Professional Documents
Culture Documents
Facultad de Ingeniera
Mrida Estado Mrida
Lobo Xavier
C.I. 20.657.284
Distribuciones Discretas
Experimento Bernouliano:
Consiste en la realizacin de un experimento aleatorio discreto que solo puede
tener 2 resultados posibles: xito (1) o fracaso (2).
Nota: los trminos xito y fracaso no tienen ninguna connotacin de bueno o malo, es
decir, son completamente objetivos y el xito no necesariamente implica un resultado
deseable.
La ley de un experimento Bernouliano es:
() = . 1 Para x=0,1
Funcin de Distribucin:
0 <0
() = {1 0<1
1 1
Momentos:
= [ ] = = [( ) ] = (1 ) + () (1 ),
Esperanza y Varianza:
1 = [] = 2 = [] = (1 )
Distribucin Binomial
Propiedades:
Consiste en un nmero fijo de pruebas idnticas e independientes.
Cada prueba resulta en 2 posibilidades: xito o fracaso.
En este caso, la va de inters es el nmero de xitos obtenidos en n
repeticiones
n= nmero de pruebas
r= nmero de xitos
p= Probabilidad de xito
q= 1-p (Probabilidad de fracaso)
!
(1 ) = 0,1,2, , 0 1;
(, , ) = {( )! !
0
Esperanza:
= [] = ( = ) =
=0
Varianza:
[] = = ( )2 ( = ) =
2
=0
Distribucin Poisson
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.
Funcin de Probabilidad:
~()
= , , .
() = = 0,1, ,
!
(, ) = { ! = 0,1,2, , ; > 0
0
Esperanza y Varianza:
() = () =
Distribucin Geomtrica
Propiedades:
Como en la Binomial, las probabilidades de xito o fracaso se mantiene.
Las pruebas o repeticiones son independientes.
En la Binomial el nmero de repeticiones esta determinado, en la geomtrica es
una variable aleatoria.
Funcin de Probabilidad:
~()
() = (1 )1
= 1,2, ,
1
Esperanza y Varianza:
1
() = () =
2
Propiedades:
El proceso consta de un nmero no definido de pruebas separadas o separables. El
proceso concluir cuando se obtenga un determinado nmero de resultados
favorables K.
Cada prueba puede dar dos resultados posibles mutuamente excluyentes A y no A.
La probabilidad de obtener un resultado A en cada una de las pruebas es p siendo la
probabilidad de no A, q. Lo que nos lleva a que p+q=1.
Las probabilidades p y q son constantes en todas las pruebas. Todas las pruebas son
independientes. Si se trata de un experimento de extraccin ste se llevar cabo con
devolucin del individuo extrado, a no ser que se trate de una poblacin en la que el
nmero de individuos tenga de carcter infinito.
Funcin de Probabilidad:
~(, )
1
() = ( ) = , + 1, ,
1
+1
( ) (1 ) ; = 0,1,2
(, , ) = { 1
0
Esperanza y Varianza:
() = () = 2
Distribucin Hipergeomtrica
Propiedades:
Se selecciona sin reemplazo una muestra aleatoria de tamao n de u total de N
elementos.
K de los elementos se consideran xitos y N-K se consideran fracasos.
Funcin de Probabilidad:
( )( )
() =
( )
Esperanza y Varianza:
() = () = ( )
1
Distribuciones Continuas
Distribucin Exponencial:
En estadstica la distribucin exponencial es unadistribucin de probabilidad
continua con un parmetro > 0, la exponencial es la nica distribucin continua tomando
valores positivos que verifica la propiedad de falta de memoria.
Funcin de densidad:
~ exp()
> 0
() = {
0
Funcin de Distribucin:
1 0
() = {
0
Momentos:
!
= [ ] = ,
Esperanza y Varianza:
1 1
[] = [] = 2
Distribucin Uniforme:
La distribucin de probabilidad uniforme es un ejemplo de una distribucin de
probabilidad es continua. Una distribucin de probabilidad es continuacuando los
resultados posibles del experimento son obtenidos de variables aleatorias continuas, es
decir, de variables cuantitativas que pueden tomarcualquier valor, y que resultan
principalmente del proceso de medicin.
