Escolar Documentos
Profissional Documentos
Cultura Documentos
OBJETIVOS
Al finalizar la Tema 2, el participante ser capaz de:
TIPOS DE DISTRIBUCIONES
a) DISCRETAS: La variable toma un nmero entero
Distribucin binomial
Distribucin hipergeomtrica
Distribucin Poisson
Distribucin Geomtrica
Binomial Negativa etc.
b) CONTINUAS: La variable puede tomar cualquier valor dentro
de un intervalo dado.
Distribucin Uniforme
Distribucin normal Z
Distribucin Exponencial
Distribucin t
Distribucin Ji-cuadrada 2
Distribucin F
Material de Clases German Pomachagua Perez 7-ene-14
LA DISTRIBUCIN BINOMIAL.
Un experimento es llamado de Bernoulli, si satisface las
siguientes caractersticas:
Ejemplos:
1. Un tratamiento mdico puede ser efectivo o
inefectivo.
2. La meta de produccin o ventas del mes se
pueden o no lograr.
3. Responder al azar 10 preguntas de
verdadero o
falso.
4. Tomar 6 artefactos de un grupo y determinar si son
buenos o malos.
Notacin: X ~ B(x;n;p)
Material de Clases German Pomachagua Perez 7-ene-14
n x n x
P( X x) p q
x
x 0, 1, 2, ........n
Dnde:
n: nmero de ensayos
x : nmero de xitos en cada ensayo.
n - x : nmero de fracaso en el ensayo
n
n!
: nmero de maneras de obtener exactamente x
xitos en n pruebas
x (n x)! x!
p: probabilidad de xito en cualquier prueba
q = 1-p probabilidad de fracaso en cualquier prueba
E(X) = n p
V(X) = n p q
P( X 2)
(
0
.
3
)
(0.7)
2
P( X 0) (0.7)3 0.343
c) De que al menos una persona lea peridico en la noche?
P( X 1) 1 P( X 1)
P( X 1) 1 P( X 0) 1 0.3430 0.657
d) Hallar P(1 x 3)
P(1 x 3) P( X 1) P( X 2) P( X 3)
P(1 x 3) 1 P( X 0) 0.657
p=0.7
p= 0.3
x
0
1
2
3
Total
p= 0.7
p(x)
0.343
0.441
0.189
0.027
1
F(x)
0.343
0.784
0.973
1
x
3
2
1
0
TOTAL
p(x)
0.343
0.441
0.189
0.027
1
En SPSS la distribucin
Binomial
P( Devuelto) P( X 2)
P( Devuelto) 1 P( Aceptado )
P( Aceptado ) P( X 0) P( X 1) P( X 2)
P( Aceptado ) 0.5404 0.3413 0.0988 0.9805
P( Devuelto) 1 P( Aceptado ) 0.0195
Material de Clases German Pomachagua Perez 7-ene-14
Solucin:
X: Numero de artculos defectuosos
La probabilidad de obtener un artculo defectuoso del total de la produccin de un
da es
2
1
p (0.06) (0.03) 0.05
3
3
10
P( X 3) (0.05) 3 (0.95) 7 0.01047
3
Material de Clases German Pomachagua Perez 7-ene-14
15
b) P(x 0) 0.720 0.2815 5.097 10 9
0
15
13
2
c) P( x 13)
0
.
72
0
.
28
0.11503
13
Material de Clases German Pomachagua Perez 7-ene-14
603
212
105
52
28
distribucin binomial?
Solucin:
La media de la muestra es x = 0.69
LA DISTRIBUCIN HIPERGEOMTRICA
N-r
LA DISTRIBUCIN HIPERGEOMTRICA
CARACTERSTICAS
Se toma una muestra de tamao n sin
reemplazamiento de un conjunto finito de tamao
N.
Cada ensayo puede ser calificado por un xito o
un fracaso.
