INTEGRANTES: RAUL REDROVAN CINDY ROMERO JAIME HUILCA TANIA TORRES

DISTRIBUCION BINOMIAL NEGATIVA

CONCEPTO
Nuestra distribucin binomial negativa esta basada en cuatro condiciones que debe cumplir: El experimento consiste en una sucesin de ensayos independientes. Cada ensayo puede resultar en xito (S) o un fracaso (F). El experimento continua hasta que se hayan observado un total de k xitos, donde k es un entero positivo especfico. La probabilidad de xito es constante de ensayo en ensayo.

CARACTERISTICAS
Los experimentos estadsticos con este modelo de probabilidad tienen caractersticas similares a los experimentos binomiales : Los ensayos son independientes, cada ensayo tiene nicamente dos resultados posibles, y la probabilidad que cada ensayo tenga un resultado favorable es una constante.

FORMULA
Para utiliza la distribucin binomial negativa

utilizamos la siguiente formula. x = variable aleatoria discreta con distribucin binomial negativa (cantidad de ensayos realizados hasta obtener k xitos) P= probabilidad de xito es un valor constante en cada ensayo x= , + 1, + 2 .(variables que puede tomar la variable x) = 1 (1 ) =
1

EJEMPLO
Suponiendo que la probabilidad de que una persona contraiga cierta enfermedad a la que esta expuesta es 30%, calcule la probabilidad que la decima persona expuesta a la enfermedad sea la cuarta en contraerla.

RESPUESTA : Cada persona expuesta a la enfermedad constituye un ensayo. Estos ensayos son independientes y la probabilidad de xito es constante:0,3 ( note que xito no siempre tiene una connotacion favorable)

Por la pregunta concluimos que la variable de

inters x tiene distribucin binomial negativa con k=4, p=0,3. Sean x: Cantidad de ensayos realizados hasta obtener r xitos (variable aleatoria discreta) X=4,5,6.. = = 1 0,34 (1 0,3)4 ,x=4,5,6. 4 1 10 1 = 10 = 0,34 (0,7)104 = 0,08 4 1

DISTRIBUCION DE POISSON
La distribucin de poisson es un modelo que puede usarse para calcular la probabilidad correspondiente al nmero de xitos que ocurren en una regin o en un intervalo de tiempo especificados, si se conoce el nmero promedio de xitos que ocurren.

Este modelo de distribucin requiere que se cumplan con las siguientes suposiciones: El nmero de xitos que ocurren en la regin o intervalo es independiente de lo que ocurre en otra regin o intervalo. La probabilidad de que un resultado ocurra en una regin o intervalo muy pequeo, es igual para todos los intervalos o regiones de igual tamao y es proporcional al tamao de la regin o intervalo. La probabilidad de que mas de un resultado ocurra en una regin o intervalo muy pequeo no es significativa.

CARACTERISTICAS
Algunas aplicaciones que se pueden realizar con este mtodo: Nmero de defectos por unidad de rea en piezas similares de un material. Nmero de personas que llegan a una estacin en un intervalo de tiempo especificado Nmero de errores de transmisin de datos en un intervalo de tiempo dado. Nmero de llamadas telefnicas que entran a una central por minuto. Nmero de accidentes automovilsticos producidos en una interseccin en una semana.

FORMULA
Para la utilizacin de este mtodo utilizamos la siguiente formula: X= variable aleatorias con distribucin de Poisson. (cantidad de xitos en una regin o intervalo especificados) X= ,1,2,.(valores posibles para la variable x) : cantidad promedio de xitos en la regin o intervalo especificados

,x=0,1,2,.. !

e=2,71828

EJEMPLOS
La cantidad e errores de transmisin de datos en una hora es 5 en promedio. Suponiendo que tiene distribucin de poisson, determine la probabilidad que : a) En cualquier hora ocurra un error. b) En cualquier hora ocurran al menos tres errores. c) En dos horas cualesquiera ocurran no mas de dos errores

Respuesta Sea x la variable aleatoria discreta (cantidad de errores por hora) =5 (promedio de errores de transmisin en una hora) a) = 1 = 1 =
51 5 =0,0337 1!

b)P 3 = 1 2 = 1 0 + 1 + 2 = 1 0,1247 = 0,8743 c)Sea x: variable aleatoria discreta (cantidad de errores en 2 horas) =10 (promedio de errores de transmicin en dos horas) 2 = 0 + 1 + 2
2 10

100 10 101 10 = 0! + 1! +

2.- Una fuente radioactiva emite partculas segn la distribucin de Poisson de media 10 partculas por minuto se desea calcular. Probabilidad de 5 partculas en un minuto. Probabilidad de 0 partculas en un minuto Probabilidad de mas de 5 partculas en un minuto. Probabilidad de al menos 30 partculas en 5 minutos.

DISTRIBUCION POISSON COMO LIMITE

Supongamos que en una cuanta binormal b(x;n, p), en

la cual se tiene np se aproxima a un valor n y p 0 entonces b(x;n,p) p(x;). >0. VARIANZA Y MEDIA DE UNA DISTRIBUCION POISSON Si x tiene distribucin de poisson con parmetro , entonces; E(x)=V(x)=

PROCESOS POISSON
Tres suposiciones: 1. Existe un parmetro > 0 tal que en cualquier intervalo corto de longitud ,la probabilidad de que se reciba exactamente un suceso es . + 0(). 2. La probabilidad de mas de un suceso durante es 0(). 3. El nmero de sucesos durante un intervalo de tiempo es independiente del numero de ocurrencias previas a este intervalo de tiempo.

() = . , ! De tal modo que el nmero de pulsos(sucesos) durante un intervalo de tiempo largo es una variable aleatoria Poisson con parmetro . El nmero de pulsos(sucesos) esperados durante cualquiera de tales intervalos de tiempo es =

BIBLIOGRAFIA
Libro de probabilidad y estadstica para

ingenieros pdf Variables aleatorias discretas del profesor Heriberto Figueroa S.pdf

GRACIAS POR SU AMABLE ATENCION