Estadística y Probabilidad I
Download
Report
Transcript Estadística y Probabilidad I
Principales distribuciones
discretas 2011 - 0
Distribución Binomial
Un experimento Binomial consiste de una serie de n
pruebas o ensayos fijados antes de realizar el
experimento.
• Las pruebas son idénticas y cada una de ellas puede
resultar en uno de dos posibles resultados: E y F.
• Las pruebas son independientes entre si, por lo que
el resultado de un intento en particular no influye en
el resultado de cualquier otro.
• La probabilidad de éxito es constante de una prueba
a otra y se denota por π.
Distribución Binomial
La variable aleatoria se define como el número de
éxitos obtenidos en los n intentos.
La distribución de probabilidad para X es:
f x =Pr X x C 1
n
x
x
n x
; x 0,1, 2,
Se dice que X tiene distribución Binomial con
parámetros n y π, y se denota por X ~ B( n, π ).
Esperado
Varianza
EX n
V X n 1
,n
Distribución Binomial
Ejemplo: Cuando una máquina está funcionando
normalmente, el 10% de las piezas producidas resultan
defectuosas. Suponga que se selecciona al azar tres piezas
producidas en la máquina y que estamos interesados en
el número de piezas defectuosas encontradas:
• Defina la variable aleatoria y describa en qué
condiciones esta situación corresponde a una
distribución binomial.
• Calcule la probabilidad de encontrar menos de dos
piezas defectuosas.
• Calcule el valor esperado, la varianza y la desviación
estándar de la variable aleatoria.
Distribución Binomial
Ejemplo: Un cierto sistema mecánico contiene 10
componentes. Suponga que la probabilidad de que
cualquier componente individual falle es de 0,07 y que los
componentes fallan independientes unos de otros.
• ¿Cuál es la probabilidad de que fallen exactamente 2
componentes?
• ¿Cuál es la probabilidad de que falle al menos uno de
los componentes?
• Hallar el valor esperado y varianza de la variable
aleatoria.
Distribución Hipergeométrica
Consideremos una población de N elementos, de los
cuales A tienen la característica de interés y, por lo tanto,
N – A no la tienen.
Un experimento hipergeométrico consiste en extraer al
azar y sin reemplazo una muestra de n elementos a partir
de la población mencionada.
La variable aleatoria hipergeométrica se define como el
número de elementos en la muestra que tienen la
característica de interés.
Distribución Hipergeométrica
La función de probabilidad es:
CxACnNxA
f x Pr X x
CnN
x max 0, n N A ,
,min A, n
Se escribe X H(N, A, n,)
Esperado
Varianza
A
E X n
N
A N n
A
V X n 1
N
N
N
1
Distribución Hipergeométrica
Ejemplo: Se tienen lotes de 40 componentes. El proceso
de inspección consiste en elegir al azar cinco de sus
componentes y rechazar el lote si se encuentra al menos
un componente defectuoso. Si en un lote que se
inspecciona hay tres componentes defectuosos:
• ¿Cuál es la probabilidad de que se encuentre
exactamente un componente defectuoso en la muestra?
• ¿Cuál es la probabilidad de rechazar el lote?
• Calcule el valor esperado, varianza y desviación estándar
de la variable aleatoria.
Siméon Poisson (Francia 1781-1840)
La vida es buena solamente
por dos cosas, descubrir
matemáticas y enseñar
matemáticas
Distribución Poisson
Se usa en situaciones en las que el experimento da
lugar a valores numéricos discretos de una variable
aleatoria que ocurre durante un intervalo de tiempo o
unidad de evaluación (área, volumen, etc.)
La variable aleatoria X se define como el número de
eventos independientes que ocurren en un intervalo
de tiempo o unidad de evaluación.
1 minuto
1 minuto
1 minuto
Distribución Poisson
La función de probabilidad es:
e x
f x Pr X x
x!
;
x 0,1, 2,
es el número esperado de eventos por unidad
de evaluación.
Se escribe: X P()
Esperado
Varianza
E[ X ] =
V[ X ] =
Distribución Poisson
Ejemplo: La única cajera de una agencia bancaria sabe
por experiencia que entre las cinco y las seis de la tarde
(hora en que cierra el banco) llegan a su agencia en
forma aleatoria un promedio 2 personas por minuto
según un proceso de Poisson. La cajera está obligada a
atender a todas las personas que llegan hasta las seis de
la tarde. Tres minutos antes de las seis de la tarde no
hay nadie en la cola y en ese momento ella recibe una
llamada telefónica que la obliga a ausentarse de su
puesto durante diez minutos. Calcular la probabilidad
de que al volver a su puesto hayan más de tres
personas en la cola.