You are on page 1of 12

UNIVERSIDAD NACIONAL TORIBIO RODRÍGUEZ DE MENDOZA DE AMAZONAS FACULTAD DE INGENIERIA CIVIL Y CIENCIAS EXACTAS ESCUELA PROFECIONAL INGENIERIA CIVIL

“DISTRIBUCIONES DISCRETAS DE PROBABILIDAD”

AUTORES:  CARRASCO ALTAMIRANO, Siler Yhelsin  DIAS VELA, Mario Yeferson  SALÓN YNGA, Waldir

PROFESOR: TORREZ ARMAS Elias

CHACHAPOYAS 18 DE JULIO DEL 2 0 1 3

Distribución De Bernoulli. la probabilidad de éxito permanece constante de un ensayo a otro. El presente trabajo DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. organizado de forma sistemática y siguiendo un criterio ordenado. . aquí el experimento consiste de n ensayos que se repiten. es un tema que forma parte de una de las ramas de la estadística. Sin embargo una información numérica cualquiera puede no constituir una estadística para merecer esta denominación.PRESENTACION Usualmente el término estadística se utiliza como sinónimo de dato. Distribución De Poisson. los datos han de constituir un conjunto coherente. se divide en: Distribución Uniforme Discreta. los cuales pueden clasificarse como éxito o fracaso. el número de resultados que ocurre en un intervalo o región es independiente del número que ocurre en cualquier otro intervalo o región disjunto(es decir no tiene memoria). la cual describe el comportamiento de una variable discreta que puede tomar n valores distintos con la misma probabilidad cada uno de ellos. Distribución Binomial. el experimento depende del número de ensayos y de la probabilidad de éxito en un ensayo dado.

} La colección de pares ordenados se llama distribución de pares en X en forma tabular. ∑ ( ) 3. 2. Que la función de probabilidad aleatoria se llama función de cuantilla. para cada valor contenido en su dominio. P(x)]. y está dado: {[x. 1. ASPECTOS TEORICOS DEL TEMA DISTRIBUCIÓN UNIFORME DISCRETA Para que una función pueda ser considerada como una distribución de variables aleatorias “X”. f(x) ≥ 0. se debe verificar que cumpla 3 condiciones.I. … P( ) P( ) P( ) … ( ) Su forma gráfica: P( ) .

Elegir un objeto fabricado con los resultados: defectuoso o no defectuoso. Por ejemplo son ensayo de Bernoulli lanzar una moneda al aire con los resultados cara o sello. F}. a) E(X) = P Prueba: a) µ = E(X) = 0 × (1-P) + 1 × P = P. de probabilidad de Bernoulli de parámetro p está definida por: X X=0 F(x)=P[X=x] 1-p X=1 p Y en forma resumida por la ecuación o modelo (donde usamos por comodidad q = (1 . El espacio maestral asociado al experimento aleatorio de Bernoulli se puede escribir como el conjunto: Ω = {E. ( ) ( )] = pq b) Var(X) = pq.p) F(x) = P[X=x]= . ( ) [( ) ( ) b) Nota: La varianza de la distribución de Bernoulli es menor o igual que 1/4. x = 0. . Recibir opinión de personas a favor o en contra de algo. La función de distribución acumulativa de Bernoulli es definida en la siguiente tabla: X x˂0 F(x)=P[X=x] 0 0≤X˂1 x ≥1 1-p 1 Teorema: si X tiene distribución de Bernoulli de parámetro p. Luego la distribución. Definición: si al éxito E se le asigna la probabilidad p = P [X=1] donde 0 ˂p˂1.1.DISTRIBUCION DE PROBABILIDAD DE BERNOULLI Definición: se denomina prueba o ensayo de Bernoulli a todo experimento aleatorio que consiste de solo dos resultados posible mutuamente excluyente generalmente llamados éxito (E) Y fracaso (F). entonces. se denomina variable aleatorio de Bernoulli. entonces el fracaso F tienes probabilidad P[X=0] = 1-p. Su grafica consiste de dos segmentos (bastones) uno en 0 proporcional a q y otro en 1 proporcional a p. Definición: la variable aleatorio X definida en Ω de manera que atribuye a E el valor 1 y a F el valor 0. etc.

