Anda di halaman 1dari 15

Actividad 7

Distribución Geométrica
Distribución Binomial Negativa
Distribución Hipergeométrica
Distribución Geométrica.

En la distribución Binomial nos interesa saber la probabilidad que se presenten cierto número
de éxitos o fracasos, sin darle importancia al orden en el que éstos se presenten, es decir, el
saber si el primer éxito se presenta en el tercero, quinto, séptimo o décimo ensayo o
experimento, no es relevante para la distribución binomial. Por ejemplo. Si se tiene una caja con
tuercas y se seleccionan 10 tuercas al azar para ver si tienen defecto (éxito), no es de
importancia saber si el primer defecto se detectó en la primera, cuarta o sexta pieza que se
seleccionó, lo relevante es saber la probabilidad de que dos o tres o cinco tuercas sean
defectuosas.

La distribución geométrica está basada en la distribución binomial, pero la diferencia, es que


en esta distribución, si nos interesan las probabilidades de que el primer éxito o fracaso se
presente en determinado número de experimento. Por ejemplo, nos interesa saber si el primer
éxito o fracaso, se presentó en el quinto experimento o ensayo.

En la distribución geométrica se tienen x experimentos y para que el primer éxito (fracaso) se


presente en el x-ésimo experimento (el número de experimento elegido), se deberán de
x-1
presentar antes x-1 fracasos (éxitos) cuya probabilidad es (1- P) .

Por ejemplo, Si se tienen 20 productos de 4 marcas diferentes (A, B, C, D) con probabilidades de


éxito y fracaso conocidas.
Productos A B C D
Probabilidad de éxito p1 p2 p3 p4
Probabilidad de fracaso q1 = 1 – p1 q2 = 1 – p2 q3 = 1 – p3 q4 = 1 – p4

Y se desea conocer la probabilidad de que el primer producto de C se vendió en la tercera venta.


Para este caso, se tienen x= 3 (número de ventas) pero antes se tuvieron que dar 2 ventas con
fracaso para el Producto C (Vender otros productos). Entonces la probabilidad de que en la tercer
venta se haya vendido el primer producto C es

Por tanto, la probabilidad de que el primer éxito o fracaso ocurra en el x-ésimo experimento o
ensayo es:
P( x)  p(1  p) x1
Donde:
P(x) = Probabilidad de que el primer éxito se de en el experimento número x.
p = Probabilidad de éxito.
1 – p = Probabilidad de fracaso.
x = Número de experimento en el que se desea se presente el primer éxito.
x – 1 = Número de fracasos ocurridos antes de que se presente el primer éxito.

La fórmula anterior, es la función de probabilidad de la distribución Geométrica.

Cabe mencionar, que la media o Valor esperado de una distribución geométrica es


1
  E ( x) 
p
Donde:
p = Probabilidad de éxito.

Y la Varianza de la distribución geométrica es


(1  p)
 2  V ( x) 
p2
Donde:
p = Probabilidad de éxito.

Ejemplo 1.

Si la probabilidad de que un alumno llegue tarde a la clase de las 7:00am es de 0.15 ¿Cuál es la
probabilidad de que el sexto alumno llegue tarde? Adicionalmente determina su media y su
varianza.

Solución:
En base a este problema, los datos son los siguientes:
éxito = llegue tarde a la clase de las 7:00am.
p = 0.15. La probabilidad de éxito.
1 – p = 1 – 0.15 = 0.85. La probabilidad de fracaso.
x = 6. Se desea que el sexto alumno sea el primero en llegar tarde.
x – 1 = 6 – 1 = 5. Ya que antes tuvieron que haber llegado 5 alumnos temprano.

Recordando que la función de probabilidad de la distribución Geométrica es:


P( x)  p(1  p) x1
Y Sustituyendo los datos tenemos:
P( x  6)  (0.15)(0.85)61
P( x  6)  (0.15)(0.85)5
P( x  6)  (0.15)(0.4437)
P( x  6)  0.0666
P( x  6)  6.66%
Media:
Recordemos que la fórmula para calcular la media de la distribución geométrica es
1
  E ( x)  y como p = 0.15, tenemos que:
p
1
  E ( x) 
0.15
  E ( x)  6.67
Varianza:
Recordemos que la fórmula para calcular la varianza de la distribución geométrica es
(1  p)
 2  V ( x)  y como p = 0.15, tenemos que:
p2
(1  0.15)
 2  V ( x) 
(0.15) 2
(0.85)
 2  V ( x) 
(0.0225)
 2  V ( x)  37.78

Ejercicio 2.

