FACULTAD DE INGENIERA

PROBABILIDAD
Y
ESTADSTICA
PROBABILIDAD
Y
ESTADSTICA
Irene Patricia Valdez y Alfaro
irenev@unam.mx
U N A M
T E M A S DEL CURSO
1. Anlisis Estadstico de datos muestrales.
2. Fundamentos de la Teora de la
probabilidad.
3. Variables aleatorias.
4. Modelos probabilsticos comunes.
5. Variables aleatorias conjuntas.
6. Distribuciones muestrales.
CONTENIDO TEMA 4
4. Modelos probabilsticos comunes.
Objetivo: El alumno conocer algunas de las distribuciones
ms utilizadas en la prctica de la ingeniera y
seleccionar la ms adecuada para analizar algn
fenmeno aleatorio en particular.
4.1 Ensayo de Bernoulli y Distribucin de Bernoulli.
4.2 Distribucion Binomial, Geomtrica, Pascal e Hipergeomtrica.
4.3 Proceso de Poisson y Distribucin de Poisson.
4.4 Distribucin uniforme continua.
4.4 Distribuciones normal y normal estndar.
4.5 Generacin de nmeros aleatorios.
MODELOS PROBABILSTICOS
COMUNES
MODELOS PROBABILSTICOS
COMUNES
DISTRIBUCIONES DE
PROBABILIDAD DISCRETAS
DISTRIBUCIONES DE
PROBABILIDAD DISCRETAS
ENSAYO DE BERNOULLI
Consiste en realizar un slo experimento (ensayo) en el
cual existen nicamente dos posibles resultados:
S = {xito, fracaso }
Por ejemplo: observar un artculo y ver si es defectuoso
Definimos a la variable aleatoria de Bernoulli de la
siguiente forma:
I =
0 ;
1 ;
Si el resultado del ensayo es fracaso.
Si el resultado del ensayo es xito.
A sta ltima se le conoce como funcin indicadora
DISTRIBUCIN DE BERNULLI (1/3)
Supongamos que en un ensayo de Bernoulli la probabilidad
de obtener xito es p. Como el ensayo tiene nicamente dos
resultados posibles, entonces la probabilidad de obtener un
fracaso es 1-p. llamaremos q a la probabilidad de fracaso.
p = Probabilidad de xito
q =(1-p) = Probabilidad de fracaso
Con esto, la distribucin de probabilidad de la variable
aleatoria de Bernoulli es:
P( I ) =
q ;
p ;
I =0
I =1
0 ; c.o.c
DISTRIBUCIN DE BERNULLI (2/3)
La media o valor esperado de la variable aleatoria de
Bernoulli es:
p p q I E = + = 1 0 ] [
La varianza de la variable aleatoria de Bernoulli es:
2 2
] [ ] [ ] [ I E I E I V =
p
I
= p
I
=
pq p p p p p p q I V = = = + = ) 1 ( ) 1 0 ( ] [
2 2 2 2
pq
I
=
2
o pq
I
=
2
o
P( I ) =
q ;
p ;
I =0
I =1
0 ; c.o.c
DISTRIBUCIN DE BERNULLI (3/3)
p
X
= p
X
= pq
X
=
2
o pq
X
=
2
o
P( x ) =
q ;
p ;
x =0
x =1
0 ; c.o.c
Si llamamos X, en lugar de I, a la Variable aleatoria de
Bernoulli, su distribucin de probabilidad queda:

=
=

c. o. c. 0
1 0, x ;
) (
1 x x
q p
x P

=
=

c. o. c. 0
1 0, x ;
) (
1 x x
q p
x P
La cual tambin se puede
abreviar de la forma:
Esta es la forma ms
usual de representar a
la distribucin de
Bernoulli
ENSAYO BINOMIAL
Consiste en realizar n veces el ensayo de bernoulli, de
manera independiente uno de otro y suponiendo que la
probabilidad de xito p permanence constante en cada uno
de ellos.
Por ejemplo: observar cinco artculos de un mismo lote
y contar el nmero de artculos con defecto.
Definimos a la variable aleatoria de Binomial de la
siguiente forma:

=
= + + =
n
j
j n
I I I I X
1
2 1
...