P[X = k] = .k son F) es igual a: ( ) Por lo tanto la probabilidad de que ocurra k éxitos en n ensayos de Bernoulli es. éxito (E) o fracaso (F).2. El espacio muestral del experimento binomial es el conjunto: Ω = {( ) Definición: Denomina variable binomial la variable aleatoria X definida en Ω como el número de éxitos que ocurre en la n pruebas de Bernoulli.1. ( ( )) ( ) Definición. tiene distribución binomial con parámetros n y p. La probabilidad de que ocurra cada uno de estos eventos elementales es igual a . DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL Definición: se denomina experimento binomial a un número fijo n de repeticiones o pruebas sucesivas de un experimento aleatorio de Bernoulli. Cada repetición de Bernoulli tiene dos resultados mutuamente excluyentes. La n repeticiones son estadísticamente independientes. k = 0. =p =-(p .3.se dice que la variable aleatoria X definida con el número de éxitos que ocurren en n pruebas de Bernoulli independientes. Si k s cualquier valor de la variable binomial el evento [X=k] consiste en todos los elementos de Ω que contengan k éxitos (E) y n – k fracasos (F).) .2.n. si su función de probabilidad es: ..1.En efecto. Para comprobar que la suma de las probabilidades binomiales es igual a 1 se aplica el binomio ( ) ∑ ∑ ( ) En efecto. y se escribe X ~ B(n-p).…. El número total de formas que ocurren estos eventos elementales (total de formas de ordenar n letras de las cuales k son E y los n . 2.3. 3. y por lo tanto se caracteriza por qué: 1. Los posibles valores de X son: 0.n. La probabilidad p de éxito es invariante en cada una de las n repeticiones.….

k= 1.p). Nota: Sean X1. proporcionales a su probabilidad respectiva f(k). . a) µ = E(X) = E (∑ ) ∑ ( ) ) = ∑ ∑ ( ) ∑ ( ) b) σ2 = Var(X) = Var ( ∑ ( ) . X= ∑ Por lo tanto. la variable aleatoria: Teorema: Si X ~ B(n-p).5. en cada valor k de la variable. a) Su media es µ = E(X) = np Prueba: La variable aleatoria X. si p -- 0.…. donde. la distribución tiene asimetría positiva (o cola a la derecha).p). Su gráfica consiste de segmentos (o bastones). …. b) su varianza es σ2 = Var(X) = np(1-p). Entonces. n. . número de éxitos en n ensayos de Bernoulli se puede escribir como una suma de n variables aleatorias independientes de Bernoulli Xi. X2. 2.p) tiene forma simétrica si p = 0. n viales aleatorias independientes cada una con distribución de Bernoulli B(1. Xn. entonces.p) es de Bernoulli. E (Xi) = p y Var (Xi) = p x (1 .f(k) = P[X = k] = pk qn-k . la suma de estas n variables aleatorias independientes es el número de éxitos de estos n ensayos y su distribución es binomial de parámetros n y p. la función de probabilidad B(1. 3. Además. esto es. Esto es. Observe que si n = 1 . La distribución binomial B(n.

x = 0.…etc.DISTRIBUCIÓN DE PROBABILIDAD DE POISSON Básicamente un experimento aleatorio de Poisson es un proceso que consiste en observar el numero X de veces que ocurre un evento en una unidad de longitud dada. como se muestra en la gráfica que sigue: Definición: se dice que variable aleatoria discreta X. Para comprobar que la suma de las probabilidades de poisson es igual a 1. tiene distribución de poisson con parámetro y se escribe X P( ).  Número de bacterias en un volumen de 1 m3 de agua. 1. etc.  Número de fallas en la superficie de una cerámica rectangular. observar el número de llamadas x1 que recibe un celular en periodos de una hora. si su función de probabilidad es: f(x) = P[X = x] = ( ) . ∑ ( ) ∑ ( ) La distribución de poison se aplica a problemas donde la variable aleatoria es el número de eventos independientes que ocurre en un intervalo de tiempo. 2. cuyos valores posibles son: 0. Etc. 2. > 0.  Número de accidentes que ocurren en una fábrica durante una semana. 1. entonces. y b) su varianza es a) Su media es Prueba: . Teorema: Si X P( ). Por ejemplo son variables de poisson:  Número de llamadas que recibe una central telefónica en el periodo de un minuto. o de longitud. Por ejemplo. o una medida unitaria plana o cubica. …. se utiliza la suma exponencial: ∑ ( ) En efecto.

