Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelos de Probabilidad
Modelos de Probabilidad
PROBABILIDAD
1
Modelos de probabilidad
Proceso de Bernoulli
Distribución de Bernoulli
Distribución Binomial
Distribución Geométrica
Proceso de Poisson
Distribución de Poisson
Distribución Exponencial
Distribución Normal
2
VARIABLES ALEATORIAS
3
VARIABLE ALEATORIA DISCRETA
Ejemplos:
4
VARIABLE ALEATORIA CONTINUA
5
FUNCIÓN DE PROBABILIDAD
Se llama función de probabilidad de una variable aleatoria
discreta X a la aplicación que asocia a cada valor de xi de la
variable su probabilidad pi.
0 ≤ pi ≤ 1
p1 + p2 + p3 + · · · + pn = Σ pi = 1
EJEMPLO: Distribución de probabilidad al lanzar un dado
cúbico.
6
FUNCIÓN DE DISTRIBUCIÓN
F(x) = p(X ≤ x)
7
FUNCIÓN DE DISTRIBUCIÓN
EJEMPLO:
8
Proceso de Bernoulli
9
Proceso de Bernoulli
EJEMPLOS
Observar
Observarel el resultado
resultado al al lanzar
lanzar unauna moneda
moneda
Si Si
unauna pieza
pieza eses defectuosa
defectuosa o no
o no enen
unun proceso
proceso dede fabricación
fabricación
Observar
Observarel el sexo
sexo dede
unun recién
recién nacido
nacido
Si Si
sese transmite
transmite correctamente
correctamente unun
bitbit a través
a través dede
unun canal
canal digital
digital
10
Proceso de Bernoulli
11
Proceso de Bernoulli
DISTRIBUCIÓN DE BERNOULLI
p ( x) p x (1 p )1 x x 0,1
E X 0 (1 p ) 1 p p
Var X (0 p ) 2 (1 p ) (1 p ) 2 p p (1 p )
12
Proceso de Bernoulli
EJEMPLO:
El 10% de los trabajadores del país está desempleado, ¿Cuál es
la probabilidad de seleccionar un individuo al azar y esté
desempleado?
X = 1⇒ Desempleado p = 0,1
p(x=1)=0,1
13
Distribución Binomial
14
Distribución Binomial
nn rr nnrr
PP((XX rr)) pp (1(1 p ) ,,rr 0,1,
p ) 0,1,,,nn
rr
E X np
Var X np (1 p )
15
Distribución Binomial
n=5
16
Proceso de Bernoulli
Ejemplo
Pr( X 0)
17
Distribución Binomial
Ejemplo
Experimento:
Son independientes
X ~ B (40, 0.01)
40
Pr( X 0) 0.010 (1 0.01) 40 0.669
0
18
Distribución Binomial
EJEMPLO
El 53% de los trabajadores de una determinada empresa son
mujeres. Si elegimos 8 personas de esa empresa al azar, calcula la
probabilidad de que haya:
a. Alguna mujer.
b. Más de 6 mujeres.
c. Halla la media y la desviación típica.
19
Distribución Binomial
20
Distribución Binomial
EJEMPLO
La probabilidad de que un determinado juguete salga defectuoso
es de 0,03. Calcula la probabilidad de que en un lote de 60 de
estos juguetes haya:
a. Alguno defectuoso.
b. Menos de dos defectuosos.
c. Halla la media y la desviación típica.
21
Distribución Binomial
22
Distribución Geométrica
X ~ Ge( p )
23
Distribución Geométrica
rr11
PP((XX rr)) (1
(1 pp)) pp,, rr 1,1,2,
2,
24
Distribución Geométrica
25
Distribución Geométrica
p x Pr X x (1 p ) x 1 p
26
Distribución Geométrica
EJEMPLO
La probabilidad de que un bit transmitido a través de un canal de
transmisión digital sea recibido como un error es 0.1. Si las
transmisiones son independientes, ¿Cuál es el número medio de
transmisiones que hemos de observar hasta que ocurre el primer
error?
E X 1/ p 1/ 0.1 10
27
Distribución Geométrica
EJEMPLO
Un matrimonio quiere tener una hija, y por ello deciden tener hijos
hasta el nacimiento de la esperada hija. Calcular:
a.El número esperado de hijos (entre varones y hembras) que
tendrá el matrimonio.
b.Calcular la probabilidad de que la pareja acabe teniendo tres hijos
o más.
28
Distribución Geométrica
a.
b.
