Documente Academic
Documente Profesional
Documente Cultură
Distribucin Binomial.
Un experimento binomial tiene las siguientes propiedades:
1. El experimento consiste en n ensayos idnticos.
2. Cada ensayo tiene dos resultados posibles. A uno de ellos se le denotar como
xito y al otro fracaso.
3. La probabilidad de xito en un ensayo es igual a p y es igual en todos los ensayos.
La probabilidad de fracaso en cada ensayo es q=1-p.
4. Los ensayos son independientes.
Cuando se cumplen las condiciones anteriores se dice que la variable aleatoria X que
representa el nmero de xitos obtenidos en los n ensayos tiene distribucin Binomial y
se denota (, ). El recorrido de la variable es = {0,1,2, , }.
Las caractersticas de la variable X son:
2. La media de la distribucin es [] = .
3. La varianza es () = .
!
Recurdese que =
representan las combinaciones de n elementos tomado en
!()!
grupos de k.
Ejemplo:
Suponga que Ana, una lanzadora de dardos, logra un objetivo con probabilidad p=1/3.
Suponga que ella dispara a su objetivo 7 veces. Encuentre la probabilidad de que ella
alcance el objetivo:
a)
b)
c)
d)
Exactamente 3 veces.
Al menos una vez.
Encuentre el nmero esperado de veces que ella le atinar al objetivo.
Encuentre la desviacin estndar.
Solucin.
Se puede observar que este experimento es un experimento binomial, pues se realizan
n=7 disparos con las mismas condiciones, en cada disparo hay dos resultados posibles, a
saber, atinarle al blanco o fallar, la probabilidad de xito es p=1/3 y el resultado de cada
1
lanzamiento es independiente de los otros lanzamientos. Por lo tanto, (7, ) .
3
Entonces:
Probabilidad y Estadstica
a) La probabilidad de que le atine al objetivo exactamente 3 veces estara dado por:
3
2 4
7 1
( = 3) = = 0.256
3 3
3
b) La probabilidad de que alcance el objetivo al menos una vez es:
0
2 7
2 7
7 1
( 1) = 1 ( = 0) = 1 = 1 = 0.941
0 3
3
3
c) El nmero esperado de veces que ella le atinar al objetivo es,
1
() = = 7 = 2.333,
3
es decir, aproximadamente dos de esas siete veces le atinar Ana al objetivo.
1
d) La varianza de X es () = = 7 =
Distribucin Geomtrica.
14
9
por lo tanto =
14
9
= 1.2472.
Ejemplo:
y su
0.2
Probabilidad y Estadstica
1
1
y su varianza es
Ejemplo:
[] =
() =
(1 )
2
( = 10) =
= (0.4)3 (0.6)7 = 0.0645
31
2
b) El nmero esperado de nios que deben exponerse a la enfermedad para obtener
tres enfermos es
3
() = =
= 7.5.
0.4
Distribucin Hipergeomtrica .
Se tienen en total N objetos, de los cuales M tienen una caracterstica deseada y los
restantes N-M no. Si se seleccionan n de los objetos, la variable X que representa el
nmero de objetos que poseen la caracterstica deseada de los n seleccionados se
distribuye hipergeomtrica y se denota por (, , ). El recorrido de la variable
X es = {0,1,2, , min{, }} y la funcin masa de probabilidad es
Probabilidad y Estadstica
( = ) =
[] =
() =
( )
2
1
40
5
Distribucin Poisson.
Muchos eventos aleatorios ocurren de manera independiente con una velocidad constante
en el tiempo o en el espacio. Algunos ejemplos tpicos son el nmero de personas que
llegan a una tienda de autoservicios en un tiempo determinado, el nmero de defectos en
piezas similares para el material, el nmero de bacterias en un cultivo, etc.
Probabilidad y Estadstica
Si se considera un intervalo de tiempo fijo en el que se desea contar el nmero de
eventos que se presentan y dicho intervalo se puede dividir en subintervalos con una
longitud suficientemente pequea tal que:
1. La probabilidad de que se presente ms de un evento en un subintervalo es cero.
2. La probabilidad de un evento en un subintervalo es la misma para todos los
subintervalos y proporcional a la longitud del subintervalo.
3. El nmero de eventos en cada subintervalo es independiente de los dems
subintervalos.
Entonces la variable aleatoria X que representa el nmero de eventos que se presentan
en el intervalo fijo es Poisson con parmetro , donde representa el promedio de
eventos que se presentan en el intervalo. En tal caso se escribe ().
El recorrido de la variable X es = {0,1,2,3, } y la funcin masa de probabilidad es:
( = ) =
.
!
= 0.9920
0!
1!
c) Como en un milmetro hay en promedio = 2.3 imperfecciones, el nmero de
imperfecciones en diez milmetros es = 10(2.3) = 23 y como () = se
concluye que () = 23.
Probabilidad y Estadstica
Ejemplo:
Suponga que el 2% de los artculos producidos por una fbrica estn defectuosos.
Encuentre la probabilidad de que haya tres artculos defectuosos en una muestra de 100
artculos.
Solucin.
Sea X la variable que representa el nmero de artculos defectuosos, es claro que
(100,0.02). Por lo que la probabilidad pedida es,
100 (0.02)3 (0.98)97
= 0.1822
( = 3) =
3
Si se utiliza la aproximacin a la Poisson mencionada con = = 100(0.02) = 2
entonces,
2 (2)3
( = 3) =
= 0.1804
3!
que es aproximado al valor verdadero.