Documente Academic
Documente Profesional
Documente Cultură
DISTRIBUCIONES DE PROBABILIDAD
PROBABILIDAD
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
2018
INTRODUCCION
Cada uno de los integrantes del grupo escoge un caso de estudio en el cual
gracias a los conceptos de la probabilidad aplicamos nuestros conocimientos
acerca de las diferentes distribuciones de probabilidad discreta como los son la
binomial, poisson, hipergeometrica y la distribución normal.
CONCEPTUALIZACION
DISTRIBUCIÓN DE PROBABILIDAD
Es un modelo teórico que describe la forma en que varían los resultados de un
experimento aleatorio, es decir, nos da todas las probabilidades de todos los posibles
resultados que podrían obtenerse cuando se realiza un experimento aleatorio. Se
clasifican como discretas o continuas.
Para una variable aleatoria discreta uniforme X, que puede tomar los valores 1,
𝑛+1
2, 3…, n, la media es: 𝜇𝑥 = 𝐸(𝑥) = 2
𝑛2 −1
Su desviacion estandar es: 𝜗𝑥 = √ 12
DISTRIBUCION BINOMIAL
Las distribuciones binomiales son las mas utiles dentro de las distribuciones de
probabilidad discretas. Sus areas de aplicacion incluyen inspeccion de calidad,
ventas, mercadotecnia, medicina, investigacion de opiniones, entre otras.
Estas distribuciones permiten enfrentar circunstancias en las que los resultados
pertenecen a dos categorias relevantes: que ocurra un evento determinado o
que no lo haga. Este tipo de experimento aleatorio particular es denominado
ensayo de Bernoulli. Sus dos resultados posibles son denotados por éxitos y
fracasos y se define por p la probabilidad de un exito y 1-p la probabilidad de
un fracaso.
En general, un experimento aleatorio que consiste de n ensayos repetidos tales
que:
- Los ensayos son independientes
- Cada ensayo es de tipo Bernoulli. Esto es, tiene solo dos resultados
posibles: exitos y fracasos.
- La probabilidad de exito de cada ensayo, denotada por p, permanece
constante. recibe el nombre de experimento binomial.
La variable aleatoria X, de un experimento binomial, que corresponde al
numero de ensayos donde el resultado es un exito, tiene una distribucion
binomial con parametros p y n = 1, 2,Ö y su funcion de probabilidad es
𝑛
𝑓(𝑥; 𝑝, 𝑛) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
ESTUDIO DE CASO 1
Número de usuarios 0 2 3 5 6 8 10 12 15
Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08
X P(x)
0 0,02
2 0,05
3 0,12
5 0,18
6 0,13
8 0,16
10 0,14
12 0,12
15 0,08
0.2
0.18
0.16
0.14
0.12
P(x)
0.1
0.08 P(x)
0.06
0.04
0.02
0
0 2 3 5 6 8 10 12 15
Numero de usuarios
0 x<0
0.02 0≤ x <2
0.07 2≤ x <3
0.19 3≤ x <5
Fx (X)
0.37 5≤ x <6
0.5 6≤ x <8
0,66 8≤ x <10
0,8 10≤ x <12
0.92 12≤ x <15
1 x≥15
0.8
0.6
Fx(X)
0.4
Fx(X)
0.2
0
0 2 3 5 6 8 10 12 15
Numero de usuarios
3. Probabilidad de que en un día seleccionado aleatoriamente haya
exactamente ocho usuarios del barrio esperando el servicio
P(X=x)=Px(X) =0,16=16%
P(X>6)=1-P(X≤6)=1-F(6)=
P(X<4)=Px(3)-P(X=3)
Esperanza 7,46
Varianza 14,3284
Desviación 3,78528731
Una de sus características consiste en que sólo hay dos posibles resultados en
un determinado ensayo del experimento y los resultados son mutuamente
excluyentes; Otra característica de la distribución binomial es el hecho de que
la variable aleatoria es el resultado de conteos. Es decir, se cuenta el número
de éxitos en el número total de ensayos. Una tercera característica de una
distribución binomial consiste en que la probabilidad de éxito es la misma de un
ensayo a otro.
