Académique Documents
Professionnel Documents
Culture Documents
Estudios realizados:
Ingeniero Industrial. UCAB Caracas 1968
Máster en Estadística Matemática CIENES, Universidad de Chile 1972
Cursos de Especialización en Estadística No Paramétrica Universidad de Michigan
1982
Doctorado en Gestión Tecnológica: Universidad Politécnica de Madrid 2006 al
Presente
Otras publicaciones del Prof. Arvelo pueden ser bajadas de su página web:
www.arvelo.com.ve , en la sección PDFS.
2
Modelos discretos de probabilidad
angelf.arvelo@gmail.com
Una variable aleatoria “X” se dice discreta, cuando puede tomar un conjunto
finito o infinito numerable de valores dentro de un conjunto.
Este conjunto de valores posibles se designa como (X) y los valores
posibles como x1, x2 , ……, xn ; es decir (X)= x1, x2 , ……, xn
En el caso discreto, la función de masas f(x), también llamada función de
probabilidad, mide la probabilidad de cada uno de esos valores posibles, es
i n
decir: f(xi) = P(X = xi), y por lo tanto debe cumplirse f(xi ) =1
i 1
Ejemplo 1: Se lanzan dos dados legales, y se define la variable aleatoria “X” como
la suma obtenida. Esta variable es discreta, pues apenas puede tomar once valores
siendo: (X)= 2, 3 ,4 ….. 12 .
X 2 3 4 5 6 7 8 9 10 11 12
f(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
En algunas oportunidades no es necesario escribir la tabla completa para
definir a la función de masas, porque es posible mediante algún razonamiento
general, obtener una expresión matemática que resuma a toda la tabla. Ese va
a ser el caso de los modelos.
6 x 7
Por ejemplo, en este caso de la suma de los dados tendríamos: f(x)= , en
36
,,,,
donde al sustituir los valores posibles de X = 2,3,4 12 , la función nos devuelve
su probabilidad
La gráfica de f(x) al igual que en cualquier otra variable discreta, resulta como un
conjunto de puntos aislados, que se suele representar como un diagrama de barras,
mientras que la de su función de distribución F(x) resulta escalonada.
Nótese que no tiene sentido unir los puntos de la función de masa y obtener una
curva, pues los puntos comprendidos entre dos cualesquiera de ellos tienen todos
probabilidad cero, y es por eso que los puntos posibles quedan aislados dentro de
la gráfica.
Var(X) = 329/6 – 72 = 35 / 6
1
para x = x1,x 2 xn
f(x) = n
0 en otro caso
i n
Xi
Su valor esperado es E(X) = i !
= μ= Media de la población
n
i n i n
(Xi )2 Xi2
y su varianza es Var(x)= i !
= i !
- μ2 = 2
= Varianza de la población
n n
El caso más frecuente en el modelo uniforme es aquel donde los “n” números
posibles coinciden con los “n” primeros números naturales 1,2, 3 , ….,n.
n 1 n2 1
Sólo en este caso: E(X) = , y Var(X) =
2 12
Este caso se presenta cuando hay seleccionar una muestra aleatoria dentro de una
población, y se quiere que todos sus elementos tengan idéntica probabilidad de
caer en la muestra (muestreo aleatorio simple), lo que exige que previamente los “n”
5
Modelos discretos de probabilidad
angelf.arvelo@gmail.com
Esta fórmula viene del siguiente razonamiento: Para obtener x éxitos es necesarios
que los (n-x) intentos restantes sean fracasos. Como se ha supuesto independencia
entre las repeticiones, hay que multiplicar hay que multiplicar la probabilidad de x
éxitos que es px por la de (n-x) fracasos que es (1-p)n-x, y además hay que
considerar que esos x éxitos pueden estar colocados en cualquiera de los n
puestos, y de allí el combinatorio.
6
Modelos discretos de probabilidad
angelf.arvelo@gmail.com
x n
n
Es fácil comprobar mediante el binomio de Newton que: px (1 p)n x
= 1, para
x 0 x
cualquier p 0,1 , y para cualquier n .
“n” y “p” representan los parámetros del modelo, deben permanecer constantes
dentro de un mismo modelo, pero pueden cambiar de un modelo a otro.
En el apéndice se incluye una tabla de valores de f(x) y de F(x) para ciertos valores
de “n” y de “p”.
