Documente Academic
Documente Profesional
Documente Cultură
A. Mora, J. Remache
J. Espejo, F. Guaman
Universidad de Cuenca
Facultad de Ingeniera
1 / 45
Outline
2 / 45
Ejemplo:
En un sistema de comunicaci
on por voz con 50 lneas. La variable
aleatoria es el n
umero de lneas en uso en un momento en particular.
Sea X el conjunto de todos los posibles valores que pueden estar
siendo utilizadas en un momento en particular.
3 / 45
Outline
4 / 45
5 / 45
f (xi ) 0
n
X
f (xi ) = 1
i=1
f (xi ) = P(X = xi )
Ejemplo:
En el proceso de manufactura de semiconductores, 3 placas de un
monton son evaluadas. Cada placa es clasificada como aprobada o
reprobada. Asuma que la probabilidad de que una placa pase la
prueba sea 0.8 y que las placas son independientes. Determine la
funcion de masa de probabilidad del n
umero de placas del monton
que pasan la prueba.
A. Mora, J. Remache, J. Espejo, F. Guam
an (Universidad
Probabilidad
de Cuenca)
y Estadstica
6 / 45
f (x)
1 0,2 0,2 0,2 = 0,008
3 0,8 0,2 0,2 = 0,096
3 0,8 0,8 0,2 = 0,384
1 0,8 0,8 0,8 = 0,512
7 / 45
Funciones de Distribuci
on Acumulada
Outline
8 / 45
Funciones de Distribuci
on Acumulada
F (x) = P(X x) =
f (xi )
xi x
2
3
0 f (x) 1
Si X Y entonces F (x) F (y )
Ejemplo:
Del ejemplo de las placas determine la
acumulativa
0
si
0,008 si
0,104 si
f (x) =
0,480 si
1
si
funci
on de distribucion
x <0
0x <1
1x <2
2x <3
x 3
V.A. Discretas., 2013
9 / 45
Outline
10 / 45
11 / 45
Ejemplo:
Si todos los valores que puede tomar la variable discreta X son
X = {0, 1, 2, 3, 4} y P(X = x) = 0,2
Determine
X la media y la varianza de la variable aleatoria.
=
xf (x) = 0 0,2 + 1 0,2 + 2 0,2 + 3 0,2 + 4 0,2 = 2
x
X
2 =
(x )2 f (x) =
x
12 / 45
Distribuci
on Uniforme Discreta
Outline
13 / 45
Distribuci
on Uniforme Discreta
b
X
k=a
k(
1
b+a
)=
ba+1
2
2 =
(ba+1)2 1
12
k
X
F (xk ) = P(X xk ) =
i=1
A. Mora, J. Remache, J. Espejo, F. Guam
an (Universidad
Probabilidad
de Cuenca)
y Estadstica
k
1
=
n
n
V.A. Discretas., 2013
14 / 45
Distribuci
on Uniforme Discreta
Ejemplo:
0,15+0,19
2
(0,190,15+1)2 1
12
= 0,17
= 6,8 10 3
15 / 45
Distribuci
on Uniforme Discreta
Ejemplo:
Cuando se lanza un dado honesto, cada elemento del espacio
muestral ocurre con probabilidad 1/6. Por lo tanto tenemos una
distribucion uniforme,
f (x; 6) =
1
6
donde, x = 1, 2, 3, 4, 5, 6
16 / 45
Distribuci
on Binomial
Outline
17 / 45
Distribuci
on Binomial
18 / 45
Distribuci
on Binomial
Ejemplo:
La u
ltima novela de un autor ha tenido un gran exito, hasta el punto
de que el 80 por-ciento de los lectores ya la han ledo. Un grupo de 4
amigos son aficionados a la lectura:
Cual es la probabilidad de que en el grupo hayan ledo la novela 2
personas?
p = 0,8
p(X = 2) = 42 (0,8)2 (0,2)2 = 43
2 0,64 0,04 = 0,1536
A. Mora, J. Remache, J. Espejo, F. Guam
an (Universidad
Probabilidad
de Cuenca)
y Estadstica
19 / 45
Distribuci
on Binomial
Y como maximo 2?
