Algunas Distribuciones Discretas de Probabilidad

UCR ECCI CI-1352 Investigacin de Operaciones I Prof. M.Sc. Kryscia Daviana Ramrez Benavides

Introduccin

El comportamiento de una variable aleatoria queda descrito por su distribucin de probabilidad sin importar si esta se representa de forma grfica, en forma tabular o con una frmula.

A menudo, las observaciones de diferentes experimentos estadsticos tienen el mismo tipo general de comportamiento. En consecuencia, las variables aleatorias discretas asociadas se pueden describir con la misma distribucin de probabilidad y se pueden representar mediante una sola frmula.

De hecho, se necesita slo un conjunto de distribuciones de probabilidad importantes para describir muchas de las variables aleatorias discretas que se encuentran en la prctica.
2

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

Distribucin Uniforme Discreta

Es la ms simple de todas las distribuciones discretas de probabilidad. Si la variable aleatoria X toma los valores x1, x2, , xk, con probabilidades idnticas, entonces la distribucin uniforme discreta est dada por 1 f ( x; k ) = x = x1 , x2 ,..., xk k La media y la varianza de la distribucin uniforme discreta k k 2 f(x;k) son (x ) x

i =1

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

2 =

i =1

k
3

Distribucin Binomial y Multinomial

Un experimento a menudo consiste en pruebas repetidas, cada una con dos posibles resultados que se pueden etiquetar como xito o fracaso. Este tipo de proceso se denomina proceso de Bernoulli. Cada ensayo se llama experimento de Bernoulli.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

Distribucin Binomial y Multinomial (cont.)

Propiedades del Proceso de Bernoulli:

El experimento consiste en n pruebas que se repiten. Cada prueba produce un resultado que se puede clasificar como xito o fracaso. La probabilidad de un xito, que se denota con p, permanece constante en cada prueba. Las pruebas que se repiten son independientes.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

Distribucin Binomial y Multinomial (cont.)

El nmero X de xitos en n experimentos de Bernoulli se denomina variable aleatoria binomial. La distribucin de probabilidad de esta variable aleatoria discreta se llama distribucin binomial, y sus valores se denotarn como b(x;n,p), pues dependen del nmero de pruebas y de la probabilidad de xito en una prueba dada.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

Distribucin Binomial y Multinomial (cont.)

Un experimento de Bernoulli puede tener como resultado un xito con probabilidad p y un fracaso con probabilidad q = 1 p. Entonces la distribucin de probabilidad de la variable aleatoria binomial X, el nmero de xitos en n pruebas independientes, es n x n x b( x; n, p ) = p q x = 0,1,2,..., n x La media y la varianza de la distribucin binomial b(x;n,p) son = np 2 = npq

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

Distribucin Binomial y Multinomial (cont.)

La distribucin de probabilidad acumulada de la variable aleatoria binomial X es

B(r ; n, p ) = b( x; n, p )
x =0

La tabla A.1 del libro de texto brinda las sumas binomiales para n = 1, 2, , 20, y para valores seleccionados de p entre 0.1 y 0.9.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

Distribucin Binomial y Multinomial (cont.)

Aplicaciones:

Campos cientficos. Ingeniera industrial. Mediciones de control de calidad y esquemas de muestreo para procesos. Aplicaciones mdicas y militares.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

Distribucin Binomial y Multinomial (cont.)

El experimento binomial se convierte en un experimento multinomial si cada prueba tiene ms de dos resultados posibles. En general, si una prueba dada puede tener como consecuencia cualquiera de los k resultados posibles E1, E2, , Ek con probabilidades p1, p2, , pk, entonces distribucin multinomial dar la probabilidad de que E1 ocurra x1 veces; E2 ocurra x2 veces; ; y Ek ocurra Ek veces en n pruebas independientes, donde x1 + x2 + ... + xk = n

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

10

Distribucin Binomial y Multinomial (cont.)

Se denota esta distribucin de probabilidad conjunta como f ( x1 , x2 ,..., xk ; p1 , p2 ,..., pk , n )

Claramente, p1 + p2 ++ pk = 1, pues el resultado de cada prueba debe ser uno de los k resultados posibles.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

11

Distribucin Binomial y Multinomial (cont.)

