1.

DISTRIBUCIN BINOMIAL Las caractersticas de esta distribucin son: a) En los experimentos que tienen este tipo de distribucin, siempre se esperan dos tipos de resultados, ejem. Defectuoso, no defectuoso, pasa, no pasa, etc, etc., denominados arbitrariamente xito (que es lo que se espera que ocurra) o fracaso (lo contrario del xito). b) Las probabilidades asociadas a cada uno de estos resultados son constantes, es decir no cambian. c) Cada uno de los ensayos o repeticiones del experimento son independientes entre s. d) El nmero de ensayos o repeticiones del experimento (n) es constante. A partir de un ejemplo. Desarrollaremos una frmula que nos permita cualquier problema que tenga este tipo de distribucin. Ejemplo: Se lanza al aire una moneda normal 3 veces, determine la probabilidad de que aparezcan 2 guilas. Solucin: Antes de empezar a resolver este problema, lo primero que hay que hacer es identificarlo como un problema que tiene una distribucin binomial, y podemos decir que efectivamente as es, ya que se trata de un experimento en donde solo se pueden esperar dos tipos de resultados al lanzar la moneda, guila o sello, cutas probabilidades de ocurrencia son constantes, cada uno de los lanzamientos es independiente de los dems y el nmero de ensayos o repeticiones del experimento son constantes, n = 3. Para dar solucin a este problema, lo primero que hay que hacer es un diagrama de rbol, en donde representaremos los tres lanzamientos, de ah se obtendr el espacio muestral y posteriormente la probabilidad pedida, usando la frmula correspondiente.

=AAA, AAS, ASA, ASS, SAA, SAS, SSA, SSS Para obtener la frmula, definiremos lo siguiente: n = nmero de lanzamientos de moneda x = nmero de xitos requeridos = nmero de guilas = 2 p = probabilidad de xito= p(aparezca guila) =1/2 q = probabilidad de fracaso= p(aparezca sello) =1/2 Entonces podemos partir de la siguiente expresin para desarrollar la frmula;

P(aparezcan 2 guilas)=(No. De ramas del rbol en donde ap. 2 guilas)(probabilidad asociada a cada rama)

Entonces el nmero de ramas en donde aparecen dos guilas se puede obtener; Enumerando las ramas de inters, estas seran: AAS, ASA, SAA, QU TIPO DE ARREGLOS SON ESTOS ELEMENTOS DEL ESPACIO MUESTRAL?, Son permutaciones en donde algunos objetos son iguales, entonces, el nmero de ramas se puede obtener con la frmula correspondiente,

donde n = x1+x2+...+xk sustituyendo en esta frmula, tenemos lo siguiente;

sta frmula puede ser sustituida por la de combinaciones, solo en el caso de dos tipos de objetos, si hay ms de dos tipos de objetos, definitivamente solo se usa la frmula original, como se observar en el caso de la distribucin multinomial, pero porqu vamos a cambiar de frmula?, simplemente porque en todos los libros de texto que te encuentres vas a encontrar la frmula de combinaciones en lugar de la de permutaciones, que es la siguiente,

y sustituyendo valores, nos damos cuenta de que efectivamente son 3 las ramas de inters, que son donde aparecen dos guilas, donde n = 3, x = 2.

Y la probabilidad asociada a cada rama? Probabilidad asociada a cada rama = p(guila)*p(guila)*p(sello)= p*p*q = p 2q= = Luego la frmula de la distribucin Binomial sera:

donde: p(x, n, p) = probabilidad de obtener en n ensayos x xitos, cuando la probabilidad de xito es p Dando solucin al problema de ejemplo tenemos lo siguiente: n = 3, x = 2, p =

Para calcular la media y la desviacin estndar de un experimento que tenga una distribucin Binomial usaremos las siguientes frmulas:

Media o valor esperado.