Un caso particular del modelo binomial es el caso n=1, en donde la variable “X” sólo
puede tomar los valores 0 y 1 con probabilidad (1-p) y p respectivamente. Este caso
particular se denomina “Distribución de Bernoulli”.
Observe que:
Los valores posibles de X son todos los números naturales, desde 1 en
adelante, pues no existe un límite para el número de repeticiones.
En la función de masa no aparece ningún combinatorio, debido a que el
primer éxito va fijo en la posición x que es la última. No puede cambiar de
lugar, pues la variable ya no tomaría el valor x.
Los sucesivos valores de f(x) forman una serie geométrica de razón (1-p)
Se diferencia de la Binomial en la forma de definir a la variable aleatoria.
En la Binomial el número de intentos es fijo y lo aleatorio es el número de
éxitos; mientras que en la Geométrica lo aleatorio es el número de intentos
mientras que el número de éxitos es uno, el primero.
1 1 p
En el modelo Geométrico se tiene: E(X) = , mientras que: Var(X)= 2
p p
Ejemplo 4: Se comienza a lanzar un dado hasta que salga el 6 por primera vez.
Calcule la probabilidad de que sea necesario lanzarlo: a) exactamente 4 veces, b)
por lo menos 6 veces, c) a lo más tres veces d) Un número impar de veces.
Solución: X = Número de lanzamientos del dado hasta obtener el 6 por primera vez.
El éxito es obtener un 6 en un tiro cualquiera, la distribución de “X” es geométrica
con p =1 / 6, y por tanto su función de masa: f(x) = (5/6)x-1 1/6.
a) P(X=4) = f(4) = (5/6)3 1/6 = 125 / 1296
x 1 5 5
1 5 5 5 3125
b) P(X ≥ 6) = = 1 – F(5) = 1- ( 1- )= =
x 66 6 6 6 7776
x 3 x 1 3
1 5 5 125 91
c) P(X 3) = = F (3) = 1 - =1- =
x 16 6 6 216 216
1 5 2n 2
d) P( número impar de veces) = P(X 2n 1) = ( )
n 1 n 1 6 6
Esta suma representa una serie geométrica cuyo primer término es 1/6, y de razón
(5/ 6)2. Teniendo en cuenta que el límite de convergencia de una serie geométrica
a
es: si r < 1 , donde a es el primer término y “r” la razón, se llega a:
1 r
1
6 6
P( número impar de veces) = =
5 11
1 ( )2
6
k k(1 p)
En la binomial negativa se tiene: E(X) = , mientras que: Var(X)=
p p2
Nótese que el caso k = 1 da la Geométrica, lo que significa que ésta es un caso
particular de la Binomial Negativa.
Ejemplo 5: Se lanza un dado hasta sacar por tercera vez el seis. ¿Cuál es la
probabilidad de que se requieran diez intentos?
Solución: Para que el tercer seis salga en el décimo tiro, deben haber dos seises
en cualquiera de los nueve primeros tiros acompañados de siete fracasos, y un
seis en el decimo tiro
3 7 3 7
9 1 5 1 5 57
En consecuencia: P(X=10) = = 36 = =0,0465, lo que
2 6 6 6 6 68
equivale a evaluar f (10) en una binomial negativa con k=3 y p=1/6
X = Número de elementos
con el atributo en la
muestra seleccionada
A N A
x n x n A
f(x) = P(X = x) = ; x = 0,1,2.,,,,,n si :
N n N A
n
El razonamiento para llegar a esta expresión es muy simple: la muestra queda
conformada por “x” elementos con el atributo, sólo si seleccionan “x” cualesquiera
9
Modelos discretos de probabilidad
angelf.arvelo@gmail.com
La probabilidad de observar un
determinado valor de X es
creciente hasta alcanzar un
máximo, y de allí en adelante es
decreciente.
Con el transcurrir del tiempo se encontró que muchos fenómenos de la vida real
tienen este comportamiento descrito por Poisson, como por ejemplo, el número de
niños que nacen diariamente en una ciudad, o el número de accidentes que
ocurren cada semana en una autopista, etc.
