02ea Distr2014

CLASE: DISTRIBUCIONES DISCRETAS - CONTINUAS
Germn Elas Pomachagua Prez

gpomachagua@hotmail.com
Material de Clases German Pomachagua Perez 7-ene-14
OBJETIVOS
Al finalizar la Tema 2, el participante ser capaz de:
1. Identificar las distribuciones de probabilidad

que ms se utilizan en la toma de decisiones.
2. Elaborar una Distribucin Binomial, una
Distribucin Hipergeomtrica.
3. Comprender las limitaciones de cada una de las
distribuciones que utilice.
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
LA DISTRIBUCIN BINOMIAL.
Un experimento es llamado de Bernoulli, si satisface las
siguientes caractersticas:
El experimento consta de un nmero n de pruebas

independientes
Cada prueba del experimento tiene solo dos resultados
llamados xito o fracaso
La probabilidad de xito se denotada por p que
permanece constante y no varia de una prueba a otra.
La probabilidad de fracaso por q=1-p
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)
La distribucin de probabilidad de x xitos en n pruebas es:
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
Ejemplo1: Una compaa de encuestas CPI, determina que el

30% de los habitantes de Lima Metropolitana lee peridico en
la noche. Si aleatoriamente se escogen 3 persona dentro de
esa poblacin. Cul es la probabilidad de que?
a) De que 2 personas que lean peridico en la noche?
SOLUCIN:
Sea X: Nmero de personas que leen peridico en la noche
Datos: p =0.3 lee peridico en la noche
q = 0.7 no lee peridico en la noche
3
2
P( X 2)
(
0
.
3
)
(0.7)
2

P( X 2) 3 0.09 0.7 0.189

b) De que ninguno lee peridico en la noche?

3
P( X 0) (0.3) 0 (0.7)3
0
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
e) De que una persona no lea peridico en la noche?.

Es semejante a decir que dos personas lean peridico en
la noche
p=0.3
p=0.7
f) Cul es el nmero esperado de personas no lean

peridico en la noche?
g) Cul es la varianza y la desviacin estndar de las
personas que leen peridico en la noche?
En Excel la distribucin Binomial
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
Para la probabilidad puntual PDF.Binom(x,n,p)

Para la probabilidad acumulada CDF.Binom(x,n,p)
Para Generar nmeros aleatorios RV.Binom(n,p)
En SPSS la distribucin
Binomial
En SPSS la distribucin Binomial ir a Transformar / Calcular variable
En Minitab la distribucin Binomial ir a Cal / Probability Distributions / Binomial
Ejemplo2: AMD Corp. Fabricante de chips para PC, tiene un

ndice de defectos del 5% en sus chips de microprocesador. La
firma IBM uno de sus principales clientes encarga 500 chips de
los cuales hay que elegir una muestra de 12. Si hay ms de 2
defectuosos en la muestra se devolver a AMD el lote de
500.Cul es la probabilidad de que el lote entero sea devuelto?
Solucin: Sea X: nmero de chips defectuosos
S N= 500, p= 0.05, n=12,
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
Calculando as para diferentes valores de p, se puede

establecer una Funcin de Probabilidad de Aceptacin,
esto indica la probabilidad de aceptacin de un lote para
distintos ndices de defectos
Ejemplo 4: Una mquina A produce el doble de artculos que la mquina B. Se sabe

que el 6% de los artculos que produce la maquina A son defectuosos, mientras que
el 3% de los artculos producidos por la mquina B son defectuosos. Si al final de un
da de produccin se juntan las dos producciones y de ella se toma una muestra
aleatoria de 10 artculos Calcular la probabilidad de obtener tres artculos
defectuosos?
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
Ejemplo 5: La probabilidad de xito de una

determinada vacuna es 0,72. Calcula la probabilidad
de a que una vez administrada a 15 pacientes:
a) Ninguno sufra la enfermedad
b) Todos sufran la enfermedad
c) Dos de ellos contraigan la enfermedad
Solucin: Sea X: numero de pacientes sanos
15
a) P( x 15) 0.7215 0.280 0.00724
15
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