La probabilidad de que un alumno apruebe el curso de finanzas es de 0.75


a. ¿Cuál es la probabilidad de que el alumno apruebe el curso en su cuarto intento?
b. ¿Cuál es la probabilidad de que el alumno apruebe el curso en su segundo intento?
Adicionalmente obtenga la media y la varianza.

Solución:
En base a este problema, los datos son los siguientes:
éxito = el alumno apruebe el curso.
p = 0.75. La probabilidad de éxito.
1 – p = 1 – 0.75 = 0.25. La probabilidad de fracaso.

Parte a. Hay que determinar la probabilidad de que el alumno apruebe el curso en su cuarto
intento.
Entonces
x = 4. Se desea que hasta la cuarta vez que presente el examen, apruebe el alumno.
x – 1 = 4 – 1 = 3. Ya que antes el alumno tuvo que presentar 3 veces y haber reprobado.

Recordando que la función de probabilidad de la distribución Geométrica es:


P( x)  p(1  p) x1
Y Sustituyendo los datos tenemos:
P( x  4)  (0.75)(0.25) 41
P( x  4)  (0.75)(0.25)3
P( x  4)  (0.75)(0.0157)
P( x  4)  0.0117
P( x  4)  1.17%
Parte b. Hay que determinar la probabilidad de que el alumno apruebe el curso en su segundo
intento.
Entonces
x = 2. Se desea que hasta la segunda vez que presente el examen, apruebe el alumno.
x – 1 = 2 – 1 = 1. Ya que antes el alumno tuvo que presentar 2 veces y haber reprobado.

Recordando que la función de probabilidad de la distribución Geométrica es:


P( x)  p(1  p) x1
Y Sustituyendo los datos tenemos:
P( x  2)  (0.75)(0.25) 21
P( x  2)  (0.75)(0.25)1
P( x  2)  (0.75)(0.25)
P( x  2)  0.1875
P( x  2)  18.75%

Media:
Recordemos que la fórmula para calcular la media de la distribución geométrica es
1
  E ( x)  y como p = 0.75, tenemos que:
p
1
  E ( x) 
0.75
  E ( x)  1.33
Varianza:
Recordemos que la fórmula para calcular la varianza de la distribución geométrica es
(1  p)
 2  V ( x)  y como p = 0.75, tenemos que:
p2
(1  0.75)
 2  V ( x) 
(0.75) 2
(0.25)
 2  V ( x) 
(0.5625)
 2  V ( x)  0.4444

Distribución Binomial Negativa

En la distribución Geométrica es de suma importancia conocer cuando sucedió el primer éxito.


Ahora bien, se pueden presentar los casos en los que nos interese saber hasta que intento o
ensayo se tienen que presentar k éxitos.

La distribución Binomial Negativa está basada en la distribución binomial, pero a diferencia de la


Distribución geométrica y la distribución binomial, es que en esta distribución, nos interesan las
probabilidades de que k éxitos o fracasos se presenten en un determinado número de
experimento. Por ejemplo, nos interesa saber si los 5 primeros éxitos o fracasos, se cumplieron
en el séptimo experimento o ensayo.
En la distribución binomial negativa se tienen x experimentos y para que el k-ésimo éxito
(fracaso) se presente en el x-ésimo experimento (el número de experimento elegido), se deberán
x-k
de presentar antes x-k fracasos (éxitos) cuya probabilidad es (1- P) .

Por ejemplo, Y volviendo al ejemplo de los 20 productos de 4 marcas diferentes (A, B, C, D) con
probabilidades de éxito y fracaso conocidas.

