• Embed Doc
  • Copy Link
  • Readcast
  • Collections
  • CommentGo Back
Download
 
MODELOS DE PROBABILIDAD
El modelo de probabilidad es una expresión matemática que resulta de un cumulo desupuestos.El modelo describe el comportamiento de una variable aleatoria si el experimento serepite bajo ciertas condiciones iniciales, y por lo tanto ayuda a predecir resultados defuturas repeticiones.
Modelo Bipuntual o de Bernoulli
Se aplica a una variable que solo puede asumir dos valores: 0 y 1Consideremos un experimento que puede presentar solo dos resultados , quepodríamos llamar éxito y fracaso , y una variable a la cual le asignaremos valores 0 y 1según resulte éxito o fracaso respectivamente.Es decir 
{ }
 F  E 
,
=Ω
Entonces definimos la variable X como presencia o ausencia de cierta característicaEs decir:ausencia de la característica
⇒==⇒=
1)()(
E  X  X  E 
ω ω 
ausencia de la característicaSea p la probabilidad conocida de que se presente la característica (es decir , laproporción poblacional).
)(
 E  P  P 
=
 
⇔
 
 p X  P 
==
)1(
)(1
F  P  P q
=−=
⇔
 
 pq X  P 
−===
1)0(
La distribución de probabilidad bipuntual se expresa de la siguiente manera.El único parámetro de esta distribución es
)(
 E  P  P 
=
, simbólicamente escribimos
)(
 p B X 
i
≈
, y leemos X se distribuye Bernoulli con parametro “p”.La función de distribución acumulada
)()(
x X  P  x F 
≤=
se expresa de la siguienteforma: Las características de posición y dispersión son suesperanza y variancia:
 p X  E 
=
)(
q p X V 
.)(
=
∀==
−
 xo t r on x p a r aq p  x p
 x x
0, . . .1,0. )(
1
>=<=
∑
=−
111,000)(
01
 x s i x s iq p  x s i x F 
 xk k k 
 
Modelo Binomial :
Consideremos repetidas pruebas Bernoulli independientes, donde solo interesa lacantidad de veces que ocurre éxito. El experimento debe cumplir con:1.- Debe haber un número fijo de pruebas repetidas e independientes (n).2.- Cada prueba debe ser dicotómica, es decir debe resultar en éxito o fracaso.3.- La probabilidad de éxito debe ser conocida y constante para todas las prueba,P(E)=p.Simbolizamos a la variable con X y se define como: X: cantidad de éxitos ocurridos enlas n repeticiones del experimento.Simbolizando
 x
 R
al recorrido de la variable tenemos que:
}{
n R
 x
.......2,1,0
=
Luego, existen
      
k n
secuencias diferentes con k éxitos, todas ellas con la mismaprobabilidad de ocurrir. Por lo tanto, la probabilidad de obtener k éxitos (en cualquier orden) es igual a la probabilidad de una secuencia en particular multiplicada por estenúmero combinatorio .Así:
k nk 
q pk nk  X  P
−
     ==
)(
La función de cuantía se expresa y grafica: 
x
 p(x)
 
Función decuantía
01 23............n
 
∀==
−
 xo t r n x s iq p  xn x p
 xn x
0, . . .1,0.. )(
 
 Y la función de distribución acumulada se expresa y grafica:Los parámetros de esta distribución son n y p,y simbólicamente escribimos X ~ B(n, p) yleemos X se distribuye binomial conparámetros n y p.La esperanza y la variancia son:E(X)=n.pV(X)=n.p.q
Modelo poisson
Hay ciertos acontecimientos que suceden continuamente en forma aleatoria con unacierta tasa de ocurrencia,sobre un campo continuo (que puede ser el tiempo, unasuperficie o un volumen).Un proceso de poisson satisfase las siguientes tres hipótesis:1-.Tasa constante de ocurrencia2-. La cantidad de acontecimientos ocurridos durante un intervalo es independiente alnúmero de acontecimientos ocurridos en otro intervalo (excluyente al primero)3) La probabilidad de dos acontecimientos simultáneos es nula.Simbolisaremos con
λ 
al número promedio de acontecimientos ocurridos en unadeterminada magnitud del campo continuo sobre el cual se dan los acontecimientos.La variable de poisson ser de fine como X: número de acontecimientos ocurridos en undeterminado intervalo ,(de tiempo de superficie, de volumen, etc ), y puede asumir cualquier numero no negativo es decir :X= 0,1,2,3,4, ……………………,
∞
En base a las tres hipótesis consideradas se demuestra (mediante el análisismatemático diferencial ) que la probabilidad de que ocurran k acontecimientos en unintervalo esta dado por la siguiente expresion : 
!.)(
k ek  x P 
k 
λ 
λ 
−
==
Donde
λ 
representa la cantidad media de ocurrencias de ese fenómeno en dichointervalo.El valor de
λ 
depende de la magnitud del intervalo, siendo proporcional almismo ya que la tasa de ocurrencia es constante.Por lo tanto , la variable poisson tiene la siguiente función de cuantía :
x
 F(x)
Función dedistribuciónacumuladade unavariablediscreta
0123............n
 F(x)=0 F(x)=1
>=<=
−=
∑
n x s in x s iq p k n x s i x F 
k nk  xk 
1, . .1,0. 00)(
0
of 00

Leave a Comment

You must be to leave a comment.
Submit
Characters: ...
You must be to leave a comment.
Submit
Characters: ...