=
= 1)
= 2) =
p(X0 2)4= p(X
= 0)1 + p(X
+ p(X
4
4
3
2
(0,8) (0,2) + 1 (0,8) (0,2) + 2 (0,8) (0,2)2 = 0,1808
4
0
20 / 45
Distribuci
on Binomial
Ejemplo:
La probabilidad de que cierto antibi
otico presente una reaccion
negativa al administrarse a un ave rapaz en recuperacion es de 0.15.
Si se les ha administrado dicho antibi
otico a 10 aves, calc
ulese las
probabilidades de que haya reacci
on negativa:
En dos aves
2
8
P(X = 2) = 10
2 (0,15 )(1 0,15) = 0,2759
En ninguna ave
0
1
P(X = 0) = 10
0 (0,15 )(1 0,15) 0 = 0,1969
En menos de cuatro aves
P(X < 4) = P(X 2) = P(X = 0) + P(X = 1) + P(X = 2) + P(X =
3) = 0,95
En mas de tres aves
P(X > 3) = 1 (P(X 3)) = 0,05
21 / 45
Outline
22 / 45
Distribucion Geometrica
En una serie de ensayos de Bernoulli independientes, con una
probabilidad constante p de exito, sea la variable aleatoria X el
n
umero de ensayos realizados hasta la obtenci
on del primer exito.
Entonces X tiene una distribuci
on geometrica con parametro p y:
fx (x; p) = (1 p)x1 p, x = 0, 1, 2, 3, ...
Ejemplo:
La probabilidad erronea de recibir de manera err
onea un bit enviado
por un canal de distribuci
on es 0,1, sup
ongase que las transmisiones
son eventos independientes, y sea la variable aleatoria X el n
umero de
bits transmitidos hasta que se presenta el primer error.
Entonces P(X = 5) es la probabilidad de que se transmitan de
manera correcta los cuatro primeros bits y que el quinto sea erroneo.
Dado que los ensayos son independientes y la probabilidad de una
transmision correcta es 0.9,
P(X = 5) = P(CCCCE ) = ((0,9)4 )(0,1) = 0,066
A. Mora, J. Remache, J. Espejo, F. Guam
an (Universidad
Probabilidad
de Cuenca)
y Estadstica
23 / 45
1
p
y x2 = V (X ) =
1p
p2
Ejemplo:
Considerando el mismo ejemplo, en este caso p = 0,1. El n
umero
promedio de transmisiones hasta que se presente el primer error es
1/0,1 = 10. La desviaci
on estandar del n
umero de transmisiones hasta
que se presente el primer error es:
q
= V (X ) = 10,1
= 9,49
0,12
24 / 45
Ejemplo:
Calcular la probabilidad de que salga el No. 5 a la tercera vez que
lanzamos un dado.
Definimos exito al numero 5
x =3
p=
1
6
= 0,1666
q = 1 p = 0,833
P(X = 3) = (0,833)2 (0,1666) = 0,1156
25 / 45
x1
r 1
(1 p)xr p r ,
para x = r , r + 1, r + 2, . . .
Es una generalizacion de la distribuci
on geometrica.
Dado que se requieren r ensayos para obtener r exitos, el recorrido de
X es desde r hasta . Cuando r = 1 la variable aleatoria binomial
negativa se convierte en una variable aleatoria geometrica.
A. Mora, J. Remache, J. Espejo, F. Guam
an (Universidad
Probabilidad
de Cuenca)
y Estadstica
26 / 45
Ejemplo:
Suponiendo que la probabilidad de que una persona contraiga cierta
enfermedad a la que esta expuesta es 30 porciento, calcule la
probabilidad que la decima persona expuesta a la enfermedad sea la
cuarta en contraerla.
r = 4 y p = 0,3
x4 p 4 , x = 4, 5, 6...
P(X = x) = x1
41 (1 p)
104 0,34 , x = 4, 5, 6...
