Este documento describe diferentes distribuciones de probabilidad, incluyendo distribuciones discretas como la binomial y de Poisson. Explica que la distribución binomial modela experimentos con dos resultados posibles donde la probabilidad de éxito es constante, mientras que la distribución de Poisson se aplica a sucesos raros con una media y varianza iguales. También incluye ejemplos y fórmulas para calcular probabilidades usando estas distribuciones.
0 calificaciones0% encontró este documento útil (0 votos)
51 vistas31 páginas
Este documento describe diferentes distribuciones de probabilidad, incluyendo distribuciones discretas como la binomial y de Poisson. Explica que la distribución binomial modela experimentos con dos resultados posibles donde la probabilidad de éxito es constante, mientras que la distribución de Poisson se aplica a sucesos raros con una media y varianza iguales. También incluye ejemplos y fórmulas para calcular probabilidades usando estas distribuciones.
Este documento describe diferentes distribuciones de probabilidad, incluyendo distribuciones discretas como la binomial y de Poisson. Explica que la distribución binomial modela experimentos con dos resultados posibles donde la probabilidad de éxito es constante, mientras que la distribución de Poisson se aplica a sucesos raros con una media y varianza iguales. También incluye ejemplos y fórmulas para calcular probabilidades usando estas distribuciones.
Este documento describe diferentes distribuciones de probabilidad, incluyendo distribuciones discretas como la binomial y de Poisson. Explica que la distribución binomial modela experimentos con dos resultados posibles donde la probabilidad de éxito es constante, mientras que la distribución de Poisson se aplica a sucesos raros con una media y varianza iguales. También incluye ejemplos y fórmulas para calcular probabilidades usando estas distribuciones.
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 31
Matemática Aplicada
DISTRIBUCIONES DE VARIABLES DISCRETAS.
Departamento de Matemática Aplicada
Escuela Técnica Superior de Ingenierı́a Industrial Universidad de Salamanca
(Curso 2020-2021)
Matemáticas III Matemática Aplicada
Distribuciones discretas y continuas
Las distribuciones discretas son aquellas en las que la variable
puede tomar un número determinado de valores: Ejemplo: si se lanza una moneda al aire puede salir cara o cruz; si se tira un dado puede salir un número de 1 al 6; en una ruleta el número puede tomar un valor del 1 al 32.
Las distribuciones continuas son aquellas que presentan un
número infinito de posibles soluciones: Ejemplo: El peso medio de los alumnos de una clase puede tomar infinitos valores dentro de cierto intervalo (42,37 kg, 42,3764 kg, 42,376541 kg, etc); la esperanza media de vida de una población (72,5 años, 75,13 años, 72,51234 años).
Matemáticas III Matemática Aplicada
Distribución Binomial I
Supongamos que un experimento aleatorio tiene las siguientes
caracterı́sticas: 1 En cada prueba del experimento solo son posibles dos resultados: el suceso A (éxito) y su contrario A (fracaso). 2 El resultado obtenido en cada prueba es independiente de los resultados obtenidos anteriormente. 3 La probabilidad del suceso A es constante, la representamos por p, y no varı́a de una prueba a otra. La probabilidad de A es 1 − p y la representamos por q. 4 El experimento consta de un número n de pruebas. Todo experimento que tenga estas caracterı́sticas diremos que sigue el modelo de la distribución Binomial. La distribución Binomial se suele representar por B(n, p) siendo n y p los parámetros de dicha distribución. Matemáticas III Matemática Aplicada
Distribución Binomial II
Función de Probabilidad de la v.a. Binomial:
n k n−k n! P (X = k) = p q = pk q n−k k k! (n − k)! Parámetros de la Distribución Binomial: Media: µ = np Varianza: σ 2 = npq √ Desviación tı́pica: σ = npq Función de Distribución de la v.a. Binomial
n 0 n n 1 n−1 n k n−k F (xi ) = P (X ≤ xi ) = p q + p q +. . .+ p q 0 1 k siendo k el mayor número entero menor o igual a xi . Esta función de distribución proporciona, para cada número real xi , la probabilidad de que la variable X tome valores menores o iguales que xi . Matemáticas III Matemática Aplicada
Ejemplo 1:
Una máquina fabrica una determinada pieza y se sabe que
produce un 7 por 1000 de piezas defectuosas. Hallar la probabilidad de que al examinar 50 piezas solo haya una defectuosa.
