Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILIDAD
1
VARIABLES ALEATORIAS
2
EJEMPLO: LANZAR DOS MONEDAS
3
TIPOS DE VARIABLE ALEATORIA
1. VARIABLE ALEATORIA DISCRETA (V.A.D.)
4
FUNCIÓN DE PROBABILIDAD DE UNA
VARIABLE ALEATORIA DISCRETA
5
FUNCIÓN DE PROBABILIDAD
DISCRETA
6
EJEMPLO
7
8
VALOR ESPERADO Y VARIANZA DE
UNA VARIABLE ALEATORIA DISCRETA
9
EN EL EJEMPLO ANTERIOR:
10
DISTRIBUCIONES DISCRETAS
ESPECIALES
a) Distribución Binomial
b) Distribución Poisson
11
LA DISTRIBUCIÓN BINOMIAL
Ensayos de Bernoulli
13
ESTA DISTRIBUCIÓN TIENE LAS
SIGUIENTES CARACTERÍSTICAS :
1. Suvariable aleatoria esta definida como:
X: Numero de éxitos en “n” ensayos.
2. Su recorrido o rango es:
Rx = {0,1,2,3,4,5, …, n}
3. Su función de probabilidad esta dada por:
n x n x
f ( x) P ( X x) p q , x 0,1,2,..., n
x 14
PROPIEDADES
E ( X ) np
Varianza
npq
2
Desviación Estándar
npq 15
6. USO DE TABLA: PARA EL USO DE LA TABLA
TENER
EN CUENTA LO SIGUIENTE:
CASO
CASO A.
A. PP (X
(X =
= aa )) =Usar
=Usar directamente
directamente la
la tabla
tabla
INDIVIDUAL
INDIVIDUAL
CASO
CASO B.
B. PP (( XX ≥≥ aa )) =
= Directamente
Directamente tabla tabla acumulada
acumulada
CASO
CASO C.
C. PP (( XX >> aa )) =
= PP (X
(X ≥
≥ a+1)
a+1)
CASO
CASO D.
D. PP (( XX <
< aa )) =
= 11 -- PP (( XX ≥
≥ aa ))
CASO
CASO E.
E. PP (( XX ≤≤ aa )) == 11 -- PP (X
(X ≥≥ a+1
a+1 ))
CASO
CASO F.
F. pp (a
(a ≤ ≤ xx ≤
≤ b)b) =
= PP (X(X ≥≥ aa )) -- PP (X
(X ≥
≥ b+1
b+1 ))
16
EJEMPLO DE APLICACIÓN:
En general, el 45% de los postulantes fallan en una
prueba de selección de personal. ¿Cuál es la
probabilidad de que en una muestra de 15:
a) Fallen exactamente 4.
b) Fallen por lo menos 8.
c) Fallen más de 4.
17
SOLUCIÓN:
n=15 candidatos
18
Función de probabilidad:
15
f ( x) P ( X x ) 0.45 0.55
x 15 x
, x 0,1, 2,3, 4,5
x
a) Fallen exactamente 4.
P( X=4)=0.078 = 7.8% Tabla Individual
n=15, X=4, p=0.45
P( X 4) P ( X 4 1) CASO C
TABLA II
P( X 5)
0.88 88%
Donde n 15, x 5, p 0.45
20
EJEMPLO 2
Una compañía que vende por teléfono un
solo artículo, ha vendido 20 artículos en las
últimas 100 llamadas. Si durante un turno
se llaman a 12 clientes, ¿cuál es la
probabilidad de:
21
LA DISTRIBUCIÓN DE POISSON
Llamada así en honor de Simeón Denis Poisson,
probabilista francés del siglo XIX, quien fue el primero
en describirla.
22
EJEMPLOS
Número de manchas en un metro cuadrado de un
esmaltado de un refrigerador.
Número de personas que llegan a una tienda de
autoservicios durante una hora.
Número de llamadas telefónicas en un día.
Número de clientes que llegan a un banco durante
las 10 y 12 p.m.
Número de bacterias en un cm3 de agua.
Número de solicitudes de seguro procesadas por
una compañía en un tiempo determinado, etc.
23
ESTA DISTRIBUCIÓN TIENE LAS
SIGUIENTES CARACTERÍSTICAS :
1. Su variable aleatoria esta definida como:
X: Número de ocurrencias en t unidades de
medida (volumen, espacio, tiempo,
longitud, etc.)
2. Su recorrido o rango es:
Rx = {0,1,2,3,4,5, ….}
3. Su función de probabilidad esta dada por:
e ( ) x
f ( x) P ( X x) , x 0,1,2,...
x! 24
4. Su parámetro es λ que es la tasa de ocurrencia
promedio en t unidades de medida.
5. Su notación es : X P( λ )
6. Uso de tabla: Para el uso de tabla tener en cuenta lo
siguiente:
CASO
CASO1.1. PP((XX≤≤aa))==Usar
Usardirectamente
directamentelalatabla
tabla
CASO2.2. PP((XXaa))== PP((XX≤≤aa -- 1)
CASO 1)
CASO
CASO3.3. PP((XX>>aa))==11-- PP((XX≤≤aa))
CASO4.4. PP((XX aa))==11––PP((XX≤≤aa --1)
CASO 1)
CASO
CASO 5. P ( X = a) = P ( X ≤ a ) - P ( X≤≤aa--11))
5. P ( X = a) = P ( X ≤ a ) - P ( X
CASO
CASO6.6. PP((aa≤≤XX≤≤bb))==PP((XX≤≤bb))--PP((XX≤≤aa-1)
-1)
25
PROPIEDADES
Desviación Estándar
26
EJEMPLO DE APLICACIÓN:
La central telefónica de una empresa recibe un
promedio de 3.4 órdenes de pedido por hora. Estas
ocurrencias se producen al azar. ¿Cuál es la
probabilidad de que se produzcan:
a) Exactamente 4 órdenes de pedido en una hora dada.
b) Como máximo 5 órdenes de pedido en una hora.
c) Más de 5 órdenes de pedido en dos horas.
27
SOLUCIÓN
e3.4 3.4
4
31
SOLUCIÓN:
Datos: n=8000
p=0.001(por dato:1 de cada1000=1/1000=0.001)
éste es por tanto un experimento binomial, pero dado
que : p se acerca a 0 y n es bastante grande, se hace la
aproximación con la distribución de Poisson.
Entonces: λ=np=8000*0.001=8
Nos piden: P( X<7)
Luego: P( X<7)=P( X≤6) Caso 2 Tabla
De tabla: P( X ≤6)=0.313=31.3%
32