PRESENTAN: ASIGNATURA:

Samuel Carrera Zubieta Probabilidad y estadística aplicada a campo

Itzel de la cruz Guzmán petrolero
Marco de la cruz sosa
Yesica Del Carmen López Jiménez DOCENTE:
Claudia Patricia Arias de la cruz Ing. Nínive Esther Cruz Álvarez
Karla Fabiola Álvarez Jiménez
Eddy Cervantes Vicente Méndez CARRERA:
Ignacio Ovando García Ingeniería petrolera
Francisco Javier Ligonio Segura
SEMESTRE: 4
GRUPO: “A”
2,1,1 BINOMIAL
FORMULA

Un experimento sigue el
modelo de la distribución
binomial o de Bernoulli si:
La probabilidad de suceso
contrario es 1− p, y la
representamos por q.
CARACTERÍSTICAS
En cada prueba del experimento sólo son posibles dos resultados: el
suceso A (éxito) y su contrario suceso contrario
La probabilidad del suceso A es constante, es decir, que no varía de
una prueba a otra. Se representa por p.
El resultado obtenido en cada prueba es independiente de los
resultados obtenidos anteriormente.
La distribución binomial se suele representar por b(n, p).
N es el número de pruebas de que consta el experimento.
P es la probabilidad de éxito.
 Ejemplo 1.
Una fábrica tiene una norma de control de calidad consistente de elegir al azar diariamente 20 artículos
producidos y determinar el número de unidades defectuosas. Si hay dos o más artículos defectuosos la
fabricación se detiene para inspección de los equipos. Se conoce por experiencia que la probabilidad de
que un articulo producido sea defectuoso es 5%. Encuentre la probabilidad de que en cualquier día de la
producción se detenga al aplicar esta norma de control de calidad.
RESPUESTA.- Esta situación corresponde a un experimento binomial
n= 20 ……….Cantidad de ensayos (independientes)
p = 0.05 …….Probabilidad de éxito ( constante)
X: ……………Variable aleatoria discreta (cantidad de artículos defectuosos)
X= 0,1,…,20 ...Valores que puede tomar X.
Antes de continuar cabe señalar que algunos autores manejan la siguiente formula, pero que es lo mismo
que la señalada anteriormente

FORMULA
 Ejemplo 2.
Hallar la probabilidad de que al lanzar una moneda 3 veces al aire resulten; a) 3 caras, b) Dos águilas y una cara,
c) al menos 1 cara, d) no mas de un águila.
Empleando la formula tenemos:

a) P (3 caras) =

b) P (2 águilas, 1 cara) =

c) P (al menos 1 cara) = P(1 cara) + P (2 caras) + P (3 caras)

De otra manera, P (al menos 1 cara)= 1- P( ninguna cara)

d) P ( no mas de una águila) = P (0 águila o 1 cara)

=P (0 águilas) + P(1 águila) =
 EJEMPLO 3 .
Si el 20 % de los tornillos producidos por una máquina son defectuosos, determinar la
probabilidad de que de 4 tornillos escogidos aleatoriamente a) 1, b) 0, c) Que menos de 2, sean
defectuosos.
La probabilidad de un tornillo defectuoso es p=0.2, de un tornillo no defectuoso es q =1- p = 0.8.
Sea la variable aleatoria X el número de tornillos defectuosos. Entonces

a) P(X=1) =

b) P(X=0) =

c) P(X<2) = P(X=0) + P (X=1)

=0.4096 + 0.4096 = 0.8192
FORMULA DE PERMUTACIONES Y COMBINACIONES
2,1,2 POISSON
Es una distribución de probabilidad
discreta

Probabilidad de que un correcto numero de

eventos ocurran en un periodo de tiempo
• CONCEPTO
Si estos ocurre con una tasa media conocida

Si cada evento es independiente del tiempo

transcurrido desde el ultimo evento
 PARA QUE??

