Documente Academic
Documente Profesional
Documente Cultură
Índice
1. Proceso de Bernoulli 2
2. Distribución Binomial 5
3. Distribución de Poisson 9
3.1. Extensión o reducción del intervalo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2. Aproximación: Binomial a la dist. Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4. Distribución Hipergeométrica 17
1
Probabilidad y Estadística 1. Proceso de Bernoulli
1 Proceso de Bernoulli
Existen varios experimentos que tienen dos posibles resultados tales como
Un artículo manufacturado de una fábrica es seleccionado y revisado, este puede ser clasificado
como defectuoso y no defectuoso.
Una fruta tomada de una caja de frutas puede estar malogrado o no malogrado
A los experimentos en que solo se observan dos posibles resultados son denominados de experimento
(ensayo) de Bernoulli. Dependiendo del contexto del experimento aleatorio un resultado del experimento
de Bernoulli puede ser indicado como éxito y el otro fracaso. Así se define la variable aleatoria X.
1, si el resultado del experimento es un éxito
X=
0, si el resultado del experimento es un fracaso
A la variable aleatoria en que asume dos resultados X = 0, 1 con probabilidad de éxito igual p y fracaso
se le denomina variable aleatoria de Bernoulli. El proceso de Bernoulli consiste de:
1. una sucesión o repetición de experimentos de Bernoulli. Esto implica que en cada ensayo (repeti-
ción) se tiene solo dos resultados que se son éxito y fracaso. Nótese que
1 ≡ éxito
0 ≡ fracaso
2
Probabilidad y Estadística 1. Proceso de Bernoulli
Ejemplo 1.1.
Los componentes que salen de una línea de ensamble son clasificados como defectuoso o no defectuoso.
Se puede definir la v.a X
1 si el componente es defectuoso
X=
0 si el componente no es defectuoso
La asignación de 1 o 0 es arbitraria, sin embargo se puede usar otros valores, tales como -1 y 1, pero
generalmente se usa 1 y 0.
Una v.a que asume solamente 2 valores (generalmente son 0 y 1) se llama variable aleatoria de Bernoulli
A fin de entender mejor la idea de un proceso de Bernoulli serán considerados algunos ejemplos
Ejemplo 1.2.
El lanzamiento de una moneda 10 veces puede ser considerado como un proceso de Bernoulli?
Si es un proceso de Bernoulli por que:
cada lanzamiento (repetición) se tiene 2 resultados: cara y sello. Dependiendo de lo que se desee
obtener, se puede considerar
Ejemplo 1.3.
Considerando el ejemplo anterior, el lanzamiento de una moneda 10 veces. Si la moneda es honesta,
entonces también es un proceso de Bernoulli mas se debe de considerar p = 1/2.
3
Probabilidad y Estadística 1. Proceso de Bernoulli
Ejemplo 1.4.
Suponga que el 5 % de los productos facturados producidos por una máquina son defectuosos y que
los productos son independientes entre sí. Se toma una muestra aleatoria de 20 productos. El interés
es cuantos productos defectuosos existen en la muestra. Es la selección de la muestra un proceso de
Bernoulli?
Si es un proceso de Bernoulli, porque
El interés es los defectuosos entonces se puede usar una variable aleatoria de Bernoulli definida
por
1, defectuoso (éxito)
Xi =
0, no defectuoso (fracaso)
Observación: Las variables aleatorias relacionadas con un proceso de Bernoulli son dos:
4
Probabilidad y Estadística 2. Distribución Binomial
2 Distribución Binomial
Pregunta: Suponga que una moneda honesta es lanzada 12 veces. Calcular la probabilidad de obtener 4
caras.
Posible Solución: La forma usual de responder es describir todos los resultados posibles y contar en
cuantos resultados se observa 4 caras. Se tener en cuenta que |Ω| = 212 resultados posibles. El cálculo de
la probabilidad pedida debe de tomar un tiempo para poder obtenerlo.
Una manera mas rápida: Para calcular la probabilidad de obtener 4 caras en los 12 lanzamientos de la
moneda se usa la noción del proceso de Bernoulli y la distribución binomial.
Nótese que :
en cada lanzamiento el éxito es obtener una cara y el fracaso es salir sello
como la moneda es honesta entonces la probabilidad de éxito es p = 1/2.
en que 0 ≤ p ≤ 1.
µ = E[X] = np,
q =1−p
5
Probabilidad y Estadística 2. Distribución Binomial
Ejemplo 2.1.
La probabilidad de que cierta clase de componente sobreviva a una prueba de choque es 3/4.
