Vous êtes sur la page 1sur 17

UNIVERSIDAD NACIONAL HERMILIO VALDIZN

FACULTAD DE CIENCIAS CONTABLES Y FINANCIERAS

Carrera Profesional
CONTABILIDAD

ESTADSTICA APLICADA

Jess VILCHEZ GUIZADO


10/11/2017 J. Vilchez
DISTRIBUCIN DE PROBABILIDAD DISCRETA
Se denomina distribucin de variable discreta a aquella
cuya funcin de probabilidad slo toma valores positivos
en un conjunto de valores de finito o infinito numerable. A
dicha funcin se le llama funcin de masa
de probabilidad.
Por ejemplo, una distribucin discreta describe la probabilidad de que
las unidades familiares de Pillcomarca tengan 0, 1, 2, 3 y 4 o ms
automviles. El Departamento de Vehculos a Motor pudiera utilizar esta
informacin para determinar la probabilidad de que cada unidad familiar
tenga 2 menos vehculos. Otra aplicacin: la distribucin discreta se
utiliza comnmente en la configuracin de calidad del servicio en
algunos lugares, tales como centros de atencin al cliente, hospitales e
instituciones financieras.
Ejemplo de probabilidad discreta
Una distribucin discreta es una lista de los diferentes valores
numricos de la variable de inters y sus probabilidades asociadas.
Las probabilidades deben sumar 1. Para el ejemplo de los
automviles, las probabilidades de nmeros especficos de vehculos
se muestran a continuacin.
Nmero de automviles por
Probabilidad
unidad familiar
0 0.03
1 0.13
2 0.70
3 0.10
4 o ms 0.04
Total 1.00

10/11/2017 J. Vilchez
1. DISTRIBUCIN DE BENOULL
La distribucin de Bernoulli se utiliza cuando un proceso aleatorio
tenga exactamente dos resultados: evento o no evento. Por ejemplo,
en el rea de la calidad, un producto se puede clasificar como bueno
o malo.
La distribucin de Bernoulli es el componente bsico de muchas
distribuciones, tales como la distribucin binomial, geomtrica y
binomial negativa.
Una variable aleatoria X sigue una distribucin de Bernoulli si
P(X = 0) = p y P(X = 1) = 1 p
Trmino Descripcin
P la probabilidad del resultado sea un xito
Valores Parmetro
E P
F 1p
Total 1
= E(X) = p 2 = V[X] = p(1 p) = p.q

10/11/2017 J. Vilchez
2. DISTRIBUCIN BINOMIAL
Una distribucin binomial modela el nmero de eventos en un
nmero fijo de ensayos. Cada ensayo tiene dos resultados posibles,
y evento es el resultado de inters en un ensayo.
El nmero de eventos (E) en n ensayos sigue una distribucin
binomial si se cumplen las siguientes condiciones:
El nmero de ensayos es fijo.

Cada ensayo es independiente.

Cada ensayo tiene uno de dos resultados: evento o no evento.

La probabilidad de un evento es igual para cada ensayo.

Una de las propiedades de la distribucin binomial es que cuando n


es grande y p est cerca de 0.5, la distribucin binomial puede ser
aproximada por la distribucin normal estndar.

10/11/2017 J. Vilchez
Clculo en una Distribucin Binomial

n n n!
f (k ) P( X k ) . p k .(1 p) nk
k k k!.(n k )!
Siendo:
(k = 0, 1, 2, , n)
p = probabilidad de xito de una sola prueba
q = 1 p.
n = nmero de pruebas
k = nmero de xito en n pruebas.

