Documentos de Académico
Documentos de Profesional
Documentos de Cultura
x<-0:3
p<-c(0.096, 0.392, 0.428, 0.084)
plot(x, y, type = "h", lwd = 15, main = " Distribución de
Probabilidades", col = “red").
Otra forma es mediante la función barplot()
plot(stepfun(0:3,cumsum(c(0,p)),right=TRUE),
verticals=FALSE, ylab="F(x)", main= "Función de
Distribución")
3) Se extraen balotas una a una con reemplazo, hasta obtener tres balotas
blancas. Sea Z la variable aleatoria que representa el numero de bolas
blancas.
RZ = P(Z=5)= 0.1382
Modelos de distribución de probabilidad y sus características
Distribución de X Paráme Función de probabilidad 𝐸 ሺ𝑋ሻ 𝑉 ሺ𝑋ሻ Función
tros característica
𝝋𝑿 (𝒕)
Uniforme: 𝑈(𝑁) N 1 𝑁+1 𝑁 2 −1 1 𝑁
𝑒 𝑖𝑡𝑗
𝑃ሺ𝑥ሻ = 2 12
𝑁 𝑗 =1
𝑁
Bernoulli: 𝐵 (𝑝) p 𝑃ሺ𝑥ሻ= 𝑝 𝑥 ሺ1 − 𝑝ሻ1−𝑥 , p P(1-p) 𝑝𝑒 𝑖𝑡 + (1 − 𝑝)
0<p<1 𝑥 = 0, 1
Binomial: 𝐵 (𝑛, 𝑝) n,p 𝑛 np np(1-p) 𝑝𝑒 𝑖𝑡 + (1 − 𝑝)
𝑃ሺ𝑥 ሻ = ቀ ቁ𝑝 𝑥 ሺ1 − 𝑝ሻ1−𝑥 ,
0<p<1 𝑥
𝑥 = 0, 1, … , 𝑛
Hipergeométrica: N, R, n 𝑅 𝑁 −𝑅
ቀ ቁቀ ቁ 𝑅 𝑅 𝑁−𝑅 𝑁 −𝑛
𝑃ሺ𝑥 ሻ = 𝑥 𝑛 −𝑥
𝑁
𝑛
𝑁
𝑛
𝑁 𝑁 𝑁−1
Hg(n, R, N) ቀ ቁ
𝑛
x= 0, 1, . . . n
1 1−𝑝
Geométrica: G(p) p 𝑃ሺ𝑥 ሻ = 𝑝ሺ1 − 𝑝ሻ𝑥−1 , 𝑝𝑒 𝑖𝑡
𝑝 𝑝2 1−(1−𝑝)𝑒 𝑖𝑡
𝑥 = 1,2, …
Binomial Negativa: k, p 𝑥 − 1 𝑘ሺ 𝑘 𝑘(1−𝑝)
𝑝𝑒 𝑖𝑡
𝑘
𝑃ሺ𝑥 ሻ = ቀ ቁ𝑝 1 − 𝑝ሻ𝑥−𝑘 𝑝 𝑝2 ቆ ቇ
BN(k,p) 𝑘−1 1−(1−𝑝)𝑒 𝑖𝑡
Sea X una variable aleatoria con distribución uniforme discreta, con valores
x = 1, 2, . . . N. Verificar:
ii)
iii)
,
Resumen funciones en r
R permite calcular probabilidades (incluyendo acumuladas), la evaluación de
funciones de densidad y probabilidad puntual y la generación de valores pseudo-
aleatorios siguiendo diferentes funciones de distribución habituales (tanto discretas
como continuas). La tabla siguiente muestra los nombres en R de varias funciones,
para variables discretas, junto con argumentos adicionales.
Distribución Nombre en r Argumentos
Binomial binom size=n, prob=p
Hipergeométrica* hyper m = R, n = N-R, k = n (tamaño de muestra)
Geométrica geom prob=p
Binomial negativa nbinom size=k, prob=p
Poisson pois lambda=λ
A cada nombre de función dado por R (tabla anterior) se le agrega un prefijo ‘d’ para obtener la función
de densidad de probabilidad, ‘p’ para la función de distribución, ‘q’ para la función cuantil o percentil y
‘r’ para generar variables pseudo-aleatorias (random).
*max(0, k-n) ≤x ≤min(k, m)
Distribución binomial (n,p) (Verificar P(x) y E(X)
Gráfica en R de la función de masa de probabilidad de la B(10, 0.25)
> x <- 0:10 # el soporte de la distribución
> y <- dbinom(x, size=10, prob=.25) # generar las probabilidades
> plot(x, y, type = "h", lwd = 30, main = "Probabilidades Binomiales con n = 10, p = .
25", col = "blue")
= 2.4, = = 1.489
función barplot()
barplot(p, names.arg=as.character(y),main = “Distribución Binomial negativa
con k = 4, p=0.5", xlab=“y“, ylab=“P(y)”)
Graficar para p=0.3, p=0.75
Observación: La función que usa R, es
, y= 0, 1, 2, . . .
Con , y
Ejemplo 5. (Distribución geométrica y binomial negativa) Una prueba de
resistencia de soldaduras consiste en poner carga en uniones soldadas hasta
que se dé una ruptura. Para cierto tipo de soldadura, 80% de las rupturas
ocurren en la misma soldadura, mientras que otro 20% se da en las vigas.
X: G(0.2) , x= 1, 2, 3, . . .
= 5, = = 20
P(X=3)= 0.128. Con la función: dgeom(2, 0.2). Se evalúa en 2 que son los fracasos
ii) Sea X el numero de pruebas, incluyendo la prueba que da como resultado la
tercera ruptura de la viga. ¿Cuál es la distribución de X? ¿Cuál su media y
varianza? ¿Cuál es la probabilidad de que en la octava prueba ocurra la tercera
ruptura viga? ¿Cuál es la probabilidad de que se requieran más ocho pruebas
para la tercera ruptura?
Su media y varianza
= 15, = = 60
función barplot()
barplot(p, names.arg=as.character(x),main = “Distribución de Poisson λ= 1",
xlab=“x“, ylab=“P(y)”, col=“red”)
Graficar para: λ =0.3, λ =2, λ=5
Ejemplo 6. (Distribución de Poisson) A una caseta de peaje llegan en
promedio tres vehículos por minuto. Sea X el numero de vehículos que llegan
en un minuto, determine su función de probabilidad. ¿Cuál es la probabilidad
de que en un minuto dado lleguen cinco o más vehículos?
Sea Y el numero de vehículos que llegan en una hora, determine su función
de probabilidad. ¿Cuál es la probabilidad de que en una hora determinada
lleguen 180 vehículos, entre 170 y 190?
X: P(3) ,
Y: P(180) ,
P(170≤ Y≤ 190)= 0.5662. Con la función: ppois(190, 180) - ppois(169, 180) o también
sum(dpois(170:190,180))
Distribución de Poisson (λ) como aproximación de la distribución binomial
(n,P)
Bajo una distribución binomial de parámetros n y p,