Professional Documents
Culture Documents
Propsito
la Unidad
Unidad 3
Temas
Distribucin de la probabilidad
3.1. Distribuciones de probabilidad discreta
Resumen
Probabilidad y estadstica
UVM En Lnea
Introduccin
Esta Unidad inicia con el estudio de distribuciones de probabilidad. Una distribucin de probabilidad indica toda la gama de valores que pueden presentarse
como resultado de un experimento. Una distribucin de probabilidad es similar
a una distribucin de frecuencias relativas, pero en vez de describir el pasado,
describen qu tan probable es un evento futuro. Por ejemplo, un fabricante de
un medicamento afirma que el medicamento causar la prdida de peso en
80% de la poblacin. Una agencia de proteccin al consumidor puede probar
este medicamento en una muestra de seis personas. Si la declaracin del fabricante es verdadera, es casi imposible tener un resultado en el que ninguna
persona de la muestra pierda peso, y es muy probable que 5 de las 6 pierdan
peso.
Probabilidad y estadstica
UVM En Lnea
T
T
T
T
H
H
H
H
Segundo
T
T
H
H
T
T
H
H
Tercero
T
H
T
H
T
H
T
H
Nmero
de caras
0
1
1
2
1
2
2
3
Observe que el resultado cero caras, se obtuvo solamente una vez, una cara apareci tres veces, dos caras, tres veces y el resultado tres caras solamente una vez. Cero caras ocurri en una de ocho veces, por lo que la pro-
Probabilidad y estadstica
UVM En Lnea
babilidad de cero caras es un octavo (1/8), de una cara (3/8), etc. La distribucin de probabilidad se muestra en la tabla siguiente:
Nmero de caras
X
Probabilidad del
resultado P(x)
1/8= 0.125
3/8=0.375
3/8=0.375
1/8=0.125
8/8=1.000
0
1
2
3
Total
Tabla 2. Distribucin de probabilidad de los resultados posibles al lanzar una moneda 3 veces
La representacin grfica del nmero de caras que se obtiene en tres lanzamientos, se muestra en el grfico siguiente.
Probabilidad
0.375
0.25
0.125
0
0
Nmero de caras
Figura 1. Grafica de la distribucin de probabilidad de los resultados posibles al lanzar una moneda al aire 3 veces
Variables aleatorias
Probabilidad y estadstica
UVM En Lnea
Media
La media es un valor que se utilizar para representar una distribucin de probabilidad, y tambin se le conoce como valor esperado.
El clculo del valor esperado se realiza como:
x P(x)
Donde P(x) es la probabilidad de cada valor que puede tomar la variable aleatoria x.
Ejemplo:
Juan invierte su dinero en Anderson Savings and Loan, en donde recibe un inters anual del 7% sobre la inversin. Un amigo suyo le platic que va a abrir
una cafetera de autoservicio y quiere que Juan invierta. Despus de investigar la oportunidad, Juan prepara una distribucin de probabilidad de las utilidades posibles sobre la inversin. Calcule la utilidad esperada sobre la inversin. Considere la siguiente distribucin.
Probabilidad y estadstica
UVM En Lnea
Rendimiento sobre
la inversin %
-10
Probabilidad
P(x)
0.05
0.15
0.20
10
0.40
20
0.15
30
0.05
x P(x)
10(0.05) 0(0.15) 5(0.20) 10(0.40) 20(0.15) 30(0.05)
9%
Esto es, la utilidad esperada es en promedio del 9%.
2 x 2 P( x)
Donde P(x) es la probabilidad de cada valor que puede tomar la variable aleatoria x y es la media.
Ejemplo:
Juan Ramrez vende automviles nuevos y tiene mayores ventas los sbados.
La distribucin de probabilidad para el nmero de vehculos vendidos por da,
est dado por:
Probabilidad y estadstica
UVM En Lnea
Nmero de vehculos
vendidos
Probabilidad
P(x)
0.10
0.20
0.30
0.30
0.10
Note que se trata de una distribucin discreta, ahora calculemos el valor esperado, o nmero promedio de automviles vendidos.
x P( x)
0(0.10) 1(0.20) 2(0.30) 3(0.30) 4(0.10)
2.1
El valor esperado lo podemos interpretar como que el seor Juan vende en
promedio 2.1 coches por da.
Ahora realicemos el clculo de la varianza:
Nmero de
vehculos
vendidos
Probabilidad
P(x)
(x-)2
(x-)
(x-)2 P(x)
0.10
0-2.1
4.41
0.441
0.20
1-2.1
1.21
0.242
0.30
2-2.1
0.01
0.003
0.30
3-2.1
0.81
0.243
0.10
4-2.1
3.61
0.361
2=1.290
Al sacar raz cuadrada de la varianza (1.290), obtenemos la desviacin estndar que es 1.136.
Probabilidad y estadstica
UVM En Lnea
Probabilidad y estadstica
UVM En Lnea
P( x) n C x ( ) x 1
n x
nCx : combinci n
n : nmero de ensayos
x : nmero de xitos
Cr
n!
r!(n r )!
