Académique Documents
Professionnel Documents
Culture Documents
Actividad: Resumen
Tema: Unidad 3
Unidad 3 Distribuciones de probabilidad discreta
Variable aleatoria: es una función que relaciona un número real a cada elemento del espacio
muestral. Su valor se determina por eventos aleatorios que no están bajo el control del observador
y por lo tanto pueden tomar distintos valores.
Se dividen en:
Función de probabilidad
Es la función que representa la distribución de las probabilidades asociadas a cada uno de los valores
de la variable aleatoria.
Esto es, al conjunto de pares ordenados (x, f (x)) se le llama función de probabilidad, función masa
de probabilidad o distribución de probabilidad de la variable aleatoria discreta x si para cada
resultado posible x,
1. F (x) >= 0
2.
3. P (X = x) = f(x)
Las distribuciones de probabilidad pueden representarse a través de una tabla, una gráfica o una
fórmula, denominada función de probabilidad.
Es el promedio de todos los valores posibles con las probabilidades respectivas empleadas como
ponderaciones. Sea x una variable aleatoria con distribución de probabilidad f(x), la media,
esperanza o valor esperado de una variable aleatoria discreta x es:
Distribución hipergeométrica
Cuando se tiene un experimento binominal pero se requiere repetir los intentos hasta que ocurra
un número determinado de éxitos. Entonces se calcula la probabilidad de que el k-ésimo éxito
ocurra en el x-ésimo intento. Los experimentos de esta clase reciben el nombre de experimentos
binominales negativos.
Dado que los términos sucesivos constituyen una progresión geométrica, se acostumbra referirse a
este caso como la distribución geométrica y sus valores se representan por g(x; p).
Distribución geométrica si repetidos intentos independientes pueden resultar en un éxito con una
probabilidad p y en un fracaso con una probabilidad de q = 1 – p, entonces la distribución de
probabilidad de la variable aleatoria x, el número del intento en el cual ocurre el primer éxito es:
g = (x: p) = pqx-1 x = 1, 2, 3…
Distribución multinomial
Se considera un experimento multinomial si cada intento tiene más de dos resultados posibles.
Si un intento dado puede resultar k posibilidades E1, E2, E3,…, Ek con probabilidades p1, p2, p3,…,pk
entonces la distribución multinomial dará la probabilidad de que E1 ocurra x1 veces; E2 ocurra x2
veces;…; y Ek ocurra xk veces en n intentos independiente, x1+x2+x3+…+xk = n.
Esto se representa por f(x1, x2, x3,…xk; p1, p2, p3,….., pk, n), donde p1+ p2+ p3,+…+ pk = 1 dado
que el resultado de cada intento debe ser uno de los k posibles resultados.
Así la distribución multinomial es: si un intento determinado puede resultar en cualquiera de los k
resultados E1, E2, E3,…, Ek con probabilidades p1, p2, p3,…,pk , entonces la distribución de
probabilidad de las variables aleatorias X1 ,X2 ,X3 ,…, Xk que representan el número de ocurrencias
para E1, E2, E3,…, Ek en n intentos independientes es:
Distribución de Poisson
En esta distribución el número de éxitos que ocurren por unidad de tiempo, área o producto es
totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, así como
cada área es independiente de otra área dada y cada producto es independiente de otro producto
dado.
Características
Los éxitos buscados son expresados por unidad de área, tiempo, pieza, etc.
No. de defectos de una tela por m2
No. de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc.
No. de bacterias por cm2 de cultivo
No. de llamadas telefónicas a un conmutador por hora, minuto, etc.
No. de llegadas de embarcaciones a un puerto por día, mes, etc.
Sea x una variable aleatoria binomial con distribución de probabilidad b (n, p, q). Cuando n tiende a
infinito, p tiende a 0 entonces λ = np y permanece constante se calcula:
Si la variable aleatoria X asume los valores con iguales probabilidades, entonces la distribución
discreta uniforme es: