Diseño de Experimentos

EIQ-344

Profesor: David Guzmán

Año 2012
Clase 5
 Distribuciones de probabilidades
discreta
• Distribución uniforme discreta
• Distribución binomial y multinomial
• Distribución hipergeométrica
• Distribución binomial negativa y geométrica
• Distribución de Poisson
 Distribución uniforme discreta
Si la variable aleatoria X toma los valores x1, x2,
x3,…xk, con idénticas probabilidades, entonces la
distribución uniforme discreta está dada por

1
f ( x; k ) = x1, x2, …, xk
k

Se utiliza f(x;k) para indicar que la distribución

uniforme depende del parámetro k.
 Ejemplo
Cuando se selecciona un foco al azar de
una caja que contiene un foco de 40 watts,
uno de 60, uno de 75 y uno de 100, cada
elemento del espacio muestreal S=(40,
60, 75, 100) ocurre con una probabilidad ¼.
Por lo tanto, tenemos una distribución
uniforme:
1
f ( x;4) = x=40, 60, 75, 100
4
Distribución uniforme discreta
La media y la varianza de la distribución uniforme
discreta f(x;k) son

k k

∑ xi ∑(x − μ)
i
2

μ= i =1
σ =
2 i=1
k k
 Proceso de Bernoulli
Es para etiquetar resultados del experimentos en
éxito o fracaso.
Proceso
1.- El experimento consiste en n pruebas que se
repiten.
2.- Cada prueba produce un resultado que se
puede clasificar como éxito o fracaso.
3.- La probabilidad de un éxito, que se denomina p,
permanece constante en cada prueba.
4.- Las pruebas que se repiten son independientes.
 Distribución binomial
Lo anterior se denomina Distribución binomial y
sus valores se denotarán como b(x;n,p).
Si x es el número de éxitos con probabilidad p,
entonces (n-x) es el número de fracasos con
probabilidad q=(1-p).
Así,

⎛ n ⎞ x n− x
b( x; n, p ) = ⎜⎜ ⎟⎟ p q x=0,1,2,…,n
⎝ x⎠
 Ejemplo
La probabilidad de que cierta clase de
componente sobreviva a una prueba de
choque dada es ¾. Encuentre la
probabilidad de que sobrevivan
exactamente dos de los siguientes cuatro
componentes que se prueben.
 Solución
Suponga que las pruebas son
independientes y como p= ¾ para cada una
de las pruebas,

⎛ 4⎞ 27
b(2;4,3 / 4) = ⎜⎜ ⎟⎟(3 / 4) (1 / 4) =
2 2

⎝ 2⎠ 128
 Distribución binomial
La media y la varianza de la distribución binomial
b(x;n,p) son

μ = np σ = npq
2

Revisar Experimentos multinomiales y

Distribución hipergeométrica.
 Distribución de Poisson
Propiedades del proceso de Poisson
1.- El número de resultados que ocurren en un
intervalo o región especifica es independiente
del número que ocurre en otro intervalo o región
del espacio disjunto.
2.- La probabilidad de que ocurra un solo
resultado durante un intervalo muy corto o en
una región pequeña es proporcional a la
longitud del intervalo y no depende del número
de resultados que ocurren fuera del intervalo.
3.- La probabilidad de que ocurra más de un
resultado en tal intervalo corto es insignificante.
 Distribución de Poisson
La distribución de probabilidad de la variable
aleatoria de Poisson X, que representa el número
de resultados que ocurren en un intervalo dado o
región específica que se denota con t, es
− λt
e (λ t ) x
p ( x; λt ) =
x!
x=0,1,2….
Donde λ es el número promedio de resultados por
unidad de tiempo o región y e=2.71828…
 Distribución de Poisson
La media y la varianza e la distribución de
Poisson p(x;λt) tienen el valor λt.
 Ejemplo
Durante un experimento de laboratorio el
número promedio de partículas radiactivas
que pasan a través de un contador en un
milisegundo es cuatro. ¿Cuál es la
probabilidad de que seis partículas entren
al contador en un milisegundo?
 Solución
x=6 y λt=4.

De la tabla encontramos que

e −4 (4) 6 6 5
p(6;4) = = ∑ p ( x;4) − ∑ x;4 = 0.8893 − 0.7851 = 0.1042
6! x =0 x =0
 Ejemplo 2
El número promedio de camiones tanque
que llega cada día a cierta ciudad
portuaria es 10. Las instalaciones en el
puerto pueden a lo más manejar 15
camiones tanque por día. ¿Cuál es la
probabilidad de que en un día dado los
camiones se tengan que regresar?
 Solución
Sea X el número de camiones tanque que llegan
cada día. Entonces, con el uso de la tabla,
tenemos

15
P( X > 15) = 1 − P ( X ≤ 15) = 1 − ∑ p ( x;10) = 1 − 0,9513 = 0,0487
x =0