La función de probabilidad para el modelo de Poisson es:
x
e
f(x) = ; x = 0,1,2,3,4,…… >0
x!
siendo “ ” es un parámetro positivo, que representa ese promedio alrededor del
cual es más probable encontrar un valor de “X”.
x
e
Para cualquier valor de > 0, se verifica =1
x 0 x!
La variable aleatoria “X” queda definida como número de veces que ocurre un
evento en una unidad de referencia.
Esa unidad de referencia usualmente es el tiempo, pero no necesariamente tiene
que serlo, y es posible que “X” sea número de errores en una página de un libro,
o número de defectos en un metro cuadrado de tela.
Cambios en la unidad de referencia ocasionan cambios en el valor del parámetro
“ ”, los cuales se hacen de la misma forma como se realiza un simple cambio de
unidades.
Así por ejemplo, si “X” representa el número de clientes que llegan por hora a un
Banco, y se tiene la = 90 llegadas por hora; al cambiar la unidad de referencia al
minuto, cambia a 90/60 = 1,5 llegadas por minuto.
Para el modelo de Poisson se verifica E(X) = , y Var(X) = .
El valor de , no tiene necesariamente que ser entero, y es un error redondearlo.
Resulta fácil demostrar que cuando no es un número entero ( ), entonces el
valor más probable, moda o valor donde f(x) alcanza su valor máximo
corresponde, es x = (parte entera de ) y la distribución es unimodal, pero
cuando es un número natural , entonces la distribución es bimodal, y el
máximo de f(x) se alcanza tanto en x= , como en x= -1
En el anexo se encuentra una tabla que proporciona el valor de f(x) y el de F(x)
para algunos valores de .
PROBLEMAS DIVERSOS
Hasta el momento, los diferentes modelos han sido tratados en forma aislada,
como si cada situación se ajustara exclusivamente a un solo modelo.
Lamentablemente para los estudiantes, esto no es así, y se presentan situaciones
en donde concurren simultáneamente varios modelos, y es necesario identificar
cada modelo involucrado.
Otra complejidad que se suele presentar en algunos casos es que no se conoce el
valor de alguno de los parámetros del modelo, y se hace necesario encontrarlo
primero por alguna condición dada.
A continuación algunos ejercicios en donde se presentan las situaciones antes
descritas
10
1
P(Y>10) = 1 – F(10) = 1 = 0,9197
120
Ejemplo 10: El número de clientes que llega a una oficina sigue una Distribución
de Poisson con media 3 clientes por hora. La oficina abre sus puertas a las 8:00
am. ¿Cuál es la probabilidad de que el tercer cliente llegue entre las 9:00 y las
9:30 am?
Solución: Hay dos variables aleatorias involucradas
X = Número de clientes que llegan entre 8:00 y 9:00 am x=3
Y = Número de clientes que llegan entre 9:00 y 9:30 am Y= 1,5
Sea A el evento “el tercer cliente llega entre 9:00 y 9:30 am”,
A = ( X=0 , Y 3) (X=1 Y 2) ( X =2 Y 1)
e 3 (3)0 y 2
e 1,5
(1,5)y e 3 (3)1 y 1
e 1,5
(1,5)y e 3 (3)2 e 1,5
(1,5)0
P(A) = (1 )+ (1 )+ (1 ) = 0,2496
0! y 0 y! 1! y 0 y! 2! 0!
z 8
E( Z) = z fz (z) = 0 (0.0067) + 1 (0,0337) + ……+ 8 (0,1334) = 4,88 unidades/día
z 0
PROBLEMAS PROPUESTOS
1º) En un mazo hay 20 cartas, de las cuales 4 son ases. A Ud., le van a dar 5
cartas, y si recibe por lo menos dos ases, Ud. gana un premio.
¿Que preferiría Ud., que le den las cartas con devolución o sin devolución ? .
Solución: Es preferible con devolución, pues la probabilidad de ganar el premio es
de 0,2627; mientras que sin devolución es 0,2487 .
4º) Una Compañía de Aviación sabe por experiencia pasada que el 4% de las
personas que tienen reservados pasajes para el vuelo Caracas - Maracaibo, no se
presentan; de forma, que la Compañía decide reservar 75 puestos, en lugar de los
73 que tiene el avión.
¿Cuál es la probabilidad de que todos los pasajeros que se presenten ,consigan
puestos disponibles?.