= E[X] = n.p

2 = V[X] = n.p.(1 p) = n.p.q

10/11/2017 J. Vilchez
3. DISTRIBUCIN HIPERGEOMTRICA
Modela el nmero de eventos en una muestra de tamao fijo cuando se conoce
el nmero total de elementos en la poblacin de la cual proviene la muestra.
Cada elemento de la muestra tiene dos resultados posibles (o es un evento o un
no evento). Las muestras no tienen reemplazo, por lo que cada elemento de la
muestra es diferente. Cuando se elige un elemento de la poblacin, no se puede
volver a elegir. Por lo tanto, la probabilidad de que un elemento en particular sea
seleccionado aumenta con cada ensayo, suponiendo que an no ha sido
seleccionado.
Se utiliza para muestras obtenidas de poblaciones relativamente pequeas, sin
reemplazo. Por ejemplo, esta distribucin se utiliza en la prueba exacta de Fisher
para probar la diferencia entre dos proporciones y en muestreos de aceptacin
por atributos cuando se toman muestras de un lote aislado de tamao finito.
La distribucin hipergeomtrica es descrita por 3 parmetros: tamao de la
poblacin, conteo de eventos en la poblacin y tamao de la muestra
Por ejemplo, si se recibe un envo de pedido especial de 500 etiquetas.
Supongamos que el 2% de las etiquetas tiene defectos. El conteo de eventos en
la poblacin es de 10: (0.02 * 500). Se toma una muestra de 40 etiquetas y desea
determinar la probabilidad de que haya 3 o ms etiquetas defectuosas en esa
muestra.
10/11/2017 J. Vilchez
Ejemplo del clculo de probabilidades hipergeomtricas
Supongamos que hay diez automviles que le gustara someter a una
prueba de conduccin (N = 10), y cinco de ellos tienen motores turbo
(x = 5). Si prueba tres de los vehculos (n = 3), cul es la probabilidad
de que dos de los tres que probar tengan motores turbo?
Elija Calc > Distribuciones de probabilidad > Hipergeomtrica.
Elija Probabilidad.
En Tamao de la poblacin (N), ingrese 10. En Conteo de eventos
en la poblacin (M), ingrese 5. En Tamao de la muestra (n),
ingrese 3.
Elija Constante de entrada e ingrese 2.
Haga clic en Aceptar.
La probabilidad de que seleccione dos automviles con motores turbo
cuando pruebe tres de los diez vehculos que le interesan es 41.67%.

10/11/2017 J. Vilchez
Distribucin de probabilidad discreta
Clculo en una Distribucin Hipergeomtrica

p N p
.
k nk
H (k , N , n, p)
N

n
Donde:
N = Nmero total de elementos o poblacin.
p = Nmero de xitos en los N elementos.
n = Nmero de elementos extrados o muestra.
k = Nmero de resultados de xito en los n elementos.

n. p
E[ X ] 2 Var[ X ]
p( N p).n.( N n)
N N 2 ( N 1)

10/11/2017 J. Vilchez
Distribucin de probabilidad discreta
4. DISTRIBUCIN GEOMTRICA
Surge a partir de un experimento que solo tiene dos resultados
posibles, esta distribucin discreta puede modelar el nmero de
ensayos consecutivos que son necesarios para observar el resultado
de inters por primera vez. Adems, puede modelar el nmero de no
eventos que ocurren antes de que se observe el primer resultado.
Por ejemplo, una distribucin geomtrica puede modelar el nmero
de veces que se debe lanzar al aire una moneda para obtener el
primer resultado de "cara". De forma similar, si se trata de productos
construidos en una lnea de ensamblaje, puede modelar el nmero
de unidades producidas antes de que se produzca la primera unidad
defectuosa. k 1
P( X k ) p.q
p p 1 2q 1 1 q
E( X ) V (X ) 2 2 2
2

(1 q) 2
p 2
p p p p p

10/11/2017 J. Vilchez
Distribucin de probabilidad discreta
5. DISTRIBUCIN BINOMIAL NEGATIVA
Se obtiene de un experimento con solo dos resultados, esta
distribucin discreta puede modelar el nmero de ensayos
necesarios para producir un nmero especificado de cierto resultado.
Tambin puede modelar el nmero de no eventos que deben ocurrir
para que se observe el nmero especificado de resultados.
Por ejemplo, una distribucin binomial negativa puede modelar el
nmero de veces en que se lanza al aire una moneda para obtener
cinco cruces. De igual modo, en el caso de productos que se
construyen en una lnea de ensamblaje, puede modelar el nmero
necesario de unidades ensambladas para que se produzcan 100
unidades defectuosas.