Productos A B C D
Probabilidad de éxito p1 p2 p3 p4
Probabilidad de fracaso q1 = 1 – p1 q2 = 1 – p2 q3 = 1 – p3 q4 = 1 – p4

Si se desea conocer la probabilidad de que el segundo producto de C se vendió en la quinta


venta. Para este caso, se tienen x= 5 (número de ventas) de las cuales 2 fueron ventas de C (k
= 2), entonces debieron haber existido 3 ventas con fracaso para el Producto C (Vender otros
productos) y lo que si sabemos es que en la quinta venta se realizó la 2da. venta de C. Entonces
la probabilidad de que en la quinta venta se hayan completado 2 ventas del producto C es

Por lo tanto, para poder conocer la probabilidad de que en la quinta venta se hayan completado
2 ventas del producto C, debemos sumar las 4 probabilidades.

Estas cuatro posibilidades se resumen de la siguiente forma


Por tanto la función de probabilidad de la Distribución Binomial negativa es

P( x, k , p)  x 1 Ck 1 (1  p) xk ( p)k
Donde:
P(x,k,p) = Probabilidad de que el k-ésimo éxito se de en el experimento número x.
p = Probabilidad de éxito.
1 – p = Probabilidad de fracaso.
x = Número de experimento en el que se desea se completen los k-ésimos éxitos.
x – k = Número de fracasos ocurridos antes de que se completen los k-ésimos éxitos.
x-1Ck-1 = Es el número de formas en las que pudieron aparecer los k-1 éxitos anteriores

Cabe mencionar, que la media o Valor esperado de una distribución geométrica es


k
  E ( x) 
p
Donde:
p = Probabilidad de éxito.
k = Número total de éxitos deseados.

Y la Varianza de la distribución geométrica es


k *(1  p)
 2  V ( x) 
p2
Donde:
p = Probabilidad de éxito.
k = Número total de éxitos deseados.

Ejemplo 1.

Un aspirante al puesto de Gerente administrativo de una reconocida empresa, necesita acreditar


5 pruebas con pase de excelencia, de un total de 10 pruebas a las que es sometido, Si la
probabilidad de obtener un pase de excelencia es de 0.4
a. ¿Cuál es la probabilidad de obtener el puesto en la octava prueba?
b. ¿Cuál es la probabilidad de obtener el puesto en la quinta prueba?
c. Adicionalmente calcule la media y la varianza.

Solución:
En base a este problema, los datos son los siguientes:
éxito = pase con excelencia.
p = 0.40. La probabilidad de éxito.
1 – p = 1 – 0.40 = 0.60. La probabilidad de fracaso.
Parte a. ¿Cuál es la probabilidad de obtener el puesto en la octava prueba?
Entonces
x = 8. Se desea que en la octava prueba, el aspirante obtenga el puesto.
k = 5. Ya que para obtener el puesto, necesita pasar 5 pruebas con excelencia (5 éxitos).
x – k = 8 – 5 = 3. Como se desean sólo 5 éxitos, para completar 8 intentos, deben de existir 3
fracasos.

Recordando que la función de probabilidad de la distribución Geométrica es:


P( x, k , p)  x 1 Ck 1 (1  p) xk ( p)k
Y Sustituyendo los datos tenemos:

P( x  8, k  5, p  0.40)  7 C4 (1  0.40)85 (0.4)5


7!
P( x  8, k  5, p  0.40)  (0.60)3 (0.4)5
4!(7  4)!
7!
P( x  8, k  5, p  0.40)  (0.216)(0.0102)
4!*3!
7x6x5
P( x  8, k  5, p  0.40)  (0.0022)
3!
P( x  8, k  5, p  0.40)  35(0.0022)
P( x  8, k  5, p  0.40)  0.0774
P( x  8, k  5, p  0.40)  7.74%

Parte b. ¿Cuál es la probabilidad de obtener el puesto en la quinta prueba?


Entonces
x = 5. Se desea que en la quinta prueba, el aspirante obtenga el puesto.
k = 5. Ya que para obtener el puesto, necesita pasar 5 pruebas con excelencia (5 éxitos).
x – k = 5 – 5 = 0. Como se desean sólo 5 éxitos, para completar los 5 intentos, deben de existir
0 fracasos.

