Vous êtes sur la page 1sur 23

Investigacin #4

Tema:
Distribucin probabilstica discreta; Mtodos de Conteo: Arreglos, Permutacin, Combinacin; Distribucin Binomial, Hipergeomtrica; Poisson

Autor: Pin Ochoa Jos Angel

Asignatura: Estadstica Aplicada Docente: Jos Valdez

Curso: Segundo A Diurno Ao Lectivo 2012 - 2013

Tabla de contenido
............................................................................................................................................................................ 4 ..................................................................................................................................................... 4 ............................................................................................................................................................................ 4 JUSTIFICACIN ........................................................................................................................................................ 5 OBJETIVOS ............................................................................................................................................................... 6 OBJETIVO GENERAL............................................................................................................................................. 6 OBJETIVO ESPECFICO ......................................................................................................................................... 6 ARREGLOS ........................................................................................................................................................... 6 PERMUTACIONES ................................................................................................................................................ 9 COMBINACIONES ................................................................................................................................................ 9 DISTRIBUCIN DE PROBABILIDAD .................................................................................................................... 11 VARIABLE ALEATORIA DISCRETA (x). ............................................................................................................. 11 PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X) ........................................................................ 11 VARIABLE ALEATORIA CONTINUA (x). ........................................................................................................... 12 PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X) ........................................................................ 12 ESPERANZA MATEMATICA O VALOR ESPERADO .......................................................................................... 12 VARIANZA ...................................................................................................................................................... 12 DISTRIBUCIN BINOMIAL ................................................................................................................................. 12 DISTRIBUCIN DE POISSON .............................................................................................................................. 15 DISTRIBUCIN HIPERGEOMTRICA .................................................................................................................. 16 CONCLUSIN......................................................................................................................................................... 22

En la presente investigacin conoceremos los distintos mtodos de conteo, adems de lo que es una distribucin probabilstica con sus diversos tipos como son Distribucin Binomial, Distribucin Hipergeomtrica, Distribucin de Poisson, y los distintos tipos de variables aleatorias para lograr una mejor comprensin del captulo correspondiente a probabilidades.

JUSTIFICACIN

El estudio de probabilidades se constituye como una herramienta necesaria en los diversos campos de accin, por lo cual se considera importante conocer los diversos mtodos de conteo e identificacin de los tipos de variables para lograr una mejor comprensin y uso de las probabilidades. OBJETIVOS
Es adems relevante el conocimiento de los diversos tipos de distribuciones probabilsticas, sus frmulas y caractersticas

OBJETIVOS
OBJETIVO GENERAL

Conocer los diversos mtodos de conteo y de distribucin de probabilidades.

OBJETIVO ESPECFICO

Definir los trminos de distribucin probabilstica y variable aleatoria. Distinguir entre distribucin de probabilidad continua y discreta. Describir las caractersticas de distribucin probabilstica binomial y su aplicacin en el clculo de probabilidades.

