Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 29 vistas

    Distribuciones Discretas - ATI MEJIA TORRES

    Cargado por

    ati kunkey mejia torres
    Este documento describe tres distribuciones discretas de probabilidad: binomial, Poisson y hipergeométrica. La distribución binomial modela experimentos con un número fijo de ensayos con dos resultados posibles. La distribución de Poisson modela eventos aleatorios que ocurren continuamente en el tiempo o espacio. La distribución hipergeométrica se aplica cuando hay un número finito de ensayos con dos resultados posibles y los ensayos son dependientes. El documento proporciona las funciones de probabilidad y propiedades de cada distribución, así como ejemplos ilustrat

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Distribuciones Discretas - ATI MEJIA TORRES

    Cargado por

    ati kunkey mejia torres
    29 vistas8 páginas
    Este documento describe tres distribuciones discretas de probabilidad: binomial, Poisson y hipergeométrica. La distribución binomial modela experimentos con un número fijo de ensayos con dos resultados posibles. La distribución de Poisson modela eventos aleatorios que ocurren continuamente en el tiempo o espacio. La distribución hipergeométrica se aplica cuando hay un número finito de ensayos con dos resultados posibles y los ensayos son dependientes. El documento proporciona las funciones de probabilidad y propiedades de cada distribución, así como ejemplos ilustrat

    Título original

    Distribuciones discretas - ATI MEJIA TORRES

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe tres distribuciones discretas de probabilidad: binomial, Poisson y hipergeométrica. La distribución binomial modela experimentos con un número fijo de ensayos con dos resultados posibles. La distribución de Poisson modela eventos aleatorios que ocurren continuamente en el tiempo o espacio. La distribución hipergeométrica se aplica cuando hay un número finito de ensayos con dos resultados posibles y los ensayos son dependientes. El documento proporciona las funciones de probabilidad y propiedades de cada distribución, así como ejemplos ilustrat

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    29 vistas8 páginas

    Distribuciones Discretas - ATI MEJIA TORRES

    Cargado por

    ati kunkey mejia torres
    Este documento describe tres distribuciones discretas de probabilidad: binomial, Poisson y hipergeométrica. La distribución binomial modela experimentos con un número fijo de ensayos con dos resultados posibles. La distribución de Poisson modela eventos aleatorios que ocurren continuamente en el tiempo o espacio. La distribución hipergeométrica se aplica cuando hay un número finito de ensayos con dos resultados posibles y los ensayos son dependientes. El documento proporciona las funciones de probabilidad y propiedades de cada distribución, así como ejemplos ilustrat

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 8

    ALGUNAS DISTRIBUCIONES DISCRETAS DE PROBABILIDAD.

    Estudiante: ATI KUNKEY MEJIA TORRES 1004463894

    1. DISTRIBUCIÓN BINOMIAL.

    La distribución de probabilidad binomial, está asociada a un tipo de experimento, llamado


    proceso de Bernoulli (Jackes Bernoulli 1654-1705). Una distribución binomial implica el
    cumplimiento de las siguientes puntos que constituyen el proceso de Bernoulli:

    1) En el experimento, podría hacerse un número infinito de ensayos, puesto que la distribución


    binomial supone el reemplazo después de cada ensayo.

    2) Solo existen dos resultados posibles en cada ensayo, opuestos entre si. Dichos resultados los
    denominamos éxito y fracaso, cuyas probabilidades las simbolizamos por “p” y “q”
    1 5
    respectivamente, complementarias entre si. p + q = + = 1
    6 6

    3) Los ensayos son independientes entre si, porque el éxito o fracaso en un ensayo no afectará
    la probabilidad de éxito o de fracaso en los siguientes ensayos.

    4) La suma de las probabilidades de todos los sucesos posibles en un experimento de n


    ensayos, cada uno de ellos compuesto de x éxitos y (n - x) fracasos es igual a uno (1).

