Documente Academic
Documente Profesional
Documente Cultură
2
DISTRIBUCION BINOMIAL
Si un ensayo binomial puede dar por resultado
un éxito con probabilidad p y un fracaso con
probabilidad q = 1 - p, la distribución de
probabilidad de la variable aleatoria X, el
número de éxitos en n ensayos
independientes, es
⎧ ⎛n⎞ x n-x
⎪ ⎜x⎟ p q x = 0, 1, 2, . . . , n
p ( x ) = b ( x, n, p) = ⎨ ⎝ ⎠
⎪
⎩0 en otro lugar
x =0 ⎝x⎠
PROPIEDADES
1. Hay dos resultados posibles en cada ejecución (éxito
y fracaso).
2. Hay n ejecuciones independientes del experimento.
3. La probabilidad de éxito es constante para todas las
ejecuciones y es p
⎧ E [x ] = n p
X ~ b (x , n , p ) → ⎨
⎩ V [x ] = n p q
⎛n⎞
E[X] = ∑ x i p( x i ) = ∑ x i ⎜ ⎟ p x q n − x
⎝x⎠
8
EJEMPLO: La probabilidad de que un paciente se
recupere de una enfermedad sanguíneas es 0,4.
Si se sabe que 15 personas han contraído esa
enfermedad, ¿cuál es la probabilidad de que:
a) sobrevivan exactamente 5 ?
( )
P ( X = 5) = 15 ( 0, 4 ) 5 ( 0,6 )10 = 0 .1859
5
P ( X = 5) = b (5,15 , 0, 4 ) = 0 .1859
9
x
p 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,50
0 0,4633 0,2059 0,0874 0,0352 0,0134 0,0047 0,0016 0,0005 0,0000
1 0,3658 0,3432 0,2312 0,1319 0,0668 0,0305 0,0126 0,0047 0,0005
2 0,1348 0,2669 0,2856 0,2309 0,1559 0,0916 0,0476 0,0219 0,0032
3 0,0307 0,1285 0,2184 0,2501 0,2252 0,1700 0,1110 0,0634 0,0139
4 0,0049 0,0428 0,1156 0,1876 0,2252 0,2186 0,1792 0,1268 0,0417
5 0,0006 0,0105 0,0449 0,1032 0,1651 0,2061 0,2123 0,1859 0,0916
6 0,0000 0,0019 0,0132 0,0430 0,0917 0,1472 0,1906 0,2066 0,1527
7 0,0000 0,0003 0,0030 0,0138 0,0393 0,0811 0,1319 0,1771 0,1964
8 0,0000 0,0000 0,0005 0,0035 0,0131 0,0348 0,0710 0,1181 0,1964
9 0,0000 0,0000 0,0001 0,0007 0,0034 0,0116 0,0298 0,0612 0,1527
10 0,0000 0,0000 0,0000 0,0001 0,0007 0,0030 0,0096 0,0245 0,0916
11 0,0000 0,0000 0,0000 0,0000 0,0001 0,0006 0,0024 0,0074 0,0417
10
x
p 0,10 0,20 0,25 0,30 0,40 0,50
0 0,20589 0,03518 0,01336 0,00475 0,00047 0,00003
1 0,54904 0,16713 0,08018 0,03527 0,00517 0,00049
2 0,81594 0,39802 0,23609 0,12683 0,02711 0,00369
3 0,94444 0,64816 0,46129 0,29687 0,09050 0,01758
4 0,98728 0,83577 0,68649 0,51549 0,21728 0,05923
5 0,99775 0,93895 0,85163 0,72162 0,40322 0,15088
6 0,99969 0,98194 0,94338 0,86886 0,60981 0,30362
7 0,99997 0,99576 0,98270 0,94999 0,78690 0,50000
8 1,00000 0,99922 0,99581 0,98476 0,90495 0,69638
9 1,00000 0,99989 0,99921 0,99635 0,96617 0,84912
10 1,00000 0,99989 0,99921 0,99635 0,96617 0,84912
11 1,00000 1,00000 0,99999 0,99991 0,99807 0,98242
11
b) sobrevivan a lo más 2 ?
