MODELOS DISCRETOS

26 de abril de 2012

“UNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA “ FACULTAD DE ADMINISTRACIÓN

TEMA: MODELOS DISCRETOS CURSO: TOMA DE DESICIONES EMPRESARIALES

DOCENTE: DR. LUIS PECHO TATAJE

SECCIÓN: INTEGRANTES:

IX “A” ALCA CERNA JANETH IVON HURTADO PALOMINO JOHANA IRIS NAVARRETE CACERES HAYDEE DELIA SANTI HUANCA LOURDES

Página 1

MODELOS DISCRETOS 26 de abril de 2012 DEDICATORIA Dedicamos nuestros este trabajo a que están padres nos constantemente apoyando y orientando a lo largo nuestra vida. para que seamos buenos profesionales. Página 2 .

Página 3 . En el caso concreto de los modelos discretos de probabilidad. en donde partiendo de ciertos supuestos se obtienen unas conclusiones acerca del comportamiento del fenómeno analizado. siempre que se den los supuestos que exige el modelo .MODELOS DISCRETOS 26 de abril de 2012 INTRODUCCIÓN Un modelo es una abstracción de la realidad.De allí. estos representan funciones de masa que proporcionan la probabilidad de que una variable aleatoria tome un determinado valor. es reconocerlo y verificar que se cumplen los supuestos exigidos. que lo más importante antes de aplicar las propiedades del modelo.

h(n) = 3 Cuando n toma un valor interno entre 1 y 2. digamos n = 1. n = 2. h(n) = 4 . Por ejemplo: Cuando: n = 1.MODELOS DISCRETOS 26 de abril de 2012 MODELO DISCRETO - MODELO DISCRETO EN EL TIEMPO: Es aquel que incluye sólo variables y funciones discretas en el tiempo. n2) por cuanto puede tomar valores solamente para determinados puntos del intervalo. Página 4 .5. En la figura 1. la función h(n) es discreta en el intervalo de tiempo (n1. la función h(n) no existe.

etc Mediante un argumento similar se observa que la figura (2)(b) corresponde a una función discreta en el dominio ( en este caso el tiempo).5.MODELOS DISCRETOS 26 de abril de 2012 - MODELO DISCRETO EN MAGNITUD: Es aquel que tiene solo variables. En la figura (2) (a). digamos 11. En particular. la función h(n) puede tomar un valor igual a 10. 15. la función f(t) puede tomar solamente ciertos valores en el intervalo (y1 . la función f(t) puede tomar un valor igual a un elemento del conjunto (10. en el instante no. cuyo rango de magnitud varia en forma discreta.25 ) pero no puede tomar otros valores. 12. en el instante t0. y discreta en magnitud. 25. y2). 20. es decir solo ciertos valores del intervalo (y1.y2 ). Página 5 . cuando t =t0 . En particular. Se trata de una función continua en el tiempo y discreta en magnitud ( en este caso el dominio es el tiempo).15.

no varía de una prueba a otra. 1. ya no es un experimento de Bernoulli.MODELO BINOMIAL Se define como “Experimento de Bernoulli” a todo aquel que cumpla con los siguientes tres requisitos: Cada vez que se repita el experimento. y donde el éxito es sacar negra.1.. al que se llama fracaso.  La probabilidad del suceso A es constante. El resultado obtenido en cada repetición es independiente de las restantes. o las sucesivas extracciones con devolución de una ficha de una caja que contiene blancas y negras. y su contrario Ac. porque la probabilidad de sacar negra no es la misma en cada extracción. el suceso A. y además no existe independencia entre las sucesivas extracciones.MODELOS DISCRETOS 26 de abril de 2012 MODELOS DISCRETOS 1. denominados éxito y fracaso. y por q = 1 – p la probabilidad de Ac . sólo hay dos resultados posibles excluyentes entre sí. Algunos ejemplos de experimentos de Bernoulli son los sucesivos lanzamientos de un dado en donde el éxito es sacar un 6. Nótese que si la extracción es sin devolución. que se llama éxito.  El resultado obtenido en cada prueba es independiente de los resultados obtenidos en las pruebas anteriores. Se representa por p la probabilidad de A. por tanto. La probabilidad tanto del éxito como del fracaso es constante en cada repetición del experimento.CARACTERÍSTICAS:  En cada prueba del experimento sólo son posibles dos resultados. Página 6 .