La probabilidad de xito no permanece
constante de un ensayo a otro (no son
independientes)
x nx
P( X x)
N
n
x 0,1,....... min( n, r )
donde:
N : tamao de la poblacin
r : es el nmero total de defectuosos en la poblacin
n : tamao de la muestra
x : es el nmero de defectuosos en la muestra
r
p
N
E ( x) np
N n
V ( x ) npq
N 1
Solucin:
x
n
P ( X x)
N
Sea X: nmero de impresoras defectuosas.
n
N = 10
3 7
r = 3 impresoras defectuosas
N - r = 7 impresoras no defectuosas P( X 1) 1 1 3 7 0.47
45
10
n = 2 tamao de la muestra
x=1
2
n x = 1
b) Hallar la probabilidad de encontrar por lo menos una impresora
defectuosa
3 7
0 2
21
P( X 1) 1
1
0.53
Si P( X 1) 1 P( X 0)
45
10
2
Material de Clases German Pomachagua Perez 7-ene-14
x
0
1
2
Total
p(x)
0.46666667
0.46666667
0.06666667
1
P( X 1) 1 P( X 0)
3 47
0 5
P( X 1) 1
0.28
50
5
Distribucin de Poisson
Si el numero esperado de ocurrencias en el intervalo es , entonces la
probabilidad de que haya exactamente x ocurrencias es:
P( X x)
x e
x!
, x 0,1,2,... 0
Donde:
x: nmero de veces que ocurre un suceso
= nmero promedio de ocurrencias del suceso por unidad de
tiempo o espacio
e :2.718
E ( x) V ( x)
0,8646
0,1954
?
0,0733
0,8348
P( X 5) 1 P( X 5) 1 P( xi ) 1 0.9161 0.0839
x 0
c)
( x 0,1,....n)
100 99
P( X 2)
100
0.9206
100
99
98
2
100 99 1 100 99 1
1
2
100 100
100 100
P( X 2) P( X 0) P( X 1) P( X 2)
e 1
P( X 2) e e
2
1
x
P( X x) e
x!
P( X 2) e 1 (1 1 12 ) 0.9197
Material de Clases German Pomachagua Perez 7-ene-14
( x 0,1,....)
36
EJERCICIOS
1. Se lanzan dos dados cuatro veces. Cul es la probabilidad de que la suma de 9
aparezca exactamente dos veces? Rpta= 0.058527
2. La probabilidad de tener una venta en un intento de cierto vendedor es Cul
es la probabilidad de obtener
a) Exactamente dos ventas en tres intentos de ventas consecutivas Rpta: 0.375
b) Por lo menos una venta en tres intentos de ventas consecutivas? Rpta:0.875
c) Cuntos intentos de ventas consecutivas deben hacerse para obtener una
seguridad de 0.9375 de obtener por lo menos una venta? Rpta: 0.0625
3. Sea X una variable aleatoria, que se distribuye binomialmente con media 12 y
varianza 4.8. Calcular
a) P(X>5), b) P(5<X<10), c)P(X<10)
4. Sea X una variable aleatoria binomial con E(x)=1 y V(x)=0.75 . Hallar la
probabilidad de obtener 5 xitos en el la prueba?
Material de Clases German Pomachagua Perez 7-ene-14
5.
11) El gimnasio Gold Gym ha comprobado que el 20% de sus alumnos abandona
durante el primer mes y el 80% restante permanecen todo el ao. Supongamos
que este ao se inscribieron 20 alumnos.
a) Cul es la probabilidad de que a lo ms 2 abandonen durante el primer
mes?
Al hacer la inscripcin se realiza un nico pago anual de 600 dlares. Cada
alumno que permanece todo el ao genera un gasto anual de 150 dlares.
b)Cul es el beneficio anual esperado?
12) Cierto tipo de loseta puede tener un nmero X de puntos defectuosos siendo X
una variable de Poisson con una media de 3 puntos defectuosos por loseta. El
precio por loseta es S/. 6 si X = 0 defectos, de S/. 4 si X es 1 2 defectos, y de
S/. 1.5 si X > 2 defectos.
a) Calcule el precio esperado de loseta
b) Se elige una loseta de S/. 4. de precio, calcule la probabilidad de que dicha
loseta tenga slo un punto defectuoso.
Distribucin geomtrica
Consideremos el siguiente experimento , con solo dos posibles
eventos xito y fracaso, se repite el experimento hasta obtener el
xito por primera vez.
Definimos la variable aleatoria X, como el nmero de fracasos
hasta que se obtiene el primer xito. Entonces:
x 1
P( X x) q p
E ( x)
1
p
V ( x)
x 1,2.........
q
p2
n
x 1
pq
x 1
Material de Clases German Pomachagua Perez 7-ene-14
qn 1
p.
q 1
1
1
100
p 0.01
El nmero promedio de transmisiones hasta el primer error es de 100
b) La respuesta es
E( X )
qqq
.........
qqqqq
p
x 1
Si x 1, p c 1000
x 2, qp c 2300
x 3, qqp c 3600
C 1000 X 300( X 1)
C 1300 X 300
E (C ) 1300 E ( x) 300
E (C ) 1300
1
300 6,200
0.2
Material de Clases German Pomachagua Perez 7-ene-14
x 1 r x r
P( X x )
p q
r 1
Donde:
X: nmero de ensayos hasta que ocurra el xito por r-sima vez.
r : nmero de xitos
X-r : nmero de fracasos
x 1
r 1
r
E ( x)
p
rq
V ( x) 2
p
x r, r 1,.....