Donde: n = nmero de ensayos o repeticiones del experimento P = probabilidad de xito o la probabilidad referente al evento del cual se desea calcular la media que se refiere la media Q = complemento de P

Desviacin estndar.

Ejemplos: 1. Se dice que el 75% de los accidentes de una planta se atribuyen a errores humanos. Si en un perodo de tiempo dado, se suscitan 5 accidentes, determine la probabilidad de que; a) dos de los accidentes se atribuyan a errores humanos, b) como mximo 1 de los accidentes se atribuya a errores de tipo humano, c) tres de los accidentes no se atribuyan a errores humanos. Solucin: a) n = 5 x = variable que nos define el nmero de accidentes debidos a errores humanos x = 0, 1, 2,...,5 accidentes debidos a errores de tipo humano p = p(xito) = p(un accidente se deba a errores humanos) = 0.75 q = p(fracaso) = p(un accidente no se deba a errores humanos) = 1-p = 0.25

b)

c) En este caso cambiaremos el valor de p; n =5 x = variable que nos define el nmero de accidentes que no se deben a errores de tipo humano x = 0, 1, 2,...,5 accidentes debidos a errores humanos p = p(probabilidad de que un accidente no se deba a errores humanos) = 0.25 q = p(probabilidad de que un accidente se deba a errores humanos) = 1-p = 0.75

2.

Si la probabilidad de que el vapor se condense en un tubo de aluminio de cubierta delgada a 10 atm de presin es de 0.40, si se prueban 12 tubos de ese tipo y bajo esas condiciones, determine la probabilidad de que: a) el vapor se condense en 4 de los tubos, b) en ms de 2 tubos se condense el vapor, c) el vapor se condense en exactamente 5 tubos.

Solucin: a) n =12 x = variable que nos define el nmero de tubos en que el vapor se condensa x = 0, 1, 2, 3,...,12 tubos en el que el vapor se condensa

p =p(se condense el vapor en un tubo de Al a 10 atm)= 0.40 q = p(no se condense el vapor en un tubo de Al a 10 atm) = 1-p=0.60

= 0.21284 b) p(X=3, 4, ...,12, n=12, p=0.40) = p(x=3)+p(x=4)++p(x=12)= 1-p(x=0,1,2)=

= 1-0.002176+0.0174096+0.06385632= 1- 0.08344192= 0.91656

c) = 0.22703 3) DISTRIBUCIN HIPERGEOMTRICA.

Los experimentos que tienen este tipo de distribucin tienen las siguientes caractersticas: a) Al realizar un experimento con este tipo de distribucin, se esperan dos tipos de resultados. b) Las probabilidades asociadas a cada uno de los resultados no son constantes. c) Cada ensayo o repeticin del experimento no es independiente de los dems. d) El nmero de repeticiones del experimento (n) es constante.

Ejemplo: En una urna o recipiente hay un total de N objetos, entre los cuales hay una cantidad a de objetos que son defectuosos, si se seleccionan de esta urna n objetos al azar, y sin reemplazo, cul es la probabilidad de obtener x objetos defectuosos? Solucin: Luego;

donde: p(x,n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados muestras de n objetos en donde hay x que son defectuosos y n-x buenos todas las muestras posibles de seleccionar de n objetos tomadas de entre N objetos en total = espacio muestral

Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son defectuosos, si de seleccionan 4 objetos al azar, cul es la probabilidad de que 2 sean defectuosos? Solucin: N = 10 objetos en total a = 3 objetos defectuosos n = 4 objetos seleccionados en muestra x = 2 objetos defectuosos deseados en la muestra

donde:

probabilidad asociada a cada muestra de 4 objetos que se seleccionaron, con lo que se demuestra que las probabilidades no son constantes

formas o maneras de obtener 2 objetos defectuosos entre los 4 seleccionados = muestras de 4 objetos entre los que 2 son defectuosos

Como se observa en el desarrollo de la solucin del problema, la pretensin es demostrar que las probabilidades asociadas a cada uno de los resultados no son constantes.