IMPREDECIBILIDAD OCURRENCIA UTILIDAD

SITUACIONES DONDE LOS SUCESOS PERMITE DETERMINAR LA CUANDO LA MUESTRA O SEGMENTO (N)
SON IMPREDECIBLES PROBABILIDAD DE OCURRENCIA DE UN ES GRANDE Y LA PROBABILIDAD DE
SUCESO CON EL RESULTADO DISCRETO ÉXITOS (P) ES PEQUEÑA
 CARACTERÍSTICAS
El numero medio (promedio) de eventos
en el espacio temporal o región especifica
de interés, por lo general esta media se
representa por la lambda griega (λ)
El numero de resultados que ocurren en
un intervalo de tiempo o región específicos
es independiente de el número que ocurre
en cualquier otro intervalo de tiempo o
región
La probabilidad de que un resultado muy
pequeño ocurra en un intervalo de tiempo
muy corto o en una región pequeña es
proporcional a la longitud del intervalo de
tiempo o al tamaño de la región
La probabilidad de que más de un
resultado ocurra en un intervalo de
tiempo tan corto o en esa región tan
pequeña es inapreciable, que se puede
asignar el valor de 0
FORMULA P (x I λ) = la probabilidad de que ocurran X éxitos cuando el número
promedio de ocurrencia de ellos es λ
λ media o promedio de éxitos por unidad de tiempo, área o producto
e Es la constante 2.7183, base de los logaritmos naturales, en tanto que los
valores de e-λ pueden obtenerse de tablas.

X señala un valor específico que la variable pueda tomar (el número de éxitos
P( X  x) 
e 
  x

,
que deseamos ocurran)
x! Por definición, el valor esperado (media en el intervalo o región de interés) de
  x  0,1,2,3... una distribución de probabilidad de Poisson es igual a la media de la
distribución. E(X) = λ

La varianza del número de eventos de una distribución de probabilidad de

Poisson también es igual a la media de la distribución λ. De este modo, la
desviación estándar es la raíz cuadrada de λ. V(X) = λ σ = √ λ
 EJEMPLOS
A. 4 cheques sin fondo en un día.

6 4 ∗ 2.718 −6 𝑃 𝑥 =
1296∗0.002480
꞊ 0.1339
𝑃 x = 24
4!
La probabilidad para que el banco reciba 4 cheques sin fondo es de 0.1339

B. 10 cheques sin fondos en cualquiera de 2 días consecutivos

Datos:
e꞊ 2.718
1210∗ 2.718 −12
λ꞊ 6*2=12 por día 𝑃 x = ꞊ 0.1049
10!
X꞊10

La probabilidad de que el banco reciba 10 cheques sin fondo es de 0.1049

 EJEMPLOS
EJEMPLO 2:
Supongamos que hay 300 errores de impresión distribuidos aleatoriamente a lo largo de un
libro de 500 paginas: Encuentre la probabilidad de que en una pagina dada contenga
exactamente 2 errores de impresión.

Datos: λ𝑥 ∗ 𝑒 −λ λ=𝑛∗𝑝
𝑃 𝑥 =
e=Valor constante꞊ 2.718 𝑥! λ꞊ 300
1
꞊0.6
1 500
P=Probabilidad de errores de impresión por página꞊ 0.62 ∗ 2.718−0.6
500 𝑃 2 =
λ=Promedio de errores de impresión en una página꞊ ? 2!
n=Número de errores en el libro꞊300 errores
X=Errores de impresión esperados por página=2
0.36 ∗ 0.549
𝑃 2 = = 0.0988
2.1
 EJEMPLOS
EJEMPLO 3:
La probabilidad de tener un accidente de tráfico es de 0.02 cada vez que se viaja, si se realizan 300
viajes, ¿cual es la probabilidad de tener 3 accidentes?. Como la probabilidad " p " es menor que 0.1, y
el producto " n * p " es menor que 10, entonces aplicamos el modelo de distribución de Poisson.