    1.1 FUNCIÓN DE PROBABILIDAD BINOMIAL.

    f ( x )= n p x (1−p)n− x
    x ()
    n!
    f ( x )= ∗p x (1−p)n− x
    x ( n−x ) !

    f(x) = p(x) = La probabilidad de (x) éxitos de (n) intentos.


    n = La cantidad de éxitos.
    n = n!
    ()x x ( n−x ) !

    p = La probabilidad de un éxito en cualquier intento.


    (1-p) = q = La probabilidad de un fracaso en cualquier intento.

    1.2 PROPIEDADES DE LA DISTRIBUCIÓN BINOMIAL.

    1) μ= E(x) = n*p
    2) Var(x) = σ2 = n*p*q
    3) σ =√ n∗p∗q

    Ejercicios:
    1) La raza de perro “Doberman” es conocida por tener 4 perritos (macho y hembra) en cada
    semana. Si la probabilidad de que un perrito sea macho es de 0,55:
    a) Calcular de que en una camada sean 2 perritas (hembra) exactamente
    b) Calcular la probabilidad de que en una camada al menos dos sean perritas (hembra)

    Solución:

    a) Como en una camada de cuatro perritos quiero exactamente dos perritas (hembras),
    significa entonces que los otros dos perritos tienes que ser machos.
    4
    () 2 2
    P ( x=2 )= ∗0,55 ∗0.45 =0,3675 ⇒36,75 %
    2

    b) En este caso, queremos que al menos haya dos perritas (hembras), por lo tanto, la
    probabilidad que nos piden es que haya dos, uno o ningún macho, ya que habrá
    dos, tres o cuatro perritas.
    P ( x ≤ 2 )=P ( x=0 ) + P ( x=1 ) + P ( x=2 )

    ¿ ( 40)∗0,55 ∗0.45 +( 41 )∗0,55 ∗0.45 +0,3675


    0 2 1 3

    ¿ 0,041+0,2005+0,3675=0,609 ⇒60,9 %

    2) El 20% de los pudines hecho por Don Jacobo tienen trozos de chocolate, si es así,
    ¿Cuál es la probabilidad de que entre cuatro pudines elegidos al azar, a lo sumo dos
    contengan trozos de chocolate?

    x=número de pudinescon trozos de chocolate


    p= probabilidad de pudinescon trozos de chocolate=0,2
    n=número de pudines seleccionados=4
    Ante esto , tenemos una distribución binomial B(4 ; 0,2)

    Solución:

    P ( x ≤ 2 )=P ( x=0 ) + P ( x=1 ) + P ( x=2 )

    ¿ 4 ∗0,20∗0,84 + 4 ∗0,21∗0,8 3+ 4 ∗0,22∗0,82


    () () ()
    0 1 2

    ¿ 0,4096+0,4096+ 0,1536=0,9728

    2. DISTRIBUCIÓN DE POISSON.

    Es otra distribución discreta de probabilidad, llamada así en memoria de Simeón Denis Poisson
    (1781-1840), quien la descubrió. Se usa en muchas situaciones que se refieren a fenómenos que
    ocurren en un intervalo continuo de espacio o de tiempo, aunque dicha continuidad puede
    dividirse en intervalos más pequeños. Mientras que la distribución Binomial está orientada a
    resolver problemas relacionados con los éxitos esperados en “n” ensayos, la distribución de
    Poisson busca dar respuesta a problemas relacionados con los éxitos esperados en un intervalo
    de tiempo o de espacio.

    La distribución de Poisson es semejante a la distribución binomial, puesto que sigue el proceso


    de Bernoulli, excepto que los eventos no ocurren mediante ensayos u observaciones fijas como
    lanzar la moneda 3 veces al aire, sino que los eventos ocurren en un intervalo o espectro de
    tiempo o de espacio. La semejanza de la distribución de Poisson con la distribución Binomial,
    radica en lo siguiente:

    a) Puede efectuarse un número infinito de ensayos en el experimento.


    b) Existen dos resultados opuestos en cada ensayo ( éxito y fracaso), los cuales son
    complementarios.
    c) Los diferentes ensayos son independientes entre si, es decir la probabilidad de éxito en un
    ensayo no afecta la probabilidad de éxito en los demás ensayos, o sea, que la probabilidad de
    éxito es constante de ensayo a ensayo.