Se trata de una distribución binomial de parámetros
B(50, 0′ 007) y debemos calcular la probabilidad P (X = 1).
50 P (X = 1) = 0, 0071 · 0, 99349 = 0, 248 1
Matemáticas III Matemática Aplicada
Ejemplo 2:
La probabilidad de éxito de una determinada vacuna es 0,72.
Calcula la probabilidad de que una vez administrada a 15 pacientes: a) Ninguno sufra la enfermedad b) Todos sufran la enfermedad c) Dos de ellos contraigan la enfermedad
Se trata de una distribución binomial de parámetros B(15, 0′ 72)
15 a) P (X = 15) = 0, 7215 · 0, 280 = 0, 00724 15 15 b) P (X = 0) = 0, 720 · 0, 2815 = 5, 097 · 10−9 0
15 c) P (X = 13) = 0, 7213 · 0, 282 = 0, 11503 13 Matemáticas III Matemática Aplicada
Ejemplo 3:
La probabilidad de que el carburador de un coche salga de
fábrica defectuoso es del 4 por 100. Hallar : a) El número de carburadores defectuosos esperados en un lote de 1000 b) La varianza y la desviación tı́pica.
a) µ = n · p = 1000 · 0, 04 = 40 carburadores defectuosos
√ b) σ 2 = n · p · q = 1000 · 0, 04 · 0, 96 = 38, 4; σ = npq = 6, 19
Matemáticas III Matemática Aplicada
1. Si la pobabilidad de que un alumno de 2º de Bachillerato
apruebe un examen es 0,25 calcular, para un grupo de cuatro estudiantes: (a) Probabilidad de que los 4 aprueben (b) Probabilidad de que ninguno de los cuatro apruebe. (c) Probabilidad de que al menos 3 aprueben (d) Probabilidad de que a lo sumo 3 aprueben (e) Esperanza matemática y varianza de la variable aleatoria asociada.
Matemáticas III Matemática Aplicada
2. La fracción de animales enfermos que se curan de una
enfermedad, mediante un tratamiento, se ha estimado, por larga experiencia, que es igual a 0,8. Si se someten 20 animales afectados por esa enfermedad al tratamiento en cuestión, ¿cuál es la probalidad de que se curen 18?
Matemáticas III Matemática Aplicada
3. Se observa una máquina dedicada a la fabricación de
escalpelos de disección, para comprobar el número de escalpelos defectuosos que fabrica y mejorar la calidad de los mismos. Para ello se toman 100 muestras de 5 escalpelos cada una y se observa el número de escalpelos defectuosos que aparecen. Se obtiene la siguiente tabla:
xi 0 1 2 3 4 5 fi 40 32 20 5 2 1
(a) Ajustar una distribución binomial a esos datos.
(b) Comparar las frecuencias observadas con las esperadas mediante esa distribución.
Matemáticas III Matemática Aplicada
4. Una máquina automática, dedicada a la fabricación de
comprimidos vitamı́nicos para las plantas de interior, produce comprimidos defectuosos a razón del 1 %. (a) Si los comprimidos se colocan en tubos de a 10, ¿cuál es la probabilidad de que en un tubo determinado no haya ninguno defectuoso? (b) Si los tubos se colocan en cajas de a 10, ¿cuál es la probabilidad de que una caja contenga los 10 tubos sin comprimidos defectuosos?
Matemáticas III Matemática Aplicada
5. En una ciudad se han elegido, al azar, 730 personas. ¿cuál
es la probabilidad de que cuatro de ellas hayan nacido el 15 de mayo?
6. En un juego de dos personas igualmente hábiles, es más
probable: (a) ¿Ganar 3 juegos de 4 o 5 juegos de 8? (b) ¿Ganar al menos 3 de 4 o ganar al menos 5 de 8?
Matemáticas III Matemática Aplicada
7. Dos personas juegan a cara o cruz. Ambos convienen al
comenzar que no finalizarán la partida hasta que tanto la cara como la cruz hayan aparecido, por lo menos, cuatro veces. ¿Qué probabilidad hay de que el juego no se acabe después de haber efectuado 20 tiradas?
