Escolar Documentos
Profissional Documentos
Cultura Documentos
MÓDULO 5
1
Probabilidad y Estadística Módulo 5
Í NDI CE
2
Probabilidad y Estadística Módulo 5
DISTRIBUCIÓN DE BERNOUILLI
2) Tal prueba tiene sólo dos resultados posibles, el éxito o el fracaso (sucesos mutuamente
excluyentes).
Sea Y una variable aleatoria de Bernoulli, la que toma el valor 1 si se tiene éxito y 0 si se
fracasa (siendo ésta una asignación arbitraria). Adoptamos el valor p a la probabilidad de tener
éxito y q a la probabilidad de fracasar, el modelo será:
Yi P( Yi ) X i . P( Yi ) bY g . P( Y )
i
2
i
0 q 0 0
1 p p p
∑ p+q=1 p p
Ejemplo:
En una empresa con 1000 empleados, hay 732 que ganan $1500 o menos y el resto, por su
especialización, gana más de ese monto. Si se considera éxito seleccionar un empleado cuyo
salario sea de $ 1500 o menos y fracaso si se saca un empleado que gana más de $1500, la
variable aleatoria tomará los valores 1 o 0 respectivamente:
Yi 1 (éxito) 0 (fracaso)
3
Probabilidad y Estadística Módulo 5
DISTRIBUCIÓN BINOMIAL
Para poder responder al interrogante planteado se debe estudiar la distribución binomial, que
brinda el modelo matemático para abordar la solución.
En todos los casos se debe definir en primera instancia cuál es el suceso considerado como
éxito y consecuentemente surge qué es tomado como fracaso.
Se supone ahora que nos encontramos frente a un experimento de Bernoulli, pero que el
mismo no se realiza una sola vez, sino que se repite n veces, lo que convierte a la prueba en un
experimento binomial.
Ejemplo:
Tenemos una caja con 12 bolillas, de las cuales 7 son blancas y 5 = 12 – 7 son negras.
Todas tienen igual peso, tamaño y forma, es decir que todas tienen idéntica posibilidad de ser
elegidas (probabilidad constante) y extraemos de ella sucesivamente tres bolillas.
4
Probabilidad y Estadística Módulo 5
R|Y = 0
2
Fracaso: sale bolilla negra: S
|T P( Y ) = 125 = q
2
Se repite el experimento todas las veces que resulte necesario en idénticas condiciones, es
decir que se debe reponer la bolilla antes de una nueva extracción para que el suceso sea un evento
de pruebas repetidas con probabilidad constante. Si el experimento se repite tres veces,
devolviendo la bolilla a la caja luego de cada extracción; el proceso de Bernoulli se transforma en
un proceso binomial.
7 7 5
P( A ∩ B ∩ C ) = P( A ). P( B ). P( C ) = . . = 0,14 = 14%
12 12 12
b) ¿Cuál es la probabilidad de que salgan dos bolillas blancas y una negra sin importar el orden?
7 7 5
P( A ∩ B ∩ C ) = 3. P( A ). P( B ). P( C ) = 3. . . = 0,42 = 42%
12 12 12
Si no interesa el orden en el que aparecen las bolillas, sino que importa solamente la cantidad
de bolillas blancas y negras obtenidas, a la probabilidad individual de uno de los resultados se la
debe multiplicar por el número total de ordenamientos posibles, ya que son sucesos mutuamente
excluyentes.
5
Probabilidad y Estadística Módulo 5
Generalizando esta situación, se supone un experimento aleatorio en el que sólo hay dos
resultados posibles; el éxito, con probabilidad p y su complementario, el fracaso, con
probabilidad q. Para el ejemplo el éxito es extraer bolilla blanca, con probabilidad p = 7/12 ≈ 0,58
y el fracaso, es sacar una bolilla negra con q = 5/12 ≈ 0,42. Como no existe otro resultado factible
debe ser: p + q = 1 (probabilidad total).
Llamando: n: número de repeticiones de un suceso
k: número de éxitos obtenidos
n-k : número de fracasos obtenidos
p: probabilidad de tener éxito
q: probabilidad de obtener un fracaso
Al responder a la pregunta formulada en la parte a) utilizando la simbología genérica resulta:
P ( A ∩ B ∩ C ) = p . p .q = p 2 .q = p k .q n− k
y en la parte b) es:
n
b ( k ; n; p ) = . pk .qn−k Función de probabilidad de la variable
k
aleatoria binomial
Definición:
1) Existe un número finito de pruebas, o sea de veces que se repite el experimento aleatorio.
2) Cada repetición del experimento tiene dos posibles resultados: éxito o fracaso. Estos dos
resultados son mutuamente excluyentes.
