Escolar Documentos
Profissional Documentos
Cultura Documentos
Discretos
MODELOS PROBABILISTICOS
Son modelos matemáticos para calcular la
probabilidad en algunos problemas típicos en
los que intervienen variables aleatorias
discretas o variables aleatorias continuas.
1
x=𝑥1 , 𝑥2 , 𝑥3 , … 𝑥𝑛
f(x)= 𝑛
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Distribución Uniforme (Discreta)
Ejemplo:
El experimento de lanzar un dado y observar el
resultado. Si X es la variable aleatoria correspondiente a
los seis resultados posibles, encuentre su distribución de
probabilidad .
Como cada resultado tiene igual probabilidad , por lo
tanto la distribución de probabilidad de X es discreta
Uniforme :
1
x=1,2,3,4,5,6
P(X=x)=f(x)= 6
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Distribución Uniforme (Discreta)
Ejemplo:
1
x=1,2,3,4,5,6
P(X=x)=f(x)= 6
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
X 1 2 3 4 5 6
P(X=x) 1/6 1/6 1/6 1/6 1/6 1/6
P(X=3)=f(3)=1/6
Distribución Uniforme (Discreta)
Ejemplo: X 1 2 3 4 5 6
P(X=x) 1/6 1/6 1/6 1/6 1/6 1/6
Distribución Uniforme (Discreta)
MEDIA Y VARIANZA de una v.a. con distribución
discreta Uniforme :
𝑛 1 𝑛
𝜇=𝐸 𝑋 = 𝑖=1 𝑥𝑖 f(𝑥𝑖 )=𝑛 𝑖=1 𝑥𝑖 MEDIA
𝑛 1 𝑛
𝜎 2 =E[(𝑋 − 𝜇)2 ]= 𝑖=1(𝑥𝑖 − 𝜇)2 f(x)= 𝑖=1(𝑥𝑖 − 𝜇)2 VARIANZA
𝑛
Distribución Uniforme (Discreta)
Ejemplo:
Una tienda vende diariamente 0,1,2,3, o 4 artículos con igual
probabilidad .Calcule la probabilidad que un día venda al menos
dos artículos., calcular media y varianza
X=Cantidad de artículos que vende la tienda vende en un día
X 0 1 2 3 4
P(X=x) 1/5 1/5 1/5 1/5 1/5
P(X≥2)=p(2)+P(3)+p(4)=3*1/5=0,6
E(X)=1/5*10=2
V(X)=1/5*10=2
Distribución Binomial
Un experimento que consiste de n ensayos bernoulli
independientes, cada uno con probabilidad de éxito p,
se llama experimento Binomial con n ensayos y
parámetros .
Distribución Binomial
• Supongamos que realizamos ensayos Bernoulli
independientes, con probabilidad de éxito p en cada
ensayo. Si X es el número total de éxitos observados
en un experimento binomial, entonces X se llama
variable aleatoria Binomial con parámetros n y p.
• Dado que X cuenta el número de éxitos observados en
un experimento binominal, es claro que RX = 0, 1, ... ,
n, así X es una variable aleatoria discreta. Se puede
probar que la función de probabilidad de X es dada
por:
𝒏 x n–x 𝒏 𝒏!
• P(X = x) = p q , x = 0, 1, 2, . . ., n =
𝒙 𝒙 𝒏−𝒙 !𝒙!
• EX = np y la varianza de V(X) = npq.
Ejemplo Distribución Binomial
Un agricultor que siembra fruta afirma que 3/5 de
su cosecha de duraznos ha sido contaminada por la
mosca del mediterráneo. Encuentre la probabilidad
de que al inspeccionar 10 duraznos
(aleatoriamente) de un cajón:
• Exactamente uno esté contaminado con la mosca
del mediterráneo.
• ¿Cuál es el número esperado de duraznos
contaminados?
Ejemplo
• Sea:X: “Número de duraznos contaminados por la mosca
de la fruta de los 10 inspeccionados”
Como X indica el número de éxitos en n-ensayos tenemos que
X b(10, 0.6). Así la f.d.p. es:
𝟏𝟎
P(X = x) = 0.6x (1 – 0.6)10 – x , x = 0, 1, . . . , 10
𝒙
𝟏𝟎
• P(X = 1) = (0.6)1 (1 – 0.6)10 – 1 = 0.0016, así la
𝟏
probabilidad de que exactamente un durazno este
contaminado con la mosca de la fruta es de un 0,16%.