APLICACIONES DE DISTRIBUCION DE PROBABILIDAD DISCRETA Ejemplo: Sea la variable aleatoria X.a) E(X) = ∑ ( ) ∑ ( ) ( ) ∑ ( ( ) ) ( ) a) E[X (X-1)] = ∑ ( ) ( ) ∑ ( ( ) ) Como Var(X) = E [X(X-1)] + µ . Definir la probabilidad. C C C S C S S C C S S C= CCCC S =CCCS C= CCSC S =CCSS C= CSCC S= CSCS C =CSSC S =CSSS C= SCCC S =SCCS C =SCSC 4 2 2 0 2 0 0 -2 2 0 0 .µ2 . [ ( )] + µ . Entonces. En forma tabular y graficar. número de cara y número de sellos a lanzar la moneda cuatro veces .µ2 = = II. Halle el espacio muestral para el lanzamiento de moneda cuatro veces.

Sin reposición.C S S S= SCSS C=SSCC S=SSCS C=SSSC S=SSSS n(s)=16 -2 0 -2 -2 -4 RANGO Tabla P( ) -4 1/6 -2 4/16 0 6/16 2 4/16 4 1/6 GRAFICO Valores Y 2/5 1/3 2/7 1/4 1/5 1/7 0 0 0 -6 -4 -2 0 2 4 6 Ejemplo: En un lote de 10 artículos. hay tres artículos defectuosos del lote se toma al azar como muestra de 4 artículos. n(S)=10 n(D)=3 n(E)=4 P(x=0)= ( )( ) ( ) n(B)=7 0. calcular su probabilidad y representar en forma tubular y gráfica.1666666 . Se X la variable aleatoria que presenta el número de artículos defectuosos en la muestra.

16666 1 0.3 3 0.5 2 0. Solución: P [X=2]= 3/2 P [X=1] .033333 Valores Y 1 4/5 3/5 2/5 1/5 0 0 1 2 3 4 Ejemplo: Suponga que el número de accidentes de trabajo que ocurre por semana en una fábrica segura una ley de poisson de manera que la probabilidad de que ocurran 2 accidentes es igual a 3/2 la probabilidad de que ocurra un accidente. Calcular la probabilidad de que no ocurra algún accidente en 2 semanas.P(x=1)= P(x=3)= P(x=2)= ( )( ) ( ) ( )( ) ( ) ( )( ) ( ) 0.0333333 0.5 0.3 En forma tabular: P( ) 0 0.

0. Calcular: a) La probabilidad que x= 2.997 P [X≥1] = 1 . Solución. a) n=3 p = 1/3 λ = np x=1 P [X=0] = b) n=3 p=2 λ = np λ = 3(2) = 6 = 1 .P [X˂1] DISTRIBUCIÓN BINOMIAL Ejemplo: 1.P [X = 0] = 1 = 1.4). Si X tiene una distribución binomial con parámetros B(n. b) Calcular que probabilidad x˃2 c) La probabilidad que 3˂x≤5 Solución:  V[x]= n p q= 24 2. p) tal que su valor esperado E[x]=3 y v[x]= (2. De 2 contenga por lo menos bacterias.X=3 Ejemplo: Un líquido contiene cierta bacteria con un promedio de 3 bacterias.002 = 0.4= n p q= E[x] q . Calcular la probabilidad de que en una muestra: a) b) De 1/3 de no contenga bacteria alguna.

Estadística Descriptiva e inferencial (ed.2) n= 15 a) P[x=2]= ( ) b) P[x˃2]= 1.0. 5).8  q= 1.p p= 1.605 c) P[3˂x≤5]= P[x=4]+ P[x=5]} P[3˂x≤5]= 0.{P[x=0]+ P[x=1]+ P[x=2]} = 1-(0.R.2  E[x]= n p 3 = n (0. Lima: MOSHERA S.4 = 3 q q = 0.L. .035+0.8 p= 0.23) =0.29 BIBLIOGRAFIA  Córdova Zamora.13+0.P[x≤2] =1. Manuel (2009).2.