Es una distribucin en el intervalo [a,b] en la cual las probabilidades son las
mismas para todos los posibles resultados, desde el mnimo de a hasta elmximo de b. El
experimento de lanzar un dado es un ejemplo que cumple la distribucin uniforme, ya que
todos los 6 resultados posibles tienen 1/6de probabilidad de ocurrencia.
Funcin de densidad:
1
() = { <<
0
Funcin de Distribucin:
0 <
() = { <
1
Esperanza y Varianza:
+ ( )2
[] = [] =
2 12
Distribucin Normal:
Es la distribucin continua con mayor aplicacin en estadstica. Su propio nombre
indica su extendida utilizacin, justificada por la frecuencia o normalidad con la que ciertos
fenmenos tienden a parecerse en su comportamiento a esta distribucin. Muchas
variables aleatorias continuas presentan una funcin de densidad cuya grafica tiene forma
de campana. En otras ocasiones, al considerar por ejemplo distribuciones binomiales,
Bin(n, p), para un mismo valor de p y valores de n cada vez mayores, se ve que sus
polgonos de frecuencias se aproximan a una curva en forma de campana. En resumen,
la importancia de la distribucin normal se debe principalmente a que hay muchas
variables asociadas a fenmenos naturales que siguen el modelo de la normal.
Propiedades:
1. La distribucin normal est completamente especificada por sus dos parmetros,
la media y la varianza 2. La media es el parmetro de centralidad y la varianza
mide su dispersin. Por lo tanto el grafico de la funcin de densidad depende
dedichos valores.
2. La distribucin es simtrica con respecto a la media, .
3. Tiene una nica moda, que coincide con su media y su mediana.
4. La grafica de la funcin de densidad tiene forma de campana.
5. La esperanza de una variable aleatoria normal es su media es decir, E(X) =
6. La varianza de una variable aleatoria normal es 2
7. La forma de la campana de Gauss depende de los parmetros
8. La curva normal es asinttica al eje de abscisas. Por ello, cualquier valor entre y
es tericamente posible. El rea total bajo la curva es, por tanto, iguala 1.
9. El rea bajo la curva da la distribucin normal son probabilidades.
Definicin: Se dice que una variable aleatoria X tiene una distribucin de probabilidad
normal con media y varianza 2, se representa por X N(, 2) si y solo si, la funcin
de densidad de X es:
Funcin de densidad:
~(, 2
1 2
1 ( )
() = 2
2
Esperanza y Varianza:
[] = [] = 2
Distribucin Gamma:
En estadstica la distribucin gamma es una distribucin de probabilidad continua
con dos parmetros k y cuya funcin de densidad para valores x>0 es:
()1
() =
()
Aqu e es el nmero e y T es la funcin gamma. Para valores la funcin
gamma es T(k)=(k-1)! (el factorial de k-1).
Momentos:
(+)
= [ ] = ,
()
Esperanza y Varianza:
[] = = [] = = 2
2
Distribucin Beta:
En estadstica la distribucin Beta es una distribucin de probabilidad continua con
dos parmetros a y b cuya funcin de densidad para valores 0 x 1 es:
~(, ); , > 0
1
= (, ) = 0 1 (1 )1
Momentos:
(+)(+)
= [ ] = ,
(++)()
Esperanza y Varianza:
[] = [] = (+)2 (++1)
+
Ejercicios
Distribucin Bernoulli:
1. Se sabe que una maquina produce un 3% de piezas defectuosas. Elegimos una
pieza al azar para comprobar si no presenta defectos. Cmo se distribuye la
variable X que vale 1 si la pieza no es defectuosa y 0 si es defectuosa?
Sol:
La variable:
1,
={
0,
Sigue una distribucin Bernoulli con parmetro 0,97. Es decir ~( = 0,97)
Distribucin Binomial:
1. En una noche en el HULA se registro el sexo de los primeros 10 bebes que
nacieron. Cul es la probabilidad de que de esos bebes hayan nacido 7 o ms
varones?
