Anda di halaman 1dari 39

2001 Alfaomega Grupo Editor

1-1
Captulo seis
Distribuciones probabilsticas
discretas
OBJETIVOS
Al terminar este captulo podr:
UNO
Definir los trminos de distribucin de probabilidad y variable aleatoria.
DOS
Distinguir entre una distribucin de probabilidad discreta y una continua.
TRES
Calcular la media, la variancia y la desviacin estndar de una distribucin
pobabilstica discreta.
CUATRO
Describir las caractersticas y calcular las probabilidades usando la
distribucin de probabilidad binomial.
2001 Alfaomega Grupo Editor
2001 Alfaomega Grupo Editor
1-1
Captulo seis continuacin
Distribuciones probabilsticas
discretas
OBJETIVOS
Al terminar este captulo podr:
CINCO
Describir las cractersticas y calcular las probabilidades usando la
dsitribucin hipergeomtrica.
SEIS
Describir las caractersticas y calcular las probabilidades usando la
distribucin de Poisson.
2001 Alfaomega Grupo Editor
2001 Alfaomega Grupo Editor
Variables aleatorias
Una variable aleatoria es un valor
numrico determinado por el resultado de
un experimento.
EJEMPLO 1: considere un experimento
aleatorio en el que se lanza tres veces
una moneda. Sea X el nmero de caras.
Sea H el resultado de obtener una cara y
T el de obtener una cruz.
6-3
2001 Alfaomega Grupo Editor
EJEMPLO 1 continuacin
El espacio muestral para este
experimento ser: TTT, TTH, THT, THH,
HTT, HTH, HHT, HHH.
Entonces, los valores posibles de X
(nmero de caras) son x = 0, 1, 2, 3.
6-4
2001 Alfaomega Grupo Editor
EJEMPLO 1 continucin
El resultado cero caras ocurri una vez.
El resultado una cara ocurri tres veces.
El resultado dos caras ocurri tres veces.
El resultado tres caras ocurri una vez.
De la definicin de variable aleatoria, la X
definida en este experimento, es una
variable aleatoria.
6-5
2001 Alfaomega Grupo Editor
Distribuciones probabilsticas
Una distribucin probabilstica es la
enumeracin de todos los resultados de
un experimento junto con las
probabilidades asociadas. Para el
EJEMPLO 1, Nmero de caras Probabilidad de los resultados
0 1/8 = .125
1 3/8 = .375
2 3/8 = .375
3 1/8 = .125
Total 8/8 = 1
6-6
2001 Alfaomega Grupo Editor
Caractersticas de una distribucin porbabilstica
La probabilidad de un resultado siempre
debe estar entre 0 y 1.
La suma de todos los resultados
mutuamente excluyentes siempre es 1.
6-7
2001 Alfaomega Grupo Editor
Variable aleatoria discreta
Una variable aleatoria discreta es una
variable que puede tomar slo ciertos
valores diferentes que son el resultado de
la cuenta de alguna caracterstica de
inters.
EJEMPLO 2: sea X el nmero de caras
obtenidas al lanzar 3 veces una moneda.
Aqu los valores de X son x = 0, 1, 2, 3.
6-8
2001 Alfaomega Grupo Editor
Variable aleatoria continua
Una variable aleatoria continua es una
variable que puede tomar un nmero
infinito de valores.
Ejemplos: la altura de un jugador de
bsquetbol o el tiempo que dura una
siesta.
6-9
2001 Alfaomega Grupo Editor
Media de una distribucin probabilstica discreta
La media:
indica la ubicacin central de los datos.
es el promedio, a la larga, del valor de
la variable aleatoria.
tambin se conoce como el valor
esperado, E(x), en una distribucin de
probabilidad.
es un promedio ponderado.
6-10
2001 Alfaomega Grupo Editor
Media de una distribucin probabilstica discreta
La media se calcula con la frmula:


donde representa la media y P(x) es la
probabilidad de los diferentes resultados x.
)] ( * [ = ) ( = x P x x E
6-11

2001 Alfaomega Grupo Editor
Variancia de una distribucin probabilstica
discreta
La variancia mide la cantidad de dispersin
(variacin) de una distribucin.
La variancia de una distribucin discreta se
denota por la letra griega (sigma
cuadrada).
La desviacin estndar se obtiene
tomando la raz cuadrada de .
o
2
o
2
6-12
2001 Alfaomega Grupo Editor
Variancia de una distribucin probabilstica
discreta
La variancia de una distribucin de
probabilidad discreta se calcula a partir de
la frmula
o
2 2
= E[( ) * ( )] x P x
6-13
2001 Alfaomega Grupo Editor
EJEMPLO 2
Daniel Casas,
propietario de
pinturas Angel ,
estudi sus
registros de las
ltimas 20
semanas y obtuvo
los siguientes
nmeros de casas
pintadas por
semana:
# de casas pintadas Semanas
10 5
11 6
12 7
13 2
6-14
2001 Alfaomega Grupo Editor
EJEMPLO 2 continuacin
Distribucin probabilstica:
Nmero de casas
pintadas, X
Probabilidad, P(X)
10 .25
11 .30
12 .35
13 .10
Total 1
6-15
2001 Alfaomega Grupo Editor
EJUEMPLO 2 continuacin
Calcule el nmero medio de casas
pintadas por semana:
= =
= + + +
=
E x xP x ( ) [ ( )]
( )(. ) ( )(. ) ( )(. ) ( )(. )
.
E


