Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISCRETAS
INTRODUCCIÓN (1)
Unidad Unidades 3 y 4
1
E(X) = 3,5
V(X) = 2,8
Unidad
2
INTRODUCCIÓN (2)
Ya sea que un experimento produzca resultados cualitativos o
cuantitativos, los métodos de análisis estadístico requieren enfocarse
en ciertos aspectos numéricos de los datos.
El concepto de variable aleatoria permite pasar de los resultados
experimentales a la función numérica de los resultados.
Una variable aleatoria es una función,
por lo que tiene un dominio y un
recorrido. El dominio es el espacio
muestral S o Ω asociado a un
S
experimento aleatorio, y el recorrido
es un subconjunto de R. S
S
INTRODUCCIÓN (3)
En muchos casos es deseable asignar un valor numérico a cada
resultado de un experimento. Dicha asignación se llama variable
aleatoria
DISTRIBUCIÓN DE PROBABILIDAD
La función f(xi) = P(X = xi) es una función de probabilidad,
función de masa o una distribución de probabilidad de la
variable aleatoria discreta X si, para cada resultado posibles x:
X x1 = 0 x2 = 1 x3 = 2
Rx = {0, 1, 2}
VARIABLES ALEATORIAS DISCRETAS (4)
Ejemplo 3: Se arrojan 3 monedas, donde X es el número de
cruces.
Rx = {0, 1, 2, 3}
C x P(x)
P(x)
C
X 0 1/8 3/8
C C
X X 1 3/8 2/8
S
C 2 3/8
C 1/8
X X
3 1/8
X C x
X 1 0 1 2 3
VARIABLES ALEATORIAS DISCRETAS (5)
FUNCION DE PROBABILIDAD ACUMULATIVA
a) p(x) 0 p(x) = 1
VARIABLES ALEATORIAS DISCRETAS (7)
b)
P(x)
0.40
0.30
0.20
0.10
x F(x)
P(x)
0 1 2 3
1 P(X = 3)
0.90
0 x <0 0.70
0.40 0 x <1
P(X = 1)
c) F (x) = 0.70 1 x <2 0.40
0.90 2 x <3
P(X = 0)
1 x3 x
0 1 2 3
VARIABLES ALEATORIAS DISCRETAS (8)
MEDIA O VALOR ESPERADO
Definición: La función de masa de probabilidad de una variable
aleatoria discreta X es la función p(x) = P(X = x). La media
poblacional, o el valor esperado, o la esperanza matemática de
X es:
x = E X = x i . p(x i )
x
0,30 E X = 0,6600
0,20
0,10
0 1 2 3 x
EX
Número de fallas
VARIABLES ALEATORIAS DISCRETAS (10)
c)
VARIABLES ALEATORIAS DISCRETAS (13)
VARIANZA
Definición: Sea X una variable aleatoria con distribución de
probabilidad f(x). La varianza o variancia esta dada por:
2
Var [ x ] = V ( x ) = E[X ] - (E[X]) 2
b)
x = E X = x i . p(x i ) 6,45
x
E x = n p
X ~ b x , n , p
V x = n p q
DISTRIBUCIÓN BINOMIAL (8)
Distribución binomial, con n = 10 y diferentes p
DISTRIBUCIÓN BINOMIAL (9)
15
P( X 5 ) ( 0,4 )5 ( 0,6 )10 0,1859
5
x =0 x
9
P( X 10 ) 1 b(x ; 15; 0,40) = 1 - 0,9662 0,0338
x=0
DISTRIBUCIÓN BINOMIAL (12)
n = 15 - Tabla de distribución binomial acumulada
x p 0,10 0,20 0,25 0,30 0,40 0,50
0 0,20589 0,03518 0,01336 0,00475 0,00047 0,00003
1 0,54904 0,16713 0,08018 0,03527 0,00517 0,00049
2 0,81594 0,39802 0,23609 0,12683 0,02711 0,00369
3 0,94444 0,64816 0,46129 0,29687 0,09050 0,01758
4 0,98728 0,83577 0,68649 0,51549 0,21728 0,05923
5 0,99775 0,93895 0,85163 0,72162 0,40322 0,15088
6 0,99969 0,98194 0,94338 0,86886 0,60981 0,30362
7 0,99997 0,99576 0,98270 0,94999 0,78690 0,50000
8 1,00000 0,99922 0,99581 0,98476 0,90495 0,69638
9 1,00000 0,99989 0,99921 0,99635 0,96617 0,84912
10 1,00000 0,99989 0,99921 0,99635 0,99077 0,84912
11 1,00000 1,00000 0,99999 0,99991 0,99807 0,98242
DISTRIBUCIÓN BINOMIAL (13)
d) Tengan algún defecto entre 3 y 8 piezas inclusive?