Ejemplo 7: Supongamos que la probabilidad de que

una pareja tenga un hijo o una hija es igual. Calcular la
probabilidad de que una familia con 6 descendientes
tenga 2 hijos
Ejemplo 8: En cierta Universidad, aprobaron el Curso
de Estadstica el 40% de los alumnos de
Administracin. Cul es la probabilidad de que, de un
grupo de 10 alumnos elegidos al azar,
a). Cul es la probabilidad de que aprueben al menos
un alumno?
b). Slo dos hubiesen desaprobado el curso de
Estadstica?
Ejemplo 9: De un total de 2,000 familias con 4 hijos cada una,

en cuntas de ellas se puede esperar que haya:
a) Al menos un nio.
b) Dos nios.
c) Una o dos nias
d) Ninguna nia
Solucin
X: Numero de nios
=Ex)=np
a) Multiplica 2,000 por P(al menos un nio) = 1,875

b) Multiplica 2,000 por P(dos nios) = 750
Ejemplo 10 :Un tipo de piezas requiere de 4 soldaduras. Se hace un

control de calidad a mil de esas piezas y se obtienen los siguientes
resultados: Se ajustan estos datos a una binomial
SOLDADURAS
DEFECTUOSAS
PIEZAS
603
212
105
52
28
Se ajustan estos datos a una
distribucin binomial?
Solucin:
La media de la muestra es x = 0.69
Si las cuatro soldaduras tuvieran la misma probabilidad, p, de ser

defectuosa y fueran independientes, el nmero, x, de soldaduras
defectuosas en cada pieza seguira una distribucin binomial B (4,
p), por lo cual: x = 4 p = 0,69 , luego p = 0.1725
Veamos cmo se comportara, tericamente, esta binomial con 1000 individuos

y comparmoslo con los resultados de la muestra:
Las diferencias son enormes. Se rechaza la hiptesis de que el nmero

de soldaduras defectuosas en una pieza siga una distribucin binomial
LA DISTRIBUCIN HIPERGEOMTRICA
Se aplica al muestreo sin reposicin de una

poblacin finita, cuyos elementos pueden ser
clasificados en dos categoras: Defectuosos (r) y
no defectuosos (N-r).
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)
La distribucin de probabilidad de x xitos en n pruebas es

r N r

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
Ejemplo1: De un lote de 10 impresoras de las cuales 7 son buenas y

3 defectuosas. Si se escoge 2 artculos al azar.
a)Hallar la probabilidad de encontrar una impresora defectuosa.
r N r

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
En Excel la distribucin Hipergeomtrica
x
0
1
2
Total
p(x)
0.46666667
0.46666667
0.06666667
1
Ejemplo2: Se acaba de recibir un embarque de 10 TV. Poco

despus de recibirlos, el fabricante llam para informar que
por descuido se haban enviado tres aparatos defectuosos.
Se decidi probar dos de estos Cul es probabilidad que uno
de los dos este defectuoso?
Igual que el
problema anterior
0.466
Ejemplo3: Se embarcan motores en lotes de 50. Antes de que tal

cargamento sea aceptado, un inspector elige 5 motores y los revisa. Si
ninguno de los motores probados es defectuoso, el lote es aceptado. Si
se encuentra que uno o ms son defectuosos, se inspecciona el
cargamento completo. Supongamos que, en realidad hay 3 motores
defectuosos en el lote Cul es la probabilidad de que sea necesaria una
inspeccin de todo el cargamento?
Solucin: Sea X: nmero de motores defectuosos.
Se necesita una inspeccin al 100% s X 1
N = 50
r = 3 motores defectuosos
N-r = 47 motores no defectuosos
n = 5 tamao de la muestra
X1
P( X 1) 1 P( X 0)
3 47

0 5
P( X 1) 1
0.28
50

5
Ejemplo 4 : Dos de cada 10 objetos que se fabrican en una lnea de

produccin resultan ser defectuosos, hecho fcil de apreciar con una
simple prueba. Cul de los siguientes casos es ms probable?
a) Encontrar los dos objetos defectuosos eligiendo al azar, sin
reemplazamiento, 4 de ellos
b) No encontrar ningn objeto defectuoso entre 2 elegidos al azar,
con reemplazamiento
Ejemplo5: Se sabe que los discos producidos en una empresa salen

defectuosos con probabilidad, independiente unos de otros de 0.02.
La compaa vende los discos en paquetes de 10 y garantiza el
reembolso del dinero si ms de 1 de 10 discos sale defectuoso.
a) Cul es la probabilidad de paquetes que se devuelven?
b) Si alguien compra 3 paquetes Cul es la probabilidad de que
devuelvan exactamente uno de ellos
Distribucin de Probabilidad de Poisson