Casos posibles
A= usar cinturón de seguridad
NA= no usar cinturón de seguridad
P(A) 0,785
p(NA) 0,215
n x PROBABILIDAD
8 0 0,000005
1 0,000133
2 0,001704
3 0,012445
4 0,056798
5 0,165902
6 0,302868
7 0,315948
8 0,144197
TOTAL 1,00
0.350000
0.300000
0.250000
PROBABILIDD
0.200000
0.150000
0.100000
0.050000
-
0 1 2 3 4 5 6 7 8
NUMERO VEHICULOS
𝑛
𝑃(𝑛, 𝑥, 𝑝) = ( ) ∗ 𝑝 𝑥 ∗ 𝑞 𝑛−𝑥
𝑥
8
𝑃(8, 5, 0.785) = ( ) ∗ (0,785)5 ∗ (0,215)8−5
5
8!
𝑃(8, 5, 0.785) = ∗ (0,785)5 ∗ (0,215)3
5! ∗ (8 − 5)!
8!
𝑃(8, 5, 0.785) = ∗ (0,785)5 ∗ (0,215)3
5! ∗ 3!
𝑃(8, 5, 0.785) = 0,166
Rta= la probabilidad de que los ocupantes de la parte delantera usen el
cinturón de seguridad en exactamente 5 de los 8 vehiculos es de 16,6%
DATOS
𝑅 𝑁 −𝑅
(𝑋) ( 𝑛 − 𝑋)
𝑝𝑥
𝑁
𝑛
6 1− 6 6! −5!
( )( ) ∗
𝑝𝑥 5 59 − 5 = 5! − 1! 54! − 49!
1 1!
59 59! − 58!
Ω = {1, 2, 3, 4, 5 … . .43}
5
𝑝(5 𝐵𝐴𝐿𝑂𝑇𝐴𝑆) = . 100 = 11,63%
43
RTA: la probabilidad de obtener las 5 balotas del rango 1 al 43 es del
11,63%
1
𝑝(𝑆𝑈𝑃𝐸𝑅 𝐵𝐴𝐿𝑂𝑇𝐴) = . 100 = 6,25%
16
RTA: la probabilidad de obtener la súper balota es de 6,25%
6
𝑝(𝐵𝐴𝐿𝑂𝑇𝐴𝑆 𝐴𝑀𝐴𝑅𝐼𝐿𝐿𝐴𝑆 𝑌 𝑅𝑂𝐽𝐴𝑆 ) = . 100 = 10,17%
59
RTA: la probabilidad de obtener las balotas amarillas y rojas es del 10,17%
Ω = {1,2,3,4,5 … .8 Millones}
1
p( 1. pegarle al gordo) = . 100 = 0,0000125%
8
RTA: la probabilidad de pegarle al gordo es de 0,0000125%
61
p(2. pegarle al gordo) =. 100 = 0,0000066667%
15
RTA: la probabilidad de pegarle al gordo es de menos posibilidad
0,0000066667%
Ω = {1,2,3,4,5,6}
6
p(5 balotas) = . 100 = 10,7%
59
RTA: la Probabilidad de tener 5 balotas amarillas mas la balota es del
10,7%
5
p(4 balotas) = . 100 = 8,47%
59
RTA: la probabilidad de obtener 4 balotas amarillas mas la balota es del
8,47%
4
p(3 balotas) = . 100 = 6,78%
59
RTA: la probabilidad de obtener 3 balotas amarillas mas la balota es del
6,78%
3
p(2 balotas ) = . 100 = 5,08%
59
RTA: la probabilidad de obtener 2 balotas amarillas mas la balota es del
5,08%
2
p(1 balota) = . 100 = 3,39%
59
RTA: la probabilidad de obtener 1 balota amarilla mas la balota es del
3,39%
1
p(0 balotas) = . 100 = 1,69%
59
RTA: la probabilidad de obtener 0 balotas amarillas mas la balota es del
1,69%
Ω = {1,2,3,4,5, }
5
p(5 balotas amarillas) = . 100 = 13,95%
43
4
p(4 balotas amarillas) = . 100 = 11,63%
43
RTA: la probabilidad de obtener 4 balotas amarillas es de 11,63%
3
p(3 balotas amarillas) = . 100 = 6,98%
43
RTA: la probabilidad de obtener 3 balotas amarillas es de 6,98%
2
p(2 balotas amarillas) = . 100 = 4,65%
43
RTA: la probabilidad de obtener 2 balota amarilla es de 4,65%
1
p(1 balotas amarillas) = . 100 = 2,33%
43
RTA: la probabilidad de obtener 1 balotas amarillas es de 2,33%
CASO DE ESTUDIO 4
𝜆=2
𝑘=3
𝑒 −2 23
𝑃= = 0.18
3!