Datos: λ=𝑛∗𝑝
e꞊Valor constante= 2.718 λ = 300 ∗ .02 = 6
P=Probabilidad de accidentes por cada 300 viajes=.02
λ꞊Promedio de accidentes= ?
λ𝑥 ∗ 𝑒 −λ
n꞊Número de viajes=300 𝑃 𝑥 = 63 ∗ 2.718−6
X=Número de accidentes esperados=3 𝑥! 𝑃 3 =
3!
P (x = 3) = 0.0892

Por lo tanto, la probabilidad de tener 3 accidentes de tráfico en 300 viajes es del 8.9%
 EJERCICIO DE PARTICIPACION
1. En una aerolínea rara vez se pierden las maletas, se hace un estudio y se van reportando las
quejas de los pasajeros que pierden alguna. Cuando se han efectuado 1500 vuelos se reportan
300 maletas extraviadas. ¿ cual es la probabilidad de no perder una maleta?
 ACTIVIDAD
La contaminación constituye un problema en la fabricación de discos de
almacenamiento óptico. El número de partículas de contaminación que ocurre en un disco
óptico tiene una distribución de Poisson y el número promedio de partículas por
centímetro cuadrado de superficie del disco es 0.1. El área de un disco bajo estudio es 100
centímetros cuadrados.
(a) Encuentre la probabilidad de que ocurran 12 partículas en el área del disco bajo
estudio.
(b) La probabilidad de que ocurran cero partículas en el área del disco bajo estudio
(c) Determine la probabilidad de que 12 o menos partículas ocurran en el área del disco
bajo estudio
2,1,3 HIPERGEOMETRICA
CARACTERISTICA
A) al realizar un experimento con este tipo de
distribución, se esperan dos tipos de resultados.

B) las probabilidades asociadas a cada uno de los

resultados no son constantes.

C) cada ensayo o repetición del experimento no es

independiente de los demás.

D) el número de repeticiones del experimento (n) es

constante.
FORMULA Datos:
N = Total población = 50
R = Éxitos población = 12
N = Muestra = 10
X=4

𝐑 𝐍−𝐑
(𝐱) = 𝐱 𝐧−𝐱
𝐍
𝐧

𝟏𝟐 𝟓𝟎 − 𝟏𝟐 𝟏𝟐! 𝟑𝟖!
𝑷 𝒙 = 𝟒 𝟏𝟎 − 𝟒 = 𝟒! ∗ 𝟖! 𝟔! ∗ 𝟑𝟐!
𝟓𝟎 𝟓𝟎!
𝟏𝟎 𝟏𝟎! ∗ 𝟒𝟎!
𝒏 𝒏!
=
𝑲 𝑲! 𝒏 − 𝑲 !
 DISTRIBUCIÓN HIPERGEOMÉTRICA

Ejemplo:
1. En un lote de productos se tienen 20 productos sin defectos, 3 con defectos menores y
2 con defectos mayores, se seleccionan al azar 5 productos de este lote, determine la
probabilidad de que a) 3 de los productos seleccionados no tengan defectos y 1 tenga
defectos menores, b) 4 de los productos seleccionados no tengan defectos y 1 tenga
defectos menores.
 DISTRIBUCIÓN HIPERGEOMÉTRICA

Solución:
a)N= 20+3+2 =25 total de artículos
a=20 productos sin defectos
b= 3 productos con defectos menores
N-a-b= 2 productos con defectos mayores
n= 5 productos seleccionados en la muestra
x = 3 productos sin defectos en la muestra = variable que nos define el # de productos
sin defectos en la muestra
y = 1 producto con defectos menores en la muestra = variable que nos define el # de
productos con defectos menores en la muestra
z = n-x-y = 5–3−1 = 1 producto con defectos mayores en la muestra = variable que nos
define el # de productos con defectos mayores en la muestra
 DISTRIBUCIÓN HIPERGEOMÉTRICA