=
= + + =
n
j
j n
I I I I X
1
2 1
...
donde las I
j
son variables aleatorias de Bernoulli
independientes, cada una con media p y varianza pq.
As definida, X representa entonces el nmero de xitos
obtenidos al realizar n veces el ensayo de Bernoulli.
DISTRIBUCIN BINOMIAL (1/3)
Al realizar el ensayo binomial, la variable aleatoria puede
adquirir los valores: X={0,1,2,...,n}
Supongamos que se realizan n ensayos de Bernoulli y la probabilidad
de xito es p, la distribucin de X para n =2, 3 4 es:
Se observa que el trmino genrico es p
x
q
n-x
repetido un determinado nmero de veces
cuntas?
Para n= 2 Para n= 3 Para n= 4
X P(x) X P(x) X P(x)
0 q q = p0q2 (1 vez) 0 q q q =p0q3 (1vez) 0 q q q q = p0q4
1 p q + 1 p q q + 1 p q q q +
q p = p1q1 (2 veces) q p q + q p q q +
q q p =p1q2 (3veces) q q p q +
2 p p p2q0 (1 vez) q q q p = p1q3 (4veces)
2 p p q +
p q p + 2 p p q q +
q p p =p2q1 (3veces) p q p q +
p q q p +
3 p p p =p3q0 (1vez) q p p q +
q p q p +
q q p p = p2q2 ( 6 veces)
3 p p p q +
p p q p +
p q p p +
q p p p = p3q1 (4veces
4 p p p p = p4q0
DISTRIBUCIN BINOMIAL (2/3)
! .. . ! !
!
2 1
,.., ,
2 1
k
n
m m m
m m m
n
P
k
=
Para encontrar el nmero de formas en que se pueden obtener X
xitos y n-x fracasos, recordemos la expresin para el clculo de
permutaciones con grupos de objetos iguales:
n
x
n
x n x
C
n x
n
P = =

! x) - ( !
!
,
n
x
n
x n x
C
n x
n
P = =

! x) - ( !
!
,
A={ e, e, e, e,....e, f, f, f, f,..., f }
x xitos
n-x fracasos
Supongamos que se obtienen consecutivamente primero los X xitos y luego los n-x
fracasos:
P(A)=p
x
q
n-x
Hagamos m
1
=x y m
2
=n-x:
Es decir que el nmero de formas en que se pueden ordenar los xitos y los fracasos es C(n,x)
DISTRIBUCIN BINOMIAL (3/3)
Finalmente, tenemos que el trmino p
x
q
n-x
se repite un numero de
veces igual a C(n,x) :

=
=

c o. c. ; 0
n .., 2, 1, 0, x ;
! x) - ( !
!
) (
x n x
q p
n x
n
x P
En forma resumida, la distribucin de la variable aleatoria binomial es:
n .., 2, 1, 0, x ; ) ( ) ( =
|
|
.
|

\
|
= = =
x n x
q p
x
n
x X P x P n .., 2, 1, 0, x ; ) ( ) ( =
|
|
.
|

\
|
= = =
x n x
q p
x
n
x X P x P
Puesto que la forma de P(x) depende de p y de n, stos son los pmetros de la
distribucin binomial:
P(x; n,p)
La media de la VA binomial es:
np p p p I E I E I E I E I I I I E X E
n j n j
= + + + = + + + + + = + + + + + = ... ] [ .... ] [ ... ] [ ] [ ] .... ... [ ] [
2 1 2 1
La varianza de la VA binomial es:
npq pq pq pq I V I V I V I V I I I I V X V
n j n j
= + + + = + + + + + = + + + + + = ... ] [ .... ] [ ... ] [ ] [ ] .... ... [ ] [
2 1 2 1
np
X
= np
X
=
npq
X
=
2
o npq
X
=
2
o
DISTRIBUCIN BINOMIAL ACUMULATIVA
La distribucin de probabilidad acumulativa de la variable aleatoria
binomial es:

