Académique Documents
Professionnel Documents
Culture Documents
Ejemplos:
Se lanza un dado 10 veces y se cuenta el número X de tres obtenidos: entonces
X~B(10,1/6).
Se lanza una moneda dos veces y se cuenta el número X de caras obtenidas:
entonces X~B(2,1/2).
En este caso, la probabilidad de un experimento no depende de otro. El
resultado de cada experimento ha de admitir sólo dos categorías (éxito o
fracaso). Las probabilidades de ambas posibilidades son constantes en
todos los experimentos, y se denotan por p y q (p y 1-p).
Se designa por X a la variable que mide el número de éxitos que se han
producido en los n experimentos. Cuando se dan estas circunstancias, se
dice que la variable X sigue una distribución de probabilidad binomial, y se
denota B(n,p).
Distribución binomial (3)
Características:
Distribución de Poisson(1)
Expresa a partir de una frecuencia de ocurrencia media, la probabilidad de
que ocurra un determinado número de eventos durante cierto periodo de
tiempo.
Se especializa en la probabilidad de ocurrencia de sucesos con probabilidades
muy pequeñas, o sucesos raros.
Propiedades:
La función de masa o probabilidad de la distribución de Poisson es:
Ejemplo:
Es posible que el tiempo de llegada de cada cliente a un sistema tenga una
distribución de probabilidad muy semejante a una exponencial, o que el tiempo
que le toma a un operario realizar una serie de tareas se comporte de manera
muy similar a la dispersión que presenta una distribución normal.
Sin embargo, debemos hacer notar que este tipo de distribuciones tienen sus
desventajas, dado que el rango de valores posibles implica que existe la
posibilidad de tener tiempos infinitos de llegada de clientes o tiempos de
ensamble infinitos, situaciones lejanas a la realidad.
Generación de variables aleatorias