DISTRIBUCIN DE BERNOULLI

Consiste en realizar un experimento aleatorio una sola vez y observar si cierto suceso ocurre o no, siendo p la probabilidad de que esto sea as (xito) y q=1p el que no lo sea (fracaso). En realidad no se trata ms que de una variable dicotmica, es decir que nicamente puede tomar dos modalidades, es por ello que el hecho de llamar xito o fracaso a los posibles resultados de las pruebas obedece ms una tradicin literaria o histrica, en el estudio de las v a, que a la situacin real que pueda derivarse del resultado. Podramos por tanto definir este experimento mediante una v.a. discreta X que toma los valores X=0 si el suceso no ocurre, y X=1 en caso contrario, y que se denota

Ejercicio 1

Un jugador de basquetbol est a punto de tirar hacia la parte superior del tablero. La probabilidad de que anote el tiro es de 0.55. Sea X=1 si anota el tiro. Si no lo hace entonces X=0. Determine la media y la varianza de X. Si anota el tiro, su equipo obtiene 2 puntos. Si lo falla su equipo no recibe puntos. Sea Y el nmero de puntos anotados Tiene una probabilidad de Bernoulli? Si es as encuentre la probabilidad de xito. Si no explique. Determine la media y varianza de Y. RESPUESTA Media Px = (0) (1-0.55) + (1) (0.55) = PX = 0.55 Varianza V 2M = (0-0.55)2 (0.55) (0-0.55)2 (0.45) = V2X = 0.2475

No; una variable aleatoria de bernoulli tiene valores positivos de 0 y 1 mientras que los valores de Y son 0 y 2. X P XP 1 0.55 1.1 0 0.45 0 (Y-M) 2 *P (2-1.1)2 (0.55) (0-1.1)2 (0.45) = 0.99

Ejercicio 2

En un restaurante la comida rpida .25% de las rdenes para saber es una bebida pequea, .35% una mediana y .40% una grande. Se X=1 si se escoge aleatoriamente una orden de una bebida pequea y X=0 en cualquier otro caso. Sea PX la probabilidad de xito de X. determine PX. Sea PY la probabilidad de xito de Y. determine PY. Es posible que X y Y sean iguales a 1? Es PZ= Px + Py? Es Z = X + Y? explique.

RESPUESTA

PX = (0) (1-0.25) + (1) (0.25) = 0.25 PY = (0) (1-0.35) + (1) (0.35) = 0.35 PZ = (0)(1-0.40)+(1)(0.40)=0.40 Si No No porque los valores son totalmente distintos

EJERCICIO 3

Se lanza al aire una moneda de 1 y de 5 centavos. Sea X=1 si sale cara en la moneda de 1 centavo y X=0 en cualquier otro caso. Sea Y=1 si sale cara en la moneda de 5 centavos y Y=0 en cualquier otro caso. Sea Z=1 si sale cara en ambas monedas y Z=0 en cualquier otro caso. Sea PX la probabilidad de xito de X. determine PX Sea PY la probabilidad de xito de Y. determine PY Sea PZ la probabilidad de xito de Z. determine PZ Son X y Y independientes? Es PZ= PX PY? Es Z= XY? Explique

RESPUESTA

PX= PY= PZ= Si Si Si porque tiene las mismas posibilidades de que salgan los mismos resultados.

Ejercicio 4
Se lanzan dos dados. Sea X=1 si sale el mismo numero en ambos y X=0 en cualquier otro caso. Sea Y=1 si la suma es 6 y Y=0 en cualquier otro caso. Sea Z=1 si sale el mismo numero en los dados y ambas suman 6 es decir, que salga 3 en los dos dados y Z=0 en cualquier otro caso. Sea PX la probabilidad de xito de X. determine PX Sea PY la probabilidad de xito de Y. determine PY Sea PZ la probabilidad de xito de Z. determine PZ

Son X y Y independientes? Es PZ= PXPY? Es Z=XY? Explique RESPUESTA

PX= 2/12 PY= 3/12 PZ= 1/12 Si Si Si porque puede salir los nmeros que se necesiten para formar un 6.

Ejercicio 3
Cuando se aplica cierto barniz a una superficie de cermica, 5% es de probabilidad 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 Y=0 en cualquier otro caso: Z=1 si hay decoloracin grieta o ambas, y Z=0 en cualquier otro caso. Sea PX la probabilidad de xito de X. determine PX Sea PY la probabilidad de xito de Y. determine PY Sea PZ la probabilidad de xito de Z. determine PZ Es posible que X Y Y sean igual a 1? Es PZ= PX + PY? Es Z= X + Y? Explique. RESPUESTA PX = (0) (1-0.05) + (1) (0.05) = 0.05 PY = (0) (1-0.20) + (1) (0.20) = 0.20 PZ = (0) (1-0.23) + (1) (0.23) = 0.23 Si No

Si porque la superficie de decoloracin y agrieta entonces X=1, Y=1 Y Z=1 pero Y + Y =2 DISTRIBUCIN BINOMIAL

