Introducci on Variables discretas

MODELOS DE PROBABILIDAD
VARIABLES ALEATORIAS CONOCIDAS
Ines Varas C.
1
Patricio Salas F.
1
1
Departamento de Estadstica
Universidad de Concepcion
Semestre II, 2014
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Contenidos
1 Introduccion
2 Variables discretas
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Introduccion
Cuando estamos estudiando un proceso y lo queremos modelar
estadsticamente, dependiendo de que proceso sea, existen
variables aleatorias con funciones de probabilidad o densidad
ya conocidas (y por ende conocidas su media y varianza) que
nos permiten modelar el proceso de manera mas sencilla.
Estas variables podemos clasicarlas dependiendo si el proceso
es discreto o bien continuo y ademas cada una de ellas estara
denida por unas constantes que recibiran el nombre de
parametros.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Introduccion
Cuando estamos estudiando un proceso y lo queremos modelar
estadsticamente, dependiendo de que proceso sea, existen
variables aleatorias con funciones de probabilidad o densidad
ya conocidas (y por ende conocidas su media y varianza) que
nos permiten modelar el proceso de manera mas sencilla.
Estas variables podemos clasicarlas dependiendo si el proceso
es discreto o bien continuo y ademas cada una de ellas estara
denida por unas constantes que recibiran el nombre de
parametros.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Ensayo Bernoulli
Denici on
Cuando un experimento aleatorio tiene solo dos resultados
posibles: exito y fracaso, estamos en presencia de un ensayo
bernoulli.
Ejemplos de ensayos Bernoulli son:
1 Se selecciona un alumno del curso: es hombre o mujer.
2 Encuestas: esta de acuerdo o en contra del cambio de la
reforma educacional.
3 Estudio estadstica el n de semana: s o no.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Ensayo Bernoulli
Denici on
Cuando un experimento aleatorio tiene solo dos resultados
posibles: exito y fracaso, estamos en presencia de un ensayo
bernoulli.
Ejemplos de ensayos Bernoulli son:
1 Se selecciona un alumno del curso: es hombre o mujer.
2 Encuestas: esta de acuerdo o en contra del cambio de la
reforma educacional.
3 Estudio estadstica el n de semana: s o no.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Variable Bernoulli
Denici on
La variable que modela la ocurrencia de los ensayos Bernoulli
se conoce como variable aleatoria Bernoulli.
As, decimos que X Bernoulli (p) si
X =

1 si ocurre un exito
0 si ocurre un fracaso
donde P(X = 1) = p y P(X = 0) = 1 p
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Variable Bernoulli
Denici on
La variable que modela la ocurrencia de los ensayos Bernoulli
se conoce como variable aleatoria Bernoulli.
As, decimos que X Bernoulli (p) si
X =

1 si ocurre un exito
0 si ocurre un fracaso
donde P(X = 1) = p y P(X = 0) = 1 p
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Variable Bernoulli
Denici on
La funcion de probabilidad de X esta dada por:
P(X = x) = p
x
(1 p)
1x
R
X
= {0, 1}
La media y varianza de X estan dadas por:
E(X) = p V(X) = p(1 p) = pq
donde q = 1 p.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Variable Bernoulli
Denici on
La funcion de probabilidad de X esta dada por:
P(X = x) = p
x
(1 p)
1x
R
X
= {0, 1}
La media y varianza de X estan dadas por:
E(X) = p V(X) = p(1 p) = pq
donde q = 1 p.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial
Denici on
Suponga que cuenta con n ensayos Bernoulli, todos
indepedientes y con la misma probabilidad de exito p.
Si denimos X como el n umero de exitos en los n ensayos
Bernoulli, decimos que X tiene distribucion Binomial de
parametros n y p.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial
Denici on
Suponga que cuenta con n ensayos Bernoulli, todos
indepedientes y con la misma probabilidad de exito p.
Si denimos X como el n umero de exitos en los n ensayos
Bernoulli, decimos que X tiene distribucion Binomial de
parametros n y p.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial
Denici on
As, X Bin(n, p) y su funcion de probabilidad esta dada por:
P(X = x) =

n
x

p
x
(1 p)
nx
R
x
= {0, 1, 2, . . . , n}
La esperanza y varianza de X estan dadas por:
E(X) = np V(X) = np(1 p)
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial
Denici on
As, X Bin(n, p) y su funcion de probabilidad esta dada por:
P(X = x) =

