SEMANA 07 VA Distribución Discreta
SEMANA 07 VA Distribución Discreta
SEMANA 07 VA Distribución Discreta
Variable aleatoria
Distribuciones discretas de Probabilidad
4
Ejemplos variable aleatoria continua
5
Variable aleatoria
Una variable aleatoria X es una función que asocia a
cada suceso del espacio muestral E de un experimento
aleatorio un valor numérico real:
X :E
w X ( w)
Llamar variable a una función resulta algo confuso, por ello hay
que insistir en que es una función.
6
Ejemplo de variable aleatoria discreta:
V.A. X = Número de caras al lanzar 3 monedas.
Elementos del
SSS SSC SCS CSS CCS CSC SCC CCC
espacio muestral
Ley de
correspondencia
Nº reales
0 1 2 3 caras
X(SSS)=0
X(SSC)=X(SCS)=X(CSS)=1
X(CCS)=X(CSC)=X(SCC)=2
X(CCC)=3
7
Variable aleatoria X (discreta):
• Cantidad de créditos aprobados por semana en la oficina de
una sucursal bancaria local.
p : [0,1]
x p( x) P( X x)
La función de probabilidad debe cumplir:
9
Función de probabilidad discreta
X = Número de sellos al lanzar 2 monedas.
Valores Probabilidad
0 P(X=0) = 1/4 = 0,25
1 P(X=1) = 2/4 = 0,50
2 P(X=2) = 1/4 = 0,25
P 2/4
1/4 1/4
4/36 4/36
3/36 3/36
2/36 2/36
1/36 1/36
2 3 4 5 6 7 8 9 10 11 12 X
Observa que cumple las dos condiciones: es siempre positiva y está normalizada.
12
Función de distribución
Dada una variable aleatoria discreta X se llama función de
distribución a la función F definida como:
F : [0,1]
x F ( x) P( X x)
En el ejemplo de los dos dados:
13
Función de distribución de la v.a. X
F
1,0
0,5
0,028
2 3 4 5 6 7 8 9 10 11 12 x
14
Ejemplo:
Dibuja la función de probabilidad f(x) y la función de distribución
F(x) de una variable discreta definida como:
X = Número en la cara de un dado.
X tiene como posibles valores x = 1, 2, 3, 4, 5, 6 cada uno con
probabilidad 1/6
f(x) F(x)
1 1
6
0.5
0 1 6 x 0 1 6 x
Función de probabilidad f(x) Función de distribución F(x)
Importante:
Algunos problemas de probabilidad están relacionados con la
probabilidad P(a <X b) de que X asuma algún valor en un
intervalo. Observa que:
P( x1 X x2 ) F ( x2 ) F ( x1 )
F es monótona creciente.
17
FUNCIÓN DE PROBABILIDAD UNIFORME DISCRETA:
Es la representación más sencilla de distribución de probabilidad,
se define como:
f ( x) x / n
• Valor esperado de una variable aleatoria discreta es una medida
de localización central de una variable aleatoria. Es un promedio
ponderado de los valores que puede tener una variable en
donde los factores de ponderación son las probabilidades y se
expresa de acuerdo a:
n
E ( x) xi f ( x )
i 1
• Varianza de una variable aleatoria discreta es una medida de
dispersión o variabilidad y corresponde a promedio ponderado
de las desviaciones de una variable aleatoria respecto a su
promedio, elevadas al cuadrado
n 2
Var ( x) xi f ( x)
2
i 1
Ejemplo de aplicación
Un grupo de 10 amigos acostumbran a salir juntos frecuentemente.
Pero cada vez que salen, el número de ellos es aleatoriamente distinto.
• Sea X = nº de personas que salen juntas. Sabemos que 3 ≤ x ≤ 10.
• X es una variable DISCRETA, o sea toma enteros en [ 3 , 10 ].
• Imaginemos que anotamos el número de ello cada vez que salen
juntos, o sea repetimos la misma observación hasta un número muy
grande de veces.
FUNCIÓN DE PROBABILIDAD
Ejemplo de aplicación
Ejemplo:
Suponga que un vendedor de seguro visita a 10 familias
seleccionadas al azar. El resultado asociado con cada
visita se clasifica como un éxito si la familia compra una
póliza de seguro, y como un fracaso si la familia no lo
hace. De acuerdo con su experiencia, el vendedor sabe
que la probabilidad de que una familia seleccionada al
azar compre una póliza de seguro es de 0,10.