En estadstica, la distribucin binomial es una distribucin de probabilidad discreta que mide el nmero de xitos en una secuencia de n ensayos de Bernoulli independientes entre s, con una probabilidad fija p de ocurrencia del xito entre los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotmico, esto es, slo son posibles dos resultados. A uno de estos se denomina xito y tiene una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribucin binomial el anterior experimento se repite n veces, de forma independiente, y se trata de calcular la probabilidad de un determinado nmero de xitos. Para n = 1, la binomial se convierte, de hecho, en una distribucin de Bernoulli. Para representar que una variable aleatoria X sigue una distribucin binomial de parmetros n y p, se escribe:

Ejercicio 1

Ejercicio 2

Ejercicio 3

Ejercicio 4

DISTRIBUCIN DE POISSON

Esta distribucin es una de las ms importantes distribuciones de variable discreta. Sus principales aplicaciones hacen referencia a la modelizacin de situaciones en las que nos interesa determinar el nmero de hechos de cierto tipo que se pueden producir en un intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus usos frecuentes es la consideracin lmite de procesos dicotmicos reiterados un gran nmero de veces si la probabilidad de obtener un xito es muy pequea .

Proceso experimental del que se puede hacer derivar. Esta distribucin se puede hacer derivar de un proceso experimental de observacin en el que tengamos las siguientes caractersticas

Se observa la realizacin de hechos de cierto tipo durante un cierto periodo de tiempo o a lo largo de un espacio de observacin

Los hechos a observar tienen naturaleza aleatoria ; pueden producirse o no de una manera no determinstica.

La probabilidad de que se produzcan un nmero x de xitos en un intervalo de amplitud t no depende del origen del intervalo (Aunque, s de su amplitud)

La probabilidad de que ocurra un hecho en un intervalo infinitsimo es prcticamente proporcional a la amplitud del intervalo.

La probabilidad de que se produzcan 2 o ms hechos en un intervalo infinitsimo es un infinitsimo de orden superior a dos.

En consecuencia, en un intervalo infinitsimo podrn producirse O 1 hecho pero nunca ms de uno

Si en estas circunstancias aleatorizamos de forma que la variable aleatoria X signifique o designe el "nmero de hechos que se producen en un intervalo de tiempo o de espacio", la variable X se distribuye con una distribucin de parmetro l . As :

El parmetro de la distribucin es, en principio, el factor de proporcionalidad para la probabilidad de un hecho en un intervalo infinitsimo. Se le suele designar como parmetro de intensidad , aunque ms tarde veremos que se corresponde con el nmero medio de hechos que cabe esperar que se produzcan en un intervalo unitario (media de la distribucin); y que tambin coincide con la varianza de la distribucin.

Por otro lado es evidente que se trata de un modelo discreto y que el campo de variacin de la variable ser el conjunto de los nmero naturales, incluido el cero:

Ejercicio 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 = 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.

Ejercicio 2

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: a) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2, 3 = 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 = 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... = 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata

= 0.0498026 + 0.149408 = 0.1992106

DISTRIBUCIN NORMAL

En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de variable continua que con ms frecuencia aparece aproximada en fenmenos reales. La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto de un determinado parmetro estadstico. Esta curva se conoce como campana de Gauss y es el grfico de una funcin gaussiana. La importancia de esta distribucin radica en que permite modelar numerosos fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de fenmenos son desconocidos, por la enorme cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada observacin se obtiene como la suma de unas pocas causas independientes. De hecho, la estadstica es un modelo matemtico que slo permite describir un fenmeno, sin explicacin alguna. Para la explicacin causal es preciso el diseo experimental, de ah que al uso de la estadstica en psicologa y sociologa sea conocido como mtodo correlacional. La distribucin normal tambin es importante por su relacin con la estimacin por mnimos cuadrados, uno de los mtodos de estimacin ms simples y antiguos. Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el modelo de la normal son: caracteres morfolgicos de individuos como la estatura;

 caracteres fisiolgicos como el efecto de un frmaco; caracteres sociolgicos como el consumo de cierto producto por un mismo grupo de individuos; caracteres psicolgicos como el cociente intelectual; nivel de ruido en telecomunicaciones; errores cometidos al medir ciertas magnitudes; etc.

Ejercicio 1

El tiempo medio en realizar una misma tarea por parte de los empleados de una empresa se distribuye segn una distribucin normal, con media de 5 das y desviacin tpica 1 da. Calcular el porcentaje de empleados que realizan la tarea en un tiempo inferior a 7 das. SOLUCION:

t1 = -y

t2 = (7 -5)/1 = 2

En la tabla la probabilidad acumulada para el valor 2 (equivalente a un tiempo inferior a 7 das.). Esta probabilidad es 0,9772. Por lo tanto, el porcentaje de empleados que realizan la tarea en un tiempo inferior a 7 das es del 97,7%.

