Professional Documents
Culture Documents
AUTONOMA DE NICARAGUA
DISTRIBUCIONES IMPORTANTES
DE PROBABILIDAD
Distribuciones de Probabilidad
Variable Aleatoria
Sea S el espacio muestral asociado a un experimento
aleatorio. Una funcin X que asigna a cada uno de los
elementos w de S un nmero x, se llama variable aleatoria.
Distribuciones de Probabilidad
Ejemplo
Product B
Feature 1
Feature 2
Feature 3
Distribuciones de Probabilidad
Variable Aleatoria
E(X) = xi P ( x i )
Distribuciones de Probabilidad
X V(X)
Distribuciones de Probabilidad
Distribuciones de probabilidad
Un vendedor de computadoras tiene la oportunidad de trabajar con cierto
comerciante. Supongamos que el vendedor ha evaluado las posibilidades de la venta
semanal de la manera indicada abajo.
0 0.1
1 0.2
2 0.3
3 0.4
E ( X ) = 2 computadoras y
V ( X ) = 5 - [ 2 ]2 = 5 - 4 = 1 computadora2
V( X ) 1 1 computador a
X
Distribuciones de Probabilidad
EJERCICIO
Un fabricante produce cierto artculo de tal modo que el 10% son defectuosos. Si se produce
un artculo defectuoso, el fabricante pierde C$ 10, mientras que un artculo no defectuoso le
produce una ganancia de C$ 50.
Determine la ganancia esperada por artculo. Interprete el resultado.
Supongamos que X representa la ganancia por artculo y que toma los valores 10 si se
produce un artculo defectuoso y 50 si se produce no defectuoso.
xi P ( xi ) xi P (xi )
-10 0.10 -1
50 0.90 45
44
= E ( X ) = C$ 44
x
Este resultado se interpreta as: Cuando el fabricante produzca muchos artculos espera una
ganancia promedio por artculo de C$ 44
Distribuciones de Probabilidad
DISTRIBUCION BINOMIAL
INTRODUCCION
La Distribucin Binomial es una distribucin de
probabilidad de una variable aleatoria discreta, que
ser aplicable cada vez que se suponga un proceso de
Bernoulli.
PROCESO DE BERNOULLI
Es un proceso de muestreo, esto es, una muestra de
tamao n que resulta de repetir un mismo
experimento aleatorio (que llamaremos ensayo) n
veces y que cumple las siguientes condiciones:
DISTRIBUCIONES DE PROBABILIDADES
Los resultados posibles de cada ensayo pueden
clasificarse en dos eventos E y F, mutuamente
excluyentes y exhaustivos que llamaremos
posteriormente xito y fracaso respectivamente.
Modelo Binomial
n x
P ( X x ) p ( 1 - p )n - x , x 0, 1, 2, , n
x
xdeX se
La varianza ( X) asnp
Eobtiene
V(X) = np(1p)
Distribuciones de Probabilidad
Debidos a las altas tasas de inters, una firma informa que 30%
de sus cuentas por cobrar de otras firmas comerciales estn
vencidas. Un contador escoge aleatoriamente una muestra de 5
cuentas.
5
P ( X 5) ( 0.30 )5 ( 0.70 )0 ( 1 ) ( 0.0024 ) ( 1 ) 0.0024
5
Distribuciones de Probabilidad
La probabilidad de que un presunto cliente de un centro
comercial escogido aleatoriamente haga una compra es
0.20. Un vendedor visita a 15 presuntos clientes.
15
P ( X 0) ( 0.20 )0 ( 0.80 )15 ( 1 ) ( 1 ) ( 0.0352 ) 0.0352
0
15
P ( X 1) ( 0.20 )1 ( 0.80 )14 15 ( 0.20 ) ( 0.0440 ) 0.1319
1
15
P ( X 2) ( 0.20 ) 2 ( 0.80 )13 105 ( 0.04 ) ( 0.0550 ) 0.2309
2
DISTRIBUCION DE POISSON
PROCESO DE POISSON
EL MODELO DE POISSON
CARACTERISTICAS.
X E(X)
La varianza de X se obtiene as
V(X) = x
Distribuciones de Probabilidad
EJEMPLO Suponga que el nmero promedio de llamadas que llegan a una Central
Telefnica es de 120 por hora.
Construya la expresin matemtica que define a la distribucin de probabilidad del
nmero de llamadas que ocurren en 3 minutos.
Podemos verificar la existencia de un proceso de Poisson.
En este proceso tendremos que: X representar el nmero promedio de llamadas que
ocurren en 3 minutos.
Entonces la expresin matemtica que va a definir a la distribucin de probabilidad de
X, ser la correspondiente a un modelo de Poisson con parmetro
Esto es,
120
( ) ( 3 ) 2(3) 6
60
Cul es la probabilidad de que:
Se reciban 2 llamadas 6x e- 6
P(X x) , x 0, 1, 2,
x!
DISTRIBUCION NORMAL
ii) - f (x)dx 1
a b X
DISTRIBUCION NORMAL
EL MODELO NORMAL
Decimos que una variable aleatoria continua X, tiene una
distribucin normal con parmetros y 2, lo cual
denotaremos por X N ( , 2 ), si la funcin de densidad
de probabilidad de X est definida por:
2
1 x -
1 -
2
f (x) e , - x
2
e 2.71828
Distribuciones de Probabilidad
CARACTERISTICAS.
- +
1 2
Distribuciones de Probabilidad
X -
X ~ N ( , ) Z ~ N ( 0 ,1)
Z = 1
Z = 0
Distribuciones de Probabilidad
EJEMPLO
Suponga para cierta marca y modelo de computadora, que el tiempo
de operacin en forma efectiva (antes de la primera descompostura)
sigue una distribucin normal con una media de 350 horas y una
desviacin estndar de 50 horas.