Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Funcin de probabilidad
Se llama funcin de probabilidad de una variable aleatoria discreta X a la
aplicacin que asocia a cada valor de xi de la variable su probabilidad pi.
0 pi 1
p1 + p2 + p3 + + pn = pi = 1
1
Distribuciones discretas
Parmetros de una distribucin de probabilidad
Media o esperanza matemtica
Varianza
Desviacin tpica
2
Una variable aleatoria X puede tomar los valores 30, 40, 50 y 60 con probabilidades
de 0.4, 0.2, 0.1 y 0.3 respectivamente.
a. Calcular la esperanza matemtica de la v. a. X
b. Calcular la varianza de la v. a. X
c. Calcular la desviacin estndar de la v. a. X
3
Distribucin de Bernoulli
Experimento de Bernoulli: solo son
posibles dos resultados: xito o fracaso.
Podemos definir una variable aleatoria
discreta X tal que:
xito 1
fracaso 0
Si la probabilidad de xito es p y la de fracaso 1 - p,
podemos construir una funcin de probabilidad:
1 x
P( x) p (1 p)
x
x 0,1
Un tpico experimento de Bernoulli es el lanzamiento de
una moneda con probabilidad p para cara y (1-p) para
cruz. 4
1 x
P( x) p (1 p)
x
x 0, 1
Funcin de distribucin:
1 p, para x 0
F ( x)
1, para x 1 5
Ejercicio: Calcular la esperanza y la varianza
de la distribucin de Bernoulli.
1
E[ X ] x P( X x)
x 0
0 P( X 0) 1 P( X 1) p
1
Var ( X ) E[ X ] ( E[ X ]) x P( X x) p
2 2 2 2
x 0
0 P( X 0) 1 P( X 1) p
2 2 2
p p p (1 p )
2
6
Distribucin binomial
La distribucin binomial aparece cuando estamos
interesados en el nmero de veces que un suceso
A ocurre (xitos) en n intentos independientes de
un experimento.
P. ej.: # de caras en n lanzamientos de una moneda.
7
Experimento aleatorio: n = 3 lanzamientos de una moneda.
Probabilidad de xito en cada lanzamiento (cara) = p.
Probabilidad de fracaso en cada lanzamiento (cruz) = 1- p = q.
3 p 2 (1 p)
3 p(1 p) 2
8
Supongamos que el experimento consta de n
intentos y definamos la variable aleatoria:
n x n x n! n x
B(n, p) p( x) p (1 p) p (1 p)
x
x x!(n x)!
10
11
Ejercicio:
Cul es la probabilidad de que en una familia de 4 hijos
exactamente 2 sean nias?
n x
p(x) p ( 1 p)n x
x
p 0.5; n 4; x 2
4
p( 2 ) ( 0.5 ) ( 1-0.5 ) 0.375
2 4- 2
12
Ejercicio:
Si una dcima parte de las personas tienen cierto grupo
sanguneo, cul es la probabilidad de que entre 100
personas escogidas al azar exactamente 8 de ellas
pertenezcan a este grupo sanguneo?
n x n x
p(x) p ( 1 p)
x
p 0.1; n 100; x 8
100
p( 8 ) ( 0.1 )8( 1-0.1 )92 0.115
8
13
Y si la pregunta es 8 como mximo?
8
n x
p(x 8 ) p ( 1 p)n x
x 0 x
8
100
(0.1) x ( 0.9 )100 x 0.3209
x 0 x
14
Calcula la probabilidad de obtener al menos dos seises al
lanzar un dado cuatro veces.
n k nk
P(k ) p q (k 0,1,....n)
k
p = 1/6, q = 5/6, n = 4
4 1 5 4 1 5 4 1
2 2 3 4
2 6 6 3 6 6 4 6
1 171
4 (6 25 4 5 1) 0.132
6 1296
15
Caractersticas de la distribucin
binomial
Media
= E(X) = n p P(X) n = 5 p = 0.1
.6
= 5 0.1 = 0.5 .4
.2
= 5 0.5 = 0.25 0 X
0 1 2 3 4 5
Desviacin estndar
P(X) n = 5 p = 0.5
np(1 p) .6
.4
G( p) P( X x) 1 p p,
x
x 0,1, 2, ...
17
p(x)
G( p) P( X x) 1 p p,
x
x 0,1, 2, ...