29
Distribución Geométrica
30
Distribución Geométrica
31
Modelos de probabilidad
Proceso de Bernoulli
Distribución de Bernoulli
Distribución Binomial
Distribución Geométrica
Proceso de Poisson
Distribución de Poisson
Distribución Exponencial
Distribución Normal
33
Distribución de Poisson
34
Distribución de Poisson
eerr
PP((XX rr)) ,, rr 0,1,
0,1,
rr!!
e r
r 1
EX EX r e
0 r! 1 ( r 1)!
Var X
X ~ P (1 ) Y ~ P(2 ) independientes X Y ~ P(1 2 )
35
Distribución de Poisson
36
Distribución de Poisson
EJEMPLOS
37
Distribución de Poisson
EJEMPLO
El proceso de llegadas de clientes a un puesto de servicio se produce
de manera estable e independiente. Por término medio llega un cliente
cada minuto. ¿Cuál es la probabilidad de que no lleguen clientes en 3
minutos?
X = Número de clientes por minuto X ~ P ( 1)
e 3 30
Pr(Y 0) e 3
0!
38
Distribución de Poisson
EJEMPLO
En los últimos 600 años se han producido 12 grandes terremotos en
España. Determínese la probabilidad de que se produzcan 2 en los
próximos 25 años.
40
Distribución de Poisson
41
Distribución de Poisson
42
Distribución Exponencial
43
Distribución Exponencial
Distribución de exponencial
dF
dF ((tt))
ff ((tt)) ee ,,tt 00
t t
dt
dt
E X 1/
Si hay sucesos por término medio en un
intervalo de tiempo
f x e x
f ( x) 2e 2 x
f ( x) 0.5e 0.5 x
f ( x) 0.1e 0.1x
46
Distribución Exponencial
Ejemplo
EJEMPLO
El proceso de llegadas de clientes a un puesto de servicio se produce
de manera estable e independiente. Por término medio llega un cliente
cada minuto. ¿Cuál es la probabilidad de que pasen más de 3 minutos
entre la llegada de dos clientes?
X = Número de clientes por minuto X ~ P ( 1)
EJEMPLO
En una página web concreta entran una media de λ=1 usuarios/min.
¿Cuál es la probabilidad de que el tiempo que transcurre entre la
entrada de dos usuarios sea de 3 minutos?
48
Distribución Exponencial
49
Distribución Exponencial
Propiedad
Proceso de Poisson
Distribución de Poisson
Distribución Exponencial
Distribución Normal
51
Distribución Normal
Errores de medida
Ruido en una señal digital
Corriente eléctrica en un trozo de cable
…
52
Distribución Normal
( x )2
1
f ( x) e 2 2
x
2
E[ X ] Var[ X ] 2
53
Distribución Normal
54
Distribución Normal
f ( x)
La media, mediana y
moda coinciden
0.5 0.5
55
Distribución Normal
El efecto de y
Es un factor de
traslación
56
Distribución Normal
x
c d
57
Distribución Normal
Densidad de X
1
0
X
X Z
58
Distribución Normal
X ~ N (3, 2)
3 6
Pr( X 6)
Z ~ N (0,1)
Mismoº
área
63 0 1.5
Pr Z Pr( Z 1.5)
2 Estadística, Prof. Bernardo D'Auria 59
Distribución Normal
F ( x) Pr( X x) ( x)
Q( x) Pr( X x) 1 ( x)
Q( x) 1 Q( x)
Existen ciertas cotas para la función Q que se utilizan para calcular
cotas en error de probabilidad de varios sistemas de
comunicaciones 2
1 x2
Q( x) e x0
2
2
x
1
Q( x) e 2 x0
2 x
60
Distribución Normal
61
Distribución Normal
62
Distribución Normal
Ejemplos:
P[Z ≤ 0, 45] = F(0, 45) = 0, 6736
P[Z ≤ 1, 2] = F(1, 2) = 0, 8849
P[Z ≤ 1] = F(1) = 0, 8413
63
Distribución Normal
Si k ≥ 0, P[Z ≥ k] = 1 − P[Z ≤ k]
Ejemplo:
65
Distribución Normal
Ejemplo:
66
Distribución Normal
67
Distribución Normal
Ejemplo:
68
Distribución Normal
EJEMPLO
El tiempo de vida de un semiconductor sigue una distribución Normal
con media 7000 horas y desviación típica 600 horas.
¿Cuál es la probabilidad de que el semiconductor falle antes de 6000
horas?
¿Qué tiempo de vida en horas es excedido por el 95.05% de los
semiconductores?