n
x

p
x
(1 p)
nx
R
x
= {0, 1, 2, . . . , n}
La esperanza y varianza de X estan dadas por:
E(X) = np V(X) = np(1 p)
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial
Ejemplo
Un ingeniero forestal esta modelando el fenomeno de
mortalidad de las plantas de pino radiata, para ello el sabe
que cada una de las plantas del vivero tiene una probabilidad
de 0.4 de estar muerta.
Si se extraen desde el vivero 4 plantas cual es la
probabilidad de que al menos una de ellas este muerta?.
Si ahora se extraen 24 plantas. Cual es la probabilidad que al
menos una de ellas este muerta?.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial
Ejemplo
Un ingeniero forestal esta modelando el fenomeno de
mortalidad de las plantas de pino radiata, para ello el sabe
que cada una de las plantas del vivero tiene una probabilidad
de 0.4 de estar muerta.
Si se extraen desde el vivero 4 plantas cual es la
probabilidad de que al menos una de ellas este muerta?.
Si ahora se extraen 24 plantas. Cual es la probabilidad que al
menos una de ellas este muerta?.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on geometrica
Denici on
Suponga que ensayos Bernoulli ocurren de manera
independiente y con la misma probabilidad de exito p.
Sea X la variable que cuenta el n umero de ensayos Bernoulli
que se deben realizar para lograr el primer exito.
La variable aleatoria X tiene distribucion geometrica de
parametro p
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on geometrica
Denici on
Suponga que ensayos Bernoulli ocurren de manera
independiente y con la misma probabilidad de exito p.
Sea X la variable que cuenta el n umero de ensayos Bernoulli
que se deben realizar para lograr el primer exito.
La variable aleatoria X tiene distribucion geometrica de
parametro p
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on geometrica
Denici on
Suponga que ensayos Bernoulli ocurren de manera
independiente y con la misma probabilidad de exito p.
Sea X la variable que cuenta el n umero de ensayos Bernoulli
que se deben realizar para lograr el primer exito.
La variable aleatoria X tiene distribucion geometrica de
parametro p
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on geometrica
Denici on
La funcion de densidad de X esta dada por:
P(X = x) = pq
x1
R
X
= {1, 2, 3, . . .}
La esperanza y varianza de X estan dadas por:
E(X) =
1
p
V(X) =
1
p
2
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on geometrica
Denici on
La funcion de densidad de X esta dada por:
P(X = x) = pq
x1
R
X
= {1, 2, 3, . . .}
La esperanza y varianza de X estan dadas por:
E(X) =
1
p
V(X) =
1
p
2
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on geometrica
Ejemplo
Siguiendo con el experimento de la mortalidad de plantas de
pino radiata. Cual es la probabilidad que se requieran extraer
al menos 4 plantas para que aparezca por primera vez una
planta muerta?.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial Negativa
Denici on
Suponga que ocurren ensayos Bernoulli independientes, con la
misma probabilidad de exito p.
Si denimos X como el n umero de ensayos Bernoulli que
deben ocurrir para lograr obtener r exitos,
Entonces X tiene distribucion Binomial negativa de
parametros r y p.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial Negativa
Denici on
Suponga que ocurren ensayos Bernoulli independientes, con la
misma probabilidad de exito p.
Si denimos X como el n umero de ensayos Bernoulli que
deben ocurrir para lograr obtener r exitos,
Entonces X tiene distribucion Binomial negativa de
parametros r y p.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial Negativa
Denici on
Suponga que ocurren ensayos Bernoulli independientes, con la
misma probabilidad de exito p.
Si denimos X como el n umero de ensayos Bernoulli que
deben ocurrir para lograr obtener r exitos,
Entonces X tiene distribucion Binomial negativa de
parametros r y p.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial Negativa
Denici on
La funcion de densidad de X esta dada por:
P(X = x) =

x 1
r 1

p
r
(1 p)
xr
R
X
= {r , r + 1, . . .}
La esperanza y varianza de X estan dadas por:
E(X) =
r
p
V(X) =
r (1 p)
p
2
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial Negativa
Denici on
La funcion de densidad de X esta dada por:
P(X = x) =

x 1
r 1

p
r
(1 p)
xr
R
X
= {r , r + 1, . . .}
La esperanza y varianza de X estan dadas por:
E(X) =
r
p
V(X) =
r (1 p)
p
2
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial Negativa
Ejemplo
Continuando con el ejemplo de las plantas de pino radiata.
Cual es la probabilidad de que se requiera observar a lo mas
5 plantas para lograr encontrar 2 muertas?.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Binomial Negativa
Ejemplo
Continuando con el ejemplo de las plantas de pino radiata.
Cual es la probabilidad de que se requiera observar a lo mas
5 plantas para lograr encontrar 2 muertas?.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on hipergeometrica
Denici on
Suponga que tiene una poblacion objetivo que consta de N
elementos, de los cuales M de ellos tienen una cierta
caracterstica de interes.
El experimento consiste en la seleccion de una muestra de
tama no n desde la poblacion N, donde n < N
Sea X la variable que cuenta el n umero de elementos en la
muestra, que tienen la caracterstica de interes.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on hipergeometrica
Denici on
La variable aleatoria X tiene distribucion Hipergeometrica con
parametros N, M y n.
As, X HiperGeo(N, M, n). Su funcion de densidad esta
dada por
P(X = x) =

