Académique Documents
Professionnel Documents
Culture Documents
VARIABLE ALEATORIA Y
DISTRIBUCIONES
DE PROBABILIDAD
Distribuciones de probabilidad
Distribucin
Bernoulli
Distribucin
Binomial
Distribucin
Normal
Distribucin
Poisson
Distribucin Bernoulli
Un ensayo bernoulli es un
experimento que tiene dos
resultados
Al primero
se e llama
xito
Y al otro
fracaso
La
probabilidad
de xito se
denota por P
Por
consecuencia,
la probabilidad
de fracaso es
1-P
Ejemplo 1:
Cuando se lanza al aire una moneda hay una probabilidad de 0.5 de que caiga en cara.
Sea X = 1, si la moneda cae en cara y X = 0, si cae en cruz. Cul es la distribucin de X ?
Probabilidad de que caiga cara = .5 50%
Eventos
Probabilidad
X=1
P(1) =P(X = 1) =P
0.5 50%
X=0
0.5 50%
Media:
=P
0.5
Varianza:
= P(1-P)
0.25
Ejemplo 2:
En un restaurante de comida rpida, 25% de las ordenes para beber es una bebida pequea, 35% una mediana y
40% una grande.
Sea X = 1 si se escoge aleatoriamente una orden de una bebida pequea y X= 0 en cualquier otro caso.
Sea Y = 1 si la orden es una bebida mediana y Y = 0 en cualquier otro caso.
Sea Z = 1 si la orden es una bebida grande y Z = 0 en cualquier otro caso.
Eventos
Si la bebida es pequea
Probabilidad
X=1
P(1) =P(X = 1) =P
0.25
Media:
=P
0.25
X=0
0.75
Varianza:
= P(1-P)
0.1875
Eventos
Si la bebida es mediana
Probabilidad
Y=1
P(1) =P(Y = 1) =P
0.35
Media:
=P
0.35
Y=0
0.65
Varianza:
= P(1-P)
0.2275
Eventos
Si la bebida es grande
Probabilidad
Z=1
P(1) =P(Z = 1) =P
0.40
Media:
=P
0.40
Z=0
0.60
Varianza:
= P(1-P)
0.24
Distribucin Binomial
Extraer un solo componente de una poblacin y determinar si est o no defectuosa es ejemplo de un
ensayo Bernoulli.
En la prctica, es posible extraer varios componentes de una gran poblacin y contar el nmero de
elementos defectuosos. Esto implica realizar diversos ensayos de bernoulli independientes y contar
el nmero de xitos. El nmero de xitos es una variable aleatoria, que tiene una distribucin
binomial.
ANLISIS:
Suponga que se lleva a cabo una serie de n ensayos de bernoulli, cada uno con la misma
probabilidad de xito p. adems, suponga que los ensayos son independientes: esto es, que el
resultado de un ensayo no influyen en los resultados de alguno de los otros ensayos. Sea tambin la
variable aleatoria X igual al nmero de xitos en n ensayos, entonces X tiene la distribucin binomial
con parmetros n y p.
La notacin es X~Bin(n,p). X es una variable aleatoria discreta y sus posibles valores son 0,1n.
Se realiza un
total de n
ensayos de
bernoulli y si:
Los ensayos
son
independien
tes
Cada ensayo
tiene la
misma
probabilidad
de xito p
X es el
numero de
xitos en los
n ensayos
Entonces X tiene la
distribucin
binomial con
parmetros n y p,
que se denota
como X~Bin(n,p)
Ejemplos :
Se lanza al aire 8 veces un dado. Determine la probabilidad de que no salga mas de dos nmeros seis.
Cada lanzamiento del dado es un experimento Bernoulli con una probabilidad de xito de 1/6.
Sea X el nmero de seises en los 8 lanzamientos.
Entonces X~ Bin (8, 1/6). Se necesita determinar a P(X=0), P(X=1) y P(X=2)
P(X=0)
0.2326
P(X=1)
P(X=2)
0.3721
0.2605
AHORA
Se toma una muestra de cinco elementos de una poblacin relativamente grande,
en la cual 10% de los elementos estn defectuosos.
Sea X~ Bin(5, 0.1). Determine
Valores de la formula
Sustituir formula
Resultado
n=5 p=0.1X=0
(5!/0!(5-0)!)(0.10)(1-0.1) 5-0
0.59049
n=5 p=0.1X=1
(5!/1!(5-1)!)(0.11)(1-0.1) 5-1
0.32805
n=5 p=0.1X=2
(5!/2!(5-2)!)(0.12)(1-0.1) 5-2
0.0729
n=5 p=0.1X=3
(5!/3!(5-3)!)(0.13)(1-0.1) 5-3
0.0081
n=5 p=0.1X=4
(5!/4!(5-4)!)(0.14)(1-0.1) 5-4
0.00045
n=5 p=0.1X=5
(5!/5!(5-5)!)(0.15)(1-0.1) 5-5
0.00001
La distribucin Poisson
La distribucin de poisson se utiliza con frecuencia en el trabajo cientfico. Una
manera de considerarla es como una aproximacin de la distribucin binomial cuando
n es grande y p es pequeo. Esto se muestra con un ejemplo:
Otra masa contiene 5 000 tomos y cada uno de estos tiene probabilidad de 0.0004
de decaer en un intervalo de un minuto. Se Y el numero de tomos de esta masa
que decae en un minuto.
