IV DISTRIBUCIN GEOMETRICA QU ES LA DISTRIBUCIN GEOMTRICA?
La distribucin geomtrica es la probabilidad de
la funcin masa.
Donde X es el nmero de intentos o fallas antes
del primer xito. X es una variable aleatoria discreta, x = {1,2, ....}, y p es la probabilidad de xito con 0 < p < 1. Donde: P(X=x)=Funcin de densidad de la variable aleatoria con distribucin geomtrica X= numero de experimentos hasta que aparece el primer xito p= probabilidad de xito q= probabilidad de fracaso (1*p) La distribucin geomtrica es un modelo adecuado para aquellos procesos en los que se repiten pruebas hasta la consecucin del xito a resultado deseado y tiene interesantes aplicaciones en los muestreos realizados de esta manera . Tambin implica la existencia de una dicotoma de posibles resultados y la independencia de las pruebas entre s. En teora de probabilidad y estadstica, la distribucin geomtrica es cualquiera de las dos distribuciones de probabilidad discretas siguientes: 1. X = Nmero de ensayos en el que ocurre el primer xito, en este caso los valores posibles de X son 1, 2, 3, ...
2. Y = Nmero de fracasos antes de obtener el resultado
considerado como xito, en este caso los valores posibles de Y son 0, 1, 2, 3, ... . Entonces :Y = X-1. La distribucin geomtrica puede ser definida como el nmero de intentos hasta conseguir el primer xito. La probabilidad de lanzar una moneda, y obtener Sol en el mayor lanzamiento de esta. Esta distribucin se deriva de un proceso experimental puro o de Bernoulli en el que tengamos las siguientes caractersticas El proceso consta de un nmero no definido de pruebas o experimentos separados o separables. El proceso concluir cuando se obtenga por primera vez el resultado deseado (xito). Cada prueba puede dar dos resultados mutuamente excluyentes : A y no A. La probabilidad de obtener un resultado A en cada prueba es p y la de obtener un resultado no A es q siendo (p + q = 1) Serie Geomtrica 1 + 1/2 + 1/4 + 1/8 + ... converge a 2 Formula:
Siendo el trmino en cuestin, el primer trmino y r la razn
Modelo Matemtico Funcin de Distribucin
La funcin de densidad de la variable aleatoria geomtrica slo
depende del parmetro p, y presenta siempre una asimetra a la derecha como se puede observar en las siguientes funciones de densidad. Funcin caracterstica
La funcin caracterstica se calcula teniendo en cuenta que de
nuevo aparece la sumacin de los trminos de una progresin geomtrica, pero esta vez de razn eit q: Ejemplos:
Calcular la probabilidad de que salga cara la 6 ocasin que
lanzamos una moneda. Definir xito: salga cara
=6 1 = = 0.5 2 q = 0.5
= 6 = 0.5 5 0.5 = 0.015625
Un barco proveniente de Japn llega a la aduana de manzanillo con una carga de contenedores de productos elctricos. Si los contenedores tienen una probabilidad del 5% de ser radioactivos encuentre la probabilidad de que el 15 contenedor que se extraiga posea esta caracterstica.
xito: Obtener contenedor radiactivo
= 15 = 0.05 = 1 0.05 = 0.95
= 15 = (0.95)14 0.05 = 0.02438
S la probabilidad de que un cierto dispositivo de medicin muestre una desviacin excesiva es de 0.05, cul es la probabilidad de que: a) El sexto de estos dispositivos de medicin sometidos a prueba sea el primero en mostrar una desviacin excesiva? b) El sptimo de estos dispositivos de medicin sometidos a prueba, sea el primero que no muestre una desviacin excesiva?. Solucin: a) x = 6 =que el sexto dispositivo de medicin probado sea el primero que muestre una variacin excesiva p = 0.05 =probabilidad de que un dispositivo de medicin muestre una variacin excesiva q = 0.95 =probabilidad de que un dispositivo de medicin no muestre una variacin excesiva
( = 6) = (0.95)61 (0.05) = 0.03869
b) x = 7 que el sptimo dispositivo de medicin probado, sea el primero que no muestre una desviacin excesiva p = 0.95 = probabilidad de que un dispositivo de medicin no muestre una variacin excesiva q = 0.05 = probabilidad de que un dispositivo de medicin muestre una variacin excesiva
( = 7) = (0.05)71 (0.95) = 0.0000000148
CONCLUSIN En probabilidad la distribucin geomtrica es muy til pues nos dice el tiempo de espera hasta obtener el primer xito y se utiliza en estudios de fiabilidad y en situaciones cclicas donde se alternan xitos y fracasos. GRACIAS