8
P ( 3 x 8 ) = b ( x ; 15 ; 0,40 ) =
x=3
8 2
b (x; 15; 0,40) - b(x; 15; 0,40) =
x =0 x =0
0.35 0.10
0.30
0.08
g (x,p) = p qx - 1 x = 1, 2, 3, . . . ,
E x = 1 p
X ~ g x , p 2
V x = q p
DISTRIBUCIÓN GEOMETRICA (2)
Ejercicio 6 : La probabilidad de que un estudiante de
estadística 1 apruebe el examen escrito regular es de 0,7.
Encuentre la probabilidad de que un estudiante apruebe el
examen
a) en el tercer intento
P(X = 3) = (0.3)2 (0.7) = 0.063
e - x
x = 0, 1, 2, . . . ,
Po = px, = x!
0 en otro lugar
X E X
Po ( )
V X
DISTRIBUCIÓN DE POISSON (4)
Distribución Poisson, con diferentes λ
DISTRIBUCIÓN DE POISSON (5)
Ejercicio 7: un técnico tiene un promedio de ensamble
de un componente por minuto. En 4 minutos, ¿cuál es la
probabilidad de que ensamble?
a) exactamente 3 componentes?
e 4 4x
P(X = 3) = 0,1954
x!
DISTRIBUCIÓN DE POISSON (6)
Tabla de distribución de Poisson puntual
λ
x 3,10 3,20 3,30 3,40 3,50 3,60 3,70 3,80 3,90 4,00
0 0,0450 0,0408 0,0369 0,0334 0,0302 0,0273 0,0247 0,0224 0,0202 0,0183
1 0,1397 0,1304 0,1217 0,1135 0,1057 0,0984 0,0915 0,0850 0,0789 0,0733
2 0,2165 0,2087 0,2008 0,1929 0,1850 0,1771 0,1692 0,1615 0,1539 0,1465
3 0,2237 0,2226 0,2209 0,2186 0,2158 0,2125 0,2087 0,2046 0,2001 0,1954
4 0,1733 0,1781 0,1823 0,1858 0,1888 0,1912 0,1931 0,1944 0,1951 0,1954
5 0,1075 0,1140 0,1203 0,1264 0,1322 0,1377 0,1429 0,1477 0,1522 0,1563
6 0,0555 0,0608 0,0662 0,0716 0,0771 0,0826 0,0881 0,0936 0,0989 0,1042
7 0,0246 0,0278 0,0312 0,0348 0,0385 0,0425 0,0466 0,0508 0,0551 0,0595
8 0,0095 0,0111 0,0129 0,0148 0,0169 0,0191 0,0215 0,0241 0,0269 0,0298
DISTRIBUCIÓN DE POISSON (7)
b) más de 3 componentes?
3
e 4 4x
P(X > 3) = 1 – P(X 3) = 1 –
x 0 x!
= 1 – 0,4335 = 0,5665
e 4 4x Rx = {0, 1, 2, }
P(X)
x!