Si una prueba dada puede conducir a los k resultados posibles E1, E2, , Ek con probabilidades p1, p2, , pk, entonces la distribucin de probabilidad de las variables aleatorias X1, X2, , Xk, que representan el nmero de ocurrencias para E1, E2, , Ek en n pruebas independientes es n x1 x2 p1 p2 ... pkxk f ( x1 , x2 ,..., xk ; p1 , p2 ,..., pk , n ) = x , x ,..., x k 1 2 con

x
i =1

=n

p
i =1

=1

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

12

Distribucin Hipergeomtrica

La manera ms simple de ver la diferencia entre la distribucin binomial y la distribucin hipergeomtrica est en la forma en que se realiza el muestreo. Los tipos de aplicaciones de la distribucin hipergeomtrica son muy similares a los de la binomial. Se interesa en el clculo de probabilidades para el nmero de observaciones que caen en una categora en particular. Pero a diferencia de la binomial, que son pruebas independientes, la hipergeomtrica son pruebas dependientes.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

13

Distribucin Hipergeomtrica (cont.)

Como resultado, si se aplica la binomial a tomar muestras de un lote de artculos, el muestreo se debe efectuar con reemplazo de cada artculo despus de que se observe. Por otro lado, la distribucin hipergeomtrica se basa en el muestreo que se realiza sin reemplazo. Aplicaciones:

Muestreo de aceptacin. Pruebas electrnicas. Garanta de calidad.

Para muchos de estos campos el muestreo se realiza a expensas del artculo que se prueba. Es decir, el artculo se destruye y por ello no se puede reemplazar en la muestra.
14

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

Distribucin Hipergeomtrica (cont.)

En general, interesa la probabilidad de seleccionar x xitos de los k artculos considerados como xito y n x fracasos de los N k artculos que se consideran fracasos cuando se selecciona una muestra aleatoria de tamao n de N artculos. Esto se conoce como experimento hipergeomtrico; es decir, uno que posee las siguientes dos propiedades:

Se selecciona sin reemplazo una muestra aleatoria de tamao n de N artculos. Los k de los N artculos se pueden clasificar como xitos y N k se clasifican como fracasos.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

15

Distribucin Hipergeomtrica (cont.)

El nmero X de xitos de un experimento hipergeomtrico se denomina variable aleatoria hipergeomtrica. En consecuencia, la distribucin de probabilidad de la variable hipergeomtrica se llama distribucin hipergeomtrica, y sus valores se denotan como h(x;N,n,k), debido a que dependen del nmero de xitos k en el conjunto N del que seleccionamos n artculos.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

16

Distribucin Hipergeomtrica (cont.)

La distribucin de probabilidad de la variable aleatoria hipergeomtrica X, el nmero de xitos en una muestra aleatoria de tamao n que se selecciona de N artculos de los que k se denominan xito y N k fracaso, es k N k x n x x = 0,1,2,..., n h(x; N , n, k ) = N n La media y la varianza de la distribucin hipergeomtrica h(x;N,n,k) son = nk 2 = N n n k 1 k N N 1 N N UCR-ECCI CI-1352 Investigacin de Operaciones I

Algunas Distribuciones Discretas de Probabilidad

17

Distribucin Hipergeomtrica (cont.)

Hay una relacin interesante entre la distribucin hipergeomtrica y la binomial. Como se podra esperar, si n es pequeo comparado con N, la naturaleza de los N artculos cambia muy poco en cada prueba. n 0.05 N As la cantidad k/N juega el papel del parmetro binomial p. Como consecuencia, la distribucin binomial se puede ver como una versin de poblacin grande de las distribuciones hipergeomtricas.
18

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

Distribucin Hipergeomtrica (cont.)

La media y la varianza entonces se obtienen de las frmulas nk k k 2 = np = = npq = n 1 N N N Al comparar estas frmulas, se puede observar que la media es la misma mientras que la varianza difiere por un factor de correccin (N n)/(N 1), que es insignificante cuando n es pequea en relacin con N.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

19

Distribucin Hipergeomtrica Multivariada

La distribucin hipergeomtrica se puede extender para tratar el caso donde los N artculos se pueden dividir en k celdas A1, A2, , Ak con a1 elementos en la primera celda, a2 elementos en la segunda celda, , y ak elementos en la k-sima celda. Se interesa ahora en la probabilidad de que una muestra aleatoria de tamao n d x1 elementos de A1, x2 elementos de A2,, y xk elementos de Ak. Esta probabilidad se representa por f ( x1 , x2 ,..., xk ; a1 , a2 ,..., ak , N , n )

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

20

Distribucin Hipergeomtrica Multivariada (cont.)

