Documente Academic
Documente Profesional
Documente Cultură
Para que dos sucesos sean independientes tienen que verificar al menos
una de las siguientes condiciones:
Es aquel modelo que sigue un experimento que se realiza una sola vez y
que puede tener dos soluciones: acierto o fracaso:
p + q = 0,5 + 0,5 = 1
p + q = 0,25 + 0,75 = 1
p + q = 0,00001 + 0,99999 = 1
Las distribucin binomial parte de la distribucin de Bernouilli:
" k " es el nmero de aciertos. En este ejemplo " k " igual a 6 (en cada
acierto decamos que la variable toma el valor 1: como son 6 aciertos,
entonces k = 6)
" n" es el nmero de ensayos. En nuestro ejemplo son 10
" p " es la probabilidad de xito, es decir, que salga "cara" al lanzar la
moneda. Por lo tanto p = 0,5
La frmula quedara:
Luego,
P (x = 6) = 0,205
La frmula queda:
Luego,
P (x = 4) = 0,026
Vamos a explicarla:
" l " = n * p (es decir, el nmero de veces " n " que se realiza el
experimento multiplicado por la probabilidad " p " de xito en cada
ensayo)
" k " es el nmero de xito cuya probabilidad se est calculando
Veamos un ejemplo:
Como la probabilidad " p " es menor que 0,1, y el producto " n * p " es
menor que 10, entonces aplicamos el modelo de distribucin de Poisson.
Luego,
P (x = 3) = 0,0892
Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 300
viajes es del 8,9%
Otro ejemplo:
La probabilidad de que un nio nazca pelirrojo es de 0,012. Cul es la
probabilidad de que entre 800 recin nacidos haya 5 pelirrojos?
Luego,
P (x = 5) = 4,602
Distribuciones discretas:
Hipergeomtrica
Las distribucin hipergeomtrica es el modelo que se aplica en
experimentos del siguiente tipo:
En una urna hay bolas de dos colores (blancas y negras), cul es la
probabilidad de que al sacar 2 bolas las dos sean blancas?
Son experimentos donde, al igual que en la distribucin binomial, en
cada ensayo hay tan slo dos posibles resultados: o sale blanca o no
sale. Pero se diferencia de la distribucin binomial en que los distintos
ensayos son dependientes entre s:
Donde:
Entonces:
N = 12; N1 = 7; N2 = 5; k = 3; n = 4
Si aplicamos el modelo:
Donde:
Veamos el ejemplo:
Luego:
P = 0,0256
Aplicamos el modelo:
Luego
P = 0,0384
Distribuciones discretas:
Multihipergeomtrica
La distribucin multihipergeomtrica es similar a la distribucin
hipergeomtrica, con la diferencia de que en la urna, en lugar de haber
nicamente bolas de dos colores, hay bolas de diferentes colores.
Ejemplo: en una urna hay 7 bolas blancas, 3 verdes y 4 amarillas:
cul es la probabilidad de que al extraer 3 bolas sea cada una de un
color distinto?
La distribucin multihipergeomtrica sigue el siguiente modelo:
Donde:
Veamos el ejemplo:
Luego:
P = 0,2307
Aplicamos el modelo:
Luego
P = 0,0777
la
Donde:
b: es el extremo superior (en el ejemplo, 160 ptas.)
a: es el extremo inferior (en el ejemplo, 140 ptas.)
Por lo tanto, la funcin de distribucin del ejemplo sera:
Es decir, que el valor final est entre 140 ptas. y 141 ptas. tiene un 5%
de probabilidad, que est entre 141 y 142, otro 5%, etc.
En el ejemplo:
5) DISTRIBUCIN DE POISSON.
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad
de rea, tiempo, pieza, etc, etc,:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de
tiempo, rea, o producto, la frmula a utilizar sera:
donde:
p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero promedio
de ocurrencia de ellos es
= media o promedio de xitos por unidad de tiempo, rea o producto
= 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos que
ocurren por unidad de tiempo, rea o producto es totalmente al azar y que
cada intervalo de tiempo es independiente de otro intervalo dado, as como
cada rea es independiente de otra rea dada y cada producto es
independiente de otro producto dado.
Ejemplos:
1. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10
cheques sin fondos en cualquiera de dos das consecutivos?
Solucin:
a) x = variable que nos define el nmero de cheques sin fondo que
llegan al banco en un da cualquiera = 0, 1, 2, 3, ....., etc., etc.
= 6 cheques sin fondo por da
= 2.718
b)
x= variable que nos define el nmero de cheques sin fondo que
llegan al banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco
en dos das consecutivos
Nota: siempre debe de estar en funcin de x siempre o dicho de
otra forma, debe hablar de lo mismo que x.
Solucin:
a) x = variable que nos define el nmero de imperfecciones en la
hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en
la hojalata
=1-(0.367918+0.367918) = 0.26416
=
0.0498026 + 0.149408 = 0.1992106