Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Es una distribución discreta que permite analizar el número de éxitos que pueden
obtenerse en la ejecución de un experimento que se realiza n veces en las mismas
condiciones.
Exito Fracaso
P(éxito)
2º Definir la probabilidad de éxito: p. =p P(fracaso) =
1-p
3º El experimento se realiza n veces.
p (1 p)
x n x
n
P( X x) C x n!
P X x p x q n x
x! n x !
Donde: x = 0, 1, 2, ..... , n
Notación: X ~ B (n , p)
Función de distribución: F ( x) P( X x) p( x )
xi x
i
X ~ B (n=5 , p = 1/6)
x 5 x
1 5
n
P[ X x ] C x
6 6
3 2
1 5 5
P[ X 3] C 3
6 6
0,03215
Minitab: Calc / Probability distributions / Binomial / elegir: Probability: p(x) ó
Cumulative probability: F(x) –según la probabilidad que se quiera hallar- /
ingresar n y p / Input constant (ingresar el valor de X).
Ejemplo 2
Un estudiante se presenta a un examen de selección múltiple con 8 preguntas,
cada una con 3 respuestas alternativas. Si el estudiante adivina las respuestas de
cada pregunta, y además se sabe que para aprobar el examen debe responder
correctamente seis o más preguntas. ¿Cuál es la probabilidad de que apruebe el
examen?
Solución
Experimento = Responder una pregunta del examen.
Éxito = Responder correctamente la pregunta de un examen.
n = 8 (número de veces que se repite el experimento: son 8 preguntas que se
responden).
p = 1/3 (probabilidad de éxito)
X = Número de respuestas respondidas correctamente en un examen de 8
preguntas (número de éxitos en n).
El rango de X es: RX = { 0, 1, 2, 3, 4, 5, 6, 7, 8 }
X tiene distribución Binomial: B(n=8; p=1/3)
Ejemplo 2
Luego, la probabilidad de aprobar el examen (es decir responder correctamente
6 o más preguntas –cómo mínimo 6 preguntas- del examen) esta dada por:
X ~ B (n=8 , p = 1/3)
p (1 p)
n x n x
x 8 x P( X x) C x
81 2
P[ X x] C x
3 3
6 2 7 8 0
1 2
8 8 1 2 81 2
P[ X 6 ] C 6 C 7 C 8
3 3 3 3 3 3
0 ,0170706 0 ,0024387 0 ,0001524 0 ,019662
Otra forma: Con la Función de Distribución Acumulada:
P(x 6) = 1 – P(x < 6) = 1 - F(5)
= 1 - 0.980338 = 0.019662
Número esperado de preguntas contestadas correctamente:
N=Población
Éxito
Muestra
aleatoria de
tamaño “n”
Fracaso
Distribución Hipergeométrica
Consideremos el siguiente experimento:
Fracaso:
N-M= 12
Distribución Hipergeométrica
min(n,M) significa que el máximo valor que puede tomar la variable con distribución
Hipergeométrica es el menor valor entre n y M.
M N M
P( X x) C C x
N
n x
C n
x = 0, 1, 2 ,....., min n , M
F ( x) P( X x) p( x )
xi x
i
Distribución Hipergeométrica
Ejemplo 1
Se realiza un experimento que consiste en extraer 3 bolillas de una urna que
contiene en total 10 bolillas, 6 de las cuales son azules y 4 son rojas,
P( X x) C x C
Ejemplo 1 n x
N
Solución a) ; C n
X = Número de bolillas azules extraídas en la muestra RX = 0, 1, 2, 3
Este caso, N = 10, M = 6 y n = 3. Minitab: Calc / Probability
Así la probabilidad a calcular es: distributions / Hypergeometricl /
elegir: Probability: p(x) ó
6 4 Cumulative probability: F(x) –según
P[ X 0] C C 0
10
3
0 .0 3 3 3
la probabilidad que se quiera hallar-
/ ingresar N, M y n / Input constant
C 3
(ingresar el valor de X).
4
E ( X ) n M N 3 1,2 1
10
Por ejemplo, si el número de clientes que llegan por hora tiene distribución de
Poisson con una tasa media () de 15 clientes por hora, el número de clientes
que llegan en tres horas tendrá distribución Poisson con una tasa media ()
de 45 clientes por cada 3 horas.
Distribución Poisson
e
x
P[ X x ] x 0 , 1, 2,
x!
F ( x) P( X x) p( x )
xi x
i
Solución
Consideremos la v.a. X:
X: Número de clientes que llegan por el peaje entre las 13:00 13:30
horas (30 minutos). Unidad de medida: 30 minutos.
Distribución Poisson
Ejemplo 1
Consideremos la v.a. X:
Calculando λ :
Ejemplo 1
P[ X x ] x 0 , 1, 2,
x!
Luego X se distribuye como Poisson con λ = 15 : Esto es:
x e 150 e 15
P( X 0) e 15 0.0000003
x! 0!
2 5 e 2
P[ X 5] 0 ,0 3 6 1
5!
Distribución Poisson
Ejemplo 2
Solución b):
Definimos como variable aleatoria a X = Número de llamadas en 9 minutos
RX = { 0, 1, 2, ... }
Si se registran en promedio = 2 llamadas cada 3 minutos, luego cada 9
minutos
P[ X se5]registrarán 1 P ( X =
1 P[ X en5]promedio 4)6llamadas:
1 F (4) 1 0.285057 0.7149
6 x e 6
1 x 0
4
x!
6 0 e 6 6 e 6 6 2 e 6 63 e 6 6 4 e 6
1
0! 1! 2! 3! 4!
1 (0,0025 0,0149 0,0446 0,0892 0,1339)
0,7149
Solución c): 6 0 e 6
P[ X 0] 0 ,0 0 2 5
0!
Distribución Poisson
Ejemplo 3
Se ha observado que los six-pack de gaseosas se toman de los estantes de un
supermercado a razón de 10 en promedio por cada hora, durante el periodo de
mayor afluencia de público.
¿Cuál es la probabilidad que se saque al menos un six-pack en los primeros 6
minutos del periodo de mayor afluencia de público.
Solución:
Definimos como variable aleatoria:
X = Número de six-pack que se toman de los estantes en los primeros 6 minutos
del periodo de mayor afluencia de público. RX = { 0, 1, 2, ... }
Si se toman en promedio = 10 six-pack cada hora, luego cada 6 minutos se
tomarán en promedio = 1 six-pack.