UNIVERSIDAD NACIONAL DE CAJAMARCA

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.

Es una representación matemática deducida de un

conjunto de supuestos con el doble propósito de estudiar
resultados de un experimento aleatorio y predecir su
comportamiento futuro.
 VARIABLE ALEATORIA
Una variable aleatoria es una función que asigna un
valor, usualmente numérico, al resultado de un
experimento aleatorio. En términos formales una
variable aleatoria es una función definida sobre un
espacio de probabilidad.

Por ejemplo, los posibles resultados de tirar un dado

dos veces: (1, 1), (1, 2), etc.
 TIPOS DE VARIABLES ALEATORIAS
 Variable aleatoria discreta: Sus probabilidades se recogen
en la función de cuantía.

 Variable aleatoria continua: es un conjunto no

numerable. Intuitivamente esto significa que el conjunto
de posibles valores de la variable abarca todo un
intervalo de números reales.
 DISTRIBUCIÓN DE PROBABILIDAD
Es una descripción de las probabilidades asociadas
con los valores posibles de x . para una variable
aleatoria discreta , es común especificar la
distribución con una lista de los valores posibles junto
con a probabilidad de cada uno.
MODELOS PROBABILISTICOS DE VARIABLE
ALEATORIA DISCRETA

1) MODELO DE BERNOULLI

2) MODELO BINOMIAL

3) MODELO DE POISSON

4) MODELO HIPERGEOMETRICA
 1) MODELO DE BERNOULLI

Se utilizan para modelar fenómenos aleatorios que sólo tienen dos

resultados posibles, como por ejemplo:
Al lanzar una moneda, comprobar si sale cara (éxito) o cruz
(fracaso).
 X=1 (éxito, con probabilidad p)
X=0 (fracaso, con probabilidad q=1-p)
 Lanzar una moneda y que salga cara.
p=1/2

 Elegir una persona de la población y que esté enfermo.

p=1/1000 = prevalencia de la enfermedad

 Aplicar un tratamiento a un enfermo y que éste se cure.

p=95%, probabilidad de que el individuo se cure

Como se aprecia, en experimentos donde el resultado es

dicotómico, la variable queda perfectamente determinada
conociendo el parámetro p.
 FUNCION DE DENSIDAD
En un experimento de Bernoulli se denomina éxito al suceso en
estudio, P, y fracaso a su contrario Q
A este suceso le asociamos la variable aleatoria X definida como el
numero de éxitos al realizar el experimento es decir.
FUNCION DE DISTRIBUCION
EJEMPLO DE LA UTILIZACION DE LA
DISTRIBUCION DE BERNOULLI
 Experimento lanzar un dado y que salga 5
 X= · de veces que sale un 5
 Al lanzar un dado tenemos 6 probabilidades resultados el espacio muestral

 Se considera éxito sacar un 5 entonces la probabilidad es de P=1/6

 Se considera fracaso no sacar un 5 entonces q= 1-p = 1-(1/6) = 5/6
 La probabilidad de que no salga un evento viene definida en que x= 1
(éxito)

 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 nk
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