DISTRIBUCIÓN DE POISSON (8)
Tabla de distribución de Poisson acumulada
x 0 1 2 3 4 5 6 7
2,4 0,0907 0,3084 0,5697 0,7787 0,9041 0,9643 0,9884 0,9967
2,6 0,0743 0,2674 0,5184 0,7360 0,8774 0,9510 0,9828 0,9947
2,8 0,0608 0,2311 0,4695 0,6919 0,8477 0,9349 0,9756 0,9919
3 0,0498 0,1991 0,4232 0,6472 0,8153 0,9161 0,9665 0,9881
3,2 0,0408 0,1712 0,3799 0,6025 0,7806 0,8946 0,9554 0,9832
3,4 0,0334 0,1468 0,3397 0,5584 0,7442 0,8705 0,9421 0,9769
3,6 0,0273 0,1257 0,3027 0,5152 0,7064 0,8441 0,9267 0,9692
3,8 0,0224 0,1074 0,2689 0,4735 0,6678 0,8156 0,9091 0,9599
4 0,0183 0,0916 0,2381 0,4335 0,6288 0,7851 0,8893 0,9489
DISTRIBUCIÓN DE POISSON (9)
Ejercicio 7:
a) P(X = 3) b) P(X > 3)
DISTRIBUCIÓN
HIPERGEOMÉTRICA
DISTRIBUCIÓN HIPERGEOMÉTRICA (1)
El experimento hipergeométrico es la probabilidad de
seleccionar x éxitos entre los k artículos denominados
éxitos y los n – x fracasos entre los N – k artículos
denominados fracasos, cuando se selecciona una
muestra de tamaño n entre los N artículos totales.
N
N-k
k
n X ~ h (x, N, n, k)
x n-x
Propiedades:
1. Una muestra de tamaño n se selecciona entre los N artículos
sin reposición (sucesos dependientes ).
2. k de los N artículos pueden clasificarse como éxito y N - k
como fracaso.
DISTRIBUCIÓN HIPERGEOMÉTRICA (4)
Definición: Dada la distribución de probabilidad de la
variable aleatoria Hipergeométrica X, el número de éxitos
en una muestra de tamaño n seleccionada entre N
artículos de los cuales k son éxitos y N k son fracasos,
se puede denotar como X ~ h(x, N, n, k).
La función de probabilidad de masa de X es
k N k
x n x
x 0,1, , max( n , k )
p( x ) h(x, N, n, k) = N
n
0 en otro lugar
DISTRIBUCIÓN HIPERGEOMÉTRICA (5)
k
E [ X ] np n N
X h(x, N, n, k)
N n k k N n
V [ X ] npq n 1
N 1 N N N 1
Nn
Donde es el factor de corrección. Este es
N 1
insignificante cuando n es pequeño comparado con N.
Nn
1
N 1
Si N es muy grande, el factor de corrección se convierte
Nn n
en 1 donde n se denomina tasa de muestreo
N 1 N N
DISTRIBUCIÓN HIPERGEOMÉTRICA (6)
Ejercicio 8: Un grupo de 5 personas se selecciona al
azar entre 3 químicos y 5 físicos. Encontrar y graficar la
distribución de probabilidad para el número de químicos
en el grupo.
X = número de químicos en el grupo
5F
3Q 3 5
5
P(X = 0) = h(0,8,5,3) = 0 5
=
1
= 0,01
8 56
3 5 5
P(X = 1) = h(1,8,5,3) = 1 4 = 15 = 0,26
8 56
5
DISTRIBUCIÓN HIPERGEOMÉTRICA (7)
P(X =
3 5
2)
3 5
P(X = 3) = h(3,8,5,3) = =
3 2 10
= 0,17
8 56
5
3 5
P(X = x) = h(x,8,5,3) = x 5 x
8
5
APROXIMACIÓN ENTRE
DISTRIBUCIONES
APROXIMACIONES (1)
DE LA DISTRIBUCIÓN HIPERGEOMÉTRICA A LA
DISTRIBUCIÓN BINOMIAL