Professional Documents
Culture Documents
Preliminares
III.
Preliminares Matemticos.
i.
ii.
iii.
iv.
v.
vi.
vii.
viii.
Experimentos aleatorios.
Variables aleatorias y distribuciones de probabilidad.
Distribuciones de probabilidad discretas ms importantes.
Distribuciones de probabilidad continuas ms importantes.
Funciones de variables aleatorias y transformaciones.
Teoremas lmites.
Cadenas de Markov.
Pruebas asociadas a parmetros y pruebas de bondad-ajuste.
f(x)
x1
x2
f(x1)
f(x2)
x3
f(x3)
x4
f(x4)
f(x2)
x5
f(x5)
f(xi)
x. i
f(x. i)
.
.
.
.
f(x)
f(x3)
f(x5)
f(x4)
f(x1)
x
x1 x2 x3 x4 x5 xi
P(x)
x1
x2
P(x1)
P(x2)
x3
P(x3)
x4
P(x4)
x5
P(x5)
x. i
. )
P(x
i
.
.
.
.
P(x)
Continua:
T de student
Ji cuadrada (X2)
Exponencial
Gamma
Beta
F
Weibul
Pareto
Uniforme continua
f(x) = P(X x)
x
f(x) = f(i)
i=-
f(x) = P(Xx)
x
f(x) = f(t)dt
i=-
cara o cruz
Lanzar un dado:
nmero especfico
x={0,1}
Bernoulli
Binomial
Dado
Se obtiene un nmero
especfico en un
lanzamiento
Moneda
Se obtiene cara en un
lanzamiento
En cuntos lanzamientos de
un nmero de m de veces
se obtuvieron las cruces.
( ) = n!/(x!(n-x)!)
n
x
n = {0,1,2,,n}
Combinaciones de n
en x
Solucin:
Sea xi una variable aleatoria que representa el estado de una unidad terminada en la lnea de
ensamblaje en el momento i, siendo xi = 1 si la unidad es defectuosa y xi =0 en caso contrario.
La variable X sigue una distribucin Bernoulli con parmetro p=0.05, de acuerdo con el dato
inicial del problema. Adems, ntese que un conjunto de unidades terminadas constituye un
conjunto de ensayos independientes, por lo que el nmero de unidades defectuosas de un total
de n unidades terminadas (x1, x2, .., xn), esto es,
n
f (n, p ) xi , sigue una distribucin Binomial de parmetros n y p=0.05. Hechas estas
consideraciones iniciales, procedemos a resolver el problema:
i 1
1. x B(n, p) f(n,p) = n
px(1-p)n-x = P(B(10,0.05),x=2)=0.0746
Sea
p: probabilidad de xito
q = 1-p: probabilidad de fracaso
Si se analiza el nmero de ensayos requeridos para obtener un primer
xito, asumiendo que se requieren x ensayos para obtener ese xito.
Ensayos anteriores al primer
xito
P(X=x) = p(1-p)x-1
x= 1,2,3,, x
P(Y=x) = p(1-p)x
x= 0,1,2,3,, x D+
X= 4
p= 0.6
q= 1- 0.6 = 0.4
X Geo(p) X Geo(0.6)
P(X=x) = p(1-p)x-1
X= 3
p= 1/6 =0.166
q= 1- 0.166 = 0.833
X Geo(p) X Geo(0.166)
P(X=x) = p(1-p)x-1
Una mquina detecta fallas en los productos que elabora una fbrica. Si
los productos tienen una probabilidad de falla del 5%, calcular la
probabilidad de que la mquina encuentre su primer producto defectuoso
en la octava ocasin que selecciona un producto para su inspeccin.
X= 8
p= 0.05
q= 1- 0.05 = 0.95
X Geo(p) X Geo(0.05)
P(X=x) = p(1-p)x-1
Nmero
variable
de fracasos
Sucesin
de
ensayos
Bernoulli no concluye sino
hasta obtener r xitos.
Se lanza repetidas veces una moneda honesta, cuyos dos resultados son cara y
cruz. Cul es la probabilidad de obtener la tercera cruz en el quinto
lanzamiento?
xito: nmero de caras (fracasos) antes de obtener la primera cruz (X)
X= 5
p = 0.5
q = 1- 0.5 = 0.5
r=3
X BN(r,p) X BN(3, 0.5)
P(X=x) =
(nx)
= n!/(x!(n-x)!)
X= 7
p = 0.80
q = 1- 0.8 = 0.2
r=5
X BN(r,p) X BN(5, 0.5)
P(X=x) =
(xn)
= n!/(x!(n-x)!)
X= 5
p = 0.75
q = 1- 0.75 = 0.25
r=3
X BN(r,p) X BN(3, 0.75)
P(X=x) =
(nx)
= n!/(x!(n-x)!)
X= ?
p = 0.30
q = 1- 0.3 = 0.7
r = 10
X BN(r,p) X BN(10, 0.3)
P(X=x) =
(nx)
= n!/(x!(n-x)!)
Distribucin Poisson
Variable aleatoria tipo conteo
Distribucin Poisson
Una variable aleatoria X tiene una distribucin Poisson si y slo su funcin
de densidad es:
Distribucin Poisson
Ejercicio 1
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) 10 cheques sin fondos en cualquiera de dos das consecutivos?
