Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INGENIERÍA HIDRÁULICA
TEMA :
MODELOS PROBABILISTICOS
INGTEGRANTES:
AYAC CUSQUISIBAN , Vilma QUILICHE QUIROZ, Elver
BOLAÑOS RODRIGUEZ, Pedro MERLO PALOMINO , Juan
IDROGO HUAMAN , Jhair RABANAL SILVA , Jorge
JULCA ORRILLO , Julio VASQUEZ IZQUIERDO, Fernando
GARCIA RODRIGUEZ , Raúl VILLANUEVA JULCA, Cristhian
MODELO PROBABILÍSTICO.
1) MODELO DE BERNOULLI
2) MODELO BINOMIAL
3) MODELO DE POISSON
4) MODELO HIPERGEOMETRICA
1) MODELO DE BERNOULLI
Y x= 0 (fracaso)
2) MODELO BINOMIAL
REGLA PRÁCTICA
Si el tamaño muestral es grande con respecto al tamaño poblacional, en particular si
n/N .05, entonces el experimento resultante no es binomial.
Tabla de distribución binomial. ¿Cómo utilizar la
tabla de la distribución Binomial? Supongamos
Supongamos que lanzamos al aire una moneda trucada. Con esta
moneda la probabilidad de obtener cara es del 25%. La probabilidad que
salga cruz será, pues, del75%. Lanzamos la moneda 3 veces de manera
consecutiva. Si queremos calcular la probabilidad de que observemos 2
caras o menos nos fijamos en la tabla: localizamos n=3, k=2, p=0.25Y
buscamos la intersección: 0.1406
Si se repite un número fijo de veces, n, un experimento de Bernoulli
con parámetro p, el número de éxitos sigue una distribución binomial
de parámetros (n,p).
Lanzar una moneda 10 veces y contar las caras.
Bin(n=10,p=1/2)
Lanzar una moneda 100 veces y contar las caras.
Bin(n=100,p=1/2)
Difícil hacer cálculos con esas cantidades. El modelo
normal será más adecuado.
El número de personas que enfermará (en una población de
500.000 personas) de una enfermedad que desarrolla una de
cada 2000 personas.
Bin(n=500.000, p=1/2000)
Difícil hacer cálculos con esas cantidades. El modelo de
Poisson será más adecuado.
Función de probabilidad
n k nk
P[ X k ] p q , 0 k n
k
Problemas de cálculo si n es grande y/o p cercano a 0 o 1.
Media: μ =n p
Varianza: σ2 = n p q
3) MODELOS DE POISSON
Su distribución de probabilidad da un buen modelo para datos que representa
el número de sucesos de un evento especificado en una unidad determinada de
tiempo o espacio. A continuación veamos algunos ejemplos de experimentos
para los cuales la variable aleatoria x puede ser modelada por la variable
aleatoria de Poisson:
El número de llamadas recibidas por un conmutador durante un tiempo
determinado
El número de bacterias por volumen pequeño de fluído.
El número de descomposturas de una máquina durante un día determinado
El número de accidentes de tránsito en un crucero dado durante un tiempo
determinado
En cada uno de estos ejemplos, x representa el número de eventos que
ocurren en un periodo o espacio, durante el cual se puede esperar que
ocurra un promedio de m de estos eventos.
EJEMPLO
EJEMPLO
4) MODELOS HIPERGEOMETRICA
Es Cuando el experimento a realizar posee las siguientes características:
El resultado en cada prueba de un experimento se clasifica en una de dos categorías
excluyentes (éxito o fracaso).
•La variable aleatoria mide el número de éxitos.
•Se realiza un número fijo de pruebas.
•Las pruebas no son independientes.
Para señalar que los valores de P(X) serán extraídos de una distribución Hipergeométrica,
denotaremos: P(X) = h(x; n, N, S)
Los valores de probabilidad para cada valor de la variable aleatoria se pueden calcular a
través de la siguiente fórmula:
Donde:
•C: Combinación.
•n: Número de pruebas o tamaño de muestra.
•N: Tamaño Población
•x: Es la variable aleatoria, definida como el número de éxitos.
•S: Número de Éxitos en la población.
También con La fórmula para calcular la probabilidad de exactamente k éxitos en n
intentos se da a continuación:
GRAFICAS