• EX = 10 0.6 = 6, es decir, se esperan encontrar 6
duraznos contaminados
Distribución Binomial
Distribución de Probabilidad Acumulada
Sea X: Variable aleatoria discreta con
distribución Binomial con parámetros n y p
Entonces , la distribución de probabilidad
acumulada F de X es:
n t
F ( x) P ( X x) p (1 p ) n t , x 0
tx t
Ejercicio
Dada la variable aleatoria B(10; 0.1)
• Obtener las funciones de probabilidad y de
distribución acumulada
• ¿Cuáles son los valores de la media y de la
desviación estándar de esta variable?
• Calcule la probabilidad de que la variable
tome un valor menor o igual que la media, y
mayor o igual que la media
Ejercicio
Un Ingeniero trabaja en el departamento de
control de calidad de una empresa eléctrica,
inspecciona una muestra al azar de tres motores
de la producción, se sabe que el 15% de los
motores sale defectuoso. Calcule la probabilidad
que en la muestra:
• Ninguno sea defectuoso
• Uno sea defectuoso
• Al menos dos sean defectuosos
• Obtenga la media y la varianza de la variable
Distribución Geométrica
• Supóngase un experimento aleatorio que
consiste en n ensayos (ensayos de Bernoulli):7
• Los ensayos son independientes
• Cada ensayo tiene sólo dos resultados
posibles: éxito o fracaso
• La probabilidad de éxito p permanece
constante de ensayo a ensayo
Distribución Geométrica
• Sea X la variable aleatoria que cuenta el
número de ensayos hasta la ocurrencia del
primer éxito. X es una variable aleatoria
geométrica con parámetro p y tiene la
siguiente función de distribución de
probabilidades:
• X~G (p) o bien X~Geo(p)
Distribución Geométrica
Ejemplo:
Calcular la probabilidad que en el quinto lanzamiento de
tres monedas se obtengan tres sellos por primera vez .
Como vimos en ejemplos anteriores el experimento de lanzar
tres monedas hay 8 resultados posibles.
En cada ensayo la probabilidad que salgan tres sellos es
constante e igual 1/8 y la probabilidad que no salgan tres sellos
es 7/8
Sea X: Cantidad de ensayos hasta obtener el primer éxito
X=1,2,3,…
P(X=x)=f(x)=(7/8)x-1 (1/8)
Luego P(X=5)=f(5)=(7/8) 4 (1/8) =0,0733
Distribución Geométrica
Ejercicio
Una máquina detecta fallas en los productos
que elabora una fábrica. Si los productos tienen
una probabilidad de falla del 5%, calcular la
probabilidad de que la máquina encuentre su
primer producto defectuoso en la octava
ocasión que selecciona un producto para su
inspección.
Distribución Geométrica
Distribución Hipergeométrica
Esta distribución se refiere a los experimentos
estadísticos que consisten en tomar una muestra sin
reemplazo, de un conjunto finito el cual contiene
algunos elementos considerados éxitos y los
restantes son considerados fracasos.
Al ser sin reemplazo , podemos concluir que los
ensayos no son independientes , pues la probabilidad
de éxito al tomar un nuevo elemento se ve afectada
por el resultado de los ensayos anteriores
Distribución Hipergeométrica
Sea N un conjunto de objetos tal que:
K objetos son clasificados como “éxitos”
N-K objetos son clasificados como “fracasos”
Se extrae sin reposición una muestra de tamaño n del
conjunto de N objetos, con K≤Ny n≤N
La variable aleatoria X, que cuenta el número de éxitos
en un experimento aleatorio con las características
anteriores, se denomina variable aleatoria
Hipergeométrica
Distribución Hipergeométrica
Entonces la distribución de probabilidad de X es :
K N K
x n x
f ( x) x=0,1,2,..,n
N
n
MEDIA Y VARIANZA:
𝑵−𝒏
𝜇=E(X)=np 𝝈𝟐 =V(X)=𝒏𝒑(𝟏 − 𝒑)
𝑵−𝟏