Luego la probabilidad de obtener 2 objetos defectuosos entre los 4 seleccionados al azar sera:

Ejemplos: 1. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narctico en una botella que contiene 9 pldoras de vitamina que son similares en apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para analizarlas, a) Cul es la probabilidad de que el viajero sea arrestado por posesin de narcticos?, b) Cul es la probabilidad de que no sea arrestado por posesin de narcticos?.

Solucin: a) N = 9+6 =15 total de tabletas a = 6 tabletas de narctico n = 3 tabletas seleccionadas x = 0, 1, 2, o 3 tabletas de narctico = variable que nos indica el nmero de tabletas de narctico que se puede encontrar al seleccionar las 3 tabletas

p(viajero sea arrestado por posesin de narcticos) = p(de que entre las 3 tabletas seleccionadas haya 1 o ms tabletas de narctico)

otra forma de resolver;

p(el viajero sea arrestado por posesin de narcticos) = 1 p(de que entre las tabletas seleccionadas no haya una sola de narctico)

b)

p(no sea arrestado por posesin de narcticos)

2.

De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3 proyectiles defectuosos que no explotarn, cul es la probabilidad de que , a) los 4 exploten?, b) al menos 2 no exploten?

Solucin: a) N = 10 proyectiles en total a = 7 proyectiles que explotan n = 4 proyectiles seleccionados x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el nmero de proyectiles que explotan entre la muestra que se dispara

b) N = 10 proyectiles en total a = 3 proyectiles que no explotan n = 4 proyectiles seleccionados x = 0, 1, 2 o 3 proyectiles que no explotan

p(al menos 2 no exploten) = p( 2 o ms proyectiles no exploten) = p(x = 2 o 3; n=4) =

5) DISTRIBUCIN DE POISSON.

Caractersticas: En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc, etc,: - # de defectos de una tela por m
2

- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc. - # de bacterias por cm de cultivo - # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc. - # de llegadas de embarcaciones a un puerto por da, mes, etc, etc. Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto, la frmula a utilizar sera:
2

donde: p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia de ellos es = media o promedio de xitos por unidad de tiempo, rea o producto = 2.718 x = variable que nos denota el nmero de xitos que se desea que ocurra

Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, as como cada rea es independiente de otra rea dada y cada producto es independiente de otro producto dado.

Ejemplos: 1. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos?

Solucin: a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da cualquiera = 0, 1, 2, 3, ....., etc, etc.

= 6 cheques sin fondo por da = 2.718

b) x= variable que nos define el nmero de cheques sin fondo que llegan al banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc. = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das consecutivos Nota: siempre debe de estar en funcin de x siempre o dicho de otra forma, debe hablar de lo mismo que x.

En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican 0.2 imperfecciones en promedio por minuto. Determine las probabilidades de identificar a) una imperfeccin en 3 minutos, b) al menos dos imperfecciones en 5 minutos, c) cuando ms una imperfeccin en 15 minutos. Solucin: 2. a) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc.

= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

b)

x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5 minutos = 0, 1, 2, 3, ...., etc., etc.

 = 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata

=1-(0.367918+0.367918) = 0.26416

c)

x = variable que nos define el nmero de imperfecciones en la hojalata por cada 15 minutos = 0, 1, 2, 3, ....., etc., etc.

= 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata

= 0.0498026 + 0.149408 = 0.1992106

7.

DISTRIBUCIN BINOMIAL NEGATIVA.

Esta tambin es un caso especial de la distribucin Binomial, ya que en este caso se trata de que al llevar a efecto varias veces un experimento binomial, se desea determinar la probabilidad de que ocurran r xitos, solo que el ltimo de ellos debe ocurrir en el k-simo ensayo o repeticin del experimento que es el ltimo.

Para encontrar una frmula que nos permita calcular probabilidades con esta distribucin, partiremos de un ejemplo.

