Clase11 Distribuciones Discretas Importantes EPM 2022 II
Clase11 Distribuciones Discretas Importantes EPM 2022 II
Clase11 Distribuciones Discretas Importantes EPM 2022 II
1. DISTRIBUCION DE BERNOULLI
EJEMPLOS
a. Tirar una moneda correcta y observar el lado que aparece hacia arriba.
b. Probar un artefacto eléctrico y observar si funciona o no funciona.
c. Preguntar a un empleado de una empresa si pertenece o no pertenece al sindicato.
De los ejemplos de experimentos aleatorios observamos que todos ellos tienen el espacio
muestral con sólo dos posibles resultados.
DEFINICION Nº1.
Un ensayo de Bernoulli, es un experimento aleatorio, tal que en una observación hay
únicamente dos posibles resultados, llamados Éxito (E) y Fracaso (F), y cada uno con
probabilidades P(E)=p , P(F)= q , respectivamente.
El espacio muestral para un ensayo de Bernoulli, está dado por, = E, F.
1 , exito
FX 0 X(E) = 1 X(w) =
0 , fracaso
X(F) = 0
E 1
p ( 0 ) = P( X = 0 ) = P (F) = 1 - p = q
Definición. Nº2.
Una variable aleatoria X, tiene distribución de Bernoullí con parámetro “p”, si su función de
p x (1 p)1x , si x 0,1
Cuantía es; p(x)
0 , otro caso
PROPIEDADES
1. E( X ) X p 2. V ( X ) X2 pq
3. M x (t ) E etx pet q
DEFINICION Nº3.
Un experimento binomial , es un experimento aleatorio que posee las siguientes
características;
a) El experimento consta de “ n “ ensayos o pruebas de Bernoulli.
b) Cada prueba tiene uno de dos posibles resultados llamados Éxito (E) o Fracaso ( F).
c) Las probabilidades; P(E ) = p , P( F ) = 1 – p, no cambian de ensayo en ensayo, es decir,
permanecen constantes.
d) Las pruebas son independientes.
e) Interesa conocer X: Número de éxitos observados en las “ n “ pruebas.
DEFINICIÓN Nº4.
Sea X, una variable aleatoria discreta que denota el número de éxitos en los “ n “ ensayos de
Bernoulli, entonces la distribución de probabilidad de la variable aleatoria X, se llama
Distribución Binomial y se define como;
n x n x
p (1 p) , x 0,1,2, . . . , n
p ( x) P ( X x) x
0 , en otro caso
1 0.010206
0.25
2 0.059535
3 0.18522 0.2
4 0.324135 0.15
5 0.302526
0.1
6 0.117649
0.05
0
0 1 2 3 4 5 6
X
Observaciones.
0 1 2 n x 0 x
(p q)n 1 , donde q 1 p
PROPIEDADES
1) E(X ) = np (2) Var( X ) = npq.
tx t n
3. M X (t) E e pe q
PROBLEMAS
SOLUCIÓN
n=5
v, a, X: Número de viviendas en la que se obtiene utilidad
E: Obtener utilidad en una vivienda (Éxito), P(E))=p=0,9
F: No obtener utilidad en una vivienda (Fracaso), P(F)= 1-p=q=0,1
X→b(x, 5, 0,9) (modelo Binomial)
n x nx
p (1 p ) , x 0,1,2, . . . , n
p( x ) P ( X x ) x
0 , en otro caso
5
(0,9)x (0,1)5 x , x 0,1,2,3,4,5
p( x ) P ( X x ) x
0 , en otro caso
5
a) p(3) P ( X 3) (0,9)3 (0,1)2 0.0729
3
b ) P ( X 2) P (X 2) P ( X 3) P(X 4) P(X 5)
1 P ( X 0) P ( X 1) 1 0,00046 0,99954
5 5
P(X 0) P(X 1) (0,9)0 (0,1)5 (0,9)1(0,1)4 0,00046
0 1
SOLUCIÓN
a) n=20.
X: Número de compradores que usarían la internet para conocer información de precios.
20
P (W 20) (0,75)20 (0,25)0 0.0031712
20
c) Z: Número de compradores que usarían la internet para reconocimientos de órdenes de
compra.
