Distribucin de Probabilidades

en Variables Discretas
Sesin 3-A
Wilfredo Lafosse

Principios de Conteo para distribucin de Probabilidades

Formula de la Multiplicacin:
Si hay m formas de realizar algo y n formas de hacer otra. Entonces
hay mn formas de hacer ambas en conjunto. Total de arreglos =

mn
Ejemplo de Multiplicacin:
Tres marcas de vehculo : Toyota, Nissan y Kia.
Colores disponibles : rojo, azul, negro y marrn
Total de arreglos = 3x4 = 12

Principios de Conteo para distribucin de Probabilidades

Ordenacin:
Numero de formas en que n objetos pueden ordenarse.
Total de arreglos = n !
Ejemplo. Numero de formas en que pueden ordenarse tres

personas dentro del Consejo Directivo:

ABC, ACB, BAC, BCA, CAB, CBA = 6

n!= 3!= 3*2*1= 6

Formula de Combinacin:
Nmero de modos de seleccionar r objetos de una
muestra n sin tener en cuenta el orden.
Numero de Combinaciones nCr = n!/r! (n-r)! = (n r)
Ejemplo: Nmero de combinaciones de 3 ejecutivos

dentro de un grupo de seis. 6C3 = 6!/3! (6-3)! = 20

Juego de la TINKA :
6 nmeros dentro de una
muestra de 48.
Probabilidad de ganar = ?

Tamao

48

Numero

12,271,512 Combinacin

Formula de Permutacin:
Determina el nmero posible de arreglos u opciones de
ordenar r objetos seleccionados de una muestra n.
Numero de Permutaciones= nPr = n!/(n-r)!

Ejemplo: nmero de arreglos ordenados de 3 ejecutivos

seleccionados de un grupo de seis.

Juego de la TINKA :
6 nmeros dentro de una
muestra de 48. Orden vale
Probabilidad de ganar = ?

6P3=

6!/ (6-3)!= 120

Tamao

48

Numero

8,835,488,640 Permutaciones

Distribucin Binomial
Describe datos discretos, NO continuos.
Proceso de Bernoulli. Ejemplo lanzar una moneda.
Caractersticas : (1) en cada ensayo solo xito Fracaso
(2) La probabilidad del resultado constante en el tiempo
(3) Ensayos son Estadsticamente independientes.
Smbolos: (p) probabilidad de xito ; (q) probabilidad de
fracaso= 1-p ; (n) nmero de ensayos efectuados; (r )

nmero de xitos deseados.

Probabilidad simple y acumulativa.!

Distribucin Binomial

n!
r nr
P(r )
p q
r!(n r )!

Utilizando Excel: Distribucin Binomial

Probabilidad Binomial 1
Caso de Six pack de Coca Cola

p=

0,9

q=

0,1

n=

r=

P(3) =

1,46%

Solo probabilidad de 3 exitos

P(<=3) =

1,59%

Prob de 0, 1, 2 y 3 exitos

P(>3) =

98,42%

Prob > 3 exitos

Ejercicio 2 sobre Distribucin Binomial

Calcular la probabilidad de obtener exactamente
5 ases luego de lanzar 20 veces un dado .

Cul es la Probabilidad de obtener menos de 5

ases en el mismo experimento?
Cul es la probabilidad de obtener por lo
menos 5 ases?

Lanzar un dado 20
veces
p=

16.67%

q=

83.33%

n=

20

r=

P(5) =

12.94% Solo probabilidad de 5 exitos

P(<5) =

76.87% Prob de 0, 1, 2 , 3 y 4 exitos

P(>= 5) = 23.13% Prob >= 5 exitos

Distribucin de Poisson

Conforme p se hace ms pequeo y n ms grande

distribucin binomial se vuelve mas sesgada.

Mejor utilizar la Distribucin de Poisson Ley de los

eventos improbables.

Orientada a los defectos errores:

Llamadas que llegan a una central,
Defectos en produccin de artculos
Llegada de camiones a una terminal,
Accidentes en cruces de carreteras.

Distribucin de Poisson

P( x)

*e
x

x!

x!e

U = np cuando se aproxima a la binomial

X=nmero de xitos deseados

Ejemplo Probabilidades Poisson

En cruce peligroso se instalar un
semforo si P(>3 accidentes)>=0.65 Se
desea calcular esta probabilidad sabiendo
que el promedio de accidentes mensuales
en una interseccin cualquiera es de 5.

Esto si es fcil !

Semforo si P(Accidentes>3) >=

Promedio accidentes mensuales =

X=

0.65

5
3

Probabilidad > 3 ACC 73.50%

Algo no est
muy claro!!!!

SI Instalo semforo

Prob X

0.67%

3.37%

8.42%

14.04%

17.55%

17.55%

14.62%

10.44%

Problema Adicional
Se determin que la probabilidad de que un
egresado de postgrado de la Universidad del

Pacfico se haga millonario es de 0.02.

Considerando que en su promocin hay 200

alumnos
Cual es la probabilidad de que por lo menos un

egresado de su promocin se haga millonario?

Use Poisson y Binomial

Poisson:

Binomial:

u =np = 200*0.02= 4

n = 200

r=1

P(x>=1)= 1-P(x =0)

P(0) = 0.0176

P(x=0)= 0.0183

P(x>=1) = 1- 0.0176 =

P(x>=1)= 98.17%

P(x>=1) = 98.24%

Son casi iguales!