Solución:
b)N= 25
a=20 productos sin defectos
b= 3 productos con defectos menores
N-a-b= 2 productos con defectos mayores
n= 5 productos seleccionados en la muestra
x = 4 productos sin defectos en la muestra = variable que nos define el # de productos
sin defectos en la muestra
y = 1 producto con defectos menores en la muestra = variable que nos define el # de
productos con defectos menores en la muestra
z = n-x-y = 5–4−1 = 0 productos con defectos mayores en la muestra = variable que nos
define el # de productos con defectos mayores en la muestra
 DISTRIBUCIÓN HIPERGEOMÉTRICA

Ejemplo:
De 50 edificios en un parque industrial 12 no cumplen el código eléctrico si se seleccionan el código eléctrico,
si se seleccionan 10 edificios aleatoriamente; determine la probabilidad de que:
A) 3 no cumplan el código
B) 4 no cumplan el código
C) Menos de 5 no cumplan el código

𝐑 𝐍−𝐑
(𝐱) = 𝐱 𝐧−𝐱
𝐍
𝐧
𝒏 𝒏!
=
𝑲 𝑲! 𝒏 − 𝑲 !
 DISTRIBUCIÓN HIPERGEOMÉTRICA

Datos:
N = Total población = 50
R = Éxitos población = 12
N = Muestra = 10
X=3

𝐑 𝐍−𝐑
(𝐱) = 𝐱 𝐧−𝐱
𝐍
𝐧

𝟏𝟐 𝟓𝟎 − 𝟏𝟐 𝟏𝟐! 𝟑𝟖!
𝑷(𝒙) = 𝟑 𝟏𝟎 − 𝟑 = 𝟑! ∗ 𝟗! 𝟕! ∗ 𝟑𝟏!
𝟓𝟎 𝟓𝟎!
𝟏𝟎 𝟏𝟎! ∗ 𝟒𝟎!

𝒏 𝒏!
=
𝑲 𝑲! 𝒏 − 𝑲 !
 DISTRIBUCIÓN HIPERGEOMÉTRICA

Datos:
N = Total población = 50
R = Éxitos población = 12
N = Muestra = 10
X=4

𝐑 𝐍−𝐑
(𝐱) = 𝐱 𝐧−𝐱
𝐍
𝐧

𝟏𝟐 𝟓𝟎 − 𝟏𝟐 𝟏𝟐! 𝟑𝟖!
𝑷(𝒙) = 𝟒 𝟏𝟎 − 𝟒 = 𝟒! ∗ 𝟖! 𝟔! ∗ 𝟑𝟐!
𝟓𝟎 𝟓𝟎!
𝟏𝟎 𝟏𝟎! ∗ 𝟒𝟎!

𝒏 𝒏!
=
𝑲 𝑲! 𝒏 − 𝑲 !
 DISTRIBUCIÓN HIPERGEOMÉTRICA

A).-P(X=3) = 𝟏𝟐! ÷ 𝟑! ∗ 𝟗! ∗ 𝟑𝟖! ÷ 𝟕! ∗ 𝟑𝟏! ÷ 𝟓𝟎! ÷ 𝟏𝟎! ∗ 𝟒𝟎! = 𝟎. 𝟐𝟕𝟎𝟑

B.- P(X=4) = 𝟏𝟐! ÷ 𝟒! ∗ 𝟖! ∗ 𝟑𝟖! ÷ 𝟔! ∗ 𝟑𝟐! ÷ 𝟓𝟎! ÷ 𝟏𝟎! ∗ 𝟒𝟎! = 𝟎. 𝟏𝟑𝟑𝟎

C.- P(X<5) = P(0)+P(1)+P(2)+P(3)+P(4) =

DISTRIBUCIÓN HIPERGEOMÉTRICA
DISTRIBUCIÓN HIPERGEOMÉTRICA
DISTRIBUCIÓN HIPERGEOMÉTRICA
http://www.vitutor.com/pro/3/b_1.html

http://www.vitutor.com/pro/3/b_2.html

http://www.ditutor.com/distribucion_binomial/distribucion_b
inomial.html

http://www.vitutor.com/pro/3/b_1.html

http://www.itch.edu.mx/academic/industrial/sabaticorita/_pr
ivate/03Ddistr%20Hipergeometrica.htm