2
() 2
P(X ≤ 2) = ∑ 15 (0.4)x (0.6)15 - x = ∑ b(x,15, 0.40) = 0.0271
x x=0
x=0
c) sobrevivan al menos 10 ?
P(X ≥ 10) = P(X = 10) + P(X = 11) + … + P(X = 15) =
9
()
=1 − ∑ 15 (0.4)x (0.6)15 - x =
x=0
x
9
P(X ≥10) =1 − ∑ b(x,15, 0.40) = 1 - 0.9662 = 0.0338
x=0
12
d) sobrevivan entre 3 y 8 inclusive?
8
P ( 3 ≤ x ≤ 8 ) = ∑ b ( x , 15 , 0.40 ) =
x=3
8 2
= ∑ b (x, 15, 0.40) - ∑ b(x, 15, 0.40) =
x=0 x=0
E[X ] = np = 15 × 0,4 = 6
13
⎧ E [x ] = 1 p
X ~ g (x , p ) → ⎨ 2
⎩ V [x ] = q p
14
Si tomamos el ejemplo anterior de las tres (3) piezas del
proceso de fabricación tenemos:
F
A D (éxito) → p
B
R
I
C N (fracaso) → q
A
P ( X = x ) = q q q L q q p = q x −1 p P(X = 5) = q q qq p = q 4 p
15
a) en el tercer intento
P(X = 3) = (0.3)2 (0.7) = 0.063
PROPIEDADES:
1.Una muestra de tamaño n se selecciona entre los N artículos sin
reposición (dependientes ).
2.k de los N artículos pueden clasificarse como éxito y N - k como
fracaso. 17
18
GENERALIZANDO: El total de muestras de tamaño n
⎛ N⎞
tomadas de N artículos es ⎜ n ⎟. Se supone que estas
⎝ ⎠
⎛k⎞
muestras son iguales. Hay ⎜ ⎟ formas de seleccionar x
⎝x⎠
éxitos de los k artículos que están disponibles y
para cada uno podemos seleccionar los n − x fracasos
⎛N − k⎞ ⎛ N⎞
⎜
en n − x ⎟ formas. Donde ⎜ n ⎟ son las muestras
⎝ ⎠ ⎛k⎞ ⎛N − k⎞ ⎝ ⎠ N
⎜ ⎟ ⎜ ⎟
posibles y x n − x las favorables. N-k
⎝ ⎠⎝ ⎠ k
x n-x
n 19
⎧ E[ X ] = np = n k
⎪
X ∼ h(x, N, n, k) → ⎨ ⎛
N
N−n ⎞ k⎛ k ⎞⎛ N − n ⎞
⎪ V[ X ] = npq ⎜ ⎟ = n ⎜ 1 − ⎟⎜ ⎟
⎩ ⎝ N − 1 ⎠ N ⎝ N ⎠⎝ N − 1 ⎠
N−n
Donde es el factor de corrección. Este es
N −1
insignificante cuando n es pequeño comparado con N.
N−n
≈1
N −1
Si N es muy grande, el factor de corrección se convierte
N−n n n
en =1 − donde se denomina tasa de muestreo
N −1 N N
20
EJEMPLO: Un grupo de 5 personas se selecciona al azar
entre 3 químicos y 5 físicos. Encontrar la distribución de
probabilidad para el número de químicos en el grupo.