Se utiliza en situaciones donde una variable aleatoria es discreta de
tal modo que se adecua a un proceso de Poisson. Esto es:
El nmero promedio de ocurrencias de un evento por unidad de
medida (tiempo, espacio o volumen) es un valor conocido como
.
Las ocurrencias de eventos en unidades de medida contiguas
son independientes.
Ejemplos:
N de clientes atendidos por cada 20 minutos.
N de defectos por metro de una tela.
N de automviles por hora que pasan por un cruce,
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)
NOTA: y X deben estar expresadas en las mismas medidas

Sean X = P(1) e Y= P(2) v.a. independientes, entonces X + Y = P(1) + P(2)
Ejemplo1: El nmero de accidentes por semana en una fabrica sigue una

distribucin de Poisson con un promedio de 2 accidentes por semana.
a) Calcular la probabilidad de que en una semana haya algn accidente?
b) Cul es la probabilidad de que en dos semanas haya 4 accidentes?
c) Cul es la probabilidad de que en dos semanas haya mas de 2 accidentes?
d) Calcular a la probabilidad de que haya dos accidentes en una semana y dos
mas en la siguiente semana?
e) Si sabemos que ha habido por lo menos un accidente. Hallar la probabilidad de
que en esa semana no haya ms de tres accidentes
f)
Solucin:
a)
b)
c)
d)
e)
0,8646
0,1954
?
0,0733
0,8348
Ejemplo2: Se sabe que 3 es el promedio de buques tanques de petrleo que llegan

por da al puerto de Talara. Las instalaciones del puerto pueden atender cuando
mucho a 5 buques tanques en un da.
a) Cul es la probabilidad de que en un determinado da se tengan que regresar
los buques tanques?
b) En cunto deben aumentarse las instalaciones actuales para asegurar con una
probabilidad del 90% la atencin de los buques tanques que lleguen? Rpta: 5
c) Cul es el nmero esperado de buques atendidos diariamente?
d) Cul es el nmero ms probable de buques que llegan al da? Rpta : 2 o 3
Solucin: a)
Sea X nmero de buques que llegan al puerto
5
P( X 5) 1 P( X 5) 1 P( xi ) 1 0.9161 0.0839
x 0
c)
Y : Nmero de buques atendidos como mximo 5

El numero esperado de buques atendidos es 2.45
En Excel Inserta funcin/ Poisson
La distribucin de Poisson acumulada en la WEB
APROXIMACION DE LA BINOMIAL USANDO POISSON

Cuando n es grande y p pequea
REGLA: Si n 30 y/o np<5, luego =np
Ejemplo3: Una compaa de seguros contra robos tiene 3,840 asegurados. La
probabilidad de que alguno de ellos presente un reclamo en un ao cualquiera es
1/1200 Cul es la probabilidad de que 2 de los asegurados presente un reclamo
en un ao cualquiera?
Ejemplo4: La Universidad compra tubos de luz a Electra, hace poco llego un lote
de 1200 unidades y los tcnicos de la universidad inspeccionaron 75 unidades. El
lote ser aceptado si no aparecen mas de dos defectuosos. Cul es la
probabilidad de que se acepte el lote?
De experiencias pasadas se sabe que el 5% de las unidades fabricadas por Electra
son defectuosas
Ejemplo5: Si la probabilidad de fabricar un televisor defectuoso es p = 0.01, cul

es la probabilidad de que en un lote de 100 televisores que no contenga ms de 2
televisores defectuosos?
Solucin: La distribucin binomial nos dara el resultado exacto:
n
p( x) p x q n x
x
( 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
Por Aproximacin = np = 100x0.01=1, sumando p(0) + p(1) + p(2).
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
( x 0,1,....)
Ejercicio 7: El numero de llamadas que llegan a cierta Central telefnica en

determinado periodo de tiempo sigue un proceso de Poisson de tasa 180
llamadas la hora. La capacidad de la Central Telefnica permite atender un
mximo de 5 llamadas por minuto.
Calcular:
a) La probabilidad de que en un minuto determinado se reciban mas llamadas
de las que se pueden atender.
b) La probabilidad de que en un intervalo de 5 minutos se produzcan mas de 10
llamadas
c) La probabilidad de que en 2 minutos se produzcan exactamente 4 llamadas.
d) El nmero medio de minutos por hora en que la Central Telefnica podr
atender todas las llamadas recibidas
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?
5.
La morosidad en el pago de los clientes que hacen uso de tarjetas de crdito es