3) La probabilidad de éxito o de fracaso es la misma en cada repetición del experimento.
4) Las pruebas son estadísticamente independientes; es decir que el resultado obtenido en una
repetición no influye en la siguiente. (pruebas repetidas con probabilidad constante).
6
Probabilidad y Estadística Módulo 5
Si se analiza mediante la teoría de conjuntos el ejemplo anterior de la caja con 12 bolillas es:
E X P(X)
3
(n;n;n) 0 q
(n;n;b)
(n;b;n) 1 3q2p
(b;n;n)
(b;b;n) 2 3qp2
(b ; n ; b )
(n ; b ; b ) 3 p3
(b ; b ; b )
X 0 1 2 3
La probabilidad total, por ser sucesos mutuamente excluyentes, es la simple suma de las
probabilidades de cada uno de los resultados:
3 0 3 3 1 2 3 2 1 3 3 0
. p .q + . p .q + . p .q + . p .q = 1
0 1 2 3
( p + q )3
n 0 n n 1 n −1 n 2 n − 2 n
( p + q) n = . p .q + . p .q + . p .q + ... + . p n . q 0
0 1 2 n
7
Probabilidad y Estadística Módulo 5
En una población de insectos, de los cuales el 40% se infectan por un determinado virus, se
extrae una muestra de 10 insectos:
..................................................................................................................................................
E ( X ) = n. p Var ( X ) = n . p . q
8
Probabilidad y Estadística Módulo 5
Xi 0 1 2 3
P(Xi) 0,072 0,30 0,42 0,198
P( X = X 0 ) ≥ P( X = X 0 + 1 )
Se verifica, por lo tanto que:
P( X = X 0 ) ≥ P( X = X 0 − 1 )
p .n − q ≤ X 0 ≤ p .n + p
Ejemplo:
7 5 7 7
.3 − ≤ X 0 ≤ .3 + 1,333 ≤ X 0 ≤ 2 ,333
12 12 12 12
Por ser nuestra variable discreta no podemos trabajar con números racionales, siendo por lo
tanto, X 0 el número entero comprendido en dicho intervalo. En este caso X 0 = 2.
Hallar el número más probable de respuestas correctas en el primer problema de este tema,
es decir en el caso del examen de opciones múltiples.
9
Probabilidad y Estadística Módulo 5
ACTIVIDAD 1
1) Se tira una moneda 5 veces. Calcular la probabilidad de que exactamente tres tiros
resulten cara.
7) Se conoce que en una cierta variedad de maíz, la probabilidad de que una mazorca
elegida al azar tenga un peso superior a 320 grs. es igual a 0,4. Si una planta tiene 5
mazorcas:
7.1* ¿Cuál es la probabilidad de que 3 de ellas tengan un peso superior a los 320
grs.?
7.2* ¿Cuál es la probabilidad de que 1 o más mazorcas tengan un peso superior a los
320 grs.?
9) Se sabe que cierta práctica agrícola ha sido adoptada por los productores en el 70%
de los casos. Con el objeto de observar la incidencia de la adopción sobre otras
variedades, se propone visitar 10 productores.
9.1* ¿Cuál es la probabilidad de que ninguno de los productores la haya adoptado?
9.2* ¿Cuál es la probabilidad de que al menos uno de ellos la haya adoptado?
9.3* ¿Cuál es el número esperado de productores que no la han adoptado?
10
Probabilidad y Estadística Módulo 5
10) Para un grupo de empresarios, el 25% de sus impuestos son auditados cada año.
De 5 individuos elegidos al azar, ¿cuál es la probabilidad de que exactamente dos
tengan auditoría de sus utilidades?
12) La sección de control de calidad de una fábrica ha determinado que de cada lote
de 100 dispositivos electrónicos producidos, 10 son defectuosos o al menos no
satisfacen las normas de calidad para ser aceptados. Si se seleccionan al azar tres
dispositivos hallar la probabilidad de que no más de uno sea defectuoso.
13) Cinco hombres de la misma edad y en buen estado de salud contratan seguros de
vida en una compañía de seguros. De acuerdo con las tablas que maneja la compañía
la probabilidad de que un hombre de esa edad viva en los próximos 30 años es de 2/3.
Hallar la probabilidad de que en 30 años vivan:
13.1* los cinco hombres.
13.2* solamente uno.
13.3* por lo menos un hombre.
15) Unos grandes almacenes venden dos artículos en una de sus secciones. Un estudio
de marketing concluye que el 80 % de los productos vendidos en esta sección es del
tipo A y el resto del tipo B. Si un día determinado se venden en esta sección 12
artículos, determinar la probabilidad de que.