Recordando que la función de probabilidad de la distribución Geométrica es:


P( x, k , p)  x 1 Ck 1 (1  p) xk ( p)k
Y Sustituyendo los datos tenemos:

P( x  5, k  5, p  0.40)  4 C4 (1  0.40)55 (0.4)5


4!
P( x  5, k  5, p  0.40)  (0.60)0 (0.4)5
4!(4  4)!
4!
P( x  5, k  5, p  0.40)  (0.0102)
4!*0!
4!
P( x  5, k  5, p  0.40)  (0.0102)
4!
P( x  5, k  5, p  0.40)  0.0102
P( x  5, k  5, p  0.40)  1.02%
Media:
Recordemos que la fórmula para calcular la media de la distribución geométrica es
k
  E ( x)  y como p = 0.40 y k = 5, tenemos que:
p
5
  E ( x) 
0.40
  E ( x)  12.5
Varianza:
Recordemos que la fórmula para calcular la varianza de la distribución geométrica es
k *(1  p)
 2  V ( x)  y como p = 0.40 y k = 5, tenemos que:
p2
5*(1  0.40)
 2  V ( x) 
(0.40) 2
5(0.60)
 2  V ( x) 
(0.16)
3
 2  V ( x) 
0.16
  V ( x)  18.75
2

Ejemplo 2.

Fernando Platas es un clavadista de talle mundial, se sabe que por cada clavado que ejecuta
existe una probabilidad de 0.88 de que lo realice perfectamente. El próximo mes se realizarán
competencias internacionales en Tampa Bay . Todos los participantes registrados tendrán 10
oportunidades para mostrar sus capacidadades, y deberán presentar mínimo 5 clavados perfectos
para poder ser aceptados. Fernando Platas se ha registrado en dichas competencias.
a. ¿Cuál es la probabilidad de que Fernando Platas se considere aceptado en su sexta
prueba?
b. ¿Cuál es la probabilidad de que Fernando Platas se considere aceptado en su octava
prueba?
c. Adicionalmente calcule la media y la varianza.

Solución:
En base a este problema, los datos son los siguientes:
éxito = clavado perfecto
p = 0.88. La probabilidad de éxito.
1 – p = 1 – 0.88 = 0.12. La probabilidad de fracaso.

Parte a.
¿Cuál es la probabilidad de que Fernando Platas se considere aceptado en su sexta prueba?
Para ser aceptado deberá realizar 5 clavados perfectos, por tanto
k=5
x = 6. Ya que se desea que en la sexta prueba, el Fernando Platas haya completado los 5 éxitos.
x – k = 6 – 5 = 1. Como se desean sólo 5 éxitos, en los 6 intentos, debe de existir 1 fracaso.

Recordando que la función de probabilidad de la distribución Geométrica es:


P( x, k , p)  x 1 Ck 1 (1  p) xk ( p)k
Y Sustituyendo los datos tenemos:

P( x  6, k  5, p  0.88)  5 C4 (1  0.88) 65 (0.88)5


5!
P( x  6, k  5, p  0.88)  (0.12)1 (0.88)5
4!(5  4)!
5!
P( x  6, k  5, p  0.88)  (0.12)(0.5277)
4!*1!
5x4!
P( x  6, k  5, p  0.88)  (0.0633)
4!
P( x  6, k  5, p  0.88)  5(0.0633)
P( x  6, k  5, p  0.88)  0.3166
P( x  8, k  5, p  0.40)  31.66%

Parte b.
¿Cuál es la probabilidad de que Fernando Platas se considere aceptado en su octava prueba?
Para ser aceptado deberá realizar 5 clavados perfectos, por tanto
k=5
x = 8. Se desea que en la octava prueba, Fernando Platas sea aceptado.
x – k = 8 – 5 = 3. Como se desean sólo 5 éxitos, en los 8 intentos, deben de existir 3 fracasos.

Recordando que la función de probabilidad de la distribución Geométrica es:


P( x, k , p)  x 1 Ck 1 (1  p) xk ( p)k
Y Sustituyendo los datos tenemos:

P( x  8, k  5, p  0.88)  7 C4 (1  0.88)85 (0.88) 5


7!
P( x  8, k  5, p  0.88)  (0.12)3 (0.88)5
4!(7  4)!
7!
P( x  8, k  5, p  0.88)  (0.0017)(0.5277)
4!*3!
7x6x5x4!
P( x  8, k  5, p  0.88)  (0.0009)
4!*3!
7x6x5
P( x  8, k  5, p  0.88)  (0.0009)
3!
P( x  8, k  5, p  0.88)  35(0.0009)
P( x  8, k  5, p  0.88)  0.0314
P( x  8, k  5, p  0.88)  3.14%