ARREGLOS
6

Definicin: Se llama arreglo de orden n, a todo subconjunto ordenado de n elementos elegidos de un conjunto que contiene m elementos. La definicin establece que dos arreglos son distintos cuando difieren en algn elemento o, si tienen los mismos, cuando difieren en el orden en que se encuentran. Al nmero de arreglos se lo indicar con Am,n o bien Vm,n y se lee "arreglos de m en n" o variaciones de m en n. Para obtener la frmula que nos permita calcular el nmero de arreglos, consideraremos el siguiente ejemplo: Tomemos el conjunto M = {1,2,3,4,5} formado por cinco elementos y obtengamos: A 5,1 ; A5,2 ; A5,3. Para n = 1 son: 1; 2; 3; 4; 5. A5,1 = 5 Para n = 2. Colocamos en columna los arreglos de orden 1 y agregamos a la derecha de cada uno un elemento de M de tal manera que no se repita. (o sea no puede ser 11 , 22 , 33, etc) 12 13 14 15 21 23 24 25 31 32 34 35 A5,2 = 5.(5-1) = 20 41 42 43 45 51 52 53 54 Para n = 3 procederemos de igual manera que en el caso anterior: 123 213 312 412 512 124 214 314 413 513 125 215 315 415 514 132 231 321 421 521 134 234 324 423 523 135 235 325 425 524 A5,3 = 5.(5-1).(5-2) = 60 142 241 341 431 531 143 243 342 432 532 145 245 345 435 534 152 251 351 451 541 153 253 352 452 542 154 254 354 453 543 Estos 60 subconjuntos se lograron agregando a cada uno de los arreglos binarios obtenidos anteriormente, los elementos faltantes. Aprovechando lo analizado, obtendremos una frmula que nos permita determinar rpidamente el nmero de arreglos en cualquier situacin. El mtodo utilizado permite calcular el nmero de arreglos de un cierto orden, Conociendo el del orden anterior, es decir: Am,1 = m Am,2 = Am,1 (m-1) Am,3 = Am,2 (m-2) Am,4 = Am,3 (m-3) .... .......... Am,n-2 = Am,n-3 (m-n+3) Am,n-1 = Am,n-2 (m-n+2) Am,n = Am.n-1 (m-n+1) Multiplicando miembro a miembro estas igualdades y simplificando los factores comunes,
7

resulta la siguiente expresin: Am,n = m (m-1) (m-2) (m-3) ... (m-n+3) (m-n+2) (m-n+1) Es decir: el nmero de arreglos de m elementos tomados de n en n es igual al producto de n factores consecutivos decrecientes, comenzando con m. Ejemplo 4: A5,3 = 5 . 4 . 3 = 60 Ejemplo 5: Cuatro personas ascienden a un colectivo en el que hay seis asientos disponibles, de cuntas maneras diferentes pueden sentarse?. Se trata de determinar el nmero de arreglos que se pueden formar con 6 objetos diferentes tomando cuatro a un mismo tiempo. Es decir calculamos: A6,4 = 6.5.4.3 = 360 De donde resulta que podrn sentarse de 360 maneras diferentes. Otra frmula de gran utilidad, se obtiene multiplicando y dividiendo a la anterior por (mn)! , es decir: - 1)(m - 2)(m - 3).....(m - n+1)(m n)! (m - n)! , donde se observa que el numerador es m!; por lo que resulta: m!
Am,n = Am,n = m(m

(m - n)!

PERMUTACIONES
Definicin: Los arreglos de orden m de m elementos se llaman permutaciones. Dos permutaciones cualesquiera de m elementos tienen, en consecuencia las mismas componentes; por lo tanto la nica diferencia entre ellas est dada por la ubicacin de esos elementos. Se denomina permutacin a las diferentes ordenaciones que se pueden hacer con un conjunto de eventos. (a1, a2, a3, , an). El nmero de permutaciones que se pueden hace con n elementos es n!, donde n ! = 1 x 2 x 3 x . x n El nmero de permutaciones de r elementos que se pueden tomar de un conjunto de n elementos es (n - r)! P = n x (n -1) x (n - 2) x......x (n - r 1) n! n r + = Ejemplo. Una junta est compuesta por 5 vocales de los cuales se debe elegir el presidente, el secretario y el fiscal. El nmero de forma como se puede formar esa junta es

Ejemplo 6: De cuntas maneras diferentes se pueden ordenar, en un estante cinco libros distintos? Se trata de determinar la cantidad de arreglos de cinco elementos tomados de a cinco, es decir: A5,5 = P5 = 5.4.3.2.1 = 120 maneras diferentes.