Solucin:
x 1 r x r
P( X x )
p q
r 1
x r, r 1,.....
Ejemplo2: La ONPE cuenta con tres servidores idnticos para sus procesos electorales.
Se utiliza nicamente solo un servidor para operar las elecciones presidenciales, las
dos restantes se activan en caso de que el sistema primario falle.
Durante una hora de funcionamiento la probabilidad de falla en el servidor primario (o
cualquiera de los servidores de respuesta activados) es 0.0005
Suponiendo que cada hora representa un ensayo independiente.
a) Cul es el tiempo promedio para que fallen los tres servidores?
b) Cul es la probabilidad de que los tres servidores fallen durante 5 horas de
funcionamiento?
Solucin:
a)
x = r, r+1.
r
3
6,000
p 0.0005
b) Como
P( X 5) P( X 3) P( X 4) P( X 5)
x 1 r x r
P( X x)
p q
r 1
x r, r 1,.....
3 1
4 1
5 1
3
33
3
(0.0005) (0.9995)
(0.0005) (0.9995)
(0.0005) 3 (0.9995) 2
P( X 5)
3 1
3 1
3 1
LA DISTRIBUCION EXPONENCIAL
La distribucin exponencial es utilizada
para modelar tiempos de vida til o de
sobrevivencia,
como
el
tiempo
transcurrido hasta que falle un
componente.
La distribucin exponencial tiene funcin
de densidad.
e x
f ( x)
0
=
x 0,
en otro caso
1
= 2
F ( x) P( X x) e t dt 1 e x
Por lo tanto P( X x) e kx
Material de Clases German Pomachagua Perez 7-ene-14
CONFIABILIDAD (FIABILIDAD)
1) Si X es el tiempo, entonces R(t)=P(X>t) es la CONFIABILIDAD que durante un
perodo t, la probabilidad de funcionar en forma apropiada un sistema en un
perodo de tiempo establecido.
P( X x t / X x )
P( X x t )
P( X x )
e ( x t )
t
P( X x t / X x )
e
e x
Por lo tanto :
P ( X x t / X x ) P ( X t ) e t
Material de Clases German Pomachagua Perez 7-ene-14
()0
( > t)=
(0, t)=
=
0!
Ejemplo: Si el nmero de autos que llega a un grifo durante una hora tiene una distribucin de
Poisson, con una media de 10 autos por hora, el tiempo entre llegadas tiene una distribucin
exponencial.
a) Cul es la probabilidad de que no llegue ningn auto en media hora?(Poisson)
b) Cul es la probabilidad de que el primer carro llegue despus de 30 minutos?
(Exponencial)
(10)0 10
0!
( > t)= 10
= 10
Ejemplo1: En una red de computadoras de una gran empresa, el acceso de usuarios al sistema
puede modelarse como un proceso Poisson con una media de 25 accesos por hora.
Cul es la probabilidad de que no haya accesos en un intervalo de 6 minutos (que el primer
acceso ocurra despus de 6 minutos)?
En este problema hay 2 variables
X: N de usuarios que entra al sistema en un periodo de 6 minutos
Poisson
X= no ocurra ninguna acceso en un intervalo de 6 minutos
tiempo
(2.5)0 e 2.5
25
60 m= 1 hora
P( X 0)
0.08208
0
!
2.5
6m.= 0.1 hora
Exponencial:
T: Tiempo que transcurre entre un acceso y el siguiente
T: el primer acceso ocurra despus de 6 minutos(0.1 horas)
=25/hora
MINITAB (horas)
6min=0.1 hora
Escala =E(x)=0.04
E(x)=1/25=0.04horas
Valor umbral =0
Valor de x=0.1
25x
dx e
25( 0.1)
0.08208
MINITAB (minutos)
Escala =E(x)=60/25=2.4
Valor umbral =0
Valor de x=6
DISTRIBUCION UNIFORME
Se dice que una variable aleatoria X esta distribuida uniformemente en a X b su
si su distribucin de probabilidad es
f ( x) b a
ab
E ( x)
2
0
x a
F(X )
b a
a xb
otro caso
(b a) 2
V ( x)
12
xa
a x b
x b