Solución: 0.8069
5º) Considere una variable aleatoria que sigue una Distribución Binomial con
media 2,5 , y varianza 1,875 . Calcule la probabilidad de que la variable X, tome un
valor mayor o igual a 4 .
Solución : 0,2241
15
Modelos discretos de probabilidad
angelf.arvelo@gmail.com
9º) Los cajeros de un Banco cometen errores al sacar sus balances, los cuales se
distribuyen según una Distribución de Poisson con media 0,75 errores por hoja.
¿Cuál es la probabilidad de que en 4 hojas, haya 2 ó más hojas sin errores?
Solución: 0,6449
13º) Una lotería efectúa un sorteo diario en donde se seleccionan con reemplazo,
tres números premiados entre un total de cien.
Un apostador decide comprar cada día dos números, hasta ganar uno de los
premios por lo menos.
a) ¿Cuál es la probabilidad de que deba jugar seis días?
b) ¿Cuál es la probabilidad de que tarde más de seis días en ganar algún premio?.
Solución: a) 0,0434 b) 0,6951
14º) El número de clientes que llegan a una oficina, sigue una distribución de
Poisson con media 24 clientes por hora.
a) Si se sabe que en un período de 10 minutos llegaron 6 clientes por lo menos.
¿Cuál es la probabilidad de que hayan llegado exactamente 8, en ese lapso? .
b) ¿Cual es la probabilidad de que los primeros 14 clientes, lleguen en menos de
47,5 minutos?
Solución: a) 0,1385 b) 0,9016
15º) Sea "X" una variable aleatoria que sigue una Distribución de Poisson, y tal
que: E( X2 ) = 12 . Calcule : a) P ( X = 1) b) P ( X 4 )
Solución: a) 0,1954 b) 0,5665
18º) El número de llamadas por minuto que recibe una central telefónica sigue una
Distribución de Poisson; y se sabe que la probabilidad de que en un minuto se
reciban tres llamadas es igual a 32 la probabilidad de que en ese mismo minuto se
reciban dos llamadas.
a) ¿Cuál es el número más probable de llamadas por minuto ? .
b) ¿Cuál es la probabilidad de que durante un lapso de diez minutos, exista al
menos una llamada en cada uno de los minutos?
c) ¿Cual debe ser la capacidad de atención de dicha central telefónica, para que
tenga una probabilidad de 0,95 por lo menos, de poder atender todas las llamadas
que se hagan en un minuto?
Solución a) Es bimodal.. Las modas son 1 y 2 b) 0,2336 c) 5
20º) Una cierta empresa opera alquilando automóviles con chófer a los pasajeros
que llegan a un aeropuerto. El costo de mantener un vehículo se estima en Bs.
100.000 diarios, que incluye el sueldo del chófer, seguros, mantenimiento, etc., y
en él se incurre aunque no se alquile el vehículo.
Se considera razonable suponer que en número diario de pasajeros que solicita el
servicio, sigue una Distribución de Poisson, y se estima que el 90% de los días
llegará por lo menos un cliente solicitando el servicio.
Si la empresa dispone de una flota de 4 vehículos, con sus respectivos choferes.
Calcule la tarifa diaria que debe cobrar la empresa por el servicio, si aspira obtener
un beneficio promedio de Bs. 200.000 diarios en total.
Solución: Bs. 275.811,35
21º) Un industrial recibe una cierta materia prima en cajas que contienen 25
unidades, y considera que si en la caja existen 7 unidades defectuosas, la
probabilidad de rechazarla debería ser de 0,95 por lo menos.
Suponga que para verificar la calidad de la caja, se toma una muestra al azar, y si
sale alguna defectuosa en la muestra, se rechaza la caja. ¿De qué tamaño
debería ser esta muestra?
Solución: 8
18
Modelos discretos de probabilidad
angelf.arvelo@gmail.com
22º) Considere una variable aleatoria discreta "X" , con función de probabilidad:
e- x
f(x) = c x = 1,2,3,4 ...... ; donde " " es un parámetro.
x!
a) Determine el valor de "c" .
b) Halle el valor esperado y la varianza de la variable "X" .
1
Solución: a) C= b) E(X) =
1 e 1 e
23°) Un juego de azar consiste en lanzar un dado hasta que aparezca el seis por
tercera vez.