COMBINACIONES
Definicin: Se llama combinacin de orden n de m elementos, a todo subconjunto de n elementos elegidos en un conjunto de m elementos, tal que cada subconjunto es distinto de otro si y slo si difieren por lo menos en un elemento. De acuerdo a este concepto y teniendo en cuenta los arreglos obtenidos con m elementos tomados de a n, debemos descartar los subconjuntos que contienen los mismos elementos pero en distinto orden. Obtendremos de esta manera que: a) Dos grupos que difieran por lo menos en un elemento sern considerados distintos tantos en los arreglos como en las combinaciones. (Esto se expresa diciendo que interesa la naturaleza de los elementos que conforman los conjuntos). Dos grupos que tengan los mismos elementos pero dados en distinto orden, sern considerados iguales para las combinaciones pero distintos para los arreglos. (Esto significa que en las combinaciones no interesa el orden en que se disponen los
9

b)

elementos, mientras que para los arreglos s interesa) En la resolucin de problemas de anlisis combinatorio estas dos observaciones cumplen un papel preponderante, puesto que nos permitir dirimir qu frmula elegir para llegar a la solucin correcta. El problema generalmente proporciona los datos m y n, quedando por dilucidar si se trata de Am,n o Cm,n. En tal caso se forman dos grupos de n elementos, de igual naturaleza (con los mismos elementos) pero dispuestos en distinto orden, y segn el problema se podr deducir si los grupos son iguales o distintos. Si los grupos son iguales significa que el orden no interesa por lo tanto se elegir la frmula de Cm,n , si por el contrario, los grupos resultan distinto significa que el orden si interesa, por lo tanto se elegir la frmula de Am,n . Ejemplo a) Cuntos nmeros distintos de tres cifras se podrn formar con los nmeros 1,2,3,4,5? SOLUCION: es fcil deducir que m = 5 (cantidad de elementos con que se dispone) y n = 3 (cantidad de elementos que tendr cada grupo o sea cada nmero de tres cifras). Formemos dos grupos que tengan los mismos elementos pero en distinto orden, por ejemplo: 135 y 351

, es obvio que los grupos son distintos puesto que representan distintos nmeros, por lo que decimos el orden si interesa, en consecuencia elegimos la frmula de A 5,3. Resultando: A5,3 = 60 Por lo tanto se podrn formar 60 nmeros de 3 cifras con los nmeros 1,2,3,4 y 5. Ejemplo b) De un curso de 21 alumnos, Cuntos grupos distintos de 4 alumnos se podrn formar? SOLUCIN: en este caso m = 21 (cantidad de alumnos con que se dispone) y n = 4 (cantidad de alumnos que tendr cada grupo). Como en el caso anterior formemos dos grupos de igual naturaleza: ABCD y BCAD , donde las letras utilizadas podran representar la letra inicial del nombre de cada alumno elegido para formar estos grupos. Los grupos son iguales puesto que son los mismos alumnos a pesar de que no estn en el mismo orden, es decir el orden no interesa, lo que nos lleva a elegir la frmula de C21,4. Resultando: C21,4 = 5985 Es decir que se podrn formar 5985 grupos diferentes de cuatro alumnos de un curso de 21 alumnos.

10

DISTRIBUCIN DE PROBABILIDAD
Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como resultado de un experimento si ste se llevase a cabo. Es decir, describe la probabilidad de que un evento se realice en el futuro, constituye una herramienta fundamental para la prospectiva, puesto que se puede disear un escenario de acontecimientos futuros considerando las tendencias actuales de diversos fenmenos naturales Toda distribucin de probabilidad es generada por una variable (porque puede tomar diferentes valores) aleatoria x (porque el valor tomado es totalmente al azar), y puede ser de dos tipos:
VARIABLE ALEATORIA DISCRETA (x).

Porque solo puede tomar valores enteros y un nmero finito de ellos. Por ejemplo: X Variable que nos define el nmero de alumnos aprobados en la materia de probabilidad en un grupo de 40 alumnos (1, 2 ,3 los 40).
PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)

p(xi)<1 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero y menores o iguales a 1. E p(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x debe ser igual a 1. EJEMPLO Para variable aleatoria discreta Tenemos una moneda que al lanzarla puede dar slo dos resulatdos: o cara (50%), o cruz (50%). La siguiente tabla nos muestra los posibles resultados de lanzar dos veces una moneda: Al realizar la tabla de distribucin del nmero posible de caras que se obtiene al lanzar una moneda dos veces, obtenemos:

11

VARIABLE ALEATORIA CONTINUA (x).