Parte c.
Media:
Recordemos que la fórmula para calcular la media de la distribución geométrica es
k
  E ( x)  y como p = 0.88 y k = 5, tenemos que:
p
5
  E ( x) 
0.88
  E ( x)  5.68
Varianza:
Recordemos que la fórmula para calcular la varianza de la distribución geométrica es
k *(1  p)
 2  V ( x)  y como p = 0.88 y k = 5 , tenemos que:
p2
5*(1  0.88)
 2  V ( x) 
(0.88) 2
5(0.12)
 2  V ( x) 
(0.7744)
0.6
 2  V ( x) 
0.7744
  V ( x)  0.7747
2

Distribución Hipergeométrica

La Distribución hipergeométrica, es aquella en la que se considera una Población de N elementos,


la cual está formada de k éxitos y N – k fracasos, de la cual se extrae una muestra de tamaño n
(sin reemplazo) donde también existen éxitos o fracasos. Esta distribución tiene el mismo
objetivo que la distribución binomial (el número de éxitos en una muestra de n elementos), la
diferencia es que La distribución Hipergeométrica trabaja tanto con la población como con la
muestra y la distribución Binomial trabaja sólo con la muestra o con la población.

Esta distribución se utiliza para determinar la probabilidad de que en la muestra de tamaño n que
se extrajo sin reemplazo de la población N la cual está formada de k éxitos y N - k fracasos,
existan X éxitos. De esta forma, la distribución Hipergoemétrica considera la Población y la
muestra.

La función de Probabilidad de una Distribución Hipergeométrica es:

( k Cx )( N k Cn  x )
P( x, N , k , n) 
N Cn
Donde:
P(x, N, k, n) = Probabilidad de que existan x éxitos en la muestra n extraída de la Población N.
N = Tamaño de la Población
k = Total de éxitos en la Población
N – k = Total de fracasos en la Población
n = Tamaño de la muestra extraída

El promedio o Valor esperado de una Distribución Hipergeométrica está dado por


k
  E ( x)  n
N
Donde:
n = Tamaño de la muestra extraída
N = Tamaño de la Población
k = Total de éxitos en la Población

La varianza de una Distribución Hipergeométrica esta dado por


k k  N  n 
 2  V ( x)  n 1   
N  N  N  1 
Donde:
n = Tamaño de la muestra extraída
N = Tamaño de la Población
k = Total de éxitos en la Población

Ejemplo 1.
Javier va a presentar un examen oral, se le asignan 15 temas a estudiar. Javier al prepararse
para el examen, estudia sólo 10 temas de las 15 que debía estudiar. Si su profesor selecciona 5
temas al azar ¿Cuál es la probabilidad de que el profesor haya seleccionado 2 de los temas que
estudió Javier?

Solución:
En primera instancia, se deben de determinar los datos que nos proporciona el problema para
poder ubicarlos en la fórmula. Podemos observar que el problema menciona 15 temas que cubre
el examen, por lo que el tamaño de la población es N=15. Esta población está formada por los
temas estudiados (éxitos) y los temas no estudiados (fracasos), y dado que Javier sólo estudió
10 temas, entonces k= 10. De estos 15 temas, el profesor selecciona 5, por tanto la muestra es
de tamaño n = 5. En resumen, los datos son

N = 15
k = 10
n=5

Al considerar la probabilidad de que 2 de los temas que el profesor seleccionó sean de los
estudiados por Javier, se tiene que el número de éxitos en la muestra es x = 2.

Recordemos que la función de probabilidad de la Distribución Hipergeométrica es


( k Cx )( N k Cn  x )
P( x, N , k , n) 
N Cn
Sustituyendo en la fórmula estos datos, tenemos:
( 10 C2 )( 1510 C52 )
P (2,15,10,5) 
15 C5

( 10 C2 )( 5 C3 )
P (2,15,10,5) 
15 C5

 10!  5! 
 2!(10  2)!   3!(5  3)! 
P (2,15,10,5)    
15!
5!(15  5)!
 10!   5! 
  
P (2,15,10,5)  
2!*8!   3!* 2! 
15!
5!*10!
 10x9x8!   5x4x3! 
  