Por lo tanto Y ~ Bin(5 000, 0.0004) y y = (5 000)(0.0004)=2.
Siempre y cuando X
sea un numero entero
y no negativo
e=2.71828
Ejemplos:
Si X ~Poisson (3), calcule: P(X = 2), P(X = 10), P(X = 0), P(X = -1) y P(X = O.5)
X no
debe ser
negativo
X debe
ser un
numero
entero
AHORA
Suponga que 0.03% de los contenedores plsticos producidos en cierto proceso tiene pequeos agujeros
que los dejan inservibles. X representa el nmero de contenedores en una muestra aleatoria de 10 000
que tiene estos defectos determine P(X = 1), P(X = 2), P(X = 3), P(X = 4) y P(X = 5)
P(X = x)
Sustitucin de la
formula
Resultado
P(X = 1)
e-3 (31/1!)
0.149361205
P(X = 2)
e-3 (32/2!)
0.224041807
P(X = 3)
e-3 (33/3!)
o.224041807
P(X = 4)
e-3 (34/4!)
0.168031355
P(X = 5)
e-3 (35/5!)
0.100818813
Si X ~Poisson (6), calcule: P(X = 0), P(X = 1), P(X = 2), P(X = 3) y P(X = 4)
P(X = x)
Sustitucin de la
formula
Resultado
P(X = 0)
e-6 (60/0!)
0.002478752
P(X = 1)
e-6 (61/1!)
0.014872513
P(X = 2)
e-6 (62/2!)
0.044617539
P(X = 3)
e-6 (63/3!)
0.089235078
P(X = 4)
e-6 (64/4!)
0.133852617
Distribucin Normal
Caractersticas
Una distribucin normal de media y desviacin tpica se designa por N (, ). Su grfica
es la campana de Gauss:
El rea bajo la curva determinada por la funcin y el eje de abscisas es igual a la unidad.
Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a 0.5 a la izquierda y
otra igual a 0.5 a la derecha.
La probabilidad equivale al rea bajo la curva.
Distribucin Normal
Tipificacin de la variable:
Tenemos que transformar la variable X que sigue una distribucin N (, ) en otra
variable Z que siga una distribucin tipo N (0, 1).
El clculo de probabilidades en distribuciones normales es
a travs de los valores para Z
EJEMPLO 1:
Las puntuaciones de una prueba estandarizada se distribuyen normalmente con media de 480 y
desviacin estndar de 90.
a) Cual es la proposicin de puntuaciones mayores a 700?
Z = (700-480)/90 = 2.44 el rea a la derecha de Z es 0.0073
3- La penicilina es producida por el hongo penicillium, que crece en un caldo, cuyo contenido
de azcar debe controlarse con cuidado. La concentracin optima de azcar es de 4.9
mg/mL. Si la concentracin excede los 6 mg/mL, el hongo muere y el proceso debe
suspenderse todo el da.
a) Si la concentracin de azcar en tandas de caldo se distribuye normalmente con media
4.9 mg/mL y desviacin estndar 0.6 mg/mL en qu proporcin de das se suspender el
proceso?
b) El distribuidor ofrece vender caldo con una concentracin de azcar que se distribuye
normalmente con medida de 5.2 mg/mL y desviacin estndar de 0.4 mg/mL este caldo
surtir efectos con menos das de produccin perdida?
RESULTADOS
a) (6 4.9)/0.6 =1.83
1 0.9664 = 0.0336
b) Z = (6 5.2)/0.4 = 2.00
1 0.9772 = 0.0228
4- El volumen de las llantas llenadas por cierta maquina se distribuye con media de 12.05
onzas y desviacin estndar de 0.03 onzas.
a) Qu proporcin de latas contiene menos de 12 onzas?
b) La medida del proceso se puede ajustar utilizando calibracin. En qu valor debe
fijarse la media para que el 99% de las latas contenga 12 onzas o ms?
c) Si la media del procesos sigue siendo de 12.05 onzas. En qu valor debe fijarse la
media para que el 99% de las latas contenga 12 onzas o ms?
RESULTADOS
a) (12 12.05)/0.03 = -1.67 la proporcin es 0.0475
b)Z= -2.33 entonces -2.33=(12 - )/0.03 despejando = 12 .07 onzas
c) 2.33 = (12-12.05)/ despejando = 0.0215 onzas
GRACIAS POR SU
ATENCIN!!!