Documente Academic
Documente Profesional
Documente Cultură
PROBABILIDAD Y ESTADÍSTICA
Ingenierías – MODULO 2
1er cuatrimestre 2019
Mg. Roxanna Zuliani
CONTENIDOS
1
Modelo de Probabilidad: Expresión matemática que resulta de un
cúmulo de supuestos. Describe el comportamiento de una variable
aleatoria si el experimento se repite bajo ciertas condiciones iniciales, y
por lo tanto ayuda a predecir resultados de futuras repeticiones.
MODELO UNIFORME
1
𝑝 𝑥 = 𝑥 = 1,2, … , 𝑘
𝑘
2
0,75
p
X p F
0 0,25 0,25
0,50
1 0,25 0,50
3 0,25 1
0,00
0 1 2 3
X
MODELO BERNOULLI
X p F
0 1-p 1-p
1 p 1
𝑝 𝑥 ≥ 0 𝑥 = 0,1
𝑥∈𝑅𝑥 𝑝 𝑥 = 1
3
P ( X x ) p x q 1 x x 0,1
E 𝑋 = 𝑥𝑝 𝑥 = 𝑥 𝑝𝑥 1 − 𝑝 1−𝑥 =𝒑
𝑥∈𝑅𝑥 𝑥∈𝑅𝑥
𝝈𝟐 = 𝑬 𝒙 − 𝝁 𝟐 = 𝒙−𝝁 𝟐𝒑
𝒙 = 𝒙 − 𝒑 𝟐 𝒑𝒙 𝟏 − 𝒑 𝟏−𝒙 =
∀𝒙∈𝑹𝒙 ∀𝒙∈𝑹𝒙
= −𝑝 2 1 − 𝑝 + 1 − 𝑝 2𝑝 = 𝑝 1 − 𝑝 𝑝 + 1 − 𝑝 =𝒑 𝟏−𝒑
1,00
0,90
F(x)
0,10 X p F(x) =1
D 0,75 1
0 0,90
0,50
1 0,10 p
0,90 Dc
0,25
0,10
F(x) = 0
0,00
0 1 2 0 1 x
X
4
Ej: El 10% de las baterías producidas en una fábrica son defectuosas.
Elegimos tres al azar y las clasificamos en defectuosas o no
X p
0 0,729
1 0,243
2 0,027
3 0,001
P(X = 1) =P(D𝐷𝐷 𝐷 𝐷D 𝐷𝐷 𝐷)= 0,10 ∗ 0,902 + 0,92 ∗ 0,10 + 0,9 ∗ 0,10 ∗ 0,9
= 3(0,10 ∗ 0,902 )=0,243
1.0
0.6
0.8
Cumulative Probability
0.6
Probability
0.4
0.4
0.2
0.2
0.0
0.0
5
Y si elegimos 20 al azar y las clasificamos en defectuosas o no ?????
= 𝐷𝐷𝐷 … . . 𝐷 , ….,
20 𝑣𝑒𝑐𝑒𝑠
D ….
DC
D
D Dc D ….
DC
Dc
D c D
Dc …. ….
MODELO BINOMIAL
= 𝑝𝑝 … . 𝑝 . 1 − 𝑝 … . 1 − 𝑝 = 𝑝 𝑥 1 − 𝑝 20−𝑥
𝑥 𝑣𝑒𝑐𝑒𝑠 20 −𝑥 𝑣𝑒𝑐𝑒𝑠
𝑃 𝑋=𝑥 =
𝟐𝟎 𝑝𝑥 1 − 𝑝 20−𝑥
𝐱
6
MODELO BINOMIAL
n
P( X x ) p x ( p)n x con p : prob. de éxito
x
n n!
x (n x )! x!
7
𝒙𝟎 𝒏 𝒌
𝑭 𝑿𝟎 = 𝐏 𝑿 ≤ 𝒙𝟎 = 𝒌=𝟎 𝒌
𝒑 𝟏−𝒑 𝒏−𝒌
P(X ≤ 18)= ?
8
45% 35%
40,96%
31,25% 31,25%
40%
30%
35%
Bi(5;0.2) Bi(5;0.5)
32,77%
25%
30%
Probabilidad
Probabilidad
25% 20%
20,48%
20%
15,62% 15,62%
15%
15%
10%
10%
5,12%
5% 5%
3,13% 3,13%
0,64% 0,03%
0%
0 1 2 3 4 5 0%
0 1 2 3 4 5
X
X
70%
60% 59,06%
50% Bi(5;0.9)
40%
Porcentaje
32,80%
30%
20%
10% 7,29%
5/12 D
7/11
DC
X Binomial ????