    La distribución de Poisson se simboliza como: P(X,), que se lee como la probabilidad de que
    ocurran X éxitos en un intervalo de tiempo o de espacio dado, sabiendo que el promedio de
    éxitos por “idéntico intervalo”, es . La distribución de Poisson se puede considerar como el
    límite de una distribución binomial cuando “n” es muy grande y “p” es muy pequeña.

    2.1 FUNCIÓN DE PROBABILIDAD POISSON.

    e−¿
    x
    p ( X , )=❑ ¿
    x!

    f(x) = Probabilidad de (x) ocurrencias en un intervalo.


    μ= E ( x )= λ = Valor esperado o cantidad promedio de ocurrencia en un intervalo.
    e=2.71828

    2.2 PROPIEDADES DE LA DISTRIBUCIÓN DE POISSON.

    1. μ= E ( x )= λ
    2. σ 2=λ
    3. σ =√ λ

    Ejercicios:

    1) La compañía aérea “Mis vuelos” observa que el número de componentes que fallan
    antes de cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Si el
    número promedio de fallos es 8. Se pide:

    a) ¿Cuál es la probabilidad de que falle un componente en 25 horas?


    b) ¿Cuál es la probabilidad de que fallen menos de dos componentes en 50 horas?

    Solución:
    Sea la variable aleatoria discreta X = "nº componentes que fallan antes de 100 horas"

    El parámetro λ=E [ X ] =8
    a) Considerando ciertas condiciones de regularidad, se puede asumir que la variable:
    U= "nº componentes que fallan antes de 25 horas" sigue una distribución de Poisson
    8
    de parámetro λ u=E [ U ] = =2
    4
    k
    λ 2 2
    u P [ U =1 ] = ∗e−2= 2 =0,27067⇒ 27,06 %
    P [ U =k ] = ∗e−λ 1! e
    K!

    b) Análogamente, la v.a. V = "nº componentes que fallan antes de 50 horas" sigue una
    8
    distribución de Poisson de parámetro λ v =E [ V ] = =2
    4

    P [ V < 2 ] =P [ V =0 ] + P [ V =1 ]

    4 0 −4 4 1 −4
    [ 0! ][
    1! ]
    ∗e + ∗e = [ 1+ 4 ]∗e =5∗e =0,0916 ⇒ 9,16 %
    −4 −4

    2) El jefe de recursos humanos de la famosa multinacional “Coca Cola” realiza un test de


    diez ítems a los aspirantes a un puesto, teniendo en cada ítems cuatro posibles
    respuestas, de las que sólo una es correcta. Suponiendo que los aspirantes teniendo la
    misma probabilidad de responder. Se pide hallar las probabilidades para el aspirante:
    a) Conteste todos los ítems mal
    b) Conteste al menos cuatro ítems bien
    c) Conteste entre cuatro y seis ítems bien

    1 10 ∗0.25 k∗0.7510−k
    n=10 p= =0.25b=( 10 , 0.25 ) P ( X=k )=
    4 k ( ) k =0.1 , … ,10

    Solución:
    Sea X = "contestar ítems bien en el test", la variable sigue una distribución binomial

    a) P ( X=0 )= (100 )∗0.25 ∗0.75 =0.25 ∗0.75 =0,0563⇒ 5,63 %


    0 10 0 10
    b) P ( X ≥ 4 ) =1−P ( X < 4 )=1−( P ( X=0 ) + P ( X=1 ) + P ( X=2 )+ P ( X =3 ) )

