Anda di halaman 1dari 5

.

Nombre: Aldo Alejandro Tello Morales

Profesor: Ana María Velázquez González

Materia: Probabilidad y estadística

Actividad: Resumen

Tema: Unidad 3
Unidad 3 Distribuciones de probabilidad discreta

Variable aleatoria: es una función que relaciona un número real a cada elemento del espacio
muestral. Su valor se determina por eventos aleatorios que no están bajo el control del observador
y por lo tanto pueden tomar distintos valores.

Generalmente las variables aleatorias se designan con letras mayúsculas

Se dividen en:

a) Variable aleatoria discreta: es aquella cuyos resultados se pueden enumerar, esto es se


pueden incluir en un cuadro de probabilidad. (Ejem. el número de objetos defectuosos de
una producción)
b) Variable aleatoria continua: es aquella en la que todos sus valores se pueden enumerar por
lo que las probabilidades determinadas por una función matemática son representadas por
una función de densidad o curva de probabilidad. (Ejem. Peso, altura, distancias, etc.)

Función de probabilidad

Es la función que representa la distribución de las probabilidades asociadas a cada uno de los valores
de la variable aleatoria.

Esto es, al conjunto de pares ordenados (x, f (x)) se le llama función de probabilidad, función masa
de probabilidad o distribución de probabilidad de la variable aleatoria discreta x si para cada
resultado posible x,
1. F (x) >= 0

2.
3. P (X = x) = f(x)

Las distribuciones de probabilidad pueden representarse a través de una tabla, una gráfica o una
fórmula, denominada función de probabilidad.

Esperanza o valor esperado de una variable aleatoria finita (media o promedio)

Es el promedio de todos los valores posibles con las probabilidades respectivas empleadas como
ponderaciones. Sea x una variable aleatoria con distribución de probabilidad f(x), la media,
esperanza o valor esperado de una variable aleatoria discreta x es:

Varianza y desviación estándar de una variable aleatoria discreta x

La medida más importante de la variabilidad de una variable aleatoria x se llama varianza de la


variable aleatoria x. Sea x una variable aleatoria con distribución de probabilidad f(x) y media μ. la
varianza de una variable aleatoria discreta x es:

La raíz cuadrada positiva de la varianza, σ se llama desviación estándar de x.


La distribución binomial, también conocida como de Bernoulli, es aquella que resulta de un proceso
que consiste en un número fijo de n pruebas, cada prueba con probabilidad p de éxitos y q de
fracasos.

El numero x de éxitos en n experimentos de Bernoulli recibe el nombre de variable aleatoria


binominal. La distribución de esta variable discreta se llama distribución binominal y sus valores se
representan por: n = número de ensayos.
p = probabilidad de éxito.
q = probabilidad de fracaso.
x número éxitos que suceden en n.
La probabilidad de éxito y la probabilidad de fracaso suman 1 entonces p + q =1. Las propiedades de
la distribución binomial son:

Distribución hipergeométrica

Un experimento hipergeométrico es aquel que posee las dos propiedades siguientes:

 Una muestra aleatoria de tamaño n se selecciona sin reemplazo de un total de N resultados


o artículos totales.
 k resultados o artículos del total de n pueden clasificarse como éxitos y n-k como fracasos.

La distribución de probabilidad de la variable aleatoria hipergeométrica x, el número de éxitos en


una muestra aleatoria de tamaño n seleccionada de resultados posibles, de los cuales k son
consideradas como éxitos y n-k como fracasos es:
N = Población
n = muestra de la población
k = éxitos en la población
x = éxitos en la muestra
Aproximación de la hipergeométrica por la binomial
Si n es relativamente pequeño respecto a N, la probabilidad para cada intento cambia ligeramente.
De esta forma se tiene un experimento binomial que puede aproximarse a la distribución
hipergeométrica utilizando la distribución binomial con p=k/N.

Distribuciones binomial negativa y geométrica

Cuando se tiene un experimento binominal pero se requiere repetir los intentos hasta que ocurra
un número determinado de éxitos. Entonces se calcula la probabilidad de que el k-ésimo éxito
ocurra en el x-ésimo intento. Los experimentos de esta clase reciben el nombre de experimentos
binominales negativos.

El número x de intentos para producir k éxitos en un experimento binominal negativo se llama


variable aleatoria binomial negativa y su distribución de probabilidad recibe el nombre de
distribución binomial negativa.
Distribución binomial negativa si repetidos intentos independientes pueden resultar en un éxito con
una probabilidad p y en un fracaso con una probabilidad q = 1 – p, entonces la distribución de
probabilidad de la variable aleatoria x, el número del intento en el cual ocurre el k- ésimo éxito es:

Dado que los términos sucesivos constituyen una progresión geométrica, se acostumbra referirse a
este caso como la distribución geométrica y sus valores se representan por g(x; p).

Distribución geométrica si repetidos intentos independientes pueden resultar en un éxito con una
probabilidad p y en un fracaso con una probabilidad de q = 1 – p, entonces la distribución de
probabilidad de la variable aleatoria x, el número del intento en el cual ocurre el primer éxito es:

g = (x: p) = pqx-1 x = 1, 2, 3…
Distribución multinomial

Se considera un experimento multinomial si cada intento tiene más de dos resultados posibles.

Si un intento dado puede resultar k posibilidades E1, E2, E3,…, Ek con probabilidades p1, p2, p3,…,pk
entonces la distribución multinomial dará la probabilidad de que E1 ocurra x1 veces; E2 ocurra x2
veces;…; y Ek ocurra xk veces en n intentos independiente, x1+x2+x3+…+xk = n.

Esto se representa por f(x1, x2, x3,…xk; p1, p2, p3,….., pk, n), donde p1+ p2+ p3,+…+ pk = 1 dado
que el resultado de cada intento debe ser uno de los k posibles resultados.

Así la distribución multinomial es: si un intento determinado puede resultar en cualquiera de los k
resultados E1, E2, E3,…, Ek con probabilidades p1, p2, p3,…,pk , entonces la distribución de
probabilidad de las variables aleatorias X1 ,X2 ,X3 ,…, Xk que representan el número de ocurrencias
para E1, E2, E3,…, Ek en n intentos independientes es:

Distribución de Poisson

Es una distribución de probabilidad discreta, expresa la probabilidad de un número de eventos


ocurriendo en un tiempo fijo si estos eventos ocurren con una tasa media conocida, y son
independientes del tiempo desde el último evento.

Su distribución de probabilidad está dada por:


e La base del logaritmo natural (e =2.71828…)
k! = Es el factorial de k
λ = Un número real positivo, representa el promedio
por unidad de tiempo, área, pieza, etc.

En esta distribución el número de éxitos que ocurren por unidad de tiempo, área o producto es
totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, así como
cada área es independiente de otra área dada y cada producto es independiente de otro producto
dado.

Características

 Los éxitos buscados son expresados por unidad de área, tiempo, pieza, etc.
 No. de defectos de una tela por m2
 No. de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc.
 No. de bacterias por cm2 de cultivo
 No. de llamadas telefónicas a un conmutador por hora, minuto, etc.
 No. de llegadas de embarcaciones a un puerto por día, mes, etc.

Aproximación de la binomial a la de Poisson

Sea x una variable aleatoria binomial con distribución de probabilidad b (n, p, q). Cuando n tiende a
infinito, p tiende a 0 entonces λ = np y permanece constante se calcula:

Distribución Discreta Uniforme

Si la variable aleatoria X asume los valores con iguales probabilidades, entonces la distribución
discreta uniforme es: