Introduccin

En este tema entenderemos que la distribucin de variables aleatorias discretas se utiliza para determinar el comportamiento de un sistema. Se utiliza la distribucin aleatoria porque no se conocen los resultados, o los datos con presicion, se crean escenarios futuros. Para esto se emplean tres tipos de variables aleatorias discretas: La distribucin binomial La Hipergeometrica La Poisson

DISTRIBUCIONES DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS: BINOMIAL, HIPERGEOMETRICA Y DE POISSON

Qu es un espacio muestral? Es el conjunto de todos los resultados posibles de un experimento estadstico denotado por S. Qu es una variable? Se denomina variable a la entidad que puede tomar un valor cualesquiera durante la de un proceso dado. Si la variable toma un solo valor durante el proceso se llama constante. Qu es una variable aleatoria? Es una funcin que asocia un numero real a cada elemento del espacio muestral. Es decir son aquellas que pueden diferir de una respuesta a otra.

 Una

variable aleatoria se define como un evento numrico cuyo valor se determina mediante un proceso aleatorio. Si a cada uno de los posibles valores numricos de una variable aleatoria X se le asigna un valor de probabilidad, ya sea mediante una lista o una funcin matemtica, el resultado es una distribucin de probabilidad.
variable aleatoria se puede clasificar en:

Una

Variable

aleatoria discreta

Variable

aleatoria continua
Continuar

Una variable discreta proporciona datos que son llamados datos cuantitativos discretos y son respuestas numricas que resultan de un proceso de conteo.

Ejemplos: La cantidad de alumnos regulares en un grupo escolar. El nmero de guilas en cinco lanzamientos de una moneda. Numero de circuitos en una computadora. El numero de vehculos vendidos en un da, en un lote de autos.

Estas distribuciones de probabilidad estndar pueden servir para una amplia gama de variables aleatorias discretas que se usan en los negocios. Los que se describen en este capitulo son las distribuciones de probabilidad binomial, hipergeometrica y de Poisson

Es aquella que se encuentra dentro de un intervalo comprendido entre dos valores cualesquiera; esta puede asumir infinito nmero de valores y estos se pueden medir. No se pueden listar todos los posibles valores fraccionarios de la variable, y por tanto las probabilidades se determinan a travs de una funcin matemtica y se representan grficamente mediante una funcin de densidad de probabilidad o curva de probabilidad.

Ejemplo: La estatura de un alumno de un grupo escolar. El peso en gramos de una moneda. Las dimensiones de un vehiculo

La distribucin de probabilidad es una distribucin terica de frecuencias que describe como se espera que varen los resultados de un experimento. Existen diferentes tipos de modelos que permiten describir el comportamiento de fenmenos estadsticos que permiten hacer inferencias y tomar decisiones en condiciones de incertidumbre. Se pueden clasificar en:

Distribuciones discretas, Son aquellas donde las variables asumen un nmero limitado de valores, por ejemplo el nmero de aos de estudio. Estas son: binomial , hipergeometrica y poisson

Distribuciones continuas: Son aquellas donde las variables en un estudio pueden asumir cualquier valor dentro de determinados lmites; por ejemplo, la altura de un estudiante.

FUNCIONES DE PROBABILIDAD DISCRETAS

La distribucin de probabilidad para una variable aleatoria discreta puede ser: 1.- Una relacin terica de resultados y probabilidades que se puede obtener de un modelo matemtico y que representa algn fenmeno de inters. 2.- Una relacin emprica de resultados y sus frecuencias relativas observadas. 3.- Una relacin subjetiva de resultados relacionados con sus probabilidades subjetivas o artificiales que representan el grado de conviccin del encargado en tomar decisiones sobre la probabilidad de posibles resultados.

 Sabemos

que una variable aleatoria discreta o discontinua es aquella en la que existe una distancia bien definida entre dos de los valores consecutivos que asume; y dichos valores son numerables.
varios modelos matemticos que representan diversos fenmenos discretos de la vida real.

Existen

Las ms tiles son:

1.- La distribucin uniforme discreta. 2.- La distribucin de probabilidad Binomial o de Bernoulli. 3.- La distribucin de probabilidad Hipergeomtrica. 4.- La distribucin de probabilidad de Poisson.

LA DISTRIBUCION BINOMIAL
Esta distribucin fue elaborada por Jacobo Bernoulli y es aplicable a un gran nmero de problemas de carcter econmico y en numerosas aplicaciones como: - Juegos de azar. - Control de calidad de un producto. - En educacin. - En las finanzas.

