P ( S 1 ∩ S 2 ∩C 3 ∩ S 4 ∩S 5 ) + P ( S1 ∩ C2 ∩S 3 ∩ S 4 ∩S 5 ) + P ( C
4 1
P ( X=4 )=5 C 4 ( 0 ,5 ) ( 0 ,5 ) =0,1562
Ejemplo 2: Cierta entidad financiera registra el año pasado que el porcentaje de clientes
insatisfechos es del 20%. Se seleccionan 50 clientes y se encuestan. Cuál es la probabilidad de
encontrar:
a) 15 clientes insatisfechos
b) Cuando mucho 15 clientes insatisfechos
c) Más de 15 clientes insatisfechos
d) Mínimo 15 clientes insatisfechos
e) Menos de 15 clientes insatisfechos
f) Entre 8 y 14 clientes insatisfechos
Recuerden que para un valor cualquiera k:
_______ k ______________________________
___________________1___________________
Ejemplo 3: Cierta vacuna es efectiva en el 80% de los casos. Si se aplica la vacuna a 15 pacientes,
cual es la probabilidad de que:
k
E ( X )=
p
kq
V ( X )= 2
p
Solución:
e) E(X)= k/p= 6/0.03= 200, es decir, se requieren 200 observaciones para obtener 6
defectuosos
f) E(X)=k/p= 194/0.97=200
Se puede observar que en ambos casos es el mismo resultado, por razones obvias.
Ejercicios propuestos:
2) Una máquina que está dañada, envasa latas de conserva de una en una y de manera
independiente. Se considera que el 5% de lo envasado resulta defectuoso. Si la máquina se
detiene apenas produce el tercer defectuoso, Cuál es el número esperado de latas
producidas hasta que se detiene la máquina?
4) De los 46 penaltis lanzados por Cristiano Ronaldo en sus 178 partidos de la Liga BBVA, solo
tres de ellos no acabaron en gol (Almería, Athletic y Málaga). Su porcentaje de efectividad
es del 93.5%. En una de sus prácticas de lanzar tiros desde el punto penal, cual es la
probabilidad de que:
4) DISTRIBUCION GEOEMETRICA
1
E ( X )=
p
q
V ( X )= 2
p
5) DISTRIBUCION HIPERGEOMETRICA
Este modelo se aplica cuando las extracciones se hacen sin reposición de una población finita de
tamaño N.
n: es el tamaño de la muestra.
k: es el número total de éxitos en la población
X: es la variable aleatoria que representa el número de éxitos en la muestra.
P ( X=x ) =
( x )( n−x )
k N −k
( Nn )
nk
E ( X )=
N
V ( X )=
nk
N (1−
k
N )( NN−1
−n
)
Ejemplo 5:
Un lote contiene 30 artículos de los cuales 20 son tipo A y 10 son tipo B. Si se extraen sin
reposición 7 artículos:
a) Cuál es la probabilidad de que 4 sean tipo A y 3 sean tipo B?
b) Todas sean tipo A
c) Todas sean tipo B
d) Salgan cuando mucho 4 tipo A
e) Mínimo cuatro tipo A
f) Cuál es el promedio del número de artículos tipo A de la muestra extraída
g) Cuál es el promedio del número de artículos tipo B de la muestra extraída
6) DISTRIBUCION POISSON
En teoría de probabilidad y estadística, la distribución de Poisson es una distribución de
probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia o promedio (λ), la
probabilidad que ocurra un determinado número de eventos durante cierto periodo de tiempo o
espacio.
En este tipo de experimentos los éxitos buscados son expresados por unidad de área, tiempo,
pieza, etc.
Ejemplos:
−λ x
e λ
P( X=x)=
x!
E(X)=V(X)=λ
Ejemplo 6:
El N° de clientes que llegan a un banco sigue una distribución poisson con una frecuencia de 2
clientes por minuto. Cuál es la probabilidad de que lleguen
a) Exactamente 3 clientes en un minuto
b) Exactamente 10 clientes en 6 minutos
c) Cuando mucho 15 en 9 minutos
d) P(X>15) en 9 minutos
e) P(X<15) en 9 minutos
f) P(X≥15) en 9 minutos
g) P( 9≤ X ≤ 20) en 9 min
h) P(9 < X < 20) en 9 minutos
i) P(9 ≤ X < 20) en 9 minutos
j) P(9 < X ≤ 20) en 9 minutos
7) DISTRIBUCION MULTINOMIAL
Probabilidad de que ocurra: x1 éxitos de la clase 1; x 2 éxitos de la clase 2……….Xk: éxitos de la clase
k
x1 ! x 2 ! … x k !
Ejemplo 7:
Si se inspeccionan un lote que contiene una docena de láminas, cual es la probabilidad de que:
a) 7 laminas tengan defectos menores, 3 tengan defectos medios, 2 tengan defectos mayores
X1: N° de laminas con defectos menores; p1=0.60
X2: N° de laminas con defectos medios; p2=0.30
X3: N° de laminas con defectos mayores; p3=0.10
12!
P(X1=7, X2=3, X3=2) = (0.6)7(0.3)3(0.1)2=0.05986
7 ! 3! 2!
Ejercicio 2
La Administración para el Control de Drogas (DEA) registra que la carga más usual de transporte de
drogas se camufla en equipos electrónicos, clasificadas así: 40% cocaína, 35% heroína y 25% crack.
Si un pasajero gringo con cara de “bartolo” llega a Londres con un cargamento de 30 equipos,
cuál es la probabilidad de que:
APROXIMACIONES
Un lote de 1000 unidades tiene 80 no conformes. Se toma una muestra de 30 unidades, si hay 2 o
menos no conformes, se acepta el lote.
¿Cuál es la probabilidad de aceptar el lote?
1) Por la hipergeometrica.
2) Por la binomial.
3) Por la poisson
P(X<=
2)
Hipergeometri 0,564
1 ca 1
2 Binomial 0,565
4
0,569
3 Poisson 7