Un estudiante responde cada pregunta seleccionando al azar y de manera independiente una delas cuatro opciones. y de allí el combinatorio. Ejemplo: Un examen de selección múltiple consta de diez preguntas con cuatro opciones de respuesta cada una. mientras que la variable aleatoria “X” es el número de preguntas correctamente contestadas. y además hay que considerar que esos x éxitos pueden estar colocados en cualquiera de los n puestos. siendo una sola la correcta. hay que multiplicar hay que multiplicar la probabilidad de x éxitos que es p fracasos que x por la de (n-x) es. b) por lo menos 5 preguntas correctas Solución: El éxito es responder correctamente una pregunta. Como se ha supuesto independencia entre las repeticiones. Calcule la probabilidad de responder: a) 3 preguntas correctas. Página 7 .MODELOS DISCRETOS 26 de abril de 2012 Esta fórmula viene del siguiente razonamiento: Para obtener x éxitos es necesario que los (n-x) intentos restantes sean fracasos.

 La probabilidad de éxito no es constante. Página 8 . 1/4).0. cambia para cada observación. con n=10.9219=0. y p=1/4. los que lo poseen que son en total “A”. y por lo tanto ya no se cumple el supuesto de independencia entre las diferentes repeticiones.1 CARACTERÍSTICAS  El tamaño de la muestra (n) debe ser superior en un 5 % con respecto al tamaño de la población (N)  La población es finita. que son los restantes 3. debido a que se aplica en situaciones donde la selección de los elementos se hace sin reemplazo. ni tampoco el de probabilidad constante en cada repetición.0781 3.MODELOS DISCRETOS 26 de abril de 2012 Esta variable “X” cumple con los supuestos del modelo binomial. La situación descrita en este modelo es la siguiente: supóngase que tiene una población representada por una caja. y que además existe un cierto atributo.. y los que no lo poseen.La probabilidad de acertar 3 preguntas correctas equivale calcular f(3) es decir La probabilidad de acertar 5 por lo menos es P(X ≥ 5) = 1.F (4) = 1. en donde existen “N” elementos. que divide a esa población en dos grupos. lo que se abrevia escribiendo Xb (10.MODELO HIPERGEOMÉTRICO Este modelo ya no considera experimentos de Bernoulli.

Si se toma una muestra al azar de 4 piezas sin reemplazo. Ejemplo: En una caja hay 6 piezas defectuosas y 14 buenas. b) alguna defectuosa. Página 9 . calcule la probabilidad de encontrar: a) 3 defectuosas.MODELOS DISCRETOS 26 de abril de 2012 (N-A) elementos.

la emisión de partículas radioactivas). tanto por la izquierda como por la derecha. Por tanto: 4. encontrando un comportamiento tal como el que se ilustra en la figura: Página 10 . se concentraba siempre alrededor de un promedio. n= 4.MODELOS DISCRETOS 26 de abril de 2012 Solución: Este es un modelo hipergeométrico donde N = 6+14 = 20 piezas en total. A = 6. El atributo es ser defectuosa porque las preguntas se refieren a la variable “X” = número de defectuosas en la muestra. y que era muy poco probable encontrar observaciones alejadas de ese promedio. MODELO DE POISSON: El físico y matemático francés Simeón Denis Poisson(1781-1840) observó que el número de veces en una unidad de tiempo que ocurría un cierto evento (en su caso.

 Se le conoce como los sucesos raros porque suceden de vez en cuando.  La probabilidad de éxito debe ser sumamente pequeño por lo general p ≤ 0.MODELOS DISCRETOS 26 de abril de 2012 4.1 CARACTERÍSTICAS  El número de observaciones por lo general debe ser mayor o igual que 30 (n ≥ 30).05 %. Página 11 .

MODELOS DISCRETOS 26 de abril de 2012 Ejemplo: El número de llamadas que recibe una central telefónica sigue un modelo de Poisson con un promedio de 0. ¿Cuál es la probabilidad de que en un lapso de 5 minutos se reciban: a) exactamente 2 llamadas? b) A lo sumo 3 llamadas? c) Alguna llamada? Página 12 .5 llamadas por minuto.

Sign up to vote on this title
UsefulNot useful