Scribd Logo
Upload

Welcome to Scribd!

  • D. Discretas PDF

    Uploaded by

    Jorge Cordova Aguirre
    30 views9 pages

    Original Title

    D. Discretas.pdf

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    30 views9 pages

    D. Discretas PDF

    Uploaded by

    Jorge Cordova Aguirre

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 9
    Universidad Nacional Agraria La Molina - Dpto. de Estadistica e Informatica CAPITULO IX PRINCIPALES DISTRIBUCIONES DISCRETAS Objetivos Al finalizar este capitulo el lector conocerd los conceptos y aplicaciones de las principales distribuciones discretas. Paeeirt Cuando se utiliza el término “distribucién” se esté haciendo referencia al comportamiento que tienen las observaciones (datos) de una variable en estudio. Muchos de estos comportamientos se expresan mediante funciones matematicas que permiten el célculo de probabilidad para el valor 0 valores que toma la variable aleatoria asociada a dicho comportamiento. En el caso de variables aleatorias discretas se les denominan funciones de probabilidad y en el caso de las continuas funciones de densidad, Para el célculo de probabilidades cuando la variable aleatoria es discreta se aplica el operador matemético de “sumatoria” y en el caso de las continuas el de “integral”. El concepto de distribucién incluye al de funcién (probabilidad o densidad) en la medida que corresponde a los pares ordenados constituidos en el primer término por un valor de la variable aleatoria y el segundo por su respectivo valor de probabilidad. Acontinuacién se presentan las principales distribuciones discretas: * Ladistribucién de probabilidad uniforme discreta * Ladistribuci6n de probabilidad binomial