Documentos de Académico
Documentos de Profesional
Documentos de Cultura
OBJETIVOS
OBJETIVOS
Cuando usted haya terminado este capítulo usted
podrá:
5. Definir las características de la distribución
binomial y calcular las probabilidades.
6. Definir las características de la distribución
hipergeométrica y calcular las probabilidades.
7. Definir las características de la distribución de
Poisson y calcular las probabilidades.
DISTRIBUCION DE PROBABILIDADES
OBJETIVOS
variable
Distribuciones de probabilidad discreta
Distribuciones de probabilidad continua
D. Esperanza Matemática (valor esperado)
Para variables aleatorias discretas
Para variables aleatorias continuas
Para distribuciones conjuntas (para variables discretas)
E. Cálculo de Varianza y Desviación estándar
Para variables aleatorias discretas
Para variables aleatorias continuas
CONCEPTO DE DISTRUCION DE PROBABILIDADES
VARIABLE ALEATORIA
Es una variable que toma valores distintos, como
consecuencia de un experimento aleatorio.
Una variable aleatoria se llama variable aleatoria
discreta si se puede contar su conjunto de resultados
posibles. Las variables discretas representan datos que
se cuentan. (enteros)
Cuando una variable aleatoria puede tomar valores en
una escala continua, se llama variable aleatoria
continua. En la mayoría de los problemas prácticos
representan datos que se miden, tales como altura,
pesos, temperatura, tiempo. (decimales)
DISTRIBUCIÓN DE PROBABILIDADES DISCRETAS
.
FUNCIÓN-BINOMIAL
x n x
P(x) n C X p q
En la fórmula cada expresión se define:
X= variable aleatoria binomial o número de éxitos en “n” observaciones
independientes.
p= probabilidad de éxito
q= probabilidad de fracaso
n= tamaño de la muestra
px qn-x= la probabilidad de obtener “x” éxitos y (n-x) fracasos en “n”
observaciones.
n! . Indica el número de formas o combinaciones posibles
x!(n-x)! de obtener “x” éxitos y (n-x) fracasos en “n” observaciones.
C= Combinación
PARÁMETROS-BINOMIAL
EXPERIMENTO: INSPECCIÓN
BUENO q=1-0.05=0.95
0.9138
Respuesta: a probabilidad de que el lote sea
aceptado es de 91.38%
EJEMPLO Nº 2-BINOMIAL
EXPERIMENTO: GOLPEAR
NO DEFORMADA q=1-0.05=0.95
BOLAS DE GOLF
n=4; x: 0,1,2,3,4
VARIABLE BINOMIAL: NÚMERO DE BOLAS DEFORMADAS
SOLUCIÓN:
p(1)= 4C1 *0.051 *0.953 =0.1715 A. Una exactamente quede
deformada Resp= 17.15%
p(0)= 4C0 *0.050 *0.954 = 0.8145 B. Una a lo más quede deformada
0.9860 Respuesta 98.60%
EXPERIMENTO: ENCUESTA A
NO FUMA q=1-0.41=0.59
FUMADORES
n=6; x=0,1,2,3,4,5,6 (¿qué valores puede asumir mi variable aleatoria
binomial?)
VARIABLE BINOMIAL (x): NÚMERO DE FUMADORES
SOLUCIÓN:
Encuentre la probabilidad de que
p(0)= 6C0 *0.410 *0.596 =0.0422
ninguno de ellos fume.
x P(x)
0 0.0422 p(0)= 6C0 *0.410 *0.596 =0.0422
1 0.1759 p(1)= 6C1 *0.411 *0.595 =0.1759
2 0.3055 p(2)= 6C2 *0.412 *0.594 =0.3055
3 0.2831 p(3)= 6C3 *0.413 *0.593 =0.2831
4 0.1475 p(4)= 6C4 *0.414 *0.592 =0.1475
5 0.0410 p(5)= 6C5 *0.415 *0.591 =0.0410
6 0.0048 p(6)= 6C6 *0.416 *0.590 =0.0048
Total 1.0000
EJEMPLO Nº 4-BINOMIAL
Solución :
TABLA
DISTRIBUCIÓN
BINOMIAL
http://karnak.upc.es/teaching/estad/MC/taules/com-usar-taules.pdf
DISTRIBUCIÓN HIPERGEOMÉTRICA
DISTRIBUCIÓN HIPERGEOMÉTRICA
( k C x )( N k C n x )
P( x)
N Cn
Donde:
N = Tamaño de la población
K = # de éxitos en la población
x = # de éxitos que son de interés
n = Tamaño de la muestra o # de
ensayos
C = Denota una combinación
EJEMPLO DISTRIBUCIÓN HIPERGEOMÉTRICA
( k C x )( N k Cn x )
P( x)
N Cn
P ( 4 ) = (40 C ) (50 - 40 C )
Donde: 4 5-4
50 C 5
N = 50
K = 40 P ( 4 ) = (40 C 4) (10C1 )
50 C 5
x= 4
n= 5 P ( 4 ) = (91 390) (10)
2 118 760
P ( 4 ) = .4313
Hypergeometric Distribution
Population Size of
Size (N) 50Subpopulation 40
of Interest (D)
P(X = 4) 0.43134
P ( 4 ) = (40 C 4) (50 - 40 C 5-4 )
50 C 5
P ( 4 ) = (40 C 4) (10 C 1 )
50 C 5
P ( 4 ) = .4313
COMPARACIÓN DISTRIBUCIÓN HIPERGEOMÉTRICA Y Donde:
DISTRIBUCIÓN BINOMIAL N = 50
K = 40
Número de x= 4
estaciones de juego
en la muestra que
Probabilidad Probabilidad n= 5
Hipergeométrica binomial
funcionan de manera
P(x) n = 5, p = 0.80
correcta
x
0 .000 .000
1 .004 .006
2 .044 .051
3 .210 .205
4 .431 .410
5 .311 .328
EJEMPLO No.2: DISTRIBUCIÓN HIPERGEOMÉTRICA
0.2062
P(X = 3) 2
Procedimiento
COMPARACIÓN DISTRIBUCIÓN HIPERGEOMÉTRICA Y
DISTRIBUCIÓN BINOMIAL
= np
DISTRIBUCIÓN POISSON
PARÁMETROS
Media = =n*p
varianza =media
2==n*p
DISTRIBUCIÓN POISSON
APROXIMACIÓN A LA BINOMIAL
e
x u
2 2.71828
1 2
P( x) 0.2707
x! 1!
μ=2;
Χ=1
EJEMPLO Nº 2 DISTRIBUCIÓN POISSON
PROBABILIDAD DE
PROBABILIDAD DE
ACEPTACIÓN
ACEPTACIÓN
DISTRIBUCION POISSON
DISTRIBUCION BINOMIAL
µ=n*p=50*0.04=2
p(0)= 50C0 *0.O4 *0.96
0 50
= 0.1299
0.4005
0.276232807
TOTAL 0.4060
0.270670566
CONCLUSIÓN PARA n GRANDE LOS CALCULOS
CON AMBAS DISTRIBUCIONES SE APROXIMAN
EJEMPLO Nº 3 DISTRIBUCIÓN POISSON
P(2)= 12*2.71828-1
2! =0.1839