alrededor del 20%. Si se escogen al azar los estados de cuenta de 10 clientes,
hallar la probabilidad de que:
a) Dos de ellas correspondan a clientes morosos. Rpta: 0.301989
b) Mas de tres correspondan a clientes morosos. Rpta 0.1208
c) Por lo menos seis sean de clientes al da en sus pagos. Rpta: 0.9672
d) Cul es el valor esperado y la desviacin estndar del numero de
clientes morosos? E(x)=2, V(x)= 1.6
6) Con base a encuestas al consumidor se sabe que la preferencia de ste con

respecto a dos marcas, A y B, de un producto dado, se encuentra muy pareja. Si la
opcin de compra entre estas marcas es independiente, cul es la probabilidad
de que entre 25 personas seleccionadas al azar, no ms de diez tengan preferencia
por la marca A? Rpta: 0.2122
8) En un sondeo sobre la actitud hacia la donacin de rganos se encuentra que en

una determinada poblacin hay un 80% de sujetos que estn a favor. Si se extrae
una muestra aleatoria de 10 sujetos obtenga lo siguiente:
a) Probabilidad de que 4 personas estn a favor Rpta: 0.005505
b) Probabilidad de que ms de 4 personas estn a favor. Rpt: 0.9936
c) Probabilidad de que menos de 4 personas estn a favor. Rpta: 0.0008643
d) Probabilidad de que como mximo 4 personas estn a favor. Rpta: 0.0063693
e) Probabilidad de que como mnimo haya 7 personas a favor.
Rpta: 0.8791261
a) Probabilidad de que estn a favor al menos el valor esperado de sujetos que
estn a favor .Rpta: P(X>=8)=0.677799
b) Probabilidad de que estn en contra 4 o ms personas.
Rpta:0.12087
9) Para evitar que lo descubran en el aeropuerto de Lima, un viajero ha colocado

6 tabletas de narctico en una botella que contiene 9 pldoras de vitamina
que son similares en apariencia. Si el oficial de polica selecciona 3 tabletas
aleatoriamente para analizarlas.
a) Cul es la probabilidad de que el viajero sea arrestado por posesin de
narcticos?. Rpta: 0.815385
b) Cul es la probabilidad de que no sea arrestado por posesin de
narcticos?. Rpta: 0.184615
10)En una tienda de alquiler de autos, cada vez que un cliente alquile un
automvil debe pagar como mnimo $20, Si alquila un auto tipo A debe pagar
$15 ms, y si alquila un auto de otro tipo debe pagar $5 ms. Se sabe que la
probabilidad de que un cliente alquile un auto tipo A es de 0.8. De 20 clientes
que alquilan auto en esta tienda:
a) Determine la distribucin de probabilidades de los clientes que alquilan
automviles tipo A
b) Determine la utilidad y la utilidad esperada que producen a la tienda los 20
clientes que alquilan automviles Rpta: $660
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
qn 1
p.
q 1
Ejemplo 1: La probabilidad de que un bit transmitido a travs de un canal de

transmisin digital y este se se reciba con error es de 0.01.
a) Cul es la probabilidad de que el 5 bit trasmitido tenga error?
b) Cul es el numero promedio de transmisiones de bits hasta que ocurra el primer
error?
c) Calcular P(-2<X <+2)
Solucin:
X: numero de bits trasmitido hasta que ocurra el primer error
p=0.01
a) Sea
P( X 5) (0.99) 4 (0.01) 0.00960596
1
1
100
p 0.01
El nmero promedio de transmisiones hasta el primer error es de 100
b) La respuesta es
E( X )
c) P(-2<X <+2) = 0.9500
Ejemplo2: En cierta regin de la sierra la probabilidad de que una tormenta con

truenos ocurra en un da cualquiera durante el verano (Enero-Febrero) es igual a
0.1. Suponiendo la independencia de un da con otro. Cul es la probabilidad de
que la primera tormenta con truenos ocurra el 3 de febrero.? Rpta 0.0030903
Ejemplo4: El costo de efectuar un experimento es de $1,000. Si el experimento falla,

se ocurre en un costo adicional de $300 debido a ciertos cambios que se deben
efectuarse antes de que se intente un nuevo ensayo. S la probabilidad de xito en
cualquiera de los ensayos es 0.2 si los ensayos aislados son independientes y los
experimentos continan hasta que se obtiene el primer resultado exitoso.
a) Cul es el costo esperado del procedimiento completo?
Solucin:
Si C es el costo
X es el nmero de ensayos para obtener xito
X-1 es el nmero de ensayos fallados
Costo del experimento
$1,000
x
qqq
.........
qqqqq
p
x 1
Si x 1, p c 1000
x 2, qp c 2300
x 3, qqp c 3600
Costo adicional de $ 300
C 1000 X 300( X 1)
C 1300 X 300
E (C ) 1300 E ( x) 300
E (C ) 1300
b) Cul es la probabilidad de que el

experimento cueste mas de $2,600?
Rpta: 0.64
1
300 6,200
0.2
LA DISTRIBUCIN BINOMIAL NEGATIVA ( PASCAL)

La distribucin de Pascal tambin llamada Binomial Negativa es
una generalizacin de la distribucin geomtrica.
Supongamos que un experimento contina hasta que ocurra el xito
por r-sima vez.
La distribucin de X es
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
:nmero de maneras de encontrar r xitos en n ensayos
r
E ( x)
p
rq
V ( x) 2
p
x r, r 1,.....
Ejemplo1: En un examen en el que se van haciendo preguntas sucesivas, para

aprobar hay que contestar correctamente a 10 preguntas. Suponiendo que el
alumno sepa el 80% de las respuestas, cul es la probabilidad de que apruebe en
las 12 primeras preguntas?
Solucin:
x 1 r x r
P( X x )
p q
r 1
x r, r 1,.....
X: numero de preguntas contestadas hasta que conteste la decima pregunta

correctamente
12 1
10
2
r: # de respuestas correctas
0.8 0.2 0.2362
P( X 12)
p=0.80
10 1
X-r : # de respuestas incorrectas
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)
Sea X numero de horas de funcionamiento hasta que los 3 servidores fallen

En el proceso el tercer servidor falla
E ( x)
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)
P(x=3) Probabilidad de que en la tercera hora falle el tercer servidor

P(x=4) Probabilidad de que en la cuarta hora falle el tercer servidor
P(x=5) Probabilidad de que en la quinta hora falle el tercer servidor
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
(0.0005)3 3(0.0005)3 (0.9995) 6(0.0005)3 (0.9995) 2

1.249 10 9
EJEMPLO3: El lanzamiento de un cohete se considera seguro despus de que se

han realizado tres pruebas exitosas. La probabilidad de una prueba con xito es de
0.8.
a) Que probabilidad hay de obtener 3 xitos en 6 pruebas del cohete? R: 0.08192
b) Cual es la probabilidad de que el primer xito se obtenga en la tercera prueba?
R: 0.032
c) Al completar las tres pruebas con xito, el cohete es lanzado. Este lanzamiento
proporciona una informacin que obtiene ingresos por $200,000 y para cada
prueba se invierten $10,000. Cual es la ganancia esperada en cada
lanzamiento de un cohete? R: 162,500
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
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.
2) La distribucin Exponencial tiene la propiedad de falta de memoria, esto

quiere decir que es la probabilidad de fallar es independiente del pasado, el
sistema no envejece. Aunque pueda parecer algo irreal, no es descabellado
por ejemplo suponer que un fusible es tan bueno como uno nuevo
mientras est funcionado.
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
Relacin entre las distribuciones Exponencial y Poisson

Si la variable de inters es: Nmero de ocurrencias de un suceso en un intervalo de
tiempo, entonces dicha variable tiene una distribucin de Poisson con parmetro
Si la variable de inters es: Tiempo transcurrido hasta la primera ocurrencia, tiempo
transcurrido entre dos ocurrencias consecutivas, entonces dicha variable tiene una
distribucin exponencial con parmetro
Relacin entre las distribuciones Exponencial y Poisson

La relacin viene de que con el uso de
la distribucin de Poisson encontramos
que la probabilidad de que no ocurra
algn evento, en el periodo hasta el
tiempo (0,t) est dada por
La probabilidad de que la duracin del

tiempo hasta que ocurra el primer
evento, es la misma que la probabilidad
de que no ocurra algn evento de
Poisson, est dado por:
()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)
X= t: N de autos que llegan al grifo