Pr( X 6000)
Pr( X a ) 0.9505
69
Distribución Normal
EJEMPLO
El tiempo de vida de un semiconductor sigue una distribución Normal
con media 7000 horas y desviación típica 600 horas
¿Cuál es la probabilidad de que el semiconductor falle antes de 6000
horas? 6000 7000
Pr( X 6000) Pr Z Pr( Z 1.66)
600
-1.66
70
Distribución Normal
EJEMPLO
El tiempo de vida de un semiconductor sigue una distribución Normal
con media 7000 horas y desviación típica 600 horas
¿Cuál es la probabilidad de que el semiconductor falle antes de 6000
horas? 6000 7000
Pr( X 6000) Pr Z Pr( Z 1.66)
600
1.66
71
Distribución Normal
EJEMPLO
El tiempo de vida de un semiconductor sigue una distribución Normal
con media 7000 horas y desviación típica 600 horas
¿Cuál es la probabilidad de que el semiconductor falle antes de 6000
horas?
6000 7000
Pr( X 6000) Pr Z Pr( Z 1.66)
600
1 Pr( Z 1.66)
1.66
72
Distribución Normal
¿Cuál es la probabilidad de
que el semiconductor falle
antes de 6000 horas?
1 Pr( Z 1.66)
1 0.9515
0.0485
73
Distribución Normal
EJEMPLO
0.9505
a
74
Distribución Normal
EJEMPLO
0.9505
-b
75
Distribución Normal
EJEMPLO
b
76
Distribución Normal
EJEMPLO
(a 7000)
1.65
600
a 6010
Pr ( Z <-0.6) =
Pr( -0.6 < Z < 1.83 )=
Pr ( Z >0.6 ) =
1 - Pr (Z < 0.6 ) =
Pr( Z < 1.83 ) - Pr( Z -0.6 ) 1 – 0.7257 =
0.2743
-0.6 1.83
78
Distribución Normal
79
Distribución Normal
Ilustración
Sea X una variable
Uniforme en el intervalo
[50,70].
60
Tenemos una muestra de
tamaño 2000.
50
40
La muestra tiene media
59.9 y desviación típica 30
4.57
20
El histograma no se
10
80
Distribución Normal
Muestra
Elegimos aleatoriamente grupos de 10 1ª 2ª 3ª
observaciones. 59 63 59
60 60 69
66 58 60
Para cada grupo de 10 obtenemos entonces 54 53 65
51 53 59
Las medias de cada muestra están más o 63 62 65
70 69 55
original.
aproximadamente normal.
30
a
variable es muy parecida a la de 20
la variable original.
10
82
Distribución Normal
Y X1 X 2 X n
la distribución de
Y i
Y~N i , i
2
N (0,1)
i
2
83
Distribución Normal
Binomial-Normal
Y X 1 X 2 X n E Xi p
Var[ X i ] p (1 p )
T.C.L.
Y N np, np (1 p ) n 30
npq 5
86
La Normal como aproximación de otras distribuciones
Binomial-Normal
0.12
0.08 n 50 p 0.3
npq 10.5
0.04
N 15, 10.5
0.00
5.000 7.625 10.250 12.875 15.500 18.125 20.750 23.375 26.000
x
87
La Normal como aproximación de otras distribuciones
Binomial-Normal
Corrección de Yates
Al pasar de una distribución discreta a una continua, debemos
hacer las siguiente corrección (llamada corrección de Yates):
88
La Normal como aproximación de otras distribuciones
EJEMPLO
Un fabricante de semiconductores admite que produce un 2% de
chips defectuosos. Los chips se empaquetan en lotes de 2000 chips
para su venta. Un comprador rechazará un lote si contiene 25 o más
chips defectuosos
¿Cuál es la probabilidad de rechazar un lote?
Pr( X 25)
X ~ B(2000, 0.02)
n 30 X N (40, 6.26) 25 0.5 40
np 40 Pr Z
6.26
np (1 p ) 39.2 Pr( Z 2.47)
Pr( Z 2.47) 0.9292
89
La Normal como aproximación de otras distribuciones
Poisson-Normal
Poisson-Normal
91
La Normal como aproximación de otras distribuciones
EJEMPLO
El número de defectos en la superficie de un material por metro
cuadrado sigue una distribución de Poisson con media 100.
Si se analiza un metro cuadrado de dicho material, ¿Cuál es la
probabilidad de encontrar 95 defectos o más?
Pr( X 95)
95 100 0.5
Pr Z Pr( Z 0.55)
10
Pr( Z 0.55) 0.6915
92
93