UNIVERSIDAD NACIONAL

J O S F. S N C H E Z
CARRIN

F A C U LTA D D E I N G E N I E R A
INDUSTRIAL, SISTEMAS E
I N F O R M T I C A
E SC UE L A D E I N G E N I E R A I N FO R M T I C A

PROF.: DR. ALCIBADES SOSA PALOMINO

Investigacin Operativa II
Aguirre Mallqui,

Jhonatan
Giraldo Chvez, Emanuel
Mendieta Andrade, Yacira
Pizn Quiroz, Bryan
Suarez Loli, Edson

Modelos Probabilsticos: discreto y continuo

ABRIL, 2014

U N J F S C

I n g e n i e r a

I n f o r m t i c a

P g i n a

Modelos Probabilsticos: discreto y continuo

RESUMEN
Son modelos matemticos apropiados para situaciones reales en
condiciones especficas, son importantes porque nos ayudan a
predecir la conducta de futuras repeticiones de un experimento
aleatorio. Los modelos pueden ser discretos o continuos.
Los modelos o distribuciones discretas ms comunes son: La
Uniforme, Binomial, Poisson y la Hipergeometrica. En cuanto a las
continuas, se utilizan fundamentalmente las siguientes: Z de la
Normal, T de Student, F de Snedecor y la Chi cuadrado (x2).
La distribucin de probabilidad de una variable aleatoria es una
funcin que asigna a cada suceso definido sobre la variable aleatoria
la probabilidad de que dicho suceso ocurra. La distribucin de
probabilidad est definida sobre el conjunto de todos los sucesos,
cada uno de los sucesos es el rango de valores de la variable
aleatoria.
La distribucin de probabilidad est completamente especificada por
la funcin de distribucin, cuyo valor en cada x real es la
probabilidad de que la variable aleatoria sea menor o igual que x.

U N J F S C

I n g e n i e r a

I n f o r m t i c a

P g i n a

Modelos Probabilsticos: discreto y continuo

NDICE
INTRODUCCIN.
4
1.
MODELOS
PROBABILSTICOS.
.5
1.1.
Funcin de Probabilidad Discreta y
ejercicio5
1.2.
Funcin de Probabilidad Continua y
ejercicio...6
4.BIBLIOGRAFIA..
....9

U N J F S C

I n g e n i e r a

I n f o r m t i c a

P g i n a

Modelos Probabilsticos: discreto y continuo

Introduccin
El Modelo probabilstico, es la forma que pueden tomar un conjunto
de datos obtenidos de muestreos de datos con comportamiento que
se supone aleatorio.
El modelo probabilstico como modelo de recuperacin de
independencia binaria fue desarrollado por Robertson y Spark Jones.
Este modelo afirma que pueden caracterizarse los documentos de
una coleccin mediante el uso de trminos de indizacin.
Obviamente existe un subconjunto ideal de documentos que contiene
nicamente los documentos relevantes a una necesidad de
informacin para la cual se realiza una ponderacin de los trminos
que componen la consulta realizada por el usuario. A continuacin el
sistema calcula la semejanza entre cada documento de la coleccin y
la consulta y presentando los resultados ordenados por grado de
probabilidad de relevancia en la relacin a la consulta. Este modelo
evita la comparacin exacta (existencia o no de un trmino de la
consulta en el documento) y posibilita al usuario realizar un proceso
de retroalimentacin valorando la relevancia de los documentos
recuperados para que el sistema pueda calcular la probabilidad en
posteriores consultas de que los documentos recuperados sean o no
relevantes en funcin de los trminos utilizados en la consulta sean o
no relevantes.
Pueden ser modelos probabilsticos discretos o continuos.
Los primeros, en su mayora se basan en repeticiones de pruebas de
Bernoulli. Los ms utilizados son:

Modelo
Modelo
Modelo
Modelo
Modelo
Modelo

U N J F S C

de Bernoulli.
Binomial.
Geomtrico.
Binomial negativo.
Hipergeomtrico.
de Poisson.