(0,10t)=
(10)0 10
0!
( > t)= 10
= 10
Ejemplo1: El tiempo de vida de un transistor tiene una distribucin exponencial con

tiempo medio de vida de 600 horas. Si X representa el tiempo de vida del transistor.
a) Muestre la funcin de densidad y la funcin de distribucin acumulada de esta
variable aleatoria.
b) Cul es la probabilidad de que se malogre antes de 400 horas? Rpta 0.4866
c) Cul es la probabilidad de que dure por lo menos 400 horas? Rpta 0.5134
d) Si un transistor ha durado ms de 400 horas. Cul es la probabilidad de que dure
otras 500 horas? Rpta: 0.4346
Ejemplo2: Durante el programa de mantenimiento anual que realiza una empresa se
han recogido los datos de las fallas de un conjunto de 50 vlvulas mecnicas habiendo
fallado 2 de ellas. Para reprogramar el programa de mantenimiento preventivo que se
lleva actualmente en la empresa se desea saber:
a) Tasa de fallos anual para dichas vlvulas. Rpta: 0.04
b) Qu probabilidad tiene una vlvula de fallar antes de alcanzar un tiempo de
funcionamiento de 4 meses. Rpta:
c) Cul ser la probabilidad de que la una vlvula est en funcionamiento al cabo de
6 meses. Rpta
d) Cul ser la probabilidad de que el tiempo de vida est comprendido entre 4 y 6
meses Rpta:
Ejemplo3: Suponga que un sistema contiene cierto tipo de componente cuyo

tiempo de falla en aos est dado por la variable aleatoria, distribuida
exponencialmente con tiempo promedio de falla es 5. Si 5 de estos componentes se
instalan en diferentes sistemas, Cul es la probabilidad de que al menos 2
continen funcionando despus de 8 aos? Rpta 0.2666
Ejemplo4 El tiempo que transcurre antes de que una persona sea atendida en una
cafetera es una variable aleatoria que tiene una distribucin exponencial con una
media de 4 minutos. Cul es la probabilidad de que una persona sea atendida antes
de que transcurran 3 minutos en al menos 4 de los 6 das siguientes? Rpta: 0.3968
Ejemplo5 La duracin en horas de cierto circuito electrnico puede ser modelada
por la distribucin exponencial con un promedio de 100 horas. El vendedor da al
comprador la siguiente garanta: si el circuito que compra le dura menos de 20
horas, le devolver el dinero. El costo de fabricacin de cada circuito es de $100 y el
precio de venta es $200.
a) Obtenga la ganancia esperada Rpta: 63.74
b) Si el vendedor quiere incrementar la ganancia esperada en un 20% modificando
la garanta Cmo quedara esta entonces? Rpta: 12.51
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
P(T 0.1) 25e

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
P(T 6) 2.4e 2.4 x dx e 2.4( 6) 0.08208

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
Ejemplo 1: Sea x el tiempo entre dos pausas, en la pantalla de edicin de un

terminal (esto es el tiempo necesario para que la terminal procese un comando
de edicin y haga las correcciones en pantalla). Si la variable aleatoria se
distribuye uniformemente entre 0.5 y 2.25 segundos.
a) Calcular la media y la varianza.
b) Calcular:
P(-2X +2)
P(I X- l >2.5)
Ejemplo 2: Los buses del Metropolitano llegan al paradero de la Va Expresa en
intervalos de 15 minutos a partir de la 7 de la maana. Es decir llegan a las 7.00,
7.15, 7.30, etc. Si un pasajero llega al paradero en un tiempo que est distribuido
uniformemente entre las 7.00 y 7.30. Encuentre la probabilidad de que espere el
bus.
a) Menos de 5 minutos
b) Por lo menos 12 minutos
Ejemplo 3: El tiempo que tardan los alumnos de la FIIS en realizar un examen de

Estadstica varia uniformemente entre 30 y 90 minutos.
a) Qu proporcin de alumnos tardan ms de 50 minutos en realizar el examen?
b) Tomando al azar 10 alumnos, calclese la probabilidad de que al menos 4 de
ellos tarden menos de 50 minutos en realizar el examen.
Ejemplo 4: Una empresa tiene una curva de costos dada por la funcin C =1,000+2x
; siendo X el nmero de artculos. En el mercado vende cada unidad a $5. La
demanda de artculos es uniforme entre 25.000 y 30.000 unidades. Cul es el
beneficio esperado? Rpta :$81,500
Diodo emisor de luz


