Académique Documents
Professionnel Documents
Culture Documents
DISTRIBUCIONES DE
PROBABILIDAD
1
CASO1: PRODUCCIÒN DE TORNILLOS
En un proceso de producción de
tornillos, donde los niveles de
calidad están fuera de los
permitidos.
Se desea saber:
2
LOGRO DE LA SESIÓN
3
CONTENIDO
•Variable aleatoria
•Distribuciones de Probabilidad
•Principales Distribuciones de Probabilidad discretas:
Binomial y Poisson. Características y uso de tablas
•Distribución de probabilidad contínua: Distibución Normal.
4
Uno de los problemas centrales de Estadística es inferir las
características y propiedades de cierta población a partir de los datos
de una muestra. Para este objetivo es necesario disponer de modelos
matemáticos de referencia para describir la población. El modelo
matemático apropiado viene dado por las distribuciones de
probabilidad
5
I. VARIABL E ALEATORI A (X)
6
I. VARIABL E ALEATORI A (X)
7
EJEMPLO 1
X(DDD) = 3
X(NDD) = X (DND) = X ( DDN) = 2
X ( NND) = X(NDN) = X(DNN) = 1
X ( NNN) =0
X = 3,2,1,0
8
EJEMPLO 2:
9
Tipos de Variable s Aleatorias:
10
Un lote de artículos contiene artículos conformes (C) y no conformes
(N). Se extrae sucesivamente 2 artículos. Definimos como v.a. X :
número de artículos no conformes obtenidos.
Definir el experimento:
E:
Definir el espacio muestral
Ω={CC, NC, CN, NN} Rx = { 0 , 1 , 2 }
Definir la variable aleatoria. X:
El recorrido de X. Rx= { }
X(CC) = 0
X(NC) = 1 v.a. X : Número de artículos
X(CN) = 1 no conformes obtenidos.
X(NN) = 2 Número DISCRETOS
11
Sea X una variable aleatoria que representa la Resistencia de los
eslabones usados en la fabricación de cadenas industriales.
X = {……………………………. … }
Número CONTINUO
12
FUNCIÓN DE PROBABILIDAD DE UNA
VARIABLE ALEATORIA DISCRETA
13
Función de probabilidad discreta
14
Ejemplo
Nº de defectos 0 1 2 3 4 5 6
Calcule:
•El valor de la constante K sabiendo que la distribución es de probabilidad.
•La probabilidad de que el número de defectos diarios en los artículos sea superior a 4.
•La probabilidad de que el número de defectos diarios en los artículos sea por lo menos 2.
•La probabilidad de que el número de defectos diarios en los artículos sea menos de 2.
•La probabilidad de que el número de defectos diarios en los artículos sea a lo más 3.
15
Valor Esperado y Varianza de una
variable Aleatoria Discreta
El valor esperado y varianza de una variable aleatoria discreta X, se
definen por:
Donde:
16
En el Ejemplo Anterior:
•Determine el número esperado de defectos diarios y su desviación estándar.
17
DISTRIBUCION DE PROBABILIDAD
20
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN BERNOULLI
21
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN BERNOULLI
E(X ) p
Varianza
pq
2
Desviación Estándar
pq
22
22
23
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
•Cada ensayo tienen solo dos Función de probabilidad
resultados posibles. Para variables
dicotómicas. n x
• Los ensayos son P(X x) b(x;n, p) p (1 p)n x
independientes. x
• La probabilidad de éxito “p” es Donde x = 0, 1, 2, …, n
constante en cada ensayo.