Matemáticas III Matemática Aplicada
8. Un encuesta a 310 familias con 5 hijos dio el siguiente
resultado:
número de niños 5 4 3 2 1 0 número de niñas 0 1 2 3 4 5 número de familias 18 56 100 88 40 8
Si suponemos que el hecho de nacer hombre o mujer es
igualmente probable, ¿qué número de familias se espera que tengan tres hijos varones?
Matemáticas III Matemática Aplicada
Distribución de Poisson
Una variable discreta X sigue una distribución de Poisson
si sus posibles valores son todos los enteros no negativos, es decir X = 0, 1, 2, 3, . . . y su función de probabilidad es:
λk P (X = k) = e−λ k! donde λ es un parámetro positivo. Se denota por P (λ) a la variable de Poisson de parámetro λ, y este parámetro λ de la distribución es igual a la media y a la varianza de la variable, λ = µ = σ2
Matemáticas III Matemática Aplicada
Distribución de Poisson II
Las variables de Poisson tı́picas son variables con las que se
cuentan sucesos raros. La distribución de Poisson parte de la distribución binomial: Cuando en una distribución binomial se realiza el experimento un número n muy elevado de veces y la probabilidad de éxito p en cada ensayo es reducida, entonces se aplica el modelo de distribución de Poisson. Se pueden aproximar las probabilidades binomiales usando una variable de Poisson con λ = np. A tı́tulo indicativo, se suele decir que dicha aproximación es aceptable en los casos en que p < 0, 1 y np < 5.
Matemáticas III Matemática Aplicada
Ejemplo
La probabilidad de tener un accidente de tráfico es de 0,02 cada
vez que se viaja, si se realizan 200 viajes, ¿cual es la probabilidad de tener 3 accidentes?
Como la probabilidad p es menor que 0,1, y el producto n · p es
menor que 5, entonces aplicamos el modelo de distribución de Poisson. 43 P (X = 3) = e−4 = 0, 1953 3! Por lo tanto, la probabilidad de tener 3 accidentes de tráfico en 200 viajes es del 19,5 %.
Matemáticas III Matemática Aplicada
9. El siguiente cuadro es el resultado de un estudio hecho por
Student en 1907, muy conocido desde los orı́genes de la estadı́stica. Estudiar la distribución de las células de levadura en 400 cuadrı́culas de un hematocitómetro, sabiendo que los resultados del estudio de Student fueron: Nº células por cuadrı́cula 0 1 2 3 4 5 6 7 8 9 Frecuencias observadas 75 103 121 54 30 13 2 1 0 1
Matemáticas III Matemática Aplicada
10. Blackman hizo un estudio sobre la densidad de las plantas
en la selva, usando recuentos cuadráticos. Los resultados para la planta Eryngium maritimum en 147 cuadrados fueron:
Nº plantas por cuadrado 0 1 2 3 4 5 6 7 >7
Frecuencias observadas 16 41 49 20 14 5 1 1 0
Ajustar una distribución de Poisson a los datos, observando las
diferencias entre las frecuencias y las frecuencias esperadas.
Matemáticas III Matemática Aplicada
11. Un profesor de estadı́stica durante el primer cuatrimestre
ha preguntado poco a sus alumnos en clase. La distribución del número de dı́as sin preguntar, preguntando a un alumno, preguntando a dos, etc., ha sido la siguiente:
Número de alumnos preguntados 0 1 2 3 4
Número de dı́as 21 18 7 3 1
(a) Calcular el número medio de alumnos preguntados por dı́a
durante los 50 dı́as lectivos que duró el primer trimestre. (b) Ajustar dicha distribución mediante una distribución de Poisson.
Matemáticas III Matemática Aplicada
12. Se ha observado un telar durante un cierto periodo de
tiempo y se han contado el número de roturas por cada 10.000 pasadas de la lanzadera. Los resultados obtenidos son:
(a) Ajustar los datos a una distribución binomial y calcular las
probabilidades de cada número de roturas. (b) Ajustar los datos a una distribución de Poisson y calcular las probabilidades de cada número de roturas. (c) Calcular el número medio de roturas y la desviación tı́pica para ambas distribuciones
Matemáticas III Matemática Aplicada
13. Si las llamadas telefónicas recibidas en una centralita siguen una
distribución de Poisson de parámetro λ = 3 llamadas / cinco minutos, calcular la probabilidad de recibir: (a) Seis llamadas en cinco minutos. (b) Tres llamadas en diez minutos. (c) Más de 15 en un cuarto de hora. (d) Dos en un minuto.