Sol.:
n=10 p=0,5
X=n de varones
( 7) = ( = 7) + ( = 8) + ( = 9) + ( = 10)
( 7) = 1 ( < 7)
1 ( 6)
1 (6)
1 [( = 1) + ( = 2) + ( = 3) + ( = 4) + ( = 5) + ( = 6)]
10
( = 7) = ( ) (0,5)7 (0,5)3 = 0,117
7
10
( = 8) = ( ) (0,5)8 (0,5)2 = 0,0439
8
10
( = 9) = ( ) (0,5)9 (0,5)1 = 0,00976
9
10
( = 10) = ( ) (0,5)10 (0,5)0 = 0,00097
10
() = = 10(0,5) = 5
2. Una maquina fbrica una determinada pieza y se sabe que de casa 1000 piezas
produce 7 defectuosas. Hallar la probabilidad de que al examinar 50 piezas solo
haya una defectuosa.
Sol:
7
Sea X={Nmero de piezas defectuosas en las 50 seleccionadas}. Como n=50 y = 1000 =
Distribucin Poisson:
1. Un libro de 520 pginas contiene 390 errores. Suponiendo que el nmero de
errores por pagina es una variable Poisson. Cul es la probabilidad de que 4
pginas seleccionadas al azar ests libres de errores?
Sol:
X=n de errores por pgina
390
= = 0,75 /
520
~( = 0,75)
Probabilidad de que 4 pginas estn libres de errores: hallamos el nuevo
0,75 1 4 0,75
= =3
4 1
3 30
( = 0) = = 0,0498
0!
2. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las
probabilidades de que reciba,
a. Cuatro cheques sin fondo en un da dado?
b. Menos de 3 cheques sin fondos en un da cualquiera?
Sol:
Sea X=El nmero de cheques sin fondo que llegan al banco en un da cualquiera, = 6
cheques sin fondo por da, por lo tanto, ~( = 6). As,
6 64 (0,00248)(1296)
a) ( = 4) = 4!
= 24
= 0,13392
6 60 6 61 6 62
b) ( < 3) = ( = 0) + ( = 1) + ( = 2) = + + =
0! 1! 2!
Distribucin Geomtrica:
1. Si un jugador tiene probabilidad de 0,40 de encestar una pelota. Cul es la
probabilidad de que deba lanzar ms de 3 veces para encestar por primera vez?
Sol:
X=n de lanzamientos; P=0,40
( > 3) = 1 ( 3) = 1 (3) = 1 [( = 1) + ( = 2) + ( = 3)
( = 1) = (0,4)1 (0,6)0 = 0.4
( = 2) = (0,4)2 (0,6)1 = 0,096
( = 3) = (0,4)3 (0,6)2 = 0,023
51
( = 5) = ( ) (1/6)2 (5/6)3 = 0,064
21
2. De una urna que contiene el 60% de bolas negras y el 40% de bolas blancas, se
extraen bolas de forma sucesiva y con reemplazo. Calcular:
a. Probabilidad de extraer 5 bolas blancas antes de la tercera negra
b. Probabilidad de que haya que extraer 10 bolas para obtener 3 negras.
Sol:
Probabilidad de xito: p=0,6
Numero de xitos buscados: k=3
X= n de bolas blancas antes de la tercera
~(3,0.6)
5+31
a) [ = 5] = ( ) 0.63 0.45
5
7+31
b) [ = 7] = ( ) 0.63 0.47
7
Distribucin Hipergeomtrica:
1. Una fbrica de motores los empaca en cajas de 50. Un inspector escoge 5
motores y los examina. Si los 5 motores estn en buen estado, se acepta la caja.
Delo contrario, se examinan todos los motores de la misma. Cul es la
probabilidad de tener que inspeccionar toda la caja?
Sol:
X=n de motores daados
N=50
n=5
k=3
3 47
( )( )
( 1) = 1 ( < 1) = 1 [( = 0)] = 1 [ 0 5 ] = 0,276
50
( )
5
( < 2) = ( = 0) + ( = 1)
3 47
( )( )
( = 0) = 0 5 = 0,724
50
( )
5
3 47
( )( )
( = 1) = 1 4 = 0,2525
50
( )
5
( < 2) = 0,724 + 0,2525 = 0,9765
( < ) = 0,15
b. Calcule la Esperanza
7 + 13
() = = = 10
2
c. Calcule la varianza
(13 7)2 (6)2 36
2 = = = =3
12 12 12
Por lo tanto la desviacin estndar es: = 2 = 3 = 1,732