02ea Distr2014

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

02ea Distr2014

Enviado por

Direitos autorais:

Formatos disponíveis

CLASE: DISTRIBUCIONES DISCRETAS - CONTINUAS

Germn Elas Pomachagua Prez

1. Identificar las distribuciones de probabilidad

El experimento consta de un nmero n de pruebas

Material de Clases German Pomachagua Perez 7-ene-14

La distribucin de probabilidad de x xitos en n pruebas es:

Material de Clases German Pomachagua Perez 7-ene-14

Ejemplo1: Una compaa de encuestas CPI, determina que el

P( X 2) 3 0.09 0.7 0.189

b) De que ninguno lee peridico en la noche?

Material de Clases German Pomachagua Perez 7-ene-14

e) De que una persona no lea peridico en la noche?.

f) Cul es el nmero esperado de personas no lean

Material de Clases German Pomachagua Perez 7-ene-14

En Excel la distribucin Binomial

Material de Clases German Pomachagua Perez 7-ene-14

Para la probabilidad puntual PDF.Binom(x,n,p)

En SPSS la distribucin Binomial ir a Transformar / Calcular variable

Material de Clases German Pomachagua Perez 7-ene-14

En Minitab la distribucin Binomial ir a Cal / Probability Distributions / Binomial

Material de Clases German Pomachagua Perez 7-ene-14

Ejemplo2: AMD Corp. Fabricante de chips para PC, tiene un

Calculando as para diferentes valores de p, se puede

Material de Clases German Pomachagua Perez 7-ene-14

Ejemplo 4: Una mquina A produce el doble de artculos que la mquina B. Se sabe

Ejemplo 5: La probabilidad de xito de una

Ejemplo 7: Supongamos que la probabilidad de que

Material de Clases German Pomachagua Perez 7-ene-14

Ejemplo 9: De un total de 2,000 familias con 4 hijos cada una,

a) Multiplica 2,000 por P(al menos un nio) = 1,875

Material de Clases German Pomachagua Perez 7-ene-14

Ejemplo 10 :Un tipo de piezas requiere de 4 soldaduras. Se hace un

Se ajustan estos datos a una

Si las cuatro soldaduras tuvieran la misma probabilidad, p, de ser

Veamos cmo se comportara, tericamente, esta binomial con 1000 individuos

Las diferencias son enormes. Se rechaza la hiptesis de que el nmero

Material de Clases German Pomachagua Perez 7-ene-14

Se aplica al muestreo sin reposicin de una

Material de Clases German Pomachagua Perez 7-ene-14

Material de Clases German Pomachagua Perez 7-ene-14

La distribucin de probabilidad de x xitos en n pruebas es

Material de Clases German Pomachagua Perez 7-ene-14

Ejemplo1: De un lote de 10 impresoras de las cuales 7 son buenas y

En Excel la distribucin Hipergeomtrica

Material de Clases German Pomachagua Perez 7-ene-14

Ejemplo2: Se acaba de recibir un embarque de 10 TV. Poco

Material de Clases German Pomachagua Perez 7-ene-14

Ejemplo3: Se embarcan motores en lotes de 50. Antes de que tal

Material de Clases German Pomachagua Perez 7-ene-14

Ejemplo 4 : Dos de cada 10 objetos que se fabrican en una lnea de

Ejemplo5: Se sabe que los discos producidos en una empresa salen

Material de Clases German Pomachagua Perez 7-ene-14

Distribucin de Probabilidad de Poisson

NOTA: y X deben estar expresadas en las mismas medidas

Ejemplo1: El nmero de accidentes por semana en una fabrica sigue una

Material de Clases German Pomachagua Perez 7-ene-14

Ejemplo2: Se sabe que 3 es el promedio de buques tanques de petrleo que llegan

Y : Nmero de buques atendidos como mximo 5

Material de Clases German Pomachagua Perez 7-ene-14

En Excel Inserta funcin/ Poisson

La distribucin de Poisson acumulada en la WEB

Material de Clases German Pomachagua Perez 7-ene-14

APROXIMACION DE LA BINOMIAL USANDO POISSON