X = número de químicos en el grupo
5F
3Q
⎛ 3⎞ ⎛5⎞
5 ⎜ ⎟ ⎜ ⎟
P(X = 0) = h(0,8,5,3) = ⎝ ⎠ ⎝ ⎠ =
0 5 1
⎛8⎞ 56
⎜ ⎟
⎛3⎞ ⎛ 5 ⎞ ⎝ 5⎠
⎜ ⎟ ⎜ ⎟
15
= ⎝ ⎠ ⎝ ⎠ =
P(X = 1) = h(1,8,5,3) 1 4
⎛ ⎞
8 56
⎜ ⎟
⎝ ⎠
5 21
⎛ 3⎞ ⎛5⎞
⎜ ⎟ ⎜ ⎟
⎝ 2 ⎠ ⎝ 3 ⎠ = 30
=P(X = 2) = h(2,8,5,3)
⎛8⎞ 56
⎜ ⎟
⎝5⎠
⎛3⎞ ⎛ 5 ⎞
⎜ ⎟ ⎜ ⎟
10
P(X⎝ 3=⎠ 3)⎝ 2=⎠h(3,8,5,3)
= =
⎛8⎞ 56
⎜ ⎟
⎝5⎠
⎛3⎞ ⎛ 5 ⎞
⎜ ⎟ ⎜ ⎟
⎝ x ⎠ ⎝5 − x ⎠
=P(X = x) = h(x,8,5,3)
⎛8⎞
⎜ ⎟
⎝5⎠
22
Los experimentos que proporcionan valores numéricos
de una variable aleatoria X, el número de éxitos que
ocurren durante un intervalo de tiempo dado o en una
región especificada, se conoce con el nombre de
experimento de Poisson.
Los ejemplos clásicos son:
1. número de llamadas telefónicas que se reciben por día.
2. número de partículas emitidas.
3. número de accidentes.
4. número de errores de impresión.
23
⎧ e - λ λx
⎪ x = 0, 1, 2, . . . , ∞
Po = p(x, λ ) = ⎨ x!
⎪
⎩ 0 en otro lugar
24
⎧⎪ E[X ] = λ
X ∼ Po (λ) → ⎨
⎪⎩V[X ] = λ
Existen dos formas de obtener una distribución de
Poisson,
25
⎛ n ⎞ x n - x e - λ λx
p(x ) = lím ⎜ ⎟ p q =
n→∞
⎝x⎠ x!
p→0
np → λ
27
λ
X 0 1 2 3 4 5 6 7
2,4 0,0907 0,3084 0,5697 0,7787 0,9041 0,9643 0,9884 0,9967
2,6 0,0743 0,2674 0,5184 0,7360 0,8774 0,9510 0,9828 0,9947
2,8 0,0608 0,2311 0,4695 0,6919 0,8477 0,9349 0,9756 0,9919
3 0,0498 0,1991 0,4232 0,6472 0,8153 0,9161 0,9665 0,9881
3,2 0,0408 0,1712 0,3799 0,6025 0,7806 0,8946 0,9554 0,9832
3,4 0,0334 0,1468 0,3397 0,5584 0,7442 0,8705 0,9421 0,9769
3,6 0,0273 0,1257 0,3027 0,5152 0,7064 0,8441 0,9267 0,9692
3,8 0,0224 0,1074 0,2689 0,4735 0,6678 0,8156 0,9091 0,9599
4 0,0183 0,0916 0,2381 0,4335 0,6288 0,7851 0,8893 0,9489
28
b) más de 3 ladrillos?
3 e− 4 4x
P(X > 3) = 1 – P(X ≤ 3) = 1 – ∑
x =0 x!
= 1 – 0,433 = 0,567
29
n / N es pequeño
30
EJEMPLO: En una producción de 200 unidades hay 8
defectuosas. Se selecciona una muestra aleatoria de 10
unidades. ¿Cuál es la probabilidad de encontrar una
unidad defectuosa?
⎛⎜ 8 ⎞⎟ ⎛⎜192 ⎞⎟ n 10
P(X =1) = ⎝ ⎠ ⎝
1 9 ⎠ = = 0.05
N – k = 192
⎛⎜ 200 ⎞⎟ N 200
k=8
n = 10 ⎝ 10 ⎠
8
p = = 0.04 → q = 1 - p = 0.96
200