Porque puede tomar tanto valores enteros como fraccionarios y un nmero infinito de ellos dentro de un mismo intervalo. Por ejemplo: x es la Variable que nos define la concentracin en gramos de plata de algunas muestras de mineral (14.8 gr, 12.1, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8, , n)
PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)

p(x) Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero. Dicho de otra forma, la funcin de densidad de probabilidad deber tomar solo valores mayores o iguales a cero. El rea definida bajo la funcin de densidad de probabilidad deber ser de 1.

ESPERANZA MATEMATICA O VALOR ESPERADO

El valor esperado de una Variable Aleatoria X es el promedio ponderado de todos los valores posibles de la misma. DNode los pesos son las probabilidades asociadas con los valores. Para calcular el valor esperado de una variable aleatoria por su correspondiente probabilidad y luego sumar los trminos resultante. La esperanza matemtica o valor esperado de una variable aleatoria tiene sus orgenes en los juegos de azar, debido a que los apostadores deseaban saber cul era su esperanza de ganar repetidamente un juego, por lo tanto, el valor esperado representa la cantidad de dinero promedio que el jugador est dispuesto a ganar o perder despus de un nmero grande de apuestas. E(x) = = E xf (x)

VARIANZA

Es un promedio ponderado de las de las desviaciones al cuadrado. Varianza = E ( x - ) f ( x)

DISTRIBUCIN BINOMIAL
La distribucin Binomial es un caso particular de probabilidad de variable aleatoria discreta, y por sus aplicaciones, es posiblemente la ms importante. Esta distribucin corresponde a la realizacin de un experimento aleatorio que cumple con las siguientes condiciones:
12

* Al realizar el experimento slo son posible dos resultados: el suceso A, llamado xito, y el suceso B , llamado fracaso. * Al repetir el experimento, el resultado obtenido es independiente de los resultados obtenidos anteriormente. * La probabilidad del suceso A es constante, es decir, no vara de una prueba del experimento a otra. * En cada experimento se realizan n pruebas idnticas. Todo experimento que tenga estas caractersticas se dice que sigue el modelo de la distribucin Binomial o distribucin de Bernoulli. En general, si se tienen n ensayos Bernoulli con probabilidad de xito p y de fracaso q, entonces la distribucin de probabilidad que la modela es la distribucin de probabilidad binomial y su regla de correspondencia es:

Donde: P(X)= es la probabilidad de ocurrencia del evento p = es la probabilidad de xito del evento (en un intento) q = es la probabilidad de fracaso del evento (en un intento) (se define como q = 1 p ) X = ocurrencia del evento o xitos deseados n = nmero de intentos

EJEMPLO Cul es la probabilidad de obtener exactamente 2 caras al lanzar una misma moneda 6 veces ? Donde: P(X)= Probabilidad de que ocurra el evento p = (0.5) q = (se define como q = 1 p ) (0.5) X=2 n=6 Al sustituir los valores en la frmula obtenemos:

13

La posibilidad de obtener dos caras al lanzar una moneda 6 veces es de 0.234375 Como el clculo de estas probabilidades puede resultar algo tedioso se han construido tablas para algunos valores de n y p que nos facilitan el trabajo (Ver las tablas de la funcin de probabilidad Binomial). Para una combinacin de n y p, la entrada indica una probabilidad de obtener un valor especfico de r. Para localizar la entrada, cuando p8804;0.50, localice p a lo largo del encabezado de la tabla, y en la columna correspondiente localice n y r en el margen izquierdo; cuando p8805;0.50, localice el valor de p en la parte inferior de la tabla, y n y r arriba, en el margen derecho. Tenemos p = 0.50, n = 6 y r = 2 obteniendo resultado directo de tablas P(2 caras) = 0.2344

14

DISTRIBUCIN DE POISSON
La distribucin de POISSON es tambin un caso particular de probabilidad de variable aleatoria discreta, el cual debe su nombre a Simon Denis Poisson (1781-1840), un francs que la desarroll a partir de los estudios que realiz durante la ltima etapa de su vida. Es til cuando tratamos con cantidades de ocurrencia de un evento a lo largo de un intervalo de tiempo o espacio especificado. Esta distribucin se utiliza para describir ciertos procesos.