Este cálculo muestra que hay un 18% de probabilidad de que un niño sufra tres
lesiones anuales, lo cual no es una probabilidad tan baja.
0 𝑒 −2 20
= 0.135
0!
1 𝑒 −2 21
= 0.271
1!
2 𝑒 −2 22
= 0.271
2!
3 𝑒 −2 23
= 0.180
3!
La probabilidad de que un niño sufra una lesión en los primeros seis meses es
la misma probabilidad de que sufra cuatro lesiones en un año, por lo que
𝑒 −2 24
𝑃= = 0.09
4!
𝜆=2
Mientras que la desviación estándar es la raíz cuadrada del número esperado
de lesiones
𝜎 = √𝜆 = √2 = 1.4142 ≈ 𝟏
Resumen
Conceptos utilizados Ecuación
Distribución de probabilidad de 𝑒 −𝜆 𝜆𝑘
Poisson 𝑃=
𝑘!
Como se observa en la tabla, esos fueron los conceptos que se usaron para
solucionar esta situación y encontrar un intervalo de lesiones al año que un
niño puede sufrir con el fin de concluir si uno estaría tranquilo o no. Se encontró
que este intervalo es de 1 a 3 lesiones por año y el valor esperado de lesiones
anuales es de 2. Se debe notar que esta distribución se pudo utilizar porque la
situación cumplió los supuestos de la distribución de Poisson.
ESTUDIO DE CASO 5
Datos a considerar:
𝑧 ≤ 95
𝑥−𝜇
𝑧=
𝜎
X= 95 ; 𝜇 = 100 ; 𝜎 = 15
Solucion:
95 − 100
𝑧= 𝑧 = −0,33
15
Miramos tabla de distribución normal
𝑧 = 0,6293 𝑧 = 62,93%
𝒛 = 𝟏𝟐, 𝟗𝟑%
Datos a considerar:
𝑧 < 95
𝑥−𝜇
𝑧=
𝜎
X= 95 ; 𝜇 = 100 ; 𝜎 = 15
Solucion:
95 − 100
𝑧= 𝑧 = −0,33
15
𝑧 = 0,6293 𝑧 = 62,93%
𝒛 = 𝟏𝟏𝟐, 𝟗𝟑%
Datos a considerar:
𝑧 = 85 > 𝑋 < 90
𝑥−𝜇
𝑧=
𝜎
X= 85 y 90 ; 𝜇 = 100 ; 𝜎 = 15
Solucion:
85 − 100
𝑧= 𝑧 = −1 𝑧 = 0,8413 𝑧 = 84,13%
15
90 − 100
𝑧= 𝑧 = −0,66 𝑧 = 0,7453 𝑧 = 74,54%
15
𝒛 = 𝟎, 𝟎𝟐𝟕
4. Puntuación C.I. que habría que sacar en el test de inteligencia para estar
en el 30% inferior (puntuación de CI que deja el 30% de sujetos por
debajo).
Si la puntuación de 45 puntos C.I. equivale a 100%, entonces la
puntuación de C.I. que deja por debajo del 30% debe ser menor al
promedio dado de 45 puntos.
Equivale a 78 puntos.
X=M+Z*O Z= 0,52
𝑋−𝑀
X = 100 – 0,52(15) Z=
𝑂
X = 92,2 Z*O+M=X
X=M+Z*O
X = 100 + 1,28(15)
X = 119,2 Z = 1,28
6. Valores de C.I. entre los que se encuentran el 50% central de los sujetos
Según la gráfica Son todos los valores que están ubicados en el 50%
central de los sujetos.
El 68% de la población tiene una puntuación C.I. entre 85 y 115
Z = 0,67
CONCLUSIONES
Gracias al desarrollo de este trabajo nos damos cuenta que las variables
aleatorias y las distribuciones de probabilidad son de gran utilidad, ya que el
adecuado uso de las correspondientes formulas nos permite dar solución a
problemas que se nos presentan tanto en nuestro trabajo como en la vida
cotidiana.