Solucin: a)
x = variable que nos define el nmero de cheques sin fondo que llegan al banco
en un da cualquiera = 0, 1, 2, 3, ....., etc.
= 6 cheques sin fondo por da
e = 2.718
(6) 4 2.718
(1296)(0.00248)
p( x 4, 6)
0.13392
4!
24
6
Distribucin Poisson
Ejercicio 1
Solucin : b)
x= variable que nos define el nmero de cheques sin fondo que llegan al banco
en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das
consecutivos
Nota: siempre debe de estar en funcin de x siempre o dicho de otra forma,
debe hablar de lo mismo que x.
(12)10 (2.718) 12
p ( x 10, 12)
1!
Distribucin Poisson
Ejercicio 2
Solucin: a)
x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata
Distribucin Poisson
Ejercicio 2
0!
1!
Distribucin Poisson
Ejercicio 2
0!
1!
Definida por:
Distribucin Multinomial
Esta distribucin puede ser vista como una generalizacin de la distribucin
binomial, donde el inters es calcular la probabilidad de obtener en categoras
en una muestra de tamao conociendo que la probabilidad de ocurrencia de
cada categora en la poblacin . Se dice entonces que una variable tiene
distribucin multinomial y se denota como , cuando su funcin de densidad est
dada por:
Si representan las ocurrencias de las categoras en la poblacin entonces
decimos que () tiene distribucin Multinomial si su densidad es la siguiente:
Septiembre-2013
Distribucin Multinomial
Ejercicio
P ( X 1 2, X 1 2, X 1 6)
10!
* 0.052 * 0.20 2 * 0.756 0.0224
2!2!6!
Distribucin Hipergeomtrica
Esta distribucin est ligada a situaciones de muestreo sin reposicin, es
decir situaciones en que al azar se elige un elemento de una poblacin y as
sucesivamente hasta completar la muestra, sin restituir los elementos
extrados.
Para inducir la frmula de esta distribucin, anloga a la binomial, considrese
como poblacin a un conjunto de N elementos de los cuales k poseen uno de
dos estados posibles (xito) y N-k que presentan el otro (fracaso).
Al igual que en la binomial, el problema de inters es hallar la probabilidad de
obtener X xitos, pero en este caso, cuando se seleccionan sin reposicin n
elementos de un conjunto de N .
Distribucin Hipergeomtrica
Como se recordar, el concepto frecuencial de probabilidad est asociado al
cociente:
nmero de casos favorables
nmero de casos posibles
En este problema el nmero de casos totales viene dado por el nmero de
combinaciones posibles que se puede obtener a partir de N elementos tomados
de a grupos de n. Esto es:
Nmero de casos totales =
El nmero de casos favorables vendr dado por el nmero de formas posibles de
elegir x xitos y n-x fracasos del conjunto de N elementos en los que hay k xitos
y N-k fracasos, por lo que este nmero ser el siguiente producto:
Nmero de casos favorables =
Distribucin Hipergeomtrica
donde
Distribucin Hipergeomtrica
Definicin
Distribucin Hipergeomtrica
Ejemplo 1
Vale decir que de cada 100 veces que el ingeniero realiza esta prueba, que
consiste en tomar una muestra de 20 bolsas de un total de 500 donde al menos
50 estn contaminadas, en el 88% de las veces (al menos) encontrar bolsas con
chamico.
Distribucin Hipergeomtrica
Ejemplo 2
Septiembre-2013
Distribucin Hipergeomtrica
Ejemplo 2
La distribucin binomial
Tomando x=2, n=5, p = 80/120 = 2/3 en la frmula de la binomial
Distribucin Hipergeomtrica
dhyper(x, m, n, k, log = F)
Los argumentos que podemos pasar a las funciones expuestas en la anterior tabla, son:
x, q: Vector de cuantiles. Corresponde al nmero de particulares en la muestra.
m: Seleccin aleatoria particular.
n: El nmero total de la poblacin menos la seleccin aleatoria particular. n = N - m.
n: El nmero de la seleccin a evaluar.
prob: Probabilidad.
nn: Nmero de observaciones.
log, log.p: Parmetro booleano, si es TRUE, las probabilidades p son devueltas como log
(p).
lower.tail: Parmetro booleano, si es TRUE (por defecto), las probabilidades son P[X x],
de lo contrario, P [X > x].
Distribucin Hipergeomtrica
De un grupo de 20 ingenieros con doctorado, se eligen 10 aleatoriamente con el fin de
contratarlos.
Cul es la probabilidad de que entre los 10 seleccionados, estn los 5 mejores del
grupo de 20?
Sea la variable aleatoria discreta X, mejores ingenieros de un grupo.
Dicha variable aleatoria, sigue una distribucin Hipergeomtrica con parmetros:
N = 20. Nmero total de ingenieros.
n = 10. Muestra aleatoria de la poblacin total de ingenieros (20 ingenieros).
r = 5. Conjunto de 5 ingenieros estn los 5 mejores.
Para resolver este apartado, necesitamos resolver: P( X = 5), por lo tanto, slo
necesitamos el valor que toma X en el punto 5 de la funcin de densidad:
> dhyper(5,10,20-10,5)
[1] 0.01625387