Ejemplo: Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad de que aparezca guila es de 2/3, mientras que la probabilidad de que aparezca sello es de 1/3, Determine la probabilidad de que aparezcan tres guilas, y la ltima que aparezca sea en el ltimo lanzamiento.

Solucin: S trazamos un diagrama de rbol que nos represente los 8 lanzamientos de la moneda, encontraremos que las ramas que nos interesan son aquellas en donde aparecen 3 guilas y la ltima de ellas aparece en el ltimo lanzamiento; ejemplos de una rama que nos interesa sera;

10

SAASSSSA, SSASSSAA, ASSASSSA, etc., etc.

Entonces la probabilidad se puede determinar de la siguiente forma:

(Probabilidad de que aparezcan Tres guilas, donde la ltima de ellas aparece en el ltimo lanzamiento de la moneda)=(# de ramas del rbol en donde la tercera guila que aparece est en el octavo lanzamiento)(probabilidad asociada a cada rama)

Luego, definiendo algunos trminos a utilizar;

Y = k = nmero de lanzamientos necesarios para que se obtenga una guila por r-sima vez = 8 lanzamientos r = nmero de veces que aparece un xito = 3 guilas p = probabilidad de xito = p(aparezca guila) = 2/3 q = probabilidad de fracaso = p(aparezca sello) = 1/3

Luego, el nmero de ramas que nos interesan del rbol se podra determinar de la siguiente forma:

# de ramas =

Cual es la razn de que se tomen k-1 ensayos y r-1 xitos al momento de calcular el nmero de ramas que nos interesan?

Lo anterior se debe a que en el ltimo ensayo siempre va a haber un xito, por lo que como ste no se va a mover como lo hacen los xitos anteriores, entonces no se toma en cuenta para el clculo de las ramas que nos interesan. Y la probabilidad asociada a cada rama sera; Probabilidad asociada a cada rama = p(S)*p(A)*p(A)*p(S)*p(S)*p(S)*p(S)*p(A)= = q*p*p*q*q*q*q*p =

Por lo tanto, la frmula a utilizar sera:

11

Donde: P(Y=k) = probabilidad de que ocurran r xitos en k ensayos y que el ltimo de ellos que es el r-simo, ocurra en el k-simo ensayo que es el ltimo. r = nmero de xitos k = nmero de ensayos para obtener r xitos p = p(xito) = p(aparezca guila) q = p(fracaso) = p(aparezca sello) = 1-p Ejemplos: 1. S la probabilidad de que un cierto dispositivo de medicin muestre una desviacin excesiva es de 0.05, cul es la probabilidad de que; a) el sexto de estos dispositivos de medicin sometidos a prueba sea el tercero en mostrar una desviacin excesiva?, b) el sptimo de estos dispositivos de medicin sometidos a prueba, sea el cuarto que no muestre una desviacin excesiva?.

Solucin: a) k = 6 dispositivos de medicin

r = 3 dispositivos que muestran desviacin excesiva p = p(dispositivo muestre una desviacin excesiva) = 0.05 q = p(dispositivo no muestre una desviacin excesiva) = 0.95

p(Y = 6) =

b)

k = 7 dispositivos de medicin

r = 4 dispositivos que no muestran una desviacin excesiva p = p(dispositivo no muestre una desviacin excesiva) = 0.95 q = p(dispositivo muestre una desviacin excesiva) = 0.05

p(Y = 7) =

2. Los registros de una compaa constructora de pozos, indican que la probabilidad de que uno de sus pozos nuevos, requiera de reparaciones en el trmino de un ao es de 0.20. a) Cul es la probabilidad de que el sexto pozo construido por esta compaa en un ao dado sea el segundo en requerir reparaciones en un ao?.

12

b) Cul es la probabilidad de que el octavo pozo construido por esta compaa en un ao dado sea el tercero en requerir reparaciones en un ao?.

