Você está na página 1de 35

Curso 2018

Septiembre - Diciembre 2018

Probabilidad y Estadística
Pedagogía en Matemáticas
Unidad III. Distribuciones de probabilidad discreta –
Semana 08
Dr. Jaime García-García
jaime.garcia@ulagos.cl

1
Unidad III. Distribuciones de probabilidad discreta
1. Panorama General
.

2
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias
.

3
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias
.

4
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias

¿Cuáles serían otros ejemplos de V.A.D. y V.A.C.? 5


Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias

¿Cuáles serían otros ejemplos de V.A.D. y V.A.C.?

• Cantidad de leche que produce una vaca en un día.


• Número de huevos que una gallina pone en un día.
• Número de estudiantes de estadística que asisten a una
clase.
• La medida del voltaje de una batería de un detector de
humo.

6
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias

Existen varias formas para graficar una distribución de


probabilidad, pero aquí consideraremos solamente al
histograma de probabilidad.
.

7
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias
Ejemplos:
¿La siguiente tabla describe una distribución de
probabilidad?

¿Determina P(x) = x/3 (donde x puede ser 0, 1 o 2) una


distribución de probabilidad?
8
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias
Media, varianza y desviación estándar
.

9
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias
Identificación de resultados poco comunes con la regla
práctica del intervalo
Hay que recordar que los valores “poco comunes” se
identifican si caen fuera de los siguientes límites:

Regla práctica del intervalo


valor máximo común = μ + 2σ
valor mínimo común = μ – 2σ

10
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias
EJEMPLO En la siguiente tabla se describe la distribución de
probabilidad del número de méxico-estadounidenses que
integran un jurado de 12 miembros en el condado de Hidalgo,
Texas. Suponiendo que repetimos el proceso de selección
aleatoria de los 12 miembros del jurado y contamos el número
de méxico-estadounidenses cada vez, calcule la media del
número de méxico-estadounidenses (de un total de 12), la
varianza y la desviación estándar. Utilice esos resultados y la regla
práctica del intervalo para calcular el valor máximo común y el
valor mínimo común. Con base en los resultados, determine si un
jurado que consta de 7 méxico-estadounidenses de un total de
12 miembros es común o poco común.
11
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias

12
Unidad III. Distribuciones de probabilidad discreta

13
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias

Con base en estos resultados, concluimos que, para grupos de 12


miembros del jurado elegidos al azar en el condado de Hidalgo, el
número de méxico-estadounidenses debe caer entre 6.8 y 12.4. Si
un jurado consta de 7 méxico-estadounidenses, no se trata de un
suceso poco común y no serviría como base para afirmar que el
jurado se eligió de una manera que discrimina a los méxico-
14
estadounidenses.
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias

La media de una variable aleatoria discreta es el resultado


medio teórico de un número infinito de ensayos. Podemos
considerar esa media como el valor esperado en el sentido
de que constituye el valor promedio que esperaríamos
obtener si los ensayos pudieran continuar de manera
indefinida. Los usos del valor esperado (también llamado
esperanza o esperanza matemática) son extensos y variados,
y desempeñan un papel muy importante en una área de
aplicación denominada teoría de la decisión.

. 15
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias

16
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias

Ejemplo:
Si usted apuesta $1 en el juego de lotería Kentucky Pick 4,
pierde $1 o gana $4999. (El premio ganador es de $5,000,
pero no le devuelven su apuesta de $1, por lo que la
ganancia neta es de $4999). El juego consiste en seleccionar
un número de cuatro dígitos entre 0000 y 9999. Si usted
apuesta $1 al 1234, ¿cuál es el valor esperado de ganar o
perder?

17
Unidad III. Distribuciones de probabilidad discreta
2. Variables aleatorias

INTERPRETACIÓN En cualquier juego individual, usted pierde


$1 u obtiene una ganancia neta de $4999, pero el valor
esperado indica que, a largo plazo, usted espera perder un
promedio de 50 centavos por cada apuesta de $1. Tal vez
esta lotería tenga cierto valor de entretenimiento limitado,
pero, sin duda, se trata de una inversión económica
extremadamente inadecuada. 18
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial

Las distribuciones de probabilidad binomial nos permiten


enfrentar circunstancias en las que los resultados pertenecen
a dos categorías relevantes, tales como
aceptable/defectuoso o sobrevivió/murió. En la siguiente
definición se plantean otros requisitos.

19
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial

20
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial

Si un procedimiento satisface estos cuatro requisitos, la


distribución de la variable aleatoria x (número de éxitos) se
denomina distribución de probabilidad binomial (o
distribución binomial).

21
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial

Ejemplo:
Un examen de opción múltiple contiene 10 preguntas, cada
una con cuatro opciones, de las cuales sólo una es correcta.
Un estudiante presentará el examen y desconoce el tema,
por lo que decide responder al azar. Sea X = “el número de
respuestas correctas que el estudiante obtuvo en el examen”.
Determinar si el experimento puede considerarse binomial.

22
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
.