10/11/2017 J. Vilchez
Este modelo queda definido por dos parmetros p (la probabilidad
de A: p = P(A)) y r (el nmero de veces que debe producirse A para que
detengamos la experiencia).
La funcin de densidad viene dada por:

donde q representa el complementario de p: q = 1 p.

Propiedades del modelo Binomial negativo


Esperanza: E(X) = r.q/p
Varianza: V(X) = r.q/p2

10/11/2017 J. Vilchez
Distribucin de probabilidad discreta
6. DISTRIBUCIN POISSON
La distribucin de Poisson es definida por un parmetro: lambda (). Este
parmetro es igual a la media y la varianza. A medida que lambda aumenta,
la distribucin de Poisson se acerca a una distribucin normal.
Se utiliza para describir el nmero de veces que un evento ocurre en un
espacio finito de observacin. Por ejemplo, una distribucin de Poisson
puede describir el nmero de defectos en el sistema mecnico de un avin o
el nmero de llamadas a un centro de llamadas. La distribucin de Poisson
se utiliza con frecuencia en el control de calidad, los estudios de
fiabilidad/supervivencia y los seguros.
Una variable sigue una distribucin de Poisson si se cumplen las siguientes
condiciones:
Los datos son conteos de eventos (enteros no negativos, sin lmite

superior).
Todos los eventos son independientes.

La tasa promedio no cambia durante el perodo de inters.

10/11/2017 J. Vilchez
Distribucin de probabilidad discreta
Qu es la tasa de ocurrencia?
La tasa de ocurrencia es igual a la media () dividida entre la dimensin del
espacio de observacin. Es til para comparar conteos de Poisson recolectados
en diferentes espacios de observacin. Por ejemplo, la central telefnica A recibe
50 llamadas telefnicas en 5 horas y la central telefnica B recibe 80 llamadas en
10 horas. Usted no puede comparar directamente estos valores, porque sus
espacios de observacin son diferentes. Debe calcular la tasa de ocurrencia para
comparar estos conteos. La tasa de la central telefnica A es (50 llamadas / 5
horas) = 10 llamadas/hora. La tasa de la central telefnica B es (80 llamadas / 10
horas) = 8 llamadas/hora.

Diferencias entre la distribucin de Poisson y la distribucin binomial


La distribucin de Poisson es similar a la distribucin binomial porque ambas
modelan conteos de eventos. La distribucin de Poisson no establece un lmite
superior a este conteo: una central telefnica podra recibir un nmero infinito
de llamadas en un da y no violar los requisitos de la distribucin de Poisson.
En cambio, la distribucin binomial establece un lmite superior en el conteo: el
nmero de eventos no puede exceder el nmero de ensayos que realiza.

10/11/2017 J. Vilchez
Distribucin de probabilidad discreta
Clculo en una Distribucin de Poisson

e x .x k
P(k , x)
k!
= E[X] =

2 =Var[X] = .

10/11/2017 J. Vilchez
Distribucin de probabilidad discreta
7. DISTRIBUCIN ENTERA
La distribucin de enteros se utiliza para modelar enteros
igualmente probables. Por ejemplo, si se lanza un dado justo, la
probabilidad de obtener cualquiera de los seis resultados posibles
es la misma: 1/6.
La distribucin de enteros es una distribucin uniforme discreta
que oscila entre los valores enteros mnimo y mximo
especificados. Cada valor entero en el rango tiene la misma
probabilidad.
La probabilidad al lanzar un dado justo es igual para cada nmero.

La distribucin de enteros no suele ocurrir en la naturaleza, pero es


importante como una distribucin de referencia. Una de las
aplicaciones ms importantes es generar valores enteros
aleatorios que se ubiquen entre dos valores especficos

10/11/2017 J. Vilchez
10/11/2017 J. Vilchez

Vous aimerez peut-être aussi