P(X = 10) = 101
41 (1 0,3)
= 0,08
La media y varianza de una variable aleatoria binomial negativa
vienen dadas por:
x = E (X ) =
r (1p)
p
y x2 = V (X ) =
r (1p)
p2
27 / 45
Ejemplo:
Para tratar a un paciente de una afecci
on de pulmon han de ser
operados en operaciones independientes sus 5 l
obulos pulmonares. La
tecnica a utilizar es tal que si todo va bien, lo que ocurre con
probabilidad de 7/11, el l
obulo queda definitivamente sano, pero si no
es as se debera esperar el tiempo suficiente para intentarlo
posteriormente de nuevo. Se practicara la ciruga hasta que 4 de sus 5
lobulos funcionen correctamente. Cual es el valor esperado de
intervenciones que se espera que deba padecer el paciente?. Cual es
la probabilidad de que se necesiten 10 intervenciones?
X=numero de operaciones hasta obtener 4 lobulos.
X
k+r 1
k
qk pr
28 / 45
->
Lo que nos interesa es medir el n
umero de intervenciones, Y , mas que
el n
umero de exitos hasta el r-esimo fracaso. La relacion entre ambas
variables aleatorias es muy simple:
Y =X +r
E (Y ) = E (X + r ) =
P(Y = 10) = P(X = 6) =
rp
q
+ r = 11
6+41
6
p 4 q 6 = 0,03185
29 / 45
Distribuci
on Hipergeometrica
Outline
30 / 45
Distribuci
on Hipergeometrica
Distribucion Hipergeometrica
Un conjunto de N objetos contiene:
1
2
(Kx )(NK
nx )
, x = 0, 1, 2, . . . ,mn(K , n)
(Nn )
31 / 45
Distribuci
on Hipergeometrica
Ejemplo:
Un lote de piezas contiene 100 de un proveedor de tubera, y 200 de
un proveedor del mismo material, pero de otro estado. Si se eligen
cuatro piezas al azar y sin reemplazo. Cual es la probabilidad que
todas provengan del proveedor local?
//Sea X el n
umero de partes en la muestra que son del proveedor
local. Entonces, X tiene una distribuci
on hipergeometrica y la
probabilidad pedida es P(X = 4). En consecuencia
P(X = 4) =
200
(100
4 )( 0 )
= 0,0119
300
(4)
200
(100
(100)(200) (100)(200)
2 )( 2 )
+ 3 300 1 + 4 300 0 = 0,408
300
(4)
(4)
(4)
32 / 45
Distribuci
on Hipergeometrica
>
//Cual es la probabilidad de que al menos una pieza de la muestra
sea del proveedor local?
P(X 1) = 1 P(X = 0) = 1
200
(100
0 )( 4 )
= 0,196
300
(4)
K
N
La expresion
finita.
(Nn)
(N1)
33 / 45
Distribuci
on Hipergeometrica
34 / 45
Distribuci
on Poisson
Outline
35 / 45
Distribuci
on Poisson
Distribucion Poisson
Dado un intervalo de n
umeros reales, sup
ongase que el conteo de
ocurrencias es aleatorio en dicho intervalo. Si este puede dividirse en
subintervalos suficientemente peque
nos tales que:
1
2
e x
x! , x
= 0, 1, 2, ...,
36 / 45
Distribuci
on Poisson
>
En el calculo de probabilidades, medias y varianzas de variables
aleatorias Poisson, es importante utilizar unidades que sean
consistentes.
Si una variable aleatoria Poisson representa el n
umero de ocurrencias
en un intervalo, entonces la media de la variable aleatoria debe ser
igual a n
umero esperado de ocurrencias en un intervalo de longitud
identica.
Ejemplo
Las fallas superficiales de un alambre delgado de cobre es X se
presentan de manera aleatoria. Sea X la variable aleatoria que cuenta
el n
umero de fallas superficiales de un alambre de cobre de longitud L
milmetros, y supongase que el n
umero de fallas esta descrito por una
distribucion de Poisson con una media de 2.3 fallas por milmetro.
Determnese la probabilidad de tener exactamente dos fallas en un
milmetro de alambre.