Por el primer seis, el apostador recibe un premio de Bs. 4, por el segundo seis un
premio de Bs. 6 y por el tercero un premio de Bs. 8; y por cada falla, es decir, por
cada tiro diferente de seis, el apostador debe pagar Bs. 1.
Al obtener el tercer seis termina el juego.
a) ¿Cuál es la probabilidad de que el juego termine en el quinto lanzamiento del
dado?
b) ¿ Cual es la probabilidad de que sea necesario lanzar más de ocho veces el
dado, para que termine el juego?.
c) ¿ Cual es la ganancia esperada del apostador ?.
Solución: a) 25/1296 b) 0,8652 c) Bs 3
250) Un cazador usa un arma que sólo carga seis balas, y dispara sobre un blanco
hasta acertar dos veces o hasta que se le acaben las balas. Cada disparo se
considera independiente de los demás, con probabilidad 2/5 de acertar. Encuentre
el número esperado de balas que consume.
Solución: 4,30
26º) El número de buques que llegan diariamente al puerto de una refinería, sigue
una Distribución de Poisson con media 2 buques por día. Las actuales
instalaciones del puerto, solo permiten atender hasta un máximo de 3 buques por
día; de forma que si en un determinado día llegan más de tres buques, los
restantes deben enviarse a otro puerto.
a) ¿ Cual es el número esperado de buques devueltos diariamente ? .
b) Un periodista va a esperar hasta que ocurra el tercer día con buques devueltos,
para denunciar por prensa la insuficiencia del puerto. ¿Cuál es la probabilidad de
que deba esperar más de una semana para hacer la denuncia?
Solución: a) 0,2180 b) 0,9348
19
Modelos discretos de probabilidad
angelf.arvelo@gmail.com
27º) En una caja hay 3 bolas blancas y 5 negras. Un jugador selecciona al azar 3
bolas sin reemplazo, y gana si saca 2 blancas por lo menos. Una vez terminado el
juego, devuelve las bolas seleccionadas a la caja, y juega de nuevo.
a) ¿Cual es la probabilidad de que en 5 juegos, gane más de una vez ?
b) ¿Cual es la probabilidad de que necesite más de 5 juegos para ganar dos
veces? Interprete el resultado
Solución: a) 0,4422 b) 0,5578. Son eventos complementarios
28º) El popular juego de Kino se juega todos los días domingo de cada semana, y
consiste en colocar 25 peloticas numeradas del 1 al 25 dentro de un bombo, para
luego seleccionar aleatoriamente y sin reemplazo 15 de ellas.
Cada cartón se supone que es independiente de los demás cartones, y contiene
15 números al azar de los 25 colocados en el bombo. Si un cartón contiene 12,13
14 ó 15 de los números extraídos en el sorteo, se hace acreedor a un premio, que
es cada vez mayor, cuanto mayor sea el número de aciertos.
a) Calcule la probabilidad de que un cartón gane cada uno de estos premios
b) ¿Cuántos cartones debe comprar una persona para un mismo sorteo, si desea
tener una probabilidad de por lo menos 1 / 3, de sacarse algún premio.
c) Una persona tiene la costumbre de comprar cada semana 5 cartones para el
sorteo del próximo domingo. ¿Cuál es el número esperado de semanas que debe
jugar para ganar por segunda vez algún premio?
Solución: a) P(15) = 1/ 3.628.800 , P(14)= 1/ 24192 , P(13) = 1 / 768 , P(12)=13 / 864
b) 25 cartones como mínimo . c) 25,20 semanas
29º) Cada caja de una marca de jabón detergente trae dentro un cupón con la foto
de conocidos artistas. La colección consta de 6 fotos, y quien la complete ganará
un premio. Suponiendo que las 6 fotos tienen idéntica probabilidad de encontrarse
en cada una de las cajas, y que el contenido de cada caja es independiente de las
restantes, encuentre el número esperado de cajas que es necesario comprar para
ganar el premio.
Solución: 14,7
30º) Dos jugadores A y B juegan lanzando dos monedas al aire; si salen dos sellos
A paga a B Bs 2, pero si sale alguna cara B paga a A Bs 1. Si juegan 10 veces,
¿Cuál es la probabilidad de que A salga ganando dinero?
Solución: 0,7759
20
Modelos discretos de probabilidad
angelf.arvelo@gmail.com
n= 8
n= 10
n= 12