I n g e n i e r a

I n f o r m t i c a

P g i n a

Modelos Probabilsticos: discreto y continuo

Por otro lado, tal como se ha mencionado antes, existen modelos
probabilsticos continuos, entre ellos destacamos:

Distribucin Normal: usada ampliamente en muestras mayores

a 30 datos.
Distribucin Chi Cuadrado: usada en muestras pequeas.
Distribucin Exponencial: usada en duracin o donde
interviene el paso del tiempo.
Distribucin F o distribucin F de Snedecor: usada para
controlar la varianza de 2 distribuciones.

MODELOS PROBABILSTICOS

Funcin de probabilidad discreta

Es la funcin f(x) de una variable aleatoria discreta x, definida
para cualquier valor positivo finito de x. La funcin de distribucin
para una
variable continua siempre verifica las siguientes
propiedades:
Primera condicin.- 0 f(x) 1
Segunda condicin.Para un evento A:
P(A)=
Funcin de distribucin acumulada de la variable aleatoria discreta:

La media o esperanza de la variable aleatoria discreta X es:

Varianza de una v.a discreta X es:

U N J F S C

I n g e n i e r a

I n f o r m t i c a

P g i n a

Modelos Probabilsticos: discreto y continuo

Ejercicio:
En el Banco de la Nacin de la ciudad de Huacho el promedio de
atencin entre las cuatro ventanillas es de 45 personas por cada 15
minutos, encuentre la probabilidad que en 5 minutos se atiendan 20.
En 5 minutos se atiendan 20 personas
=45 personas en 15 minutos = 3
personas/ minutos 5 minutos
= 5 * 3 = 15 personas/ cada 5 minutos
Aplicando

la

Poisson:

= 15, X= 20, e =2,71828

Funcin de probabilidad contina

Es la funcin f(x) de una variable
definido dentro del intervalo [a, b].

aleatoria

La funcin de distribucin para una

verifica las siguientes propiedades:

continua, para x

variable continua siempre

A. 0 f(x) 1 para todo x R

C. P(ax b) =
Funcin de distribucin acumulada (f.d.a) de la v.a contina

La media o esperanza de la variable aleatoria continua X es:

U N J F S C

I n g e n i e r a

I n f o r m t i c a

P g i n a

Modelos Probabilsticos: discreto y continuo

Varianza de una v.a continua X es:

Ejercicio:
Dos amigos Edson y Bryan, deben encontrarse en una parada de bus
entre las 9:00 a las 10:00h. Cada una esperara un mximo de 10
minutos. Cul es la probabilidad de que no se encuentren, si Bryan
llegara a las 9:30 en punto?
Tomando a=9:00 y b=10:00, b-a=60 minutos
, 0 t 60
f(t)=
0, caso contrario
Ya que Bryan llega 30 minutos despus de las 9:00 y esperar 10
minutos ms, Edson no se encontrar con Bryan si llega entre las
9:00 y 9:20, o si llega despus de las 9:40. Entonces la probabilidad
de que no se encuentren ser:

Y la probabilidad de que se encuentren ser: 1/3

Paso 1) Verificamos:

Paso 2) resolver
U N J F S C

I n g e n i e r a

I n f o r m t i c a

P g i n a

Modelos Probabilsticos: discreto y continuo

Probabilidad de no encontrase:

---------.
.
.
.
.
.
.
.

2/3

20

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

40

60

Probabilidad de encontrarse : 1-(probabilidad de no encontrase)

1/3

---------.

.
.

.
.

.
.
.
.
20

U N J F S C

I n g e n i e r a

.
.
.
40

I n f o r m t i c a

60

P g i n a

Modelos Probabilsticos: discreto y continuo

Bibliografa
Investigacin de operaciones aplicaciones y algoritmos Wayne
L.Wiston.
Investigacin de Operaciones Handy A. Taha

U N J F S C

I n g e n i e r a

I n f o r m t i c a

P g i n a

1 0