Distribucin de Probabilidad

ndice
1. Distribucin Binomial (Bernoulli) 2. Distribucin Hipergeomtrica 3. Distribucin de Poisson 4. Distribucin Multinomial 1 4 6 9

1.

Distribucin Binomial (Bernoulli)

Esta distribucin sigue cuando el resultado de un experimento toma unicamente dos posibles valores, es decir que dichos resultados son mutuamente excluyentes. Ejemplo: Si le pregunta si el dia de qyer lluvio es obvio considerar que la respuesta debe ser un si o un no. El resultado de dicho experimento generalmente se lo conoce como xito o fracaso, sin que la palabra xito implique un resultado favorable. La distribucin binomial cumple con las siguientes caracteristicas. 1. El resultado del experimento puede tomar unicamente dos valores, son mutuamente excluyentes. 2. La probabilidad del xito de un experimento se denomina P y la probabilidad del fracaso se denomica q siento q=1-p 3. Los sesultados de cada experiemento pueden obtenerse mediante dos tcnocas de muestreo que son: a. Una poblacin innita y sin reemplazo. b. Una poblacin nita y con reemplazo.

4. Un resultado de un experimento es independiente de cualquier otro resultado de otro experimento. Con estas caracteristicas la distribucin binomial esta denida de la siguiente manera: P (m, r) = m! pr q mr r!(m r)!

m: es el # total de ensayos del experimento r: es el # de xitos deseados del experiemento p: es la probabilidad de xito q: es la probabilidad de fracaso Media: =mp Varianza: 2 = m p q Desviacin Tpica: D= Ejemplo: 1. En las prximas elecciones se ha estimado que que aproximadamente el 30 % del electorado no votara. a. Que probabilidad hay que de 15 participantes, 8 no votan en las prximas elecciones. b. Calcule el promedio de empadronados que no votaran en dichas elecciones. c. Y obtener la desviacin tpica de dicho suceso. m = 15 p = 0.3 r=8 q = 0.7 mpq

P (15, 8) =

15! 0.38 0.77 8! (15 8)!

P (15, 8) = 0.034 2

 = 15 0.3 = 4.5 D= 15 0.3 0.7 = 1.77

2. En la zona norte del Distrito Federal se ha realizado un estudia que muestra que un 70 % de los hogares tiene servicio de internet. Si se selecciona 50 hogares. Determinar a. Que promedio de hogares de la muestra tiene servicio de internet. b. Cual es la probabilidad de que 20 hogares tenga servicio de internet. c. Encuentra la desviacin standard de dicho proceso. m=50 p = 0.7 q = 0.3

= m p = (50)(0.7) = 35

P (50, 20) =

50! 0.720 0.350 20! (50 20)!

P (50, 20) = 7.74 106 50 0.7 0.3 = 3.24

D=

mpq =

3. En una planta de Colgate una maquina que llena el tubo de pasta dental lo hace correctamente el 85 % de las veces se quiere: a. Calcular la probabilidad de obtener exactamente 6 tubos de 12 tubos llenos de manera correcta. b. Calcular el promedio de tubos que se llena correctamente.

c. Obtener la desviacin standard de dichos procesos.

P (12, 6) =

12! 0.856 0.156 6! (12 6)!

P (12, 6) = 3.97 103

= m p = 12 0.7 = 10.2 m p q = 12 0.85 0.15 = 1.237

D=

2.

Distribucin Hipergeomtrica

Surge al seleccionar una muestra sin reposicin tomado de una poblacion nita conocida sin reemplazo. Esta muestra es una proporcin reltaivamente considerable con relacin al tamano de la poblacin. La distribucin hipergeomtrica determina la probabilidad de ocurrencia de un sierto nmero de xitos de una muestra tomada de una poblacin que tambin cuenta son un nmero de xitos. La distribucin hipergeomtrica presenta las siguientes caractersticas: 1. La muestra es seleccionada de una poblacin nita y sin reemplazo. 2. El tamao de la muestra m es mayor al 5 % del tamao de la poblacin. La distribucin hipergeomtrica esta denida de la manera: P (x) = C (y ; x) C (N y ; m x) C ( N ; m)

N: tamao de la poblacin m: tamao de la muestra y: # xitos de la poblacin x: # xitos de la muestra N-y: # de fracasos de poblacin

m-x: # de fracasos de la muestra Ejemplo: 1. Un embarque de 10 computadoras HP han sido enviados a una universidad, se revisa y se observa que 3 computadores estan defectuosos manteniendo a. Que probabilidad hay que ninguna este defectuosa. b. Que probabilidad hay que las dos esten defectuosas. N = 10 m=2 y=3 xa = 0 xb = 2 C (3; 0) C (7; 2) = 0.47 C (10; 2) C (3; ) C (7; 0) = 0.067 C (10; 2)

P (x = 0) =

P (x = 2) =

2. Un profesor de Estadtica tiene un conjunto de 15 preguntas de opcin multiple referentes a distribuciones probabilisticas 4 de estas preguntas se relacionan con variable aleatoria continua se envia 5 preguntas para el examen. Cual es la probabilidad de que al menos una de esas preguntas sea variable aleatoria continua. N = 15 m=5 y=4 x=0

P (x = 0) =

C (4; 0) C (11; 5) = 0.15 C (15; 5)

P (x = almenosuna) = 1 P (x = 0) P (x = almenosuna) = 0.85

3. Una comprana vende cartulas para celulares; empaca su produccin en cajas de 500 cartulas se producen en color negro y gris claro, en una caja se empacan 300 negras y 200 gris claro. Cual es la probabilidad de obtener un una muestra de 12 caracteres 7 negros y 5 gris claro. Si extraen 60 muestras de una caja. Cual es el promedio de muestras que representan la composicin anterior. N = 500 m = 12 y = 200 y = 300 x = 0 x= 7 C (200; 5) C (300; 7) = 0.23 C (500; 12)

P (x) =

= 60 0.23 = 13.79

3.