Solucin: a) k = 6 pozos r = 2 pozos que requieren reparaciones en un ao p = p(pozo requiera reparaciones en un ao) = 0.20 q = p(pozo no requiera reparaciones en un ao) = 0.80

p(Y = 6) =

b) k = 8 pozos r = 3 pozos que requieren reparaciones en un ao p = p(pozo requiera reparaciones en un ao) = 0.20 q = p(pozo no requiera reparaciones en un ao) = 0.80

p(Y = 8) = 7. DISTRIBUCIN GEOMTRICA.

Esta distribucin es un caso especial de la Binomial, ya que se desea que ocurra un xito por primera y nica vez en el ltimo ensayo que se realiza del experimento, para obtener la frmula de esta distribucin, haremos uso de un ejemplo. Ejemplo: Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad de que aparezca guila es de 2/3, mientras que la probabilidad de que aparezca sello es de 1/3, Determine la probabilidad de que en el ltimo lanzamiento aparezca una guila.

Solucin:

13

Si nosotros trazamos un diagrama de rbol que nos represente los 8 lanzamientos de la moneda, observaremos que la nica rama de ese rbol que nos interesa es aquella en donde aparecen 7 sellos seguidos y por ltimo una guila; como se muestra a continuacin:

SSSSSSSA

S denotamos; x = el nmero de repeticiones del experimento necesarias para que ocurra un xito por primera y nica vez = 8 lanzamientos p = probabilidad de que aparezca una guila = p( xito) = 2/3 q = probabilidad de que aparezca un sello = p(fracaso) = 1/3

Entonces la probabilidad buscada sera;

P(aparezca una guila en el ltimo lanzamiento)=p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(A) =

=q*q*q*q*q*q*q*p = Luego, la frmula a utilizar cuando se desee calcular probabilidades con esta distribucin sera;

Donde: p(x) = probabilidad de que ocurra un xito en el ensayo x por primera y nica vez p = probabilidad de xito q = probabilidad de fracaso

Resolviendo el problema de ejemplo; x = 8 lanzamientos necesarios para que aparezca por primera vez una guila p = 2/3 probabilidad de que aparezca una guila q = 1/3 probabilidad de que aparezca un sello

14

p(x=8) =

Ejemplos: 1. S la probabilidad de que un cierto dispositivo de medicin muestre una desviacin excesiva es de 0.05, cul es la probabilidad de que; a) el sexto de estos dispositivos de medicin sometidos a prueba sea el primero en mostrar una desviacin excesiva?, b) el sptimo de estos dispositivos de medicin sometidos a prueba, sea el primero que no muestre una desviacin excesiva?.

Solucin: a) x = 6 que el sexto dispositivo de medicin probado sea el primero que muestre una variacin excesiva

p = 0.05 =probabilidad de que un dispositivo de medicin muestre una variacin excesiva q = 0.95 =probabilidad de que un dispositivo de medicin no muestre una variacin excesiva p(x = 6) =

b)

x = 5 que el quinto dispositivo de medicin probado, sea el primero que no muestre una desviacin excesiva

p = 0.95 = probabilidad de que un dispositivo de medicin no muestre una variacin excesiva q = 0.05 = probabilidad de que un dispositivo de medicin muestre una variacin excesiva p(x = 5) = 2. Los registros de una compaa constructora de pozos, indican que la probabilidad de que uno de sus pozos nuevos, requiera de reparaciones en el trmino de un ao es de 0.20. Cul es la probabilidad de que el quinto pozo construido por esta compaa en un ao dado sea el primero en requerir reparaciones en un ao?.

Solucin: x = 5 que el quinto pozo sea el primero que requiera reparaciones en un ao p = 0.20 = probabilidad de que un pozo requiera reparaciones en el trmino de un ao q = 0.80 = probabilidad de que un pozo no requiera reparaciones en el trmino de un ao

p(x = 5) =

15