Documente Academic
Documente Profesional
Documente Cultură
Características:
En este tipo de experimentos los éxitos buscados son expresados por unidad de
área, tiempo, pieza, etc, etc,:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefónicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por día, mes, etc, etc.
Para determinar la probabilidad de que ocurran x éxitos por unidad de tiempo, área,
o producto, la fórmula a utilizar sería:
λx ε − λ
p( x ,λ ) =
x!
donde:
p(x, λ ) = probabilidad de que ocurran x éxitos, cuando el número promedio de
ocurrencia de ellos es λ
λ = media o promedio de éxitos por unidad de tiempo, área o producto
ε = 2.718
x = variable que nos denota el número de éxitos que se desea que ocurra
Hay que hacer notar que en esta distribución el número de éxitos que ocurren por
unidad de tiempo, área o producto es totalmente al azar y que cada intervalo de
tiempo es independiente de otro intervalo dado, así como cada área es
independiente de otra área dada y cada producto es independiente de otro producto
dado.
Ejemplos:
1. Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un día dado, b)
10 cheques sin fondos en cualquiera de dos días consecutivos?
Solución:
a) x = variable que nos define el número de cheques sin fondo que
llegan al banco en un día cualquiera = 0, 1, 2, 3, ....., etc, etc.
λ = 6 cheques sin fondo por día
ε = 2.718
b) x= variable que nos define el número de cheques sin fondo que llegan
al banco en dos días consecutivos = 0, 1, 2, 3, ......, etc., etc.
1
λ = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en
dos días consecutivos
Nota: λ siempre debe de estar en función de x siempre o dicho de otra
forma, debe “hablar” de lo mismo que x.
=1-(0.367918+0.367918) = 0.26416
2
Bioestadística
Distribuciones discretas: Bernouilli, Binomial, Poisson y
Multivariante
Ejemplo: Probabilidad de salir cara al lanzar una moneda al aire (sale cara
o no sale); probabilidad de ser admitido en una universidad (o te admiten o
no te admiten); probabilidad de acertar una quiniela (o aciertas o no
aciertas)
3
Al haber únicamente dos soluciones se trata de sucesos
complementarios:
A la probabilidad de éxito se le denomina "p"
Verificándose que:
p+q=1
p + q = 0,5 + 0,5 = 1
p + q = 0,25 + 0,75 = 1
p + q = 0,00001 + 0,99999 = 1
4
La distribución binomial se aplica cuando se realizan un número"n"
de veces el experimento de Bernouilli, siendo cada ensayo independiente
del anterior. La variable puede tomar valores entre:
“k " es el número de aciertos. En este ejemplo " k " igual a 6 (en cada
acierto decíamos que la variable toma el valor 1: como son 6 aciertos,
entonces k = 6)
La fórmula quedaría:
Luego,
P (x = 6) = 0,205
Es decir, se tiene una probabilidad del 20,5% de obtener 6 caras al lanzar
10 veces una moneda.
5
“k " (número de aciertos) toma el valor 4
La fórmula queda:
Luego,
P (x = 4) = 0,026
Es decir, se tiene una probabilidad del 2,6% de obtener cuatro veces el
número 3 al tirar un dado 8 veces.
Vamos a explicarla:
"λ " = n * p (es decir, el número de veces " n " que se realiza el
experimento multiplicado por la probabilidad " p " de éxito en cada ensayo)
6
“k " es el número de éxito cuya probabilidad se está calculando
Veamos un ejemplo:
La probabilidad de tener un accidente de tráfico es de 0,02 cada vez que se
viaja, si se realizan 300 viajes, ¿cual es la probabilidad de tener 3
accidentes?
Como la probabilidad " p " es menor que 0,1, y el producto " n * p " es menor
que 10, entonces aplicamos el modelo de distribución de Poisson.
Luego,
P (x = 3) = 0,0892
Otro ejemplo:
La probabilidad de que un niño nazca pelirrojo es de 0,012. ¿Cuál es la
probabilidad de que entre 800 recien nacidos haya 5 pelirrojos?
Luego,
P (x = 5) = 4,602