Ejercicio 2

La vida media de una lmpara, segn el fabricante, es de 68 meses, con una desviacin tpica de 5. Se supone que se distribuye segn una distribucin normal En un lote de 10.000 lmparas. a) Cuntas lmparas superarn previsiblemente los 75 meses? b) Cuntos lmparas se estropearn antes de 60 meses? SOLUCION:
a) t = (75 -68)/5 = 1,4

P (X > 75) = (t > 1,4) = 1 - P (t 1,4) = 1 - 0,9192 = 0,0808

Luego, el 8,08% de las lmparas (808 lmparas) superarn los 75 meses

b) t = (60 -68)/5 = -1,6

P (X 60) = (t -1,6) = P (t> 1,6) = 1 - P (t 1,6) = 0,0548

Luego, el 5,48% del lote (548 lmparas) no llegarn probablemente a durar 60 meses.

Ejercicio 3

El consumo medio bimestral de energa elctrica en una ciudad es de 59 Kwh., con una desviacin tpica de 6 Kwh. Se supone que se distribuye segn una distribucin normal. a) Cuntos Kwh. tendra que consumir bimestralmente para pertenecer al 5% de la poblacin que ms consume? b) Si usted consume 45 Kwh. qu % de la poblacin consume menos que usted?

SOLUCION:
a)

Buscamos en la tabla el valor de la variable tipificada cuya probabilidad acumulada es el 0,95 (95%), por lo que por arriba estara el 5% restante. Este valor corresponde a t = 1,645. Ahora calculamos la variable normal X equivalente a ese valor de la normal tipificada:
1,645 = (X -59)/6 X = 67,87

Por lo tanto, tendra usted que consumir ms de 67,87 Kwh. bimestralmente para pertenecer al 5% de la poblacin que ms consume
b)

Vamos a ver en qu nivel de la poblacin se situara usted en funcin de los 45 Kwh. consumidos. Calculamos el valor de la normal tipificada correspondiente a 45 Kwh.
t = (45 -59)/9 = -2.333

P (X 45) = P (t -2,333) = P (t > 2,333) = 1 - P (t 2,333) = 1 - 0,9901 = 0,0099

Luego, tan slo un 1,39% de la poblacin consume menos que usted.

Ejercicio 4

Una empresa instala en una ciudad 20.000 bombillas para su iluminacin. La duracin de una bombilla sigue una distribucin normal con media 302 das y desviacin tpica 40 das. Calcular. a) Cuntas bombillas es de esperar que se fundan antes de 365 das? Cuntas durarn ms de 400 das? Explica razonadamente las respuestas. SOLUCION:
a)

Tipificamos el valor 365 t = (365 -302)/40 = 1,575 P (X 365) = P (t 1,575 ) = 0,9418 Luego el 94,18% de las lmparas, es decir 20.000 0.9418 = 18.836 bombillas se fundirn antes de 365 das
b)

Tipificamos el valor 400 t = (400-302)/40 = 2,45 P (X > 400) = P (t >2,45 ) = 1- P (t 2,45 ) = 1 - 0,9929 = 0,0071 Entonces el 0,71% de las lmparas, es decir 20.000 0.0071 = 142 bombillas durarn ms de 400 das

Ejercicio 5

El tiempo medio de los electricistas de una empresa en realizar el montaje de un determinado cuadro elctrico es de 4 das, con una desviacin tpica de 1 da. Se supone que se distribuye segn una distribucin normal. Calcular: a) Porcentaje de electricistas que tardan menos de 3 das. b) Tiempo a partir del cual del cual se sita el 10% de los electricistas que ms tiempo emplean en realizar el cuadro. c) Tiempos mnimo y mximo que engloba al 60% de los electricistas con tiempo medio.

SOLUCION:
a) t = (3 -4)/1 = -1

P (X 3) = P (t -1) P (t -1) = P (t > 1) P (t > 1) = 1 - P (t 1) = 1 - 0,8413 = 0,1587

Luego, el 15,87 % de los electricistas emplean un tiempo inferior a 3 das
b)

Buscamos en la tabla el valor de la variable tipificada cuya probabilidad acumulada es el 0,9 (90%), lo que quiere decir que por encima se sita el 10% superior. Este valor corresponde a t = 1,282. Ahora calculamos la variable normal X equivalente a ese valor de la normal tipificada:
1,282 = (X -4)/1 X = 5,282

Despejando X, su valor es 5,282. Por lo tanto, el 10% de los electricistas que ms tardan en realizar un cuadro lo hacen en 5.28 das
c)

Buscamos en la tabla el valor de t cuya probabilidad acumulada es el 0,8 (80%). Como sabemos que hasta la media la probabilidad acumulada es del 50%, quiere decir que entre la media y este valor hay un 30% de probabilidad. Por otra parte, al ser la distribucin normal simtrica, entre -t y la media hay otro 30% de probabilidad. Por lo tanto, el segmento (-t, +t) engloba al 60% de los electricistas con tiempo medio. El valor de t que acumula el 80% de la probabilidad es 0,842, por lo que el segmento viene definido por (-0,842, +0,842). Ahora calculamos los valores de la variable X correspondientes a estos valores de t.
-0,842 = (X -4)/1 X = 3,158 0,842 = (X -4)/1 X = 4,158

Los valores de X son 3,158 y 4,158. Por lo tanto, los electricistas con tiempos comprendidos entre 3,158 das y 4,158 das constituyen el 60% de la poblacin con un tiempo medio de realizacin del cuadro.