Si N artculos se pueden dividir en las k celdas A1, A2, , Ak con a1, a2, , ak elementos, respectivamente, entonces la distribucin de probabilidad de las variables aleatorias X1, X2, , Xk, que representan el nmero de elementos que se seleccionan de A1, A2, , Ak en una muestra aleatoria de tamao n, es a1 a2 ak ... x x x f ( x1 , x2 ,..., xk ; a1 , a2 ,..., ak , N , n ) = 1 2 k N n con k k

x
i =1

=n

a
i =1

=N

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

21

Distribuciones Binomial Negativa y Geomtrica

Se considera un experimento donde las propiedades son las mismas que las que se indican para un experimento binomial, con la excepcin de que las pruebas se repetirn hasta que ocurra un nmero fijo de xitos. Por lo tanto, en lugar de encontrar la probabilidad de x xitos en n pruebas, donde n es fija, interesa la probabilidad de que ocurra el k-simo xito en la x-sima prueba. Los experimentos de este tipo se llaman experimentos binomiales negativos.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

22

Distribuciones Binomial Negativa y Geomtrica (cont.)

El nmero X de pruebas que produce k en un experimento binomial negativo se llama variable aleatoria binomial negativa y su distribucin de probabilidad se llama distribucin binomial negativa. Como sus probabilidades dependen del nmero de xitos que se desean y la probabilidad de un xito en una prueba dada, se denotar con b*(x;k,p).

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

23

Distribuciones Binomial Negativa y Geomtrica (cont.)

Si pruebas independientes repetidas pueden tener como resultado un xito con probabilidad p y un fracaso con probabilidad q = 1 p, entonces la distribucin de probabilidad de la variable aleatoria X, el nmero de la prueba en la que ocurre el k-simo xito, es x 1 k x k b * (x; k , p ) = x = k , k + 1, k + 2,... k 1 p q La media y la varianza de la distribucin binomial negativa b*(x;k,p) son k kq = 2 = 2 p p
24

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

Distribuciones Binomial Negativa y Geomtrica (cont.)

En teora de probabilidad y estadstica, la distribucin geomtrica es cualquiera de las dos distribuciones de probabilidad discretas siguientes:

La distribucin de probabilidad del nmero X del experimento de Bernoulli necesaria para obtener un xito, cuando x = 1, 2, 3, ... La distribucin de probabilidad del nmero Y = X 1 de fallos antes del primer xito, cuando x = 0, 1, 2, 3, ...

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

25

Distribuciones Binomial Negativa y Geomtrica (cont.)

Si se considera el caso especial de la distribucin binomial negativa donde k = 1, se tiene una distribucin de probabilidad para el nmero de pruebas que se requieren para un solo xito. La distribucin binomial negativa se reduce a la forma b * (x;1, p ) = pq x 1 x = 1,2,3,... Como los trminos sucesivos constituyen una progresin geomtrica, se acostumbra referirse a este caso especial como la distribucin geomtrica y denotar sus valores con g(x;p).

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

26

Distribuciones Binomial Negativa y Geomtrica (cont.)

Si pruebas independientes repetidas pueden tener como resultado un xito con probabilidad p y un fracaso con probabilidad q = 1 p, entonces la distribucin de probabilidad de la variable aleatoria X, el nmero de la prueba en el que ocurre el primer xito, es g ( x; p ) = pq x 1 x = 1,2,3,... La media y la varianza de una variable aleatoria que sigue distribucin geomtrica son 1 q 2 = = 2 p p
27

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

Distribuciones Binomial Negativa y Geomtrica (cont.)

Aplicaciones:

Binomial negativa:

Similares a la naturaleza. Los intentos son costosos en algn sentido y ocurren en sucesin; para ver si hay un alta probabilidad de requerir un nmero grande de intentos para experimentar un nmero fijo de xitos, ya que no es benfico para el cientfico o ingeniero. Las pruebas ocurren antes de que un xito represente un costo. Si hay una alta probabilidad de hacer varios intentos antes del enlace, entonces se deben hacer planes para redisear el sistema o proceso.

