DISTRIBUCIONES DE PROBABILIDAD

Variable Aleatoria Discreta Funcin de densidad - Funcin masa de densidad f(x)= P(x=x) Funcin Acumulativa F(x)= P (xx) Una distribucin de probabilidad indica toda la gama de valores que pueden presentarse como resultado de un experimento. Una distribucin de probabilidad es similar a una distribucin de frecuencias relativas, sin embargo en vez de describir el pasado, describe que tan probable es un evento futuro. Ejemplo: Una agencia de proteccin al consumidor puede probar un tipo de medicamento en una muestra n, para un grupo de personas. Variable Aleatoria Es una cantidad que es resultado de un experimento, y debido al azar puede tomar valores diferentes. Variable Aleatoria Discreta Es aquella que puede tomar ciertos valores dentro de un experimento. Valor Esperado (Esperanza Matemtica) = E*x+ = x P(x) o Propiedades: 1) 2) E [c] = C E [cx] = C E [x] = E[x] = x f(x)

3)

( )

(x) = E

( )

(x)

Axiomas Probabilidad: 1) f(x)0 n ^ f(x)1 P = ; = Poblacin ; P(x)0 ^ P(x)1

Varianza: CASO 1 = ( CASO 2 = E[ ]Donde: = Varianza Poblacional = Variable esperada P(x) = P Ejercicio 1 ) P(x)

El nmero de consultas de los estudiantes va internet respecto a la asignatura Castellano oscila entre 0 y 6 cada da como se muestra en los siguientes datos: Consultas 3 1 2 3 4 5 6 Nmero de das 0 5 3 6 2 4 4

(respectivamente) a) Cual es el valor esperado? b) Cual es el valor de la varianza? Xi fi 03 15 23 36 42 54 64 Si llamamos X al nmero de consultas diarias (la primera columna) y f al nmero de das que se producen las consultas dadas (la segunda columna) entonces: n=nmero de datos (es la suma de la segunda columna) = 27 El valor esperado es E(X) = 1/n*(xi*fi) = 1/27 * ( 0*3 + 1*5 + 2*3 + 3*6 + 4*2 + 5*4 + 6*4) = E(X)=3 o lo que es lo mismo la media =3

La varianza es = 1/n*(fi*(xi-)) = 1/27* ( 3*(0-3)+5*(1-3)+3*(2-3)+6*(3-3)+2*(4 (5-3)+4*(6-3) ) = 3.8519

Ejercicio 2

Calcule la media y la varianza de la siguiente distribucin de probabilidad discreta X 0 1 2 3 p(x) 0,20 0,40 0,30 0,10

= media = x P(x) = (0) (0,20) + (1) (0,40) + (2) (0,30) + (3) (0,10) =1, 3 = ( = ( =0,81 ) P(x) ) ( ) ( ) ( ) ( ) ( ) ( ) ( )

Ejercicio 3

Determine la media y la varianza de la siguiente distribucin de probabilidad discreta X 2 8 10 p(x) 0,50 0,30 0,20

= media = x P(x) = (2) (0,50) + (8) (0,30) + (10) (0,20) =5,4 = ( = ( =12,04 ) P(x) ) ( ) ( ) ( ) ( ) ( )

Tipos de Datos de Probabilidad Discreta Sea X una variable aleatoria discreta entonces se cumple lo siguiente: Funcin masa de probabilidad de X P(x)= P(X=x) Funcin Acumulativa de X F(x)= P (Xx)

Distribucin de Probabilidad de Bernoulli: Caractersticas: 1.- La prueba tiene uno de los resultados mutuamente excluyentes o exclusivos denotando uno de los resultados como: E (xito) ^ F (fracaso)

2.- Los resultados son exhaustivos, es decir no existen otros resultados posibles. 3.- A las probabilidades E y F se las denota: E (xito) =p ^ Ntese que: Definicin: P(x) = Donde: p = Probabilidad de xito q = 1 p = Probabilidad de fracaso Media: =p Varianza: = p. q . ; x=0,1 p+q=1 F (fracaso) = q

Distribucin de Probabilidad Binomial: Caractersticas: 1) El experimento consiste en n pruebas de Bernoulli idnticas. 2) Cada prueba tiene nicamente dos resultados posibles: xito y Fracaso 3) P(E) = p ; P(F)=q ; Ntese que: p + q=1 4) Las pruebas son independientes. 5) La variable aleatoria Binomial de X es un nmero de resultados de n pruebas Definicin: P(x) = ( ) Donde: p = Probabilidad de xito. q = 1 p = Probabilidad de fracaso ( )=
( )

; x=0,1,, n

= combinacin

Media: = n.p Varianza: = n. p. q q=1p Distribucin de Probabilidad Hipergeomtrica: Caractersticas: 1.- El experimento consiste en extraer al azar y sin sustitucin en elementos pequeos n, en elementos grandes N, r de los cuales son E (xitos) y (N-r) de los cuales son fracasos. 2.- El tamao de la muestra n es grande en comparacin con N mayscula de la poblacin, es decir: 3.- La variable aleatoria Hipergeomtrica X es el nmero de resultados de S en la muestra de n elementos.