23
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
Función de la distribución binomial.
La distribución de probabilidad binomial puede
representarse mediante una expresión simbólica: ‘fórmula’. A
continuación deduciremos la fórmula de la distribución de
probabilidad binomial.
Como ya señalamos, un experimentos binomial puede
presentar uno de dos resultados posibles: uno llamado éxito
(E) y el otro llamado fracaso (F). Pensemos que el
experimento se realizo n veces y se obtuvo el siguiente
resultado:

24
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
Función de la distribución binomial.

EFFEEFEF…FEEF
n veces
Por facilidad, acomodemos los resultados de la siguiente
manera:
EEEEEEEE…EEFFFFFFFFF…FFF
x éxitos n – x fracasos
Sabemos que la probabilidad de éxito es p y la de fracaso es
q, entonces la probabilidad de que ocurra el resultado
anterior es el producto de sus probabilidades, dado que los
eventos son independientes. 25
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
Función de la distribución binomial.

p p p p p p p p … p p p p q q q q q … q q q = pxqn–x
x éxitos n – x fracasos
Pero no olvidemos que q = 1 – p, por lo que la expresión
queda en función de sólo de p. Esto es: px(1-p)n–x

26
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
Función de la distribución binomial.

La probabilidad anterior corresponde a una combinación de


de resultados (éxitos y fracasos). Sin embargo, se tienen
muchas combinaciones de posibles resultados, entonces
habrá que multiplicar dicho valor por el total de
combinaciones posibles con x éxitos en n pruebas.
Finalmente, la expresión queda de la siguiente manera:
𝑛 𝑥
𝑝 𝑥 = 𝑝 1 − 𝑝 𝑛−𝑥
𝑥
𝑛!
𝑝 𝑥 = 𝑝 𝑥 1 − 𝑝 𝑛−𝑥
𝑥! 𝑛 − 𝑥 ! 27
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
Función de la distribución binomial.

Un experimento binomial consta de n ensayos o pruebas


idénticas, donde la probabilidad de éxito en cada ensayo es
p. La probabilidad de obtener x éxitos en los n ensayos está
denominada por:
𝑛 𝑥
𝑃 𝑥 = 𝑝 1 − 𝑝 𝑛−𝑥
𝑥
x = 0, 1, 2, 3,…, n ; 0 ≤ p ≤ 1 ; q = 1 – p
Decimos entonces que la variable aleatoria X tiene
distribución de probabilidad binomial
28
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
Función de la distribución binomial.

1. La expresión anterior es una función de probabilidad, es decir,


al tomar valores X se obtienen valores para P(x).
2. Los valores que puede tomar X son 0, 1, 2, 3,…, n, pues se trata
de una variable aleatoria discreta.
3. La fórmula o modelo contiene dos parámetros: n y p, que
determinan los valores de las probabilidades obtenidas y, por
tanto, la forma de la distribución.
4. La suma de las probabilidades de todos los posibles valores de
la variable aleatoria es igual a 1. En otras palabras si se dibuja es
histograma de probabilidades el área es igual a 1.
29
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
Efecto de los parámetros n y p en la forma de la distribución
binomial
n=5 , p=0.7 n=5 , p=0.5 n=5 , p=0.3

30
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
Media, varianza y desviación estándar para la distribución
binomial.

31
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
Ejemplos.
1. En 10 lanzamientos de una moneda. ¿Cual es la
probabilidad de obtener menos de 3 caras? ¿Cuál es la
probabilidad de obtener 8 o más caras? Construye la gráfica
de la distribución de probabilidad.

32
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
Ejemplos.
2. En una industria de productos eléctricos, como parte de
una prueba de control de calidad, se ha seleccionado de un
lote de 300 fusibles eléctricos, del cual se sabe que contiene
5% de defectuosos. Se toma una muestra de 5 fusibles para
verificar su estado. Determine la probabilidad de que:
a) Un fusible sea defectuoso
b) Dos fusibles sean defectuosos
c) Al menos uno sea defectuoso
d) Los cinco sean defectuosos
e) Construye la gráfica de la distribución de probabilidad.
33
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
Ejemplos.
3. Una fabrica produce alfileres, de los cuales 2.5% tienen
algún defecto. Si se toma una muestra de 200 alfileres, ¿cuál
es la probabilidad de encontrar tres o más defectuosos?

4. En un campeonato de bolos un equipo ha ganado 15 de


sus últimos 20 juegos. Con base en esta información, ¿cuál es
la probabilidad de que este gane…
a) por lo menos 4 de los 10 que faltan?
b) exactamente 4 de los 10 que faltan?
c) más de 4 de sus 10 que faltan?
d) Construye la gráfica de la distribución de probabilidad. 34
Unidad III. Distribuciones de probabilidad discreta
3. Distribuciones de probabilidad binomial
Ejemplos.
5. El 10 por ciento de una población tiene grupo sanguíneo
0 ¿Qué probabilidad existe de que, al tomar 5 personas al
azar, exactamente 3 sean de grupo 0?

6. Un autobús llega con retraso a su parada uno de cada


diez días. Si una persona toma una vez al día este autobús
¿Cual es la probabilidad de que en una semana no sufra
retraso?

35