Geomtrica:

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

28

Distribucin de Poisson y Proceso de Poisson

Los experimentos que dan valores numricos de una variable aleatoria X, el nmero de resultados que ocurren durante un intervalo dado o en una regin especfica, se llaman experimentos de Poisson. El intervalo dado puede ser de cualquier longitud, como un minuto, un da, una semana, un mes o incluso un ao. La regin especfica podra ser un segmento de lnea, un rea o quiz una pieza de material.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

29

Distribucin de Poisson y Proceso de Poisson (cont.)

Un experimento de Poisson se deriva del proceso de Poisson y posee las siguientes propiedades:

El nmero de resultados que ocurren en un intervalo o regin especfica es independiente del nmero que ocurre en cualquier otro intervalo o regin del espacio disjunto. No tiene memoria. La probabilidad de que ocurra un solo resultado durante un intervalo muy corto o en una regin pequea es proporcional a la longitud del intervalo o al tamao de la regin, y no depende del nmero de resultados que ocurren fuera de este intervalo o regin. La probabilidad de que ocurra ms de un resultado en tal intervalo corto o que caiga en tal regin pequea es insignificante.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

30

Distribucin de Poisson y Proceso de Poisson (cont.)

El nmero X de resultados que ocurren durante un experimento de Poisson se llama variable aleatoria de Poisson y su distribucin de probabilidad se llama distribucin de Poisson. El nmero medio de resultados se calcula de = t, donde t es el tiempo o regin especfico de inters. Como sus probabilidades dependen de , la tasa de ocurrencia de los resultados, se denota con p(x;t).

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

31

Distribucin de Poisson y Proceso de Poisson (cont.)

La distribucin de probabilidad de la variable aleatoria de Poisson X, que representa el nmero de resultados que ocurren en un intervalo dado o regin especfica que se denota con t, es x e t (t ) p( x; t ) = x = 0,1,2,... x! Donde es el nmero promedio de resultados por unidad de tiempo o regin y e = 2.71828 La media y la varianza de la distribucin de Poisson p(x;t) tienen el valor t.
32

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

Distribucin de Poisson y Proceso de Poisson (cont.)

La distribucin de probabilidad acumulada de la variable aleatoria Poisson X es

P(r ; t ) = p(x; t )
x =0

La tabla A.2 del libro de texto brinda la suma de probabilidad de Poisson para algunos valores selectos de t que van de 0.1 a 18.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

33

Distribucin de Poisson y Proceso de Poisson (cont.)

Aplicaciones:

Control de calidad. Seguro de calidad. Muestreo de aceptacin. Ciertas distribuciones continuas importantes que se usan en la teora de confiabilidad y teora de colas depende del proceso de Poisson.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

34

Distribucin de Poisson y Proceso de Poisson (cont.)

Aunque el proceso de Poisson por lo general encuentra aplicaciones en problemas de espacio y tiempo, se puede ver como una forma limitante de la distribucin binomial. En el caso de la binomial, si n es bastante grande y p es pequea, las condiciones comienzan a simular las implicaciones de espacio continuo o regin temporal del proceso de Poisson.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

35

Distribucin de Poisson y Proceso de Poisson (cont.)

La independencia entre las pruebas de Bernoulli en el caso binomial es consistente con la propiedad 2 del proceso de Poisson. Si se hace al parmetro p cercano a cero se relaciona con la propiedad 3 del proceso de Poisson.

Si p es cercana a 1, an se puede utilizar la distribucin de Poisson para aproximar probabilidades binomiales mediante el intercambio de lo que definimos como xito o fracaso, se cambian los valores de p y q.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

36

Distribucin de Poisson y Proceso de Poisson (cont.)

Distribucin de Poisson como forma limitante de la binomial, teorema:

Sea X una variable aleatoria binomial con distribucin de probabilidad b(x;n,p). Cuando n , p 0, y = np permanece constante, b(x;n,p) p(x;).

e x b(x; n, p ) x!

x = 0,1,2,...

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

37

Referencias Bibliogrficas

Walpole, R.E.; Myers, R.H.; Myers, S.L. & Ye, K. Probabilidad y estadstica para ingeniera y ciencias. Octava Edicin. Pearson Prentice-Hall. Mxico, 2007.

UCR-ECCI CI-1352 Investigacin de Operaciones I Algunas Distribuciones Discretas de Probabilidad

38