10 25 11 30 12 35 13 10
113
6-16
2001 Alfaomega Grupo Editor
EJEMPLO 2 continuacin
Calcule la variancia del nmero de casas
pintadas por semana:
o
2 2
4225 0270 1715 2890
91
=
= + + +
=
E[( ) ( )]
. . . .
.
x P x


6-17
2001 Alfaomega Grupo Editor
PROBABILIDAD CONDICIONAL
EVENTOS O SUCESOS INDEPENDIENTES Y
DEPENDIENTES
Dos o ms eventos son independientes si la ocurrencia de uno de
ellos no afecta la ocurrencia del otro.
Ejemplo: Sea E1 el evento de que caiga guila en el 4 lanzamiento
de una moneda y E2 el evento de que caiga guila en el 7
lanzamiento.
La probabilidad condicional de que caiga guila en ambos
lanzamientos es P(E1)*P(E2). Matemticamente
4
1
2
1
.
2
1
) 2 ( ). 1 p( ) 2 E y 1 (
2
1
) 2 p(E
2
1
) 1 (
=
|
.
|

\
|
|
.
|

\
|
= =
= =
E p E E p
E p
2001 Alfaomega Grupo Editor
SUCESOS O EVENTOS DEPENDIENTES
Son aquellos en los que la ocurrencia de uno depende de la ocurrencia
del otro.
Ejemplo: Supngase que en una caja existen 3 bolas blancas y 4 bolas
rojas. Sea E1 el evento de que la primera bola extrada sea negra y E2
el evento de que la segunda bola extrada sea tambin negra en
extracciones sin remplazamiento. Aqu E1 y E2 son eventos
dependientes.
Entonces, la probabilidad de que la segunda bola extrada sea negra es
p(E1E2)=p(E1)p(E2/E1). Matemticamente:
21
4
6
3
7
4
) 2 1 ( =
|
.
|

\
|
|
.
|

\
|
= E E p
2001 Alfaomega Grupo Editor
Distribucin probabilstica binomial
La distribucin binomial tiene las
siguientes caractersticas:
un resultado de un experimento se clasifica en
una de dos categoras mutuamente excluyentes -
xito o fracaso.
los datos recolectados son resultados de contar.
la probabilidad de xito es la misma para cada
ensayo ( o el muestreo se realiza con reposicin).
los ensayos son independientes.
6-18
2001 Alfaomega Grupo Editor
Distribucin probabilstica binomial
Para elaborar una distribucin binomial,
sea
n el nmero de ensayos
x el nmero de xitos observados
la probabilidad de xito en cada ensayo
t
6-19
2001 Alfaomega Grupo Editor
Distribucin probabilstica binomial
La frmula para la distribucin de
probabilidad binomial es:
P x
n
x n x
x n x
( )
!
!( )!
( ) =



t t 1
6-20
2001 Alfaomega Grupo Editor
Binomial
P
r
o
b
a
b
i
l
i
t
y

m
a
s
s

f
u
n
c
t
i
o
n

P
r
o
b
a
b
i
l
i
d
a
d

d
e

m
a
s
a

f
u
n
c
i

n
























































Probabilidad de la funcin binomial.
2001 Alfaomega Grupo Editor
EJEMPLO 3
La Secretara del Trabajo del estado de
Alabama reporta que 20% de la fuerza de
trabajo en Mobile est desempleada. De
una muestra de 14 trabajadores, calcule
las siguientes probabilidades con la
frmula de la distribucin binomial (n=14,
=.2, ):
tres estn desempleados: P(x=3)=.250
t
6-21
2001 Alfaomega Grupo Editor
EJEMPLO 3 continuacin
Nota: stos tambin son ejemplos de
distributions probabilsticas acumulativas:
tres o ms estn desempleados:
P(x > 3)=.250 +.172 +.086 +.032
+.009 +.002=.551
al menos un trabajador est
desempleado: P(x > 1) = 1 - P(x=0) =1 -
.044 = .956
a lo ms dos trabajadores estn desem-
pleados: P(x s 2)=.044 +.154 +.250
=.448
6-22
2001 Alfaomega Grupo Editor
Media y variancia de la distribucin binomial
La media est dada por:


La variancia est dada por:
t = n
o t t
2
1 = n ( )
6-23
2001 Alfaomega Grupo Editor
EJEMPLO 4
Del EJEMPLO 3, recuerde que t =.2 y
n=14.
As, la media = n t = 14(.2) = 2.8.
La variancia = n t (1 - t ) = (14)(.2)(.8)
=2.24.
6-24
2001 Alfaomega Grupo Editor
Poblacin finita
Una poblacin finita es una poblacin que
consiste en un nmero fijo de individuos,
objetos o medidas conocidos.
Los ejemplos incluyen: el nmero de
estudiantes en esta clase, el nmero de
automviles en el estacionamiento.
6-25
2001 Alfaomega Grupo Editor
Distribucin hipergeomtrica

Frmula:




donde N es el tamao de la poblacin, S es el
nmero de xitos en la poblacin, x es el nmero
de xitos de inters, n es el tamao de la muestra,
y C es una combinacin.
P x
C C
C
S x N S n x
N n
( )
( )( )
=

6-26
Se utiliza cuando el muestreo se realiza sin reposicin, lo que
implica que la probabilidad para cada observacin cambiar.
2001 Alfaomega Grupo Editor
Distribucin hipergeomtrica
Use la distribucin hipergeomtrica para
encontrar la probabilidad de un nmero
especfico de xitos o fracasos si:
la muestra se selecciona de una
poblacin finita sin reemplazo (recuerde
que un criterio para la distribucin
binomial es que la probabilidad de xito
es la misma de un ensayo a otro).
el tamao de la muestra n es mayor que
5% del tamao de la poblacin N.
6-27
2001 Alfaomega Grupo Editor
EJEMPLO 5
La National Air Safety Board tiene una
lista de 10(N) violaciones a la seguridad
reportadas por ValueJet. Suponga que
slo 4 (S) de ellas son en realidad
violaciones y que el Safety Board slo
podr investigar cinco de las
violaciones. Cul es la probabilidad de
que tres (x) de las cinco (n) violaciones
seleccionadas al azar para investigarlas
sean en realidad violaciones?
6-28
2001 Alfaomega Grupo Editor
EJEMPLO 5 continuacin
P
C C
C
( )
*
*
. 3
4 15
252
238
4 3 6 2
10 5
= = =
6-29
N=10
S=4
x=3
n=5
2001 Alfaomega Grupo Editor
EJERCICIO 1 continuacin
La fbrica Toy produce en un da 50 juegos electrnicos, de los
cuales 40 operaron sin problemas. Si se selecciona una muestra
de 5 juegos Cul es la probabilidad de que 4 juegos funcionen
correctamente?
N=
S=
n=
x=
50
40
5
4
2001 Alfaomega Grupo Editor
Distribucin de Poisson
La distribucin de probabilidades binomial
se hace cada vez ms sesgada a la
derecha conforme la probabilidad de
xitos disminuye.
La forma lmite de la distribucin binomial
donde la probabilidad de xito t es muy
pequea y n es grande se llama
distribucin de probabilidades de Poisson.
6-30
2001 Alfaomega Grupo Editor
Distribucin de Poisson
La distribucin de Poisson se puede
describir matemticamente por la frmula:



donde es la media aritmtica del nmero
de ocurrencias en un intervalo especfico
de tiempo, e es la constante 2.71828 y x
es el nmero de ocurrencias.
P x
e
x
x u
( )
!
=

6-31
2001 Alfaomega Grupo Editor
P x ( )

x
e

.
x!
P x ( )
x
0 5 10
0
0.1
0.2
GRFICA DE LA DISTRIBUCIN DE POISSON
2001 Alfaomega Grupo Editor
Distribucin de Poisson
El nmero medio de xitos se puede
determinar en situaciones binomiales por
n t, donde n es el nmero de ensayos y t
la probabilidad de xito.
La varianza de la distribucin de Poisson
tambin es igual a n t.
6-32
2001 Alfaomega Grupo Editor
EJEMPLO 6
La Sylvania Urgent Care se especializa en el
cuidado de lesiones menores, resfriados y
gripe. En las horas de la tarde de 6-10 PM el
nmero medio de llegadas es 4.0 por hora.
Cul es la probabilidad de 6 llegadas en una
hora?
! 6
4
) 6 (
4 6
=
e
P
P 6 ( ) 0.104 =
6-33
m=4 X=6
P x ( )

x
e

.
x!
2001 Alfaomega Grupo Editor
Ejercicio No2
El departamento de prstamos del banco Yotkobro con
base en sus aos de experiencia, estima que de cada 50
crditos otorgados solo 6 clientes no pagaron . En el
mes pasado se otorgaron 30 prstamos.Cul es la
probabilidad de que los prstamos no pagados sean:
a) 3
b) Menos de 10
c) Ms de 5
d) Ninguno
e) Entre 5 y 10

Anda mungkin juga menyukai