=
|
|
.
|

\
|
= s =
x
i
i n i
q p
i
n
x X P x F
0
x .., 2, 1, 0, i ; ) ( ) (

=

=
|
|
.
|

\
|
= s =
x
i
i n i
q p
i
n
x X P x F
0
x .., 2, 1, 0, i ; ) ( ) (
Como el clculo de F(X) puede resultar tedioso cuando x es relativamente grande,
existen tablas de F(x) hasta para n=30.
Ejercicio:
Se afirma que 30% de la produccin de ciertos instrumentos se
realiza con material nacional y los dems con material importado.
Si se toma una muestra aleatoria con reemplazo de 25 de estos
instrumentos:
1.- cul es la probabilidad de que 3 de ellos sean de material
nacional?
2.- cul es la probabilidad de que no ms de 3 de ellos sean de
material nacional?
3.- cul es la probabilidad de que al menos 3 sean de material
nacional?
4.-Cuntos instrumentos fabricados con material nacional se
esperara encontrar en la muestra?
P(Xs3)=P(X=0)+P(X=1)+P(X=2)+P(X=3)
P(Xs3)=1-P(X s 2)
P(X=3)
E[X]=np
n=25, p=0.3
Distribucin Geomtrica
Implica que realizamos repetidamente el ensayo y nos detenemos
al obtener el primer xito. Cada ensayo es realizado de manera
independiente uno de otro y suponiendo que la probabilidad de
xito p permanence constante en cada uno de ellos.
Definamos una variable aleatoria X como el nmero de ensayos de
Bernoulli, independientes, necesarios para obtener el primer xito.
donde la prbabilidad de xito es p
P(X=1)=P(e)=p
P(X=2)=P(f,e)=pq
P(X=3)=P(f,f,e)=q
2
p
P(X=4)=P(f,f,fe)=q
3
p
.....
P(X=x)=q
x-1
p
.. 2,3,. 1, x ; ) (
1
= =
x
pq x P .. 2,3,. 1, x ; ) (
1
= =
x
pq x P
p
X
1
=
p
X
1
=
2
2
p
q
X
= o
2
2
p
q
X
= o
La media y varianza de la variable aletoria Geomtrica son:
El nico parmetro de la distribucin geomtrica es p.
Distribucin de Pascal
( Binomial Negativa)
Definamos una variable aleatoria X como el nmero de
ensayos de Bernoulli necesarios para obtener exactamente K
xitos
2.. k 1, k k, x ;
1
1
) ( + + =
|
|
.
|

\
|

=
k x k
q p
k
x
x P 2.. k 1, k k, x ;
1
1
) ( + + =
|
|
.
|

\
|

=
k x k
q p
k
x
x P
La media y varianza de la variable aletoria de Pascal son:
p
k
X
=
p
k
X
=
2
2
p
kq
X
= o
2
2
p
kq
X
= o
Los parmetros de la distribucin de Pascal son p y k. k = 1, 2, 3, ....
Distribucin Hipergeomtrica
Definamos una variable aleatoria X como el nmero de xitos
en n ensayos de Bernoulli, donde los ensayos se realizan
sobre una poblacin finita de tamao N
positivos enteros k n, N,
k - N x) - (n k, x
n 0,1,2,..., x
; ) ( s s
=
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
=
n
N
x n
k N
x
k
x P
positivos enteros k n, N,
k - N x) - (n k, x
n 0,1,2,..., x
; ) ( s s
=
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
=
n
N
x n
k N
x
k
x P
La media y varianza de la variable aletoria de Hipergeomtrica son:
np
N
k
n
X
= = np
N
k
n
X
= = |
.
|

\
|

=
|
.
|

\
|

|
.
|

\
|

|
.
|

\
|
=
1 1
1
2
N
n N
npq
N
n N
N
k
N
k
n
X
o
|
.
|

\
|

=
|
.
|

\
|

|
.
|

\
|

|
.
|

\
|
=
1 1
1
2
N
n N
npq
N
n N
N
k
N
k
n
X
o
Los parmetros de la distribucin de Hipergeomtrica son: N, n y k
Sea K el nmero de elementos en la poblacin que poseen una
caracterstica en particular, tal que p = K/N = Prob de xito inicial.
Distribucin de Poisson
Definamos una variable aleatoria X como el nmero de
eventos independientes que ocurren a una rapidez constante
0
. . . 3, 1, 0, x
;
!
) (
>
=
=

x
e
x P
x
0
. . . 3, 1, 0, x
;
!
) (
>
=
=

x
e
x P
x
Donde es el nmero promedio de ocurrencias del evento por
unidad de tiempo o espacio.
La media y varianza de la variable aletoria de Poisson son:
=
X
=
X
o =
2
X
o =
2
X
El nico parmetro de La distribucin de Poisson es .
La distribucin de Poisson es sesgada a la derecha y leptocrtica, pero tiende a ser
insesgada y mesocrtica cuando aumenta .
La Distribucin de Poisson como lmite de la
Distribucin Binomial*
Sea X una VA con dsitribucin binomial con parmetros n y p
n .., 2, 1, 0, x ;
! x) - ( !
!
) , ; ( = =
x n x
q p
n x
n
p n x P
Si para n=1, 2, ... se cumple la realacin p= /n, para alguna
>0, entonces:
. . . 2, 1, 0, x ;
!
) , ; ( lim
0
= =

x
e
p n x p
x
p
n

. . . 2, 1, 0, x ;
!
) , ; ( lim
0
= =

x
e
p n x p
x
p
n

la aproximacin es mejor cuando n es grande y p pequeo,

de tal forma que =np tiene un valor moderado
*Ver Canavos.
MODELOS PROBABILSTICOS
COMUNES
MODELOS PROBABILSTICOS
COMUNES
DISTRIBUCIONES DE
PROBABILIDAD CONTINUAS
DISTRIBUCIONES DE
PROBABILIDAD CONTINUAS
Continuar ..