    ¿ 1− 10 ∗0.250∗0.75 10+ 10 ∗0.251∗0.759 + 10 ∗0.252∗0.758 + 10 ∗0.253∗0.757


    [( )
    0 1 ( ) 2 ( ) 3 ( ) ]
    ¿ 1− [ 0.0563+0.1877 +0,2816+0,2503 ]=0,2241⇒ 22,41 %

    c) P ( 4< X <6 )=P ( X=4 ) + P ( X =5 ) + P ( X=6 )

    ¿ 10 ∗0.254∗0.756 + 10 ∗0.25 5∗0.755 + 10 ∗0.256∗0.754


    ( ) ( ) ( )
    4 5 6

    ¿ 0,1460+0,0584 +0,0162=0,2206 ⇒22,06 %

    3. DISTRIBUCIÓN DE PROBABILIDAD HIPERGEOMÉTRICA.

    Resumiendo en una distribución hipergeométrica se cumplen las siguientes condiciones:

    a) Solo se puede presentar un número finito de ensayos, es decir un máximo de N ensayos.


    b) (éxito y Existen dos resultados posibles en cada ensayo fracaso), opuestos entre sí, es decir,
    la probabilidad de éxito y la probabilidad de fracaso son complementarias.
    c) Los ensayos son dependientes entre sí.
    d) La probabilidad de éxito y por consiguiente la probabilidad de fracaso, cambian de ensayo a
    ensayo.

    3.1 FUNCIÓN DE PROBABILIDAD HIPERGEOMÉTRICA.

    r N −r
    f ( x )=
    ( x )( n−x )

    ( Nn )
    f(x) = Probabilidad de (x) éxitos en (n) intentos.
    n = Cantidad de intentos.
    N= Cantidad de elementos en la población.
    r = Cantidad de elementos identificados como éxitos en la población.

    3.2 PROPIEDADES DE LA DISTRIBUCIÓN DE PROBABILIDAD HIPERGEOMÉTRICA.

    1. μ= E ( x )=n∗p
    2 N −n
    2. σ = =n∗p∗q
    n−1
    Ejercicios:

    1) En el local de Don Pancho se tiene artículos electrónicos para su venta, se tiene 20


    licuadoras de las cuales 5 son amarillas. Si se extraen aleatoriamente y sin sustitución
    10 licuadoras. ¿Cuál es la probabilidad de que dos de ellas sean amarillas?

    N=20n=10x=2r =5

    Solución:
    5 20 −5 5 15
    P ( X=2 )=
    ( 2 )( 10 −2 )
    P ( X=2 )=
    ( 2 )( 8 )
    P ( X=2 )=
    5 C 2∗15 C 8
    20 20 20 C 10
    (10) ( 10)
    P ( X=2 )=0.3483

    2) En noche buena en la ciudad de Nueva York se disparan 12 juegos artificiales, si se


    disparan 4 al azar y se tiene 5 juegos que no se disparan, ¿Cuál es la probabilidad de
    que los 2 disparen?

    N=12n=4r =5x=2

    Solución:

    5 12 −5
    P ( X=2 )=
    ( 2 )( 4 −2)

    (124)
    5 7
    P ( X=2 )=
    ( 2 )( 2 )
    P ( X=2 )=
    5 C 2∗7 C 2
    P ( X=2 )=0.4242
    12 12C 4
    (4)

    Actividad evaluativa No.15:

    1. Para cada distribución de probabilidad discreta (Binomial – Poisson – Hipergeométrica )


    debe desarrollar dos (2) ejercicios e incluirlos en este archivo en la sección
    correspondiente a cada distribución.

    2. Anexar las tablas para cada distribución de probabilidad discreta (Binomial – Poisson –
    Hipergeométrica ) al final del documento.

    3. Debe marcar el documento en la parte superior derecha con su nombre completo y el ID.
    La distribución binomial por tabla:

    También podría gustarte