P (2,15,10,5)  
2!*8!   3!* 2! 
15x14x13x12x11x10!
5!*10!
 10x9   5x4 
  
P (2,15,10,5)  
2!   2! 
15x14x13x12x11
5!
 10x9   5x4 
  
P (2,15,10,5)  
2  2 
15x14x13x12x11
120
 90   20 
  
P (2,15,10,5)     
2 2
360360
120

P (2,15,10,5) 
 45 10 
3003
450
P (2,15,10,5) 
3003
P (2,15,10,5)  0.1499
P (2,15,10,5)  14.99%

Por lo tanto, la probabilidad de que el profesor haya seleccionado 2 de los temas que estudió
Javier es 0.1499 o bien 14.99%.

Ejemplo 2.

En una caja de 24 refrescos, existen 7 refrescos cuyo envase traen mal decorado el logotipo de la
empresa refresquera. Si se seleccionan al azar 5 refrescos ¿Cuál es la Probabilidad de que por lo
menos haya 4 refrescos con mal decorado en el envase?
Solución:
Los datos del problema son:
N = 24. Total de refrescos
k = 7. Total de refrescos cuyo envase tiene defecto.
n = 5 Tamaño de la muestra seleccionada.

Como en el problema nos están solicitando determinar la probabilidad de que por lo menos haya
4 refrescos con mal decorado en el envase, el término “por lo menos” implica que el número mas
pequeño debe de ser 4, por tanto se tiene

x  4; x puede ser 4, 5
P( x  4)  P( x  4)  P( x  5)
Entonces, hay que obtener las probabilidades de tener 4, 5 éxitos para después sumarlas y
encontrar la solución.
 Para x = 4
( 7 C4 )( 247 C5 4 )
P (4, 24, 7,5) 
24 C5

( 7 C4 )( 17 C1 )
P (4, 24, 7,5) 
24 C5

 7!   17! 
 4!(7  4)!   1!(17  1)! 
P (4, 24, 7,5)    
 24! 
 5!(24  5)! 
 
 7!   17! 
  
P (4, 24, 7,5)  
4!*3!   1!*16! 
 24! 
 
 5!*19! 
 7x6x5x4!   17x16! 
  
P (4, 24, 7,5)  
4!* 3!   1!*16! 
 24x23x22x21x20x19! 
 
 5!*19! 
 7x6x5   17 
  
P (4, 24, 7,5)  
3!   1! 
 24x23x22x21x20 
 
 5! 

P (4, 24, 7,5) 


 7x5 17 
 24x23x22x21x20 
 
 120 

P (4, 24, 7,5) 


 35 17 
 5100480 
 
 120 
595
P (4, 24, 7,5) 
42504
P (4, 24, 7,5)  0.0106
P (4, 24, 7,5)  1.06%
 Para x = 5
( 7 C5 )( 247 C55 )
P (5, 24, 7,5) 
24 C5

( 7 C5 )( 17 C0 )
P (5, 24, 7,5) 
24 C5

 7!   17! 
 5!(7  5)!   0!(17  0)! 
P (5, 24, 7,5)    
 24! 
 5!(24  5)! 
 
 7!   17! 
  
P (5, 24, 7,5)  
4!* 2!   0!*17! 
 24! 
 
 5!*19! 
 7x6x5x4!   17! 
  
P (5, 24, 7,5)   4!* 2!   17! 
 24x23x22x21x20x19! 
 
 5!*19! 
 7x6x5 
  1
P (5, 24, 7,5)   2! 
 24x23x22x21x20 
 
 5! 
 210 
 
P (5, 24, 7,5)   2 
 24x23x22x21x20 
 
 120 

P (5, 24, 7,5) 


105
 5100480 
 
 120 
105
P (5, 24, 7,5) 
42504
P (5, 24, 7,5)  0.0025
P (5, 24, 7,5)  0.25%

Entonces
P( x  4)  P( x  4)  P( x  5)
P( x  4)  0.0106  0.0025
P( x  4)  0.0131
P( x  4)  1.31%

Por lo tanto, la probabilidad de que por lo menos haya 4 refrescos con mal decorado en el
envase es 0.0131 o bien 1.31%.

Anda mungkin juga menyukai