E: Un comprador usa la internet para reconocimiento de órdenes de compra →
P(E)=p=0,70
F: Un comprador no usa la internet para reconocimiento de órdenes de compra →
P(F)=q=0,30
SOLUCIÓN
E: Mercadería de calidad excepcional
N: Mercadería de calidad no excepcional
0.75 E/A
0.60 A 0.25
N/A
0.40 0.80 E/B
B
0.20 N/B
i) P(E )=0.60(0.75)+0.40(0.80)=0.77
ii) v. a. X: Número de mercadería de calidad excepcional, n=4
Ex : Una mercadería de calidad excepcional (éxito) → P(Ex)=p=0.77
F : Una mercadería de calidad no excepcional (fracaso) → P(F)=q=0.23
SOLUCIÓN
D: Artículo defectuoso → P(D)=0,1
N: Artículo no defectuoso → P(N)=0,9
i) X: Número de artículos defectuosos vendidos, Tamaño de nuestra n=10
E: Se vende un artículo defectuoso → P(E)=p=0.1
F: Se vende un artículo no defectuoso → P(F)=1− p=0.9
X → b(x, 10, 0.1)
4 (0.1) (0.9) 0.01116
a) P(X 4) C10 4 6
c) C: Costo de reparación C 4 X X 2 2
Recordando; E(X)=μ=np → E(X)=10(0.1)=1
V(x) 2 npq 2 10(0.1)(0.9) 0.9
2 E(x 2 ) [E(x)]2 0.9 E(x 2 ) (1)2 E(x 2 ) 1.9
E(C) E(4X X 2 2) E(C) 4E(X) E(X 2 ) E(2)
E(C) 4(1) (1.9) 2 E(C) 7.9
DEFINICIÓN Nº6
Una variable aleatoria X, tiene distribución de Poisson con parámetro > 0, si su función de
cuantía está dada por;
e x
, . . .x 0,1, 2, . . . ; e 2, 71828
p ( x) x !
0 , otro caso
DISTRIBUCION DE POISSON
0.4
Tabla Nº2
0.35
x p(x)
PROBABILIDAD
0 0.22313016 0.3
1 0.33469524 0.25
2 0.25102143
0.2
3 0.12551072
4 0.04706652 0.15
5 0.01411996 0.1
6 0.00352999
0.05
0
0 1 2 3 4 5 6
x
PROPIEDADES
1. E( X ) =
2. Var( X ) =
e(e
t
1)
3. M X (t) E etx
4. Si las variables aleatorias X1 , , Xk son independientes y si X i tiene distribución de
Poisson con parámetros i (i 1, 2, 3,
,k) entonces la suma T X1 X2 , Xk tiene
distribución de Poisson con parámetro 1 2 , k .
Aplicaciones.
La distribución de Poisson, se utiliza como modelo para describir distribuciones de probabilidad
de eventos, tales como. La llegada de vehículos a una estación de servicios, la llegada de
aviones a un aeropuerto, la llegada de clientes a un restaurante, para describir experimentos:
número de errores de imprenta por página, el número de remaches defectuosos de un avión,
el número de bacterias en un cm 3 de agua del mar.
Si n, p , E(X) = np = .
n x
x n(n 1) . . . (n x 1)
lim 1 1
n x! n nx n
n x
x 1 2 x 1
lim 1 1 1 1 .1
x! n n n n n n
n
Observamos que lim 1 e y todos los otros términos a la derecha tienen un límite
n n
de 1, y se obtiene
e x
p(x) .
x!
Se considera que la aproximación es buena, cuando n ≥ 30 y np 5.
PROBLEMAS
1. Los empleados de cierta oficina llegan al reloj de control con una tasa media de 1,5 por
minuto. Calcular la probabilidad de que;
a) tres empleados lleguen en un minuto cualquiera.
b) al menos tres lleguen durante un intervalo de 2 minutos.
c) ocho lleguen durante un intervalo de 6 minutos.
SOLUCIÓN
X: Número de empleados que llegan al reloj de control en un minuto
E(X) 1,5 empleados / 1minuto, entonces X P( 1.5)
e 1.5 (1.5) x
, . . .x 0,1, 2, . . . , e 2, 71828
p ( x) x!