Solución:
P(X = x) = C4x p x (1 − p)4−x , x = 0, 1, 2, 3, 4
a) P(X = 2)
2
3 3 4−2
éxito: probabilidad que sobrevivan p(2) = C42 1−
4 4
p =3/4=0.75 p(2) =
n =4
b) Número esperado
sobreviven exactamente x = 2
3
E[X] = np = 4 · =3
4
Se espera que 3 componentes sobrevivirán al
choque.
6
Probabilidad y Estadística 2. Distribución Binomial
Ejemplo 2.2.
Una cadena grande de tiendas compra cierto tipo de dispositivo electrónico de un fabricante. El fabricante
indica que la tasa de defectuosos del dispositivo es 3 %.
Solución:
a) -
éxito: encontrar artículos defectuosos
n =20
P(X ≥ 1) = 1 − P(X < 1)
por lo menos 1 artículo defectuoso 0 20−0
= 1 − p(0) = 1 − C20
0 (0.03) (1 − 0.03)
x≥1
= 1−
exactamente 5 artículos defectuosos P(X = 5) = C20 (0.03)5 (1 − 0.03)20−5 =
5
x=5
b) -
éxito: encontrar al menos un artículo
defectuoso, esta probabilidad se calculó
en el item anterior P(X ≥ 1)
7
Probabilidad y Estadística 2. Distribución Binomial
Ejemplo 2.3.
Una compañía que produce cristales finos sabe por experiencia que 10 % de sus copas de mesa tienen
imperfecciones cosméticas y deben ser clasificadas como “de segunda”.
a) Entre seis copas seleccionadas al azar, ¿qué tan probable es que sólo una sea de segunda?
b) Entre seis copas seleccionadas al azar, ¿qué tan probable es que por lo menos dos sean de segunda?
c) Cuantos copas se esperan que sean de segunda en la muestra de las seis copas.
8
Probabilidad y Estadística 3. Distribución de Poisson
3 Distribución de Poisson
Si el interés es saber el número de eventos, X, que ocurren durante intervalo dado o en una región
específica se llaman experimentos de Poisson.
La v.a X puede tomar diferentes valores, por ejemplo si no se observa ningún evento se tiene que X = 0,
si observa 2 eventos X = 2, esto quiere decir que X = 0, 1, 2, 3, ..., nótese que no se indica un límite. El
intervalo dado puede ser de cualquier longitud, como un minuto, un día, una semana, por ejemplo,
El numero de llamadas que recibe una recepcionista en una oficina en una hora
La región específica podría ser un segmento de línea, un área, un volumen o una pieza de material, por
ejemplo
e−λ λx
P(X = x) = p(x) = , x = 0, 1, 2, . . . (3.1)
x!
Nótese que la letra e representa la base del sistema de logaritmos naturales en que su valor es
e ' 2.71828.
La media y varianza de una v.a discreta que tiene una distribución de Poisson son iguales
µ = E[X] = λ
σ2 = Var[X] = λ
Así λ representa el número promedio (medio) de ocurrencias de los eventos en una unidad de intervalo
(periodo) o región.
Notación: Si X tiene una distribución de probabilidad de Poisson con parámetro λ, se puede escribir
como
X ∼ Poi(λ)
9
Probabilidad y Estadística 3. Distribución de Poisson
Ejemplo 3.1.
Durante un experimento de laboratorio el número promedio de partículas radiactivas que pasan a través
de un contador en un milisegundo es 4.
c) Indique el número esperado de partículas que ingresen a través del contador en un milisegundo
Solución:
Para este caso se tiene que el número promedio de partículas radioactivas es λ =4 por milisegundo.
e−4 46
P (X = 6) = =
6!
c) Indique el número esperado de partículas que ingresen a través del contador en un milisegundo
E[X] = λ = 4
10
Probabilidad y Estadística 3. Distribución de Poisson
Ejemplo 3.2.
El número X de personas ingresadas a una unidad de cuidados intensivos en un hospital particular, en
un día, tiene una distribución de probabilidad de Poisson con media igual a cinco personas por día.
11
Probabilidad y Estadística 3. Distribución de Poisson
Ejemplo 3.3.
Considere escribir en un disco de computadora y luego enviarlo a través de un certificador que cuenta
el número de pulsos faltantes. Suponga que este número X tiene una distribución de Poisson con
parámetro λ = 0.2 (Sugerido en “Average Sample Number for Semi-Curtailed Sampling Using the
Poisson Distribution”, J. Quality Technology, 1983: 126–129.)
b) ¿Cuál es la probabilidad de que un disco tenga por lo menos dos pulsos faltantes?
12
Probabilidad y Estadística 3. Distribución de Poisson
e−λt (λt)x
P(X = x) = p(x) = , x = 0, 1, 2, . . . (3.2)
x!
en que, λ es número promedio de ocurrencias en un intervalo de tiempo o región.