M
x

NM
nx

N
n
R
X
=??
La esperanza y varianza de X estan dadas por:
E(X) =
nM
N
V(X) =
nM
N

N M
N
N n
N 1

Ines Varas C., Patricio Salas F.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on hipergeometrica
Denici on
La variable aleatoria X tiene distribucion Hipergeometrica con
parametros N, M y n.
As, X HiperGeo(N, M, n). Su funcion de densidad esta
dada por
P(X = x) =

M
x

NM
nx

N
n
R
X
=??
La esperanza y varianza de X estan dadas por:
E(X) =
nM
N
V(X) =
nM
N

N M
N
N n
N 1

Ines Varas C., Patricio Salas F.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on hipergeometrica
Ejemplo
Una empresa exportadora de conservas entrega lotes con 30
cajas, se sabe que 6 de esas cajas presentan tarros con
problemas de abolladuras.
El proceso de control de calidad de la empresa acepta el lote
si al seleccionar 10 cajas, a lo mas 2 de ellas presentan al
menos un tarro abollado.
Cual es la probabilidad que el sitema de control de calidad de
la empresa acepte un lote?.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on hipergeometrica
Ejemplo
Una empresa exportadora de conservas entrega lotes con 30
cajas, se sabe que 6 de esas cajas presentan tarros con
problemas de abolladuras.
El proceso de control de calidad de la empresa acepta el lote
si al seleccionar 10 cajas, a lo mas 2 de ellas presentan al
menos un tarro abollado.
Cual es la probabilidad que el sitema de control de calidad de
la empresa acepte un lote?.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on hipergeometrica
Ejemplo
Una empresa exportadora de conservas entrega lotes con 30
cajas, se sabe que 6 de esas cajas presentan tarros con
problemas de abolladuras.
El proceso de control de calidad de la empresa acepta el lote
si al seleccionar 10 cajas, a lo mas 2 de ellas presentan al
menos un tarro abollado.
Cual es la probabilidad que el sitema de control de calidad de
la empresa acepte un lote?.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Poisson
Denici on
Suponga que estamos modelando la cantidad de eventos que
ocurren en un cierto intervalo (tiempo, longitud, espacio, etc).
Ejemplo: suponga que se cuenta la cantidad de personas que
mueren a causa de ebola en africa en un perodo de 1 da.
Ejemplo: suponga que se cuenta el n umero eventos(fallas) en
una carretera cada 10 kilometros.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Poisson
Denici on
Suponga que estamos modelando la cantidad de eventos que
ocurren en un cierto intervalo (tiempo, longitud, espacio, etc).
Ejemplo: suponga que se cuenta la cantidad de personas que
mueren a causa de ebola en africa en un perodo de 1 da.
Ejemplo: suponga que se cuenta el n umero eventos(fallas) en
una carretera cada 10 kilometros.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Poisson
Denici on
Suponga que estamos modelando la cantidad de eventos que
ocurren en un cierto intervalo (tiempo, longitud, espacio, etc).
Ejemplo: suponga que se cuenta la cantidad de personas que
mueren a causa de ebola en africa en un perodo de 1 da.
Ejemplo: suponga que se cuenta el n umero eventos(fallas) en
una carretera cada 10 kilometros.
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Poisson
Denici on
La variable aleatoria X que cuenta el n umero de eventos que
ocurren en un cierto intervalo (tiempo, espacio, longitud, etc)
tiene distribucion Poisson.
Asumimos que los eventos ocurren a una tasa de . As,
X Poisson() y su funcion de densidad esta dada por:
P(X = x) =
e

x
x!
R
X
= {0, 1, 2, . . .}
La esperanza y varianza de X estan dadas por:
E(X) = V(X) =
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Poisson
Denici on
La variable aleatoria X que cuenta el n umero de eventos que
ocurren en un cierto intervalo (tiempo, espacio, longitud, etc)
tiene distribucion Poisson.
Asumimos que los eventos ocurren a una tasa de . As,
X Poisson() y su funcion de densidad esta dada por:
P(X = x) =
e

x
x!
R
X
= {0, 1, 2, . . .}
La esperanza y varianza de X estan dadas por:
E(X) = V(X) =
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS
Introducci on Variables discretas
Distribuci on Poisson
Ejemplo
Suponga que en la carretera del Itata, hay un promedio de 2
baches por cada 5 kilometros.
1 El ministerio de transportes establece una multa a la empresa
constructora si se encuentran mas de 4 baches en 5 kilometros.
Si el ministerio de transporte selecciona aleatoriamente un
tramo de 5 kilometros de la carretera, cual es la probabilidad
que la empresa tenga que pagar multa?
2 Cual es la probabilidad que se encuentren exactamente 4
baches en 1 kilometro?
Ines Varas C., Patricio Salas F.
MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CONOCIDAS