15.1* Los 12 sean del tipo A.
15.2* Al menos 5 sean del tipo A.
15.3* Tres sean del tipo B.
16) Si el 20% de los tornillos producidos por una máquina son defectuosos,
determinar la probabilidad de que de 4 tornillos escogidos al azar:
16.1* uno sea defectuoso.
16.2* ninguno sea defectuoso.
16.3* menos de dos sean defectuosos.
17) Una máquina fabrica una determinada pieza y se sabe que produce un 7 por 1000
de piezas defectuosas. Hallar la probabilidad de que al examinar 20 piezas sólo haya
una defectuosa.
18) Se dice que el 70% de los accidentes de una plantación agrícola se atribuyen a
errores humanos. Si en un período de tiempo dado, se suscitan 5 accidentes,
determine la probabilidad de que
18.1* dos de los accidentes se atribuyan a errores humanos.
18.2* como máximo dos de los accidentes se atribuyan a errores de tipo humano.
18.3* tres de los accidentes no se atribuyan a errores humanos.
11
Probabilidad y Estadística Módulo 5
20) Un agricultor que siembra fruta afirma que 2/3 de su cosecha ha sido contaminada
por la mosca del mediterráneo, encuentre la probabilidad de que al inspeccionar 6
frutas:
20.1* 4 estén contaminadas por la mosca.
20.2* estén contaminadas entre 1 y 3.
21) Se sabe que el 40% de las aves zancudas de una población están infectados con un
virus. Si se seleccionan 5 zancudas y se chequean una a una para observar la
presencia del virus tendríamos un experimento binomial en el cual la variable
aleatoria X es número de aves con el virus. Elaborar la función de probabilidad para
la variable.
Si el 20% de los tornillos producidos por una máquina son defectuosos, determinar la
probabilidad de que de 4 tornillos escogidos al azar:
1. * uno sea defectuoso.
2. * menos de dos sean defectuosos.
1. * Probabilidad de un valor individual
12
Probabilidad y Estadística Módulo 5
DISTRIBUCIÓN MULTINOMIAL
En un experimento binomial cada repetición de un suceso tiene dos resultados posibles: éxito
o fracaso.
Características:
1) Al llevar a cabo un experimento con esta distribución se esperan más de dos tipos de
resultados.
2) Las probabilidades asociadas a cada uno de los resultados son constantes.
3) Cada uno de los ensayos o repeticiones del experimento son independientes.
4) El número de repeticiones del experimento, n es constante.
Si definimos:
n : número de repeticiones del suceso.
ki : número de éxitos en cada categoría del suceso.
n!
P ( n;k1 ,k2 ,k3 ,...,ki ; p1 , p2 , p3,..., pi ) = . p1k1 .p2 k2 .p3k3 ...pi ki
k1 ! .k2 ! ...ki !
n!
En la expresión anterior indica el número de permutaciones que se logran
k 1 ! k 2 ! ... k i !
13
Probabilidad y Estadística Módulo 5
Ejemplo:
10 ! 3 4 2 1
P (10; 3 , 4 , 2 ,1; 0 ,5; 0 ,3; 0 ,1; 0 ,1) = . 0 ,5 .0 ,3 .0 ,1 . 0 ,1 = 0 , 013
3 ! . 4 ! . 2 ! . 1!
ACTIVIDAD 2
3). Un laboratorista sabe que en una ciudad el 40% de los habitantes posee sangre tipo
A, el 30% tipo B, el 20% tipo AB y el 10% tipo 0. Se selecciona una muestra de 10
personas al azar, cuál es la probabilidad de que 1 de ellas sea tipo 0, dos personas
sean tipo AB, tres personas sean tipo B y cuatro personas sean tipo A.
4) Una fábrica de máquinas agrícolas produce sus unidades en tres plantas diferentes.
La planta A realiza 500 unidades; la B, 1000, y la C, 2000. Si se selecciona seis
unidades al azar, ¿cuál es la probabilidad de que resulten dos de la planta A y tres de
la planta B?
14
Probabilidad y Estadística Módulo 5
DISTRIBUCIÓN HIPERGEOMÉTRICA
Definición:
k
x
n-x
N-k
15
Probabilidad y Estadística Módulo 5
En este caso, la probabilidad del éxito en pruebas sucesivas no es constante pues depende del
resultado de las pruebas anteriores. Por tanto, las pruebas no son independientes entre sí.