Caractersticas: En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc: - # de defectos de una tela por m2 - # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc. - # de bacterias por cm2 de cultivo - # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc. - # de llegadas de embarcaciones a un puerto por da, mes, etc, etc. Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto, la frmula a utilizar sera:

dnde: p(X) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia de ellos es / /= media o promedio de xitos por unidad de tiempo, rea o producto e = 2.718 (base de logaritmo neperiano o natural) X = variable que nos denota el nmero de xitos que se desea que ocurra Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, as como cada rea es independiente de otra rea dada y cada producto es independiente de otro producto dado. EJEMPLO Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos? (e= 2.718281828) Resolviendo para: a) x = 4; / = 6 cheques sin fondo por da
15

Comprobando (sustituyendo en la frmula):

Por lo tanto la probabilidad de que el banco reciba cuatro cheques sin fondo en un da dado es de 0.133853 (13.39%)

DISTRIBUCIN HIPERGEOMTRICA
Los experimentos que tienen este tipo de distribucin tienen las siguientes caractersticas: a) Al realizar un experimento con este tipo de distribucin, se esperan dos tipos de resultados. b) Las probabilidades asociadas a cada uno de los resultados no son constantes. c) Cada ensayo o repeticin del experimento no es independiente de los dems. d) El nmero de repeticiones del experimento (n) es constante. Ejemplo: En una urna o recipiente hay un total de N objetos, entre los cuales hay una cantidad a de objetos que son defectuosos, si se seleccionan de esta urna n objetos al azar, y sin reemplazo, cul es la probabilidad de obtener x objetos defectuosos? Solucin:

Luego;

16

dnde: p(x,n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados

muestras de n objetos en donde hay x que son defectuosos y n-x buenos

todas las muestras posibles de seleccionar de n objetos tomadas de entre N objetos en total = espacio muestral

Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son defectuosos, si de seleccionan 4 objetos al azar, cul es la probabilidad de que 2 sean defectuosos?

Solucin:

N = 10 objetos en total a = 3 objetos defectuosos n = 4 objetos seleccionados en muestra x = 2 objetos defectuosos deseados en la muestra

17

dnde:

probabilidad asociada a cada muestra de 4 objetos que se seleccionaron, con lo que se demuestra que las probabilidades no son constantes

formas o maneras de obtener 2 objetos defectuosos entre los 4 seleccionados = muestras de 4 objetos entre los que 2 son defectuosos

Como se observa en el desarrollo de la solucin del problema, la pretensin es demostrar que las probabilidades asociadas a cada uno de los resultados no son constantes.

Luego la probabilidad de obtener 2 objetos defectuosos entre los 4 seleccionados al azar sera:

18

20 PREGUNTAS
1) Si un distribuidor de autos anuncia que por 10.000 usted puede comprar y elegir entre seis tipos de aros Cuntas disposiciones de modelos y aros puede ofrecer el distribuidor? a) 25 (m) (n) b) 32 (6) (8)=48 c) 48 2) Cuando existe un solo grupo de datos se debe aplicar la frmula de: Arreglos Permutaciones x Combinaciones

3) Se puede generalizar para ms de dos eventos: Permutacin Combinacin Arreglos x

4) Cuando el orden de los objetos seleccionados no es importante se usa: Combinacin Arreglos Permutacin

5) Subraye la respuesta correcta: -Muestra los posibles resultados de un experimento y la probabilidad de que cada uno se presente: Variable aleatoria Permutacin Distribucin de probabilidades