Es una distribucin discreta de probabilidad que es aplicable como un modelo en situaciones de toma de decisiones en las que se supone que el proceso de muestreo se ha realizado conforme a un proceso de Bernoulli. Un proceso de Bernoulli es un proceso en el cual: En cada ensayo solo pueden presentarse dos resultados u observaciones mutuamente excluyentes. Para simplificar, a estos resultados se les llama xito y fracaso. Los resultados de una serie de ensayos u observaciones constituyen eventos independientes. La probabilidad de xito en cada ensayo, denotada por p, permanece constante de un ensayo a otro. Es decir, el proceso es estacionario

La distribucin binomial se usa : para obtener un nmero determinado de xitos en un proceso de Bernoulli. Se requieren tres valores: el nmero determinado de xitos (x), el nmero de ensayos u observaciones (n) y la probabilidad de xito para cada prueba (p) y q= (1-p) si la probabilidad es de fracaso, la formula para determinar la probabilidad de un nmero determinado de xitos X en una distribucin binomial es

P[ x = k] = ( n/k ) pk qn - k K = numero de xitos n = nmero de pruebas p = probabilidad de xitos q = probabilidad de fracasos Ejemplo: La probabilidad de que un prospecto elegido al azar por un cazador de talentos realice un gol es de 0.20. Si el cazador de talentos llama a seis delanteros, la probabilidad de que hagan 4 goles se determina como sigue:

P (x = 4 l n = 6 , p = 0.20) = 6C4 (0.20)4 (0.80)2 = 6! / 4! 2! (0.20)4 (0.80)2

= 6 x 5 x 4 x 3 x 2 / (4 x 3 x 2) (2 ) = (0.0016) ( 0.64 ) = 0.01536 = 0.015

Con frecuencia lo que interesa es la probabilidad acumulada de la ocurrencia de x o mas xitos o de x o menos xitos en n ensayos. En un caso como este se determina la probabilidad de cada resultado comprendido en el intervalo determinado, y luego se suman las probabilidades. En el ejemplo, la probabilidad de que el delantero haga cuarto o ms goles se determina como sigue:

 P(x

> 4) l n=6 , p= 0.20) = P(x = 4) + P( x = 5) + P(x = 6)

= 0.01536 + 0.001536 + .000064 = 0.016960 = 0.017

Donde: P(x = 4) = 0.01536 ( de acuerdo al ejemplo) P( x = 5) = 6C5 (0.20)5 (0.80)1 = 6! / 5! 1! (0.20)5 (0.80) = 6(0.00032)(0.80) = 0.001536 P( x = 6) = 6C6 (0.20)6 (0.80)0 = 6! / 6! 0! (0.000064) (1) = (0.000064) = 0.000064 Se entiende que el exponente 0 es igual a 1

Debido a que cuando la muestra es relativamente grande, el uso de la formula binomial requiere muchos clculos aritmticos, se suelen usar tablas para probabilidades binomiales.

si a la probabilidad de que un prospecto para delantero, elegido al azar, realice un gol es 0.20, la probabilidad de que un caza talentos que llama a 15 delanteros haga menos de tres goles es:

 P(x

< 3 l n=15, p= 0.20) = P(x < 2) = P(x =0) + P(x = 1) + P(x = 2)

= 0.0352 + 0.1319 +0.2309 = 0.3980 = 0.40

La variable binomial expresada como proporciones En lugar de expresar la variable aleatoria binomial como numero de xitos, x, se le puede expresar en trminos de la proporcin de xitos p, que es el cociente del nmero de xitos entre el nmero de ensayos: p = X / n

Existen casos en que la formula se modifica solo respecto de la definicin de la proporcin

LA DISTRIBUCIN HIPERGEOMETRICA

Se emplea para calcular la probabilidad de obtener determinado nmero de xitos en un espacio muestral de n ensayos; pero a diferencia de la distribucin binomial es que los datos de la muestra se extraen sin reemplazo en una poblacin finita. Por esto es que el resultado de una observacin depende o es afectado por el resultado de cualquier otra u otra observacin anterior.

 Es

decir la distribucin hipergeomtrica se emplea para muestreos sin reemplazo de una poblacin finita cuya probabilidad de ocurrencia cambia a lo largo del ensayo.
formula se define de la siguiente manera:

La

DISTRIBUCIN DE PROBABILIDAD HIPERGEOMTRICA

P ( X ) = (s C x ) (N - S C n - x ) NCn Donde: N = Tamao de la poblacin s = numero de xitos en la poblacin x = numero de xitos que son de inters n = Tamao de la muestra o nmeros de ensayos C = Denota una combinacin

 Suponga

que durante la semana se fabricaron 50 estaciones de juego para vaideo. Cuarenta de ellas funcionaron perfectamente, y diez tuvieron al menos un defecto. Se seleccion al azar una muestra de cinco. Utilizando la frmula Hipergeomtrica, cul es la probabilidad de que 4 de los 5 funcionen perfectamente?