Funcin de distribucin:
n
F (n) (1 p) p 1 (1 p)
x n 1
x 0
18
Distribucin binomial negativa
(de Pascal o de Plya)
Consideremos el siguiente experimento:
Partimos de un experimento de Bernoulli donde la probabilidad
de que ocurra un suceso es p (xito) y la probabilidad de que
no ocurra q = 1- p (fracaso). Repetimos nuestro experimento
hasta conseguir el r-simo xito. Definimos la variable
aleatoria X, como el nmero de fracasos x hasta que se
obtiene el r-simo xito. Entonces: El ltimo tiene que ser un xito.
x r 1 r
BN (r , p) P( X x) p 1 p ,
x
x
x 0,1, 2, ...
Se denomina binomial negativa porque los coeficiente provienen de
la serie binomial negativa: p -x ( 1-q)-x 19
Distribucin binomial negativa
(de Pascal o de Plya)
x 1 r
BN (r , p) P( X x) p 1 p ,
xr
r 1
x r, r 1, r 2, ...
20
Disponemos de una moneda trucada con probabilidad de cara
igual a p=0.25. La lanzamos hasta que obtenemos 2 caras.
La distribucin del nmero de lanzamientos x ser:
x 1
BN (r 2, p 0.25) P( X x) 0.25 1 0.25 ,
2 x2
2 1
x 2,3, 4, ...
P(x)
21
x
Elegir al azar con reemplazo
Elegir al azar con reemplazo significa que escogemos al azar
un elemento de un conjunto y lo regresamos para elegir de nuevo
al azar. Esto garantiza la independencia de las elecciones y nos
lleva a una distribucin binomial.
A N A
x n x
H (n, N , A) P( x) ( x 0,1, ..., n)
N
n 24
Queremos seleccionar al azar dos bolas de una caja que contiene
10 bolas, tres de las cuales son rojas. Encuentra la funcin de
probabilidad de la variable aleatoria : X = Nmero de bolas rojas
en cada eleccin (con y sin reemplazo).
Tenemos N = 10, A = 3, N - A = 7, n = 2
Escogemos con reemplazo:
2 x
2 3
x
7
p( x) , p(0) 0.49, p(1) 0.42, p(2) 0.09
x 10 10
Escogemos sin reemplazo:
3 7
x 2 x 21 3
p( x) p(0) p(1) 0.47 , p(2) 0.07
10 45 45
2 25
Hipergeomtrica Binomial
N = 24 n=5
X=8 p = 8/24 =1/3
n=5 Observa que si N,
x P(x) P(x) Error A, N-A son grandes
0 0.1028 0.1317 -0.0289 comparados con n
1 0.3426 0.3292 0.0133
2 0.3689 0.3292 0.0397
no hay gran
3 0.1581 0.1646 -0.0065 diferencia en qu
4 0.0264 0.0412 -0.0148
-0.0028
distribucin
5 0.0013 0.0041
N = 240 n=5
empleemos.
X = 80 p = 80/240 =1/3 La distribucin
n=5
binomial es una
x P(x) P(x) Error aproximacin
0 0.1289 0.1317 -0.0028
1 0.3306 0.3292 0.0014
aceptable a la
2 0.3327 0.3292 0.0035 hipergeomtrica
3 0.1642 0.1646 -0.0004 si n < 5% de N.
4 0.0398 0.0412 -0.0014 26
5 0.0038 0.0041 -0.0003
Distribucin de Poisson
Cuando en una distribucin binomial el nmero de intentos (n)
es grande y la probabilidad de xito (p) es pequea, la
distribucin binomial converge a la distribucin de Poisson:
e x
p ( x) , x 0,1,2,... 0
x!
donde np =
Observa que si p es pequea, el xito es
un suceso raro.
P( X 0) B(n, p,0) (1 p) 1
n
n
Observa que para n grande P(X = 0) es aproximadamente e-.
Adems para n grande (y por tanto p muy pequeo):
B(n, p, k ) (k 1) p
B(n, p, k 1) k (1 p) k 29
Tenemos entonces B(n, p,0) e
la siguiente ecuacin
iterada: B(n, p, k ) B(n, p, k 1)
k
P( X 1) B(n, p,1) e
2
P( X 2) B(n, p,2) e
2
...
k
P( X k ) e
k! 30
Caractersticas de la distribucin de
Poisson
P(X) = 6
.6
.4
Nota: el mximo de la distribucin .2
se encuentra en x 0 X
0 2 4 6 8 10
31
La distribucin de Poisson se obtiene como aproximacin de
una distribucin binomial con la misma media, para n grande
(n > 30) y p pequeo (p < 0,1). Queda caracterizada por un
nico parmetro (que es a su vez su media y varianza).
n p =
99 99 1 99 1
100 99 98 2
100 100 100
P( A )
c
0 100 1 100 100 2 100 100
0.9206 n
p( x) p x q n x ( x 0,1,....n)
x