Si se supone que las extracciones se hacen al azar, todos los elementos del lote N tiene la
misma oportunidad de integrar la muestra n. Así, se puede modelizar el experimento como la
elección al azar de un subconjunto de tamaño n de una población con tamaño N. Todos los casos
N
posibles están dados por .
n
El número de casos favorables se obtiene multiplicando todas las formas que existen de
seleccionar x elementos de un grupo mayor k, que posee cierta característica considerada como
éxito, por el número de formas de extraer n − x elementos de un grupo de N − k , que no posee esa
característica.
k N −k
.
x n− x
Aplicando la definición clásica de probabilidad resulta: h ( x;n,k ,N ) =
N
n
Esta distribución se utiliza cuando el muestreo se realiza sin reposición y, por lo tanto no
puede aplicarse la binomial.
Ejemplo:
Una compañía recibe un lote de mil unidades. Para aceptarlo se seleccionan 10 unidades de
manera aleatoria y se inspeccionan. Si ninguna se encuentra defectuosa, el lote ese acepta, de otro
modo se rechaza. El lote contiene un 5% de unidades defectuosas.
a) Determine la probabilidad de aceptarlo mediante el empleo de distribución
hipergeométrica.
b) Aproxime el resultado de la a) mediante el empleo de distribución binomial.
X: variable aleatoria hipergeométrica que indica el nº de piezas defectuosas en una muestra
a) Tamaño del lote N = 1000 Tamaño de la muestra n = 10
Cantidad de defectuosas en el lote k = 50 ( 5% o sea 50 de 1000)
Cantidad de defectuosas de la muestra x = 0
FG 50IJ . FG 950IJ
H 0 K H10 K = 0,5973
fh =
FG1000IJ
H10 K
b) mediante aproximación binomial: f b (0;10; 0.05) = 0,5987
Existe una buena aproximación entre los resultados.
En el ejercicio anterior ¿cómo cambiarían las respuestas de las partes a) y b) si el tamaño del
lote fuera de 40 unidades?
16
Probabilidad y Estadística Módulo 5
ACTIVIDAD 3
17
Probabilidad y Estadística Módulo 5
DISTRIBUCIÓN DE POISSON
Esta distribución resulta aplicable en muchos procesos donde existe una observación por
unidad de tiempo o espacio, por ejemplo: el número de microorganismos por muestra de agua de
una laguna, número de defectos encontrados en cada grano de maíz, número de accidentes de
trabajo por día en una empresa, número de llamadas recibidas en una central por minuto, número
de partículas emitidas por una sustancia radioactiva en medio minuto, etc.
Todos estos procesos se miden por unidad de tiempo o espacio, y el número de éxitos por
unidad de tiempo o espacio es lo que equivale al número de éxitos en n pruebas de la distribución
binomial.
Resumiendo, para que una variable aleatoria discreta X tenga asociada una distribución de
probabilidades de Poisson le exigimos las siguientes condiciones:
−λ k
e .λ
P( X = k ) =
k!
18
Probabilidad y Estadística Módulo 5
Ejemplo:
12 cm 3_________________ 36 mic.
1 cm 3__________________ x x = 3 mic. en cada cm 3 ⇒ λ = 3
e −3 .3 0
P( X ≥ 1) = 1 − P( X = 0) = 1 − = 0,9502 ≅ 95%
0!
Esta distribución, como la binomial, define una distribución discreta. El espacio muestral
está constituido por un conjunto numerable infinito.
Una fábrica de rejas para arado afirma que la probabilidad de rotura de una reja durante el
primer afilado es de 0,4%. Si un establecimiento hace un pedido de 1.000 rejas, ¿cuál es la
probabilidad de que se rompan 8 rejas durante el primer afilado? ¿Y de qué se rompan a lo sumo
10 rejas?
Los datos que extraemos del planteo son: n = …….... λ = ........... k = ............
Supóngase que el 2% de los artículos producidos por una fábrica son defectuosos. Hallar la
probabilidad de haya 3 artículos defectuosos en una muestra de 100 artículos.
19
Probabilidad y Estadística Módulo 5
ACTIVIDAD 4
2) Supóngase que el 2% de los artículos producidos por una fábrica son defectuosos.
Hallar la probabilidad de haya 3 artículos defectuosos en una muestra de 100
artículos.
20
Probabilidad y Estadística Módulo 5
Respuestas a ejercicios
ACTIVIDAD 1
19) 19.1* 0,23 20) 20.1* 0,33 21) a cargo del alumno
19.2* 0,75 20.2* 0,32
19.3* 0,16
ACTIVIDAD 2
4) 0,016 5) 0,19
ACTIVIDAD 3
4) 0,98 5) 0,52
21
Probabilidad y Estadística Módulo 5
ACTIVIDAD 4
7) 0,37
22