Ejemplo:
Entre dos ciudades hay cinco vuelos diarios. Si la probabilidad de que un vuelo
llegue retrasado es 0.20, cul es la probabilidad de que ninguno de los vuelos
se retrase el da de hoy?, cul es la probabilidad de que exactamente uno de
los vuelos llegue tarde hoy?
Debido a que la probabilidad de que un vuelo llegue retrasado es de 0.20, se
tiene =0.20, hay cinco vuelos, por lo tanto n=5, y x es el nmero de xitos.
En este caso es un avin que se retrasa, pero como no hay vuelos retrasados
x=0. Aplicando la frmula:
P( x) n C x x 1
n x
50
(1)(1)(0.3277) 0.3277
La probabilidad de que exactamente uno de los cinco vuelos llegue retrasado
hoy, es:
P( x) n C x x 1
n x
51
(5)(0.20)(0.4096) 0.4096
Probabilidad y estadstica
UVM En Lnea
Probabilidad
0
1
2
3
4
5
Total
0.3277
0.4096
0.2048
0.0512
0.0064
0.0003
1.000
Probabilidad
0.450
0.400
0.410
0.350
0.300
0.328
0.250
0.200
0.205
0.150
0.100
0.050
0.051
0.006
0.000
0.000
0
Probabilidad y estadstica
UVM En Lnea
10
Ejemplo:
Cinco por ciento de los engranes producidos por una mquina, resultan defectuosos cul es la probabilidad de que al seleccionar seis engranes, ninguno
sea defectuoso? Cul es la probabilidad de que haya exactamente dos?
Exactamente tres o cuatro?
Note que se satisfacen las condiciones:
Probabilidad y estadstica
UVM En Lnea
11
Nmero de
engranes
defectuosos
x
Probabilidad
de ocurrencia
P(x)
0.735
0.232
0.031
0.002
4
5
6
Probabilidad
de ocurrencia
P(x)
0.000
0.000
0.000
Tenemos un valor de n =6 y =0.05, que corresponde con los valores obtenidos y los que se observan en la tabla.
En la siguiente grfica podemos observar la representacin de la distribucin de probabilidad binomial para un valor de = 0.10 y valor de n=7, 12,
20 y 40. Se puede observar que conforme aumenta el valor de n, la forma
de la distribucin binomial es cada vez ms simtrica.
0.6
0.5
n=7
n=12
n=20
n=40
P(x)
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7
Nmero de xitos
x
Probabilidad y estadstica
UVM En Lnea
12
P( x)
C x N S C n x
N Cn
N : tamao de la poblacin
S : cantidad de xitos en la poblacin
x : tamao de la poblacin
Ejemplo:
Una fbrica de juguetes tiene 50 empleados en el departamento de ensamble.
De estos, 40 pertenecen a un sindicato y 10 no. Se van a elegir cinco empleados aleatoriamente para que integren un comit que hablar con el gerente
acerca de la hora de inicio de los distintos turnos, cul es la probabilidad de
que cuatro de los cinco elegidos pertenezcan al sindicato?
Tenga presente que el muestreo se efecta sin remplazo, as que la probabilidad de elegir un obrero que pertenezca al sindicato, varia de un ensayo a otro,
por lo que la distribucin hipergeomtrica es la apropiada para este problema.
Los datos con los que contamos son:
N = 50, nmero de empleados
S= 40, nmero de empleados del sindicato
x=4, es el nmero de empleados del sindicato que fueron seleccionados
n=5, es el nmero de empleados elegidos
Probabilidad y estadstica
UVM En Lnea
13
4! 36! 1! 9!
4! 36!
1! 9!
S C x N S Cn x
P( x)
50!
50 49 48 47 46 45!
N Cn
5! 45!
5! 45!
40 39 38 37 10
4!
1! 91,390(10) 0.431
50 49 48 47 46
2,118,760
5!
La probabilidad de elegir aleatoriamente 5 empleados de los 50 del departamento de ensamble la probabilidad que 4 de ellos pertenezcan al sindicato es
de 0.431
P( x)
x e
x!
Probabilidad y estadstica
UVM En Lnea
14
Ejemplo:
Una aerolnea rara vez pierde el equipaje. En la mayor parte de los vuelos no
se observa un mal manejo de las maletas; algunos pasajeros reportan una maleta perdida; unos cuantos tienen dos maletas extraviadas; rara vez se tienen
tres, y as sucesivamente. Supngase que una muestra aleatoria de 1000 viajes, se presentan 300 maletas perdidas. La media aritmtica del nmero de
equipajes por vuelo es de 0.3 () , que se obtiene de 300/1000. Si la cantidad
de maletas perdidas por viaje areo sigue una distribucin de Poisson con
=0.30, podemos calcular las diferentes probabilidades, por ejemplo, la probabilidad de no perder ninguna maleta (x=0), y de perder una maleta (x=1), estn dadas por:
P( x)
x e
0.30 e 0.3
0.7408
0!
x!
0.31 e 0.3
P(1)
0.2222
1!
Probabilidad y estadstica
UVM En Lnea
15
Referencias Bibliogrficas
Probabilidad y estadstica
UVM En Lnea
16