Distribucin de Poisson

Es una distribucin de probabilidad que se aplica a variables aleatorias discretas y que mide la frecuencia relativa de la ocurrencia de un evento en funcin de la unidad de tiempo, espacio o volumen. Esta distribucin permite el comportamiento de las probabilidades en problemas tales como: El # de personas que ingresan por hora a un banco, tiendao bar. El # de accidentes por semana que ocurre en una carretera, escuela o empresa. El # de bacterias por ml de agua de un estante de un sierto distrito. 6

Esta distribucin cumple las siguientes caractersticas: 1. Los eventos ocurren una a la vez, es decir la probabilidad de que dos o mas eventos ocurran juntos es 0. 2. La probabilidad de ocurrencia de un evento de interes es constante para cada intervalo diferente en el tiempo. espacio o volumen. 3. La ocurrencia de un evento de interes es independiente de la ocurrencia en cualquier otro lapso de tiempo, espacio o volumen 4. El # de enventos promedio o esperado es constante en cualquier lapso de tiempo, espacio o volumen. La distribucin de Poisson esta denida de la siguiente manera: P (x) = x e x!

P(x): probabilidad de ocurrencia de un evento en la unidad de tiempo, espacio o volumen : # promedio de ocurrencia de un evento en la unidad de tiempo, espacio o volumen e: base logaritmo natural 2.718182 x: # de eventos deseados en la unidad de tiempo, espacio o volumen Ejemplo: 1. Las estadisticas sobre la aplicacin de normas de seguridad en una fabrica indican que en promedio se presentan 10 accidentes cada semestre. Determine la probabilidad de que hayan mas de 2 accidentes en un semestre. = 10porsemestre 1 = 5portrimestre

P (x > 2) = 1 P (x = 0; x = 1; x = 2) 5 0 e 5 = 6.738 103 0! 7

P (x = 0) =

P (x = 0) =

51 e5 = 0.0337 1! 52 e5 = 0.0842 2!

P (x = 0) =

P (x > 2) = 1 0.1246 = 0.8754 2. SONY ha disenado una nueva memoria USB de 1 GB, el departamento de calidad envia quejas por la fabricacin ya que considera que estas presentan defectos. En un lote de 500 memorias 5 estn defectuosas. Se selecciona una muestra de 300 memorias. Cual es la probabilidad de que: a. Una est defectuosa. b. Ninguna est defectuosa. 500 5 def ectuosas 300 3 def ectuosas =3 P (x = 1) = P (x = 0) = 31 e3 = 0.15 1! 30 e3 = 0.05 0!

3. En el conmutador de una universidad llegan en promedio tres llamadas por minuto. Si la operadora se distrae por un minuto. a. Cual es la probabilidad de que no existan llamadas perdidas. b. Cual es la probabilidad de que el # de llamadas no respondidas este entre 3 y 5 inclusive. 30 e3 = 0.04979 0! P (3 x 5) = P (x = 3) + P (x = 4) + P (x = 5) P (x = 0) = 8

33 e3 34 e3 35 e3 = = 3! 4! 5! P (x = 3) = 0.224; P (x = 4) = 0.168; P (x = 5) = 0.1008 P (3 x 5) = 0.4928

4.

Distribucin Multinomial

Si los sucesos A1 , A2 , A3 , Ak pueden ocurrir con probabilidades p1 , p2 , p3 , pk entonces la probabilidad de que uno de ellos ocurra en un numero determinado de veces esta dado de la siguiente manera : P (A1 , m1 ; A2 , m2 ; ....; Ak , mk ) =
m! m1 !m2 !m3 !....mk ! mk m2 m3 1 pm 1 p2 p3 ..... pk

p1 , p2 , p3 , ....., pk : probabilidades parciales m1 + m2 + m3 + .... + mk : m Ejemplo: 1. Hallar la probabilidad de que luego de lanzar un dado 18 veces se obtengan las caras 1,2,3,4,5,6 3 veces cada una P (#1) = 1/6 P (#2) = 1/6 P (#3) = 1/6 P (#4) = 1/6 P (#5) = 1/6 P (#6) = 1/6 P (#1, 3; #2, 3; ....; #6, 3) = 18! 13 13 13 13 13 13 3! 3! 3! 3! 3! 3! 6 6 6 6 6 6 = 0.001351

2. Una urna contiene 8 bolas rojas rojas, 6 bolas blancas y 5 azules y se extrae una bola al azar y se anote su color luego se devuelve a la urna. Hallar la probabilidad que de 6 bolas extraidas de esta manera 3 sean rojas, 2 blancas y 1 azul. P (roja) = 8/19 9

P (blanca) = 6/19 P (azul) = 5/19 P (R, 3; B, 2; A, 1) = 6! 83 62 51 3! 2! 1! 19 19 19

10