Nota:
λt es el número promedio de eventos que ocurren en un intervalo (o región) de tamaño t.
Ejemplo 3.4.
El número de clientes que llegan por hora a ciertas instalaciones de servicio automotriz se supone que
sigue una distribución de Poisson con media λ= 7.
Solución:
Nótese que λ =7 por hora.
e−14 (14)x
P(X = x) = , x = 0, 1, 2, . . .
x!
Luego, la probabilidad de que más de 3 clientes lleguen en un periodo de 2 horas es dado por
13
Probabilidad y Estadística 3. Distribución de Poisson
Ejemplo 3.5.
En el caso de cierto tipo de alambre de cobre, se sabe que, en promedio, ocurren 1.5 fallas por milímetro.
Suponiendo que el número de fallas es una variable aleatoria de Poisson.
a) ¿cuál es la probabilidad de que no ocurran fallas en cierta porción de alambre con longitud de 5
milímetros?
14
Probabilidad y Estadística 3. Distribución de Poisson
Ejemplo 3.6.
Un artículo en Los Ángeles Times (3 de diciembre de 1993) reporta que una de cada 200 personas portan
el gen defectuoso que provoca cáncer de colon hereditario. En una muestra de 1000 individuos, ¿cuál
es la distribución de probabilidad aproximada del número de personas que porta este gen? Use esta
distribución para calcular la probabilidad aproximada de que
Solución:
X ∼ Bin(1000, 0.005)
Como se satisface (se cumple) que 1000 ≥ 30 y 0.005 ≤ 0.1 entonces la distribución binomial se puede
aproximar a la distribución de Poisson con parametro λ = np = 1000 × 0.005 =5, esto es
X ∼ Poi(5)
15
Probabilidad y Estadística 3. Distribución de Poisson
Ejemplo 3.7.
En cierta fábrica los accidentes ocurren con muy poca frecuencia. Se sabe que la probabilidad de un
accidente en cualquier día dado es de 0.005, y que los accidentes son independientes entre sí.
a) ¿Cuál es la probabilidad de que en un día de cualquier periodo determinado de 400 días ocurra un
accidente?
b) ¿Cuál es la probabilidad de que ocurra un accidente a lo sumo en tres días de tal periodo?
16
Probabilidad y Estadística 4. Distribución Hipergeométrica
4 Distribución Hipergeométrica
Definición 1 (Distribución Hipergeométrica)
Sea X una v.a discreta, se dice que X sigue una distribución hipergeométrica si su función masa de
probabilidad es
rango de valores
Crx N−r
· Cn−x
P(X = x) = p(x) = , máx{0, n − (N − r)} ≤ x ≤ mı́n{n, r} (4.1)
CnN
en que: n=10
Notación: X ∼ Hgeo(N, r, n), se lee X sigue una distribución hipergeométrica con parámetros N, r
y n.
Características
Se tiene que la población N es finita y la selección de la muestras es sin reemplazo
r r r N−n
E[X] = n Var[X] = n 1−
N N N N−1
Nótese que p = r/ N es la proporción de éxitos en la población, así se puede reescribir
N−n
E[X] = np Var[X] = np (1 − p) ,
N−1
Si n es menor en relación a N se tiene que
N−n
≈1
N−1
17
Probabilidad y Estadística 4. Distribución Hipergeométrica
Ejemplo 4.1.
Un subgerente de una empresa de materias primas, debe contratar 10 personas entre 30 candidatos, 22
de los cuales tienen títulos universitarios.
b) Calcule el número esperado así como la desviación estándar de las personas contratadas que
poseen título
Solución:
Éxito: Se considera como éxito que la persona contratada tenga un título universitario. Así,
C22 8
5 · C10−5
P(X = x) = = 0.0491
C30
10
b) el número esperado así como la desviación estándar de las personas contratadas que poseen título
r 22
E[X] = n = 10 = 7.3333
N 30
18
Probabilidad y Estadística 4. Distribución Hipergeométrica
Ejemplo 4.2.
Una pieza de equipo electrónico contiene seis chips de computadora, dos de los cuales están defectuosos.
Tres chips de este equipo se seleccionan para inspeccionarlos y se registra el número de los defectuosos.
a) Sea X ≡el número de chips de computadora defectuosos. Indique la fmp de la v.a discreta p(x)
c) Calcule P(X ≥ 1)
19
Probabilidad y Estadística 4. Distribución Hipergeométrica
Ejemplo 4.3.
Una compañía tiene cinco solicitantes para dos puestos de trabajo: dos mujeres y tres hombres. Suponga
que los cinco solicitantes están igualmente calificados y que no se da preferencia para escoger género
alguno. Sea X igual al número de mujeres escogido para ocupar las dos posiciones.
c) Calcule P(X = 2)
20