0 , otro caso
e1.5 (1.5)3
a) P(X 3) 0.12551
3!
b) Y: Número de empleados que llegan al reloj de control en dos minutos
E(Y) y 3 empleados / 2 minutos, entonces Y P(3)
e 3 (3) y
, . . . y 0,1, 2, . . .
P (Y y ) y!
0 , otro caso
e9 (9)8
P(Z 8) 0.131755
8!
SOLUCIÓN
a) la distribución binomial
v, a, X: Número de fusibles defectuosos, n=400 (grande)
E: Un fusible es defectuoso (Éxito), P(E))=p=0,8%=0.008
F: Un fusible no es defectuoso (Fracaso), P(F)= 1-p=q=0,992
X→b(x, 400, 0.008) (modelo Binomial)
400 400 x
P ( X x ) x
(0,008) (0,992) , x 0,1,2, ,400
x
400
p(4) P ( X 4) (0,008) (0,992) 0.17884522
4 396
4
b) la aproximación de Poissón.
3. Una compañía ha descubierto que solo alrededor del 0,1 por ciento de la población tiene
cierto tipo de accidentes cada año, Si los 10000 asegurados fueran seleccionados
aleatoriamente en la población. ¿Cuál es la probabilidad de que no mas 5 de estos clientes
tengan un accidente de ese tipo el próximo año?
SOLUCIÓN
4. La Articulate Corporation espera que el 99% de los saldos de su cuenta por cobrar sean
correctos. Se seleccionó una muestra de 200 cuentas para auditarlas.
a) ¿Cuál es la probabilidad de que ninguna de las cuentas tenga errores?
b) ¿Cuál es la probabilidad de que 5 de las cuentas tengan errores?
c) ¿Cuál es la probabilidad de que más de 4 cuentas tengan errores?
Solución.
4. DISTRIBUCIÓN HIPERGEOMÉTRICA.
N
E F
r n N-r
x. n- x
-x
DEFINICION Nº7
C xr C nNxr
, máx(0, n r N ) x mín( n , r )
p x P ( X x) C nN
0 , en otro caso
DISTRIBUCION HIPERGEOMETRICA
0.6
X p(x)
0.5
PROBABILIDAD
0 0.01785714
1 0.26785714 0.4
2 0.53571429
3 0.17857143 0.3
0.2
0.1
0
0 1 2 3
X
PROBLEMAS
1. Entre las 16 máquinas nuevas que se vendieron a un distribuidor hay siete que tienen
defectos mínimos. Si el departamento de control de calidad selecciona al azar dos de estas
máquinas para revisar si hay defectos, ¿cuáles son las probabilidades de que
a) ninguna máquina revisada tenga defectos;
b) una máquina tenga defectos;
c) ambas máquinas tengan defectos?
SOLUCIÓN
Tamaño de la Población N=16
Ëxito r=7 (máquina con defectos mínimos)
Fracaso N─r=9
Tamaño de la muestra n=2
v. a. X: Número de máquinas con defectos mínimos en la muestra n=2
X → H(16; 7; 2) (Distribución Hipergeométrica)
2. El banco Kington tiene 15 cuentas por cobrar con saldos abiertos en el departamento de
préstamos. El presidente quiere modificar las operaciones del banco después de leer un
artículo en el Bankers Monthly sobre los bancos que ganan dinero sin prestarlo. Decide
entonces muestrear algunos de los préstamos y estudiar su rendimiento.
De los préstamos más importantes, seis tienen saldos de más de $1000. El presidente elige
al azar cinco cuentas por cobrar para estudiarlas. Averigüe la probabilidad de que
precisamente dos de las cuentas auditadas tengan saldos de más de $1000.
SOLUCIÓN
3. Una oficina de gobierno está verificando las especificaciones que deben aparecer en una
etiqueta para un producto. Suponga que, en una caja, el contenido de 6 de cada 24 latas no
cumple con las especificaciones mencionadas. El inspector elige 6 latas de una caja. ¿Cuál
es la probabilidad de que no encuentre latas con etiquetas que no cumplen con las
especificaciones?
DEFINICIÓN Nº8
px P(X x) qxp , x 0, 1, 2, 3, . . . si p 0 , q 0 y p q 1
PROPIEDADES.
q q
1. E(X) 2. V(X)
p p2
p
3. M X (t) E etx
1 qet