A. Mora, J. Remache, J. Espejo, F. Guam
an (Universidad
Probabilidad
de Cuenca)
y Estadstica
37 / 45
Distribuci
on Poisson
Sea X el n
umero de fallas en un milmetro de alambre. Entonces,
E (X ) = 2,3 fallas//
P(X = 2) =
(e ( 2,3)2,32 )
2!
= 0,265
(e ( 11,5)11,51 0)
10!
= 0,113
38 / 45
Distribuci
on Poisson
Ejemplo:
En una gasolinera la llegada de vehculos sigue la distribucion de
Poisson de parametro 1.6. Calc
ulese la probabilidad de que:
El no de vehculos que lleguen sea superior a tres
P(X > 3) = 1 (P(X 3)) = 1 [P(X = 0) P(X = 1) P(X =
2) P(X = 3)] = 0,0789
Este comprendido entre 2 y 5
P(2 x 5) = P(X = 2) + P(X = 3) + P(X = 4) + P(X = 5) =
0,4689
alg
un vehculo
P(X 1) = 1 P(X < 1) = 1 P(X = 0) = 0,7981
39 / 45
Distribuci
on Multinomial
Outline
40 / 45
Distribuci
on Multinomial
Distribucion Multinomial
Es similar a la distribuci
on binomial, con la diferencia de que en lugar
de dos posibles resultados en cada ensayo, puede haber m
ultiples
resultados
Ejemplo de distribuci
on binomial: a unas elecciones se presentaron
2 partidos polticos: el PP1 obtuvo un 70 de los votos y el PP2 el 30
restante. Cual es la probabilidad de que al elegir 5 ciudadanos al
azar, 4 de ellos hayan votado al PP2?
Ejemplo de distribuci
on multinomial: a esas elecciones se
presentaron 4 partidos polticos: el PP1 obtuvo un 40 de los votos, el
PP2 el 30, el PP3 el 20 y el PP4 el 10 restante. Cual es la
probabilidad de que al elegir 5 ciudadanos al azar, 3 hayan votado al
PP2, 1 al PP3 y 1 al PP1?
A. Mora, J. Remache, J. Espejo, F. Guam
an (Universidad
Probabilidad
de Cuenca)
y Estadstica
41 / 45
Distribuci
on Multinomial
La distribuci
on multinomial sigue el siguiente modelo:
P(X1 = x1 ; X2 = x2 ; X3 = x3 ; ...) =
n!
x1 !x2 !x3 !...
Donde:
X 1 = x1 : indica que el suceso X1 aparezca x1 veces (en el ejemplo,
que el partido PP2 lo hayan votado 3 personas)
n : indica el n
umero de veces que se ha repetido el suceso (en el
ejemplo, 5 veces)
p1 : es la probabilidad del suceso X1 (en el ejemplo, el 40porciento)
Esperanza: = E (Xi ) = npi
Varianza: 2 = V (x) = npi (1 pi )
42 / 45
Distribuci
on Multinomial
5!
1!3!1!0!
Asi:
P = 0,0432
43 / 45
Distribuci
on Multinomial
Ejemplo:
Un grupo de 12 personas decide reunirse en cierta ciudad. La
probabilidad de que una persona llegue a la ciudad en un avion,
coche, tren o autob
us es, respectivamente 0.3, 0.4, 0.1 y 0.2 Cual es
la probabilidad de que de las 12 personas, 3 lleguen en avion, 5 en
coche, 2 en tren y 2 en autob
us? Soluci
on:
Sean X1 =numero de personas que llegan en avi
on
X2 =numero de personas que llegan en coche
X3 =numero de personas que llegan en tren
X4 =numero de personas que llegan en autob
us
Las variables (X 1, X 2X 3X 4) tiene distribuci
on multinomial de
parametros n = 12, p1 = 0,3p2 = 0,4p3 = 0,1p4 = 0,2.
Entonces
P(X1 = 3X2 = 5X3 = 2X4 = 2) =
12!
3!5!2!2!
= 0,01532805
V.A. Discretas., 2013
44 / 45
Ap
endice
Bibliografia
Bibliografia I
45 / 45