24
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
E(X ) np
Varianza
npq
2
Desviación Estándar
npq
25
25
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
Ejercicio 1:
26
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN
BINOMIAL Función de probabilidad
n x
P(X x) b(x;n, p) p (1 p)n x
Solución de Ejercicio 1: x
27
DISTRIBUCION DE PROBABILIDAD DISCRETA
1)
n X
0.01 0.02 0.04 0.05 0.06 0.08 0.1 0.12 0.14 0.15 0.16 0.18 0.2 0.24 0.25 0.3 0.4 0.45 0.5
2 o 0.:980 0.%0 0.:922 0.:903 0.884 0.846 0.810 0.714 0.740 0.723 0.706 0.6 72 0.640 0.578 0.563 0.4:90 0.360 0.303 0.250
1 1.000 1.000 0.:9:98 0.:9:98 0.:9% 0.:9:94 0.:9:90 0.:986 0.:980 0.:978 0.:974 0.868 0.860 0.:942 0.:938 0.:910 0.840 0.7:98 0.750
2 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
3 o 0.:970 0.:94 0.885 0.857 0.831 0.71:9 0.72:9 0.681 0.636 0.614 0.5:93 0.551 0.512 0.43:9 0.422 0.343 0.216 0.166 0.125
1 1.000 1 0.:9:9 0.:9:93 0.:9:9 0.:982 0.:972 0.860 0.:947 0.:93:9 0.:931 0.:914 0.886 0.855 0.844 0.784 0.648 0.575 0.500
2 1.000 0.:9:9: 5 1.000 0 0.:9:9: 0.:9:9: 0.:9:98 0.:9:9 0.:9:9 0.:9:96 0.:9:94 0.:9:92 0.:986 0.:984 0.:973 0.:936 0.:90:9 0.875
1.000 9 1.000 1.000 1.000 9 9 1.000 7 7 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
3
1.000
.. o 0.861
1.000
1.000
0.84:9
0.815 1.000
0.781
1.000
0.716
1.000
0.656
0.600 1.000
0.547
1.000
0.522
0.4:98 0.452 0.410 0.334 0.316 0.240 0.130 0.0:92 0.063
0.:9:9: 0.:986 0.:927 0.877 0.84:9 0.81:9 0.755 0.738 0.652 0.475 0.3:91 0.313
. 1
9 0.:922 0.:9:9 1.000 0.:980 0.:966 0.:948 0.:9:94 0.:903 0.8:90 0.:986 0.:980 0.:973 0.:955 0.:94:9 0.:916 0.821 O. 0.688
2 0.:9:9 1
1.000 1.000 0.:9:9: 0.:9:98 0.:986 1.000 0.:9:90 0.:988 0.:9:9: 0.:9:9: 0.:9:98 0.:9:9 0.:9:96 0.:9:92 0.:974 75:9 0.:938
3 8 1.000 9
1.000 1.000 1.000 1.000 1.000 1.000 0.:9:9: 9 9 1.000 7 1.000 1.000 1.000 0.:95: 1.000
1.000
5 '
o
1
1.000
0.:95 1.000
1.000
1.000
1.000
0.774
0.:977
1.000
1.000
1.000
0.65:9
1.000
0.5:90
0.528
0.888
1.000
0.470
9
1.000
1.000
0.418
1.000
0.371
0.328
0.737
1.000
0.254
0.237
0.633
0.168
0.528
0.078
0.337
9
1.000
0.031
0.188
1 0.815 0.734 0.:946 0.:91: 0.853 0.444 0.817 0.778 0.654 0.050
0.:9:98 0.:986 0.842 0.886 0.837 0.683 0.500
2 0.:9:9: O.M4 0.:985 0.:968 9 0.835 0.256
1.000 0.:985 0.888 0.878 0.868 0.856 0.883 0.807 0.884 0.%8 0.813 0.813
3 9 0.:986 0.:988 0.:9:9 1.000 0.:9:9 0.888 0.873 0.887 0.886 0.887 0.583
1.000 1.000 1.000 0.888 0.888 0.880 0.868
1.000 1.000 8 1
'
5 1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000 1.000
1.000
1.000 1.000
1.000
0.888
1.000
1.000
1.000
1.000
1.000
1.000
1.000 0.888
1.000
1.000 1.000 1.000 0.868
0.882
1.000
1.000 1.000
1.000 1.000 1.000 1.000
28
DISTRIBUCION DE PROBABILIDAD DISCRETA
29
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
Ejercicio 2:
30
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
Solución de Ejercicio 2:
31
DISTRIBUCION DE PROBABILIDAD DISCRETA
DIISTRIB
BUUCIO
ÓN BINOMIAL
Solución de Ejercicio 2:
p ( X) = p ( X= X)=
=P(X=6)+P(X=7)+P(X=8)
32
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN POISSON
Función de probabilidad
FUNCIÓN DE PROBABILIDAD POISSON.