6) Escriba V si es verdadero y F si es falso a) En una distribucin de probabilidades los resultados son eventos mutuamente excluyentes. (V) b) En una distribucin de probabilidades la lista no es exhaustivas. (F) 7) Encierre en un crculo el literal correspondiente Variable aleatoria: a) La probabilidad de un resultado particular entre 0 y 1. Cantidad que resulta de un experimento que por azar, puede adoptar diferentes b valores. c) Cantidad de eventos relativos. 8) En cada uno de los siguientes enunciados, indique si la variable aleatoria es discreta o continua a) El tiempo de espera para un corte de cabello. Variable aleatoria continua b) El nmero de pacientes atendidos en un hospital entre las 7 y 10 de la noche, cada noche. Variable aleatoria discreta
19

c) La distancia que recorre un auto con el ltimo tanque de gasolina. Variable aleatoria discreta 9) Calcule la media de las siguientes distribucin discreta.

X 0 1 2 3

P(X) 0.20 0.40 0.30 0.10 [

X.P(X) 0.00 0.40 0.60 0.30 ]

= 0(0.20)+1(0.40)+2(0.30)+3(0.10) = 1.30 10) Existe dos posibles resultados en determinado intento de un experimento. D. de Poisson D. Binomial x Variable discreta

11) Escriba V si es verdadero y F si es falso a) es la probabilidad de fracaso en cada prueba. b) Dentro de las caractersticas binomiales las pruebas son dependientes.

(F) (F)

12) En una situacin binomial, n=4 y =0.25. Determine las probabilidades de los siguientes eventos con la frmula binomial a) x=2 b) x=3 a) = 6(0.0625) (0.5625)= 0.2109 b) = 4(0.0156) (0.75)= 0.0468 13) Cuando se realiza un muestreo, un reemplazo en una poblacin relativamente pequea se aplica: D. Binomial D. Hipergeomtrica x D. de Poisson 14) Escriba V si es verdadero y F si es falso a) En una distribucin hipergeomtrica las pruebas son dependientes. b) La variable aleatoria es el nmero de xitos de un nmero fijo de pruebas. 15) Describe el nmero de veces que se presenta en un evento especfico. D. de Poisson x D.Hipergeomtrica

(V) (V)

D. Binomial

20

16) Escriba V si es verdadero y F si es falso En una distribucin de Poisson: a) La probabilidad de que ocurra el evento es proporcional al tamao del intervalo. b) Los intervalos son dependientes. 17) En una distribucin de Poisson, = 0.4 Cul es la probabilidad de que x=0?

(V) (F)

18) Cul es la diferencia entre una variable aleatoria y una distribucin de probabilidad Una variable aleatoria es valor numrico determinado por el resultado de un experimento y una distribucin de probabilidad es una lista de posibles resultados de un experimento y la probabilidad asociada con cada resultado. 19) Cules son los requisitos de la distribucin binomial? -cada prueba es independiente -la probabilidad de un xito es la misma de una prueba a la siguiente. 20) En los siguientes enunciados indique si es una variable aleatoria. a) Nmero de focos defectuosos producidos por hora en OSRAM INC. Variable aleatoria b) Nmero de empleados ausentes ausentes en el turno matutino del viernes Variable aleatoria

BIBLIOGRAFA matematica.50webs.com/conteo.html www.itch.edu.mx/academic/.../03Ddistr%20Hipergeometrica.htm metodoscuantitativo2.galeon.com/enlaces2218784.html es.scribd.com/doc/.../DISTRIBUCION-DE-PROBABILIDADES

21

CONCLUSIN

Como conclusin tenemos que las variables aleatorias se clasifican en: Continua Porque puede tomar tanto valores enteros como fraccionarios y un nmero infinito de ellos dentro de un mismo intervalo y Discreta Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero, adems que existen diversos tipos de distribuciones probabilsticas entre las ms conocidas estn: Binomial, hipergeomtrica y de Poisson, la diferencia entre una variable aleatoria y una distribucin probabilstica radica en que Una variable aleatoria es valor numrico determinado por el resultado de un experimento y una distribucin de probabilidad es una lista de posibles resultados de un experimento y la probabilidad asociada con cada resultado.

22

23