Matemáticas III Matemática Aplicada
14. La probabilidad de reacción negativa de un individuo
internado en un hospital ante un fármaco es 0,05. Calcular la probabilidad de que en un total de 100 individuos: (a) Presenten reacción 3 individuos. (b) No presente reacción ningún individuo. (c) Presenten reacción más de 2 individuos.
Matemáticas III Matemática Aplicada
15. En una fábrica el número de accidentes por semana sigue
una ley de Poisson de parámetro λ = 2. Se pide: (a) Probabilidad de que en una semana haya algún accidente. (b) Probabilidad de que haya cuatro accidentes en el transcurso de dos semanas. (c) Probabilidad de que haya dos accidentes en una semana y otros dos en la semana siguiente. (d) Es lunes y ya ha habido un accidente. ¿Cuál es la probabilidad de que en esta semana no haya más de tres accidentes?
Matemáticas III Matemática Aplicada
16. Se sabe que la probabilidad de morir anualmente de un
determinado accidente en una gran ciudad es 0,0004. ¿Cuál es la probabilidad de que una compañı́a de seguros pague más de tres pólizas entre los 10.000 asegurados contra el citado accidente?
Matemáticas III Matemática Aplicada
Distribución hipergeométrica I
En general, consideramos una población finita de tamaño N de
forma que sus elementos pertenezcan a 2 clases excluyentes, y extraemos simultaneamente, o sucesivamente, sin reemplazamiento, n elementos y se cuenta el número de elementos r de la clase principal A. El valor de r es una variable aleatoria denominada variable hipergeométrica. p = fracción de elementos principales. q = fracción de los elementos restantes. En la población hay Np elementos principales y Nq elementos restantes.
Matemáticas III Matemática Aplicada
Distribución hipergeométrica II
La probabilidad de que en una muestra de tamaño n se
encuentren r elementos principales es:
Np Nq r n−r E[X] = n p, P [X = r] = , con N −n N V [X] = n p q N −1 n
Y depende de 3 parámetros: N = tamaño de la población, n = tamaño de la muestra, y p = fracción de elementos principales. Se denota por H(N, n, p) y se utiliza en lugar de la binomial cuando el muestreo es sin reemplazamiento.
Matemáticas III Matemática Aplicada
Ejemplo Tenemos una baraja de cartas españolas (N = 40 naipes), de las cuales nos vamos a interesar en el palo de oros (D = 10 naipes de un mismo tipo). Supongamos que de esa baraja extraemos n = 8 cartas de una vez (sin reemplazamiento) y se nos plantea el problema de calcular la probabilidad de que haya k = 2 oros (exactamente) en esa extracción. Se tendrá entonces: casos favorables P rob[2 oros en 8 cartas] = casos posibles 2 naipes 6 naipes × entre los oros de otros palos = 8 naipes cualesquiera
10 30 D N −D 2 6 k n−k = = 40 N 8 n Matemáticas III Matemática Aplicada
En lugar de usar como dato D es posible que tengamos la
proporción existente, p, entre el número total de oros y el número de cartas de la baraja
D 10 1 D = Np p= = = ⇒ N 40 4 N − D = Nq , (q = 1 − p)
de modo que podemos decir que
Np Nq k n−k P rob[k oros en n cartas] = N n
Matemáticas III Matemática Aplicada
17. Una urna contiene 20 bolas, de las cuales 12 son rojas y 8
amarillas. (a) Se efectúan tres extracciones independientes, de una bola cada extracción, devolviendo la bola a la urna antes de extraer la siguiente. Sea X la variable aleatoria definida por el número de bolas rojas extraı́das. Se pide: i. Función de densidad de X. ii. E[X] y V [X] (b) Se extraen de una sola vez tres bolas de la urna. Sea Y la variable aleatoria definida por el número de bolas rojas extraı́das. Se pide: i. Función de densidad de Y . ii. E[Y ] y V [Y ] (c) Comparar los resultados de (a) y (b).
Matemáticas III Matemática Aplicada
18. De un lote de 3.000 piezas, con un 2 % defectuosas,
extraemos 24 piezas consecutivas con reemplazamiento. (a) ¿Cuál es la probabilidad de que en la muestra hayan resultado 4 defectuosas con reemplazamiento? (b) ¿Cuál será dicha probabilidad si las extracciones se efectúan sin reemplazamiento?