λ
e λ x
33
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN POISSON
34
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN POISSON
Media o Valor
Esperado
Varianza 2
Desviación
Estándar
35
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN POISSON
Ejercicio 3:
Función de probabilidad
Si como promedio un tablero
e λ λ x
PX x/λ
electrónico recibe 0.05 llamadas
por segundo, ¿Cuál es la
probabilidad de que en un x!
determinado minuto:
Solución:
a. Reciban exactamente dos Se tiene que λ = 0.05 llamadas por segundo
llamadas.
Entonces: λ = 0.05(60) = 3 llamadas por minuto.
b. Reciban no más de dos
llamadas.
e 3 32
a. PX 2 0.224
2!
b. PX 2 P(X 0) P(X 1) P(X 2)
e 3 30 e 3 31 e 3 32
0.497 0.149 0.224 0.423
0! 1! 2! 36
DISTRIBUCION DE PROBABILIDAD DISCRETA
DDISTRIBUCIÓ POISSON
N
DISTRIBUCIÓN POISSON-
Términos Acumulativos
Probabilidad de menos de x éxitos
11
-A X
con h promedio n
e �
11
P[ < x y
i,,,,,,,,
A
¡.
X ] X=Ü x
h
o 1 2 3 4 5 6 7 8
X
9 1 1 1 1 1 1 1 1
i 1
2 0.08 0.28 0.54 0.75 0.8 0.95 0.38 0.39 0.99 1.0 0 1 2 3 4 5 6 7 8
. 2 7 4 8 91 8 6 6 9 00 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
5 0.07 0.26 0.5 0.73 0.87 0.9 0.38 0.39 0.99 1.0 00 00 00 00 00 00 00 00 00
2 4 7 18 6 7 51 3 5 9 00 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
. 0.06 0.24 0.49 0.7 0.86 0.94 0.97 0.99 0.99 0.99 00 00 00 00 00 00 00 00 00
6 7 9 4 14 3 3 9 3 8 9 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
2 0.0 0.2 0.46 0.69 0.84 0.93 0.97 0.99 0.99 0.99 00 00 00 00 00 00 00 00 00
. 61 31 9 2 8 5 6 2 8 9 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
7 0.05 0.2 0.44 0.67 0.83 0.92 0.9 0.99 0.99 0.99 00 00 00 00 00 00 00 00 00
2 5 15 6 0 2 6 71 0 7 9 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
. 1
0.1 0.42 0.64 0.8 0.9 0.96 0.98 0.99 0.99 00 00 00 00 00 00 00 00 00
8 0.050 99 3 7 15 16 6 8 6 9 1.0 1.0 1.0 1.0 1.0 1.0 1.0 37
1.0 1.0
00
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN POISSON
38
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN POISSON
Ejercicio 4:
39
DISTRIBUCION DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN POISSON
Ejercicio 4:
40
41
DISTRIBUCION DE PROBABILIDAD DISCRETA
En problemas de
distribución binomial
donde n es grande y la
probabilidad de éxito p
Se cumple que:
es bastante pequeña,
las probabilidades se
np
pueden aproximar
usando la distribución
de Poisson.
42
DISTRIBUCION DE PROBABILIDAD DISCRETA
43
DISTRIBUCION DE PROBABILIDAD DISCRETA
Datos: n=8000
p=0.001 (por dato:1 de cada1000=1/1000=0.001)
éste es por tanto un experimento binomial, pero dado
que : p se acerca a 0 y n es bastante grande, se hace
la aproximación con la distribución de Poisson.
Entonces: λ=np=8000*0.001=8