P ( 4 ) = (40 C 4 ) (50 - 40 C 5 - 4 ) 50 C 5 P ( 4 ) = (91 390) (10) 2 118 760 P ( 4 ) = .431

La

probabilidad de seleccionar 5 estaciones de juego y encontrar que 4 funcionan perfectamente es de 0.431.

LA DISTRIBUCION DE POISSON
Esta

funcin de distribucin de variable discreta se emplea para calcular las probabilidades asociadas a la variable aleatoria dentro de un intervalo continuo de tiempo o espacio; este intervalo es generalmente una unidad de medida conocida: cm2, Km., gramos, litros, pulgadas, etc

Algunos de los problemas que presentan como un fenmeno con distribucin de Poisson son: - Los embotellamientos que se producen por da. - Nmero de llamadas por hora. - Defectos por m2 de tela. - Nmero de defectos por lote de un proceso de produccin. Nmero de negocios cerrados por semana.

este tipo de problemas se les conoce el nmero de xitos x obtenidos por unidad de medida en n ensayos; pero es totalmente imposible conocer el nmero de fracasos (n - x).

Se

dice que se da un proceso de Poisson si se pueden observar eventos discretos en un intervalo continuo en forma tal que si se acorta el intervalo lo suficiente:

1.- La probabilidad de observar exactamente un xito en el intervalo es estable. 2.- La probabilidad de observar dos o ms xitos en el intervalo es cero. 3.- La ocurrencia de un xito en cualquier intervalo es estadsticamente independiente de que suceda en cualquier otro intervalo

La formula para determinar la probabilidad de un nmero determinado X de xitos en una distribucin de poisson es: P (X l ) = X e - / X!

n = numero de ensayos x = numero de xitos esperados en n ensayos e = 2.71828 = n p = constante igual al numero de xitos promedio por unidad de medida P = probabilidad constante durante el proceso igual al numero de xitos promedio por unidad de medida

 Aqu

la constante e es constante: 2.7183, que es la base de los logaritmos naturales, y los valores e pueden obtenerse de diferentes fuentes

Ejemplo: si en un departamento de reparacin de maquinaria se reciben en promedio cinco solicitudes de servicio por hora, la probabilidad de recibir menos de tres solicitudes durante una hora elegida al azar se determina como:

P (X < 3 l = 5.0) = P( X 2) = P( x = 0 ) + P( x = 1) + P( x = 2)

= 0.0067 + 0.0337 + 0.0842 = 0.1246

Donde
P

(X = 0 l = 5.0) = 0.0067 P (X = 1 l = 5.0) = 0.0337 P (X = 2 l = 5.0) = 0.0842

Como se supone que un proceso de Poisson es estacionario, se concluye que la media ( ) del proceso siempre es proporcional a la magnitud del conjunto de tiempo o de espacio. Por tanto, si la media de que se disponga corresponde a un determinado periodo, para otro periodo que se requiera puede determinarse la media. Esto es muy importante, ya que el valor de que se debe ser aceptable al periodo de inters.

CONCLUSIN
En

estos temas analizamos distribuciones de probabilidad aleatoria de tipo discreto especficamente binomial poisson hipergeomtrica. importante saber como se comportan los sistemas con el fin de anticiparnos a posibles problemas.

Es

 Tenemos

que ser precisos en sabes si los valores de sus variables de estos sistemas toman valores enteros o valores fraccionados de ah la importancia de clasificarlos como valores discretos o valores continuos

El primero se caracteriza por tomar valores de 0-1 en sus resultados El hipergeometrico se concluye que es el ms crtico para analizar porque, se tiene que tomar una decisin a corto plazo debido a que su curva caracterstica es prolongada al principio factor, que tenemos que disminuir rpidamente
El ultimo toma exclusivamente valores enteros, y esta distribucin se encuentra en la mayora de los sistemas.

Distribuciones de probabilidad

Distribuciones de probabilidad

Distribuciones de probabilidad

Distribucin binominal

Distribucin exponencial Distribucin de uniforme

Distribucin binominal Acumulada Distribucin hipergeomtrica

Distribucin de normal

Distribucin de Poisson

Desviacin normal Clculo de probabilidades Determinacin del valor de X Aproximacin a la distribucin binomial probabilidad