X = mximo [0, n-(N-r)+,, mnimo (r, n) Definicin:

P(x) =

( )( ( )

Donde: N = nmero total de elementos r = nmero de resultados de S en n elementos n = nmero de elementos extrados X = nmeros de resultados en n elementos. Media: = Varianza: =
( ) ( ( ) )

Distribucin de Probabilidad de Poisson: Caractersticas: 1.- El experimento consiste en contar el nmero de veces que ocurre un evento en particular durante una unidad de tiempo dada, en un rea de unidad, volumen, peso, distancia o cualquier otra unidad de medida dada. 2.- La probabilidad de que un evento ocurra en una unidad de tiempo, rea o volumen es la misma para todas las unidades 3.- El nmero de eventos que ocurre en una unidad, rea o volumen, es independiente del nmero que ocurre en otras unidades. Definicin:

P(x) = Donde:

n = 0,1,2,,n

e = 2,718 = E(x) ; Media: = Varianza: = Ejercicios de Aplicacin Ejercicio 1 Si se lanza 4 veces una moneda, calcular el evento "Nmero de caras que caen. Datos:

Ejercicio 2

Al lanzar una moneda, la probabilidad de conseguir que salga cruz". Se trata de un solo experimento, con dos resultados posibles: el xito (p) se considerar sacar cruz. Valdr 0,5. El fracaso (q) que saliera cara, que vale (1 - p) = 1 - 0,5 = 0,5. La variable aleatoria X medir "nmero de cruces que salen en un lanzamiento", y slo existirn dos resultados posibles: 0 (ninguna cruz, es decir, salir cara) y 1 (una cruz). Por tanto, la v.a. X se distribuir como una Bernoulli, ya que cumple todos los requisitos.

Ejercicio 3

"Lanzar un dado y salir un 6". Cuando lanzamos un dado tenemos 6 posibles resultados:

Estamos realizando un nico experimento (lanzar el dado una sola vez). Se considera xito sacar un 6, por tanto, la probabilidad segn el teorema de Laplace (casos favorables dividido entre casos posibles) ser 1/6.

Se considera fracaso no sacar un 6, por tanto, se considera fracaso sacar cualquier otro resultado.

La variable aleatoria X medir "nmero de veces que sale un 6", y solo existen dos valores posibles, 0 (que no salga 6) y 1 (que salga un 6). Por tanto, la variable aleatoria X se distribuye como una Bernoulli de parmetro = 1/6

La probabilidad de que obtengamos un 6 viene definida como la probabilidad de que X sea igual a 1.

La probabilidad de que NO obtengamos un 6 viene definida como la probabilidad de que X sea igual a 0.

Ejercicio 4

Cuando se aplica cierto barniz a una superficie de cermica, 5 % es la probabilidad de que se decolore, 20 % de que se agriete, y el 23 % de que se decolore o no se agriete, o ambas. Sea X = 1 si se produce una decoloracin y X = 0 en cualquier otro caso, Y = 1 si hay alguna grieta, Y = 0 en cualquier otro caso, Z = 1 si hay decoloracin o grieta, o ambas, y Z = 0 en cualquier otro caso. a) b) c) d) e) f) Sea la probabilidad de xito de X. Determine Sea la probabilidad de xito de Y. Determine Sea la probabilidad de xito de Z. Determine Es posible que X, Y sean igual a 1? Es ? Es Explique?

Datos: 5% = Decolore = P (D) = 0,05 20% = Agriete = P(A) = 0,20 23% = D A o ambas = P(D A ambas ) = 0,23 Son x=1 X=0 Y=1 Y=0 Z=1 Z=0 a) P(x) = . ; x=0,1 A D

=( =1 b)

) (

) (

P (y) = =( =1 c) P (z) = =( =1 d)

. ) (

; y=0,1 ) ( ) ( )

. ) (

; z=0,1 ) ( ) ( )

X, Y = 1? SI e) ? 1=1+1 12 f) Z=X +Y DoAoD+A Ejercicio 5 Sea X el nmero de imperfecciones superficiales de una caldera seleccionada al azar de un tipo que tiene una distribucin de Poisson con =5. Use la tabla A.2 del apndice para calcular las siguientes probabilidades. a) P(X8) b) P(X=8) c) P(9X) NO

d) P(5X8) e) P(5<X<8) Desarrollo: Datos: =5 a) P(X8) = P(X=0) + + P(X=8) P (X8) = P (X8) = 0,932 ++=

b) P(X=8) = P(X=8) = P(X=8) =0,065

c) P(9X) = (PX9) P (9X) = 1 P(X<9) P (9X) = 1 [P(X=0) + + P(x=8)] P (9X) = 1- 0,932 P (9X) = 0,068 d) P(5X8) = [P(X=5) + P(X=6) + P(X=7) + P(X=8)] P (5X8) =0, 49 e) P(5<X<8) = [P(X=6) + P(X=7)] P (5<X<8) =0,25