7/12 D c 5/11 D
6/11 Dc
9
MODELO GEOMÉTRICO
X G(0,1)
0,10 D
0,10
0,90 Dc D
0,10 D
0,90 Dc
0,10
0,90
Dc D
0,90
E(X) = 1/p = 1 / 0,1= 10 Dc
Se espera que la décima batería seleccionada sea la primera defectuosa
10
Geometric Distribution: Probability of success=0.1
0.08
0.06
Probability Mass
0.04
0.02
0.00
0 10 20 30 40 50
MODELO POISSON
11
MODELO POISSON
Rx ={0,1,2,....} X P ()
E(X) = V(X) =
0.8
0.25
Cumulative Probability
0.20
Probability Mass
0.6
0.15
0.4
0.10
0.2
0.05
0.00
0.0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
x x
12
Poisson Distribution: Mean=0.5 Poisson Distribution: Mean=1
0.6
0.3
Probability Mass
Probability Mass
0.4
0.2
0.2
0.1
0.0
0.0
0 1 2 3 4 5 6 0 1 2 3 4 5 6
x x
0.15
Probability Mass
Probability Mass
0.20
0.10
0.10
0.05
0.00
0.00
0 1 2 3 4 5 6 0 2 4 6 8 10
x x
X : ’Nro. de accidentes graves en boca de pozo por año ´ Poisson Distribution: Mean=0.1
0.8
X P (0.1)
0.6
Probability Mass
0.4
0.2
0.0
0 1 2 3 4 5
𝑒 −0.1 0.11
𝑃 𝑜𝑐𝑢𝑟𝑟𝑎 𝑢𝑛 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒 𝑒𝑛 𝑒𝑙 𝑎ñ𝑜 = 𝑃 𝑋 = 1 = = 0,09048
1!
𝑃 𝑋 = 1 = 𝑃 𝑋 = 1 𝜆 = 0.1
2
𝑒 −0.1 0.1𝑘
𝑃 𝑜𝑐𝑢𝑟𝑟𝑎𝑛 𝑐𝑢𝑎𝑛𝑡𝑜 𝑚𝑢𝑐ℎ𝑜 𝑑𝑜𝑠 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠 𝑒𝑛 𝑒𝑙 𝑎ñ𝑜 = 𝑃 𝑋 ≤ 2 = = 0,999
𝑘!
𝑘=0
𝑒 −0.1 0.10
𝑃 𝑛𝑜 𝑜𝑐𝑢𝑟𝑟𝑎 𝑛𝑖𝑛𝑔ú𝑛 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒 𝑒𝑛 𝑒𝑙 𝑎ñ𝑜 = 𝑃 𝑋 = 0 = = 0,90
0!
−0.1 0.1𝑘
∞ 𝑒
P 𝑜𝑐𝑢𝑟𝑟𝑎𝑛 𝑚á𝑠 𝑑𝑒 𝑑𝑜𝑠 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠 𝑒𝑛 𝑒𝑙 𝑎ñ𝑜 = 𝑃 𝑋>2 = 𝑘=3 =1−𝑃 𝑋 ≤2 ≅0
𝑘!
13
𝑃 𝑛𝑜 𝑜𝑐𝑢𝑟𝑟𝑎 𝑛𝑖𝑛𝑔ú𝑛 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒 𝑒𝑛 6 𝑚𝑒𝑠𝑒𝑠 =
´
𝑃 𝑋´ = 0 = 𝑃 𝑋 = 0 = 0.95123
𝜆 = 0.1 2 = 0.05
´
𝑃 𝑋 ´ = 0 = 𝑃 𝑋 = 0 𝜆 = 0.1 ∗ 2 = 0.2 = 0.8118
𝑛 𝜆 𝑥 𝜆 𝑛−𝑥 𝑒 −𝜆 𝜆𝑥
lim 1− = 𝜆 = 𝑛𝑝
𝑛→∞,𝑝→0 𝑥 𝑛 𝑛 𝑥!
14
Ejemplo: En un proceso de manufactura en el cual se producen piezas de
vidrio, ocurren defectos o burbujas ocasionando que la pieza sea
indeseable para la venta. Se conoce que la probabilidad de que una pieza
tenga una o más burbujas es 0,001 ¿Cuál es la probabilidad de que en
una muestra aleatoria de 3000 piezas menos de 3 de ellas tengan
burbujas?
2
3000
𝑃 𝑋 < 3 = 𝑃 𝑋 ≤ 2 𝑛 = 3000, 𝑝 = 0.001 = 0.001𝑘 1 − 0.001 3000−𝑘
𝑘
𝑘=0
= 0,42308
𝑒 −33𝑘
𝑃 𝑋 ≤ 2 𝜆 = 𝑛𝑝 = 3 =
2
𝑘=0 = 0,42319
𝑘!
0.20
0.15
0.15
Probability Mass
Probability Mass
0.10
0.10
0.05
0.05
0.00
0.00
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Number of Successes x
15
Ejemplos de aplicaciones en las que suele usarse la distribución de
Poisson son:
16