Al comprobar si se satisfacen las propiedades de un
experimento binomial vemos que:
Distribución Binomial
Características
El experimento se realiza un número fijo de pruebas.
Las probabilidades tanto de éxito como de fracaso son
constantes.
La ocurrencia de los sucesos son independientes.
Ejemplo:
La probabilidad de tener un incidente en el lugar de trabajo
es de 0.15, si se seleccionan 10 operarios. Cuál es la
probabilidad de que:
a) Ninguno tenga un incidente,
b) sólo uno tenga el problema,
c) más de 2 tengan incidentes,
d) al menos uno haya tenido la dificultad. e) cuál es el valor
esperado y su desviación.
León Darío Bello P.
[email protected]
Distribución Binomial
Sea x el número de éxitos obtenidos en n repeticiones de ensayos
(independientes entre si) de Bernouilli con p constante
Para que ocurran x éxitos en n ensayos, deben ocurrir también (n-x) fracasos
con probabilidad 1-p = q (también constante)
La probabilidad de obtener en un orden dado, x éxitos y (n-x) fracasos , por
aplicación de la regla de multiplicación de acontecimientos independientes,
es igual a
p. p. p.... p q.q.q...q pxqn-x
x veces n-x veces n
Un mismo resultado puede ser obtenido de diferentes formas Cx
n x nx
p) C x p q
FUNCION DE PROBABILIDAD
p( x, n, BINOMIAL
Distribución Binomial
Ejemplo
El gerente de una gran tienda necesita determinar cuál
es la probabilidad de que 2 de tres clientes que ingresan
a la tienda hagan una compra. Él sabe que la
probabilidad de que un cliente compre es de 0,3.
Solución:
V.A. X = numero de clientes que compran.
La probabilidad de que de 3 clientes que ingresan a la
tienda 2 compren.
f (2) P( X 2) C23 p 2 (1 p ) 3 2
3(0,3) (0,7) 0,189
2
Distribución Binomial
Ejemplo:
Si la prevalencia de una enfermedad de aves es p = 0,30. ¿Cuál
será la probabilidad de encontrar en 4 animales tomados al azar, 3
enfermos?
Solución:
n= 4 p(E)= 0,30 p(S) = q(E) = 0,70
Las diferentes formas de encontrar 3 enfermos
(E) serán:
EEES, EESE, ESEE, SEEE
4 4!
que es lo mismo C 4
3
3!1!
p(3;4;0,3) C 4
3 0,3 0,7
3 43
0,0756
Distribución Binomial
Ejemplo:
En una fábrica de carritos sangucheros el 5% sale con algun
defecto. Determine la probabilidad de que en una muestra
de 12 se encuentren 2 carritos defectuosos.
Solución :
Se trata de una distribución binomial de
parámetros B(12, 0.05). Debemos calcular
la probabilidad de que x =2. Esto es P(X=2).
P( X 2) 1 P( X 2) 1 P( X 0) P( X 1)
1 C010 0,7 0,3 C110 0,7 0,3
0 10 1 9
0,99985
Distribución Binomial
Ejemplo:
Se supone que la probabilidad de nacer un niño es de 0,5. Calcular
la probabilidad de que en una familia de 6 hijos se cumpla:
a) Todos varones
b) Al menos dos varones
c) Tres varones
d) Calcular la media y la desviación típica
Solución:
Tenemos n=6, A=Varón y -A=mujer; p(A) = p =0,5
y p(-A) = q = 1-0,5 = 0,5. Luego es una binomial
B(6,0.5).
P( X 6) C 0,5 0,5 0,5 0,015625
6 6 0 6
6
P( X 2) 1 P( X 2) 1 P( X 0) P( X 1)
1 C06 0,5 0,5 C16 0,5 0,5
0 6 1 5
0,890625
P( X 3) C36 0,5 0,5 0,3125
3 3
P(3 X 6) P( X 3) P( X 4) P ( X 5) P( X 6)
0,2053 0,2181 0,1745 0,1090
0,7069
E ( X ) np 20(0,2) 4
npq 20(0,2)(0,8) 1,78
http://www.vadenumeros.es/sociales/ejemplos-distribucion-binomial.htm
Distribución Geométrica
• En una serie de intentos independientes, con una probabilidad
constante p de éxito, sea la variable X el número de ensayos
realizados hasta la obtención del primer éxito. Se dice que X
tiene una distribución geométrica con parámetro p cuando
fx( x; p ) (1 p ) x 1 p
x cantidad de int entos
• La media y varianza para esta distribución son
E ( X ) 1/ p
(1 p )
Var ( X )
p2
Solución:
Solución:
a) E ( x) 3/ 0.0005 6000h
P( x 5) P( X 3) P( X 4) P( X 5)
b)
3 4
0.0005 0.0005 (0.9995) 0.00053 (0.9995) 1.249 x109
3 3
2 2
Distribución Hipergeométrica
• Está estrechamente relacionada con la distribución de probabilidad
binomial. La diferencia entre ambas está en la independencia de los
intentos y en que la probabilidad de éxito cambia de uno a otro
• Se usa para calcular la probabilidad de que una muestra aleatoria de n
artículos seleccionados sin reemplazo, obtengamos x elementos
identificados como éxitos, y n-x como fracasos. Para que suceda esto
debemos obtener x éxitos de los r de la población, y n-x fracasos de
los N-r de la población
r N r
x n x
f ( x) ; 0 x r
N
n
Ejemplo
• Se debe seleccionar 2 miembros de un comité, entre 5, para que
asistan a una convención en Santiago. Suponga que el comité está
formado por 3 mujeres y 2 hombres. Determine la probabilidad de
seleccionar 2 mujeres al azar.
Solución:
• Tenemos N=5, n=2, r=3 y x=2
• Luego el cálculo de la probabilidad es:
3 2
2 0
f (2)
3
0.3
5 10
2
Distribución Poisson
• Es una distribución de probabilidad que muestra la
probabilidad de x ocurrencias de un evento en un
intervalo especificado de tiempo o e espacio
• Las propiedades de un experimento de Poisson
son:
• La probabilidad de una ocurrencia es igual en dos
intervalos cualesquiera de igual longitud
• La ocurrencia o no ocurrencia en cualquier intervalo es
independiente de la ocurrencia o no ocurrencia en
cualquier otro intervalo
Distribución Poisson
• La distribución de Poisson se expresa como:
(x = cantidad de ocurrencia)
xe
f ( x)
x!
Solución:
105 e10
f (5) 0.0378
5!
Ejemplo
Si la probabilidad de fabricar un televisor defectuoso es p = 0.01, ¿cuál
es la probabilidad de que en un lote de 100 televisores contenga más
de 2 televisores defectuosos?
La distribución binomial nos daría el resultado exacto:
P( A )
c
0 100 1 100 100 2 100 100
0.9206 n x n x
p( x) p q ( x 0,1,....n)
x
El suceso complementario Ac: No más de 2 televisores defectuosos
puede aproximarse con una distribución de
Poisson con = np = 1, sumando p(0) + p(1) + p(2).
1 μ x μ
P( A ) e (1 1 ) 0.9197
c 1
2 p ( x) e ( x 0,1,....)
x!
48
Ejercicios
Se comprobó que un nuevo detergente para ropa quita bien la mugre
y las manchas del 88% de las prendas lavadas. Suponga que se van a
lavar 10 prendas con el nuevo detergente
• ¿Cuál es la probabilidad de obtener buenos resultados en las 10
prendas?
• ¿Cuál es la probabilidad de encontrar mal lavadas al menos 2
prendas?
• ¿Qué tipo de distribución empleó?
Ejercicios
Un director regional tiene la responsabilidad del desarrollo de una empresa, y
le preocupa la cantidad de quiebras de empresas pequeñas. Si la cantidad
promedio de quiebras de empresas pequeñas por mes es de 10, ¿cuál es la
probabilidad de que quiebren exactamente 4 empresas pequeñas durante un
mes?, Suponga que la probabilidad de una quiebra es igual en dos meses
cualesquiera, y que la ocurrencia o no ocurrencia de una quiebra en cualquier
mes es independiente de las quiebras en los demás meses.
La mayoría de las personas conoce el póker con manos de 5 cartas. Con 52
cartas que incluyen 4 ases, cuál es la probabilidad de que la mano de cinco
cartas contenga:
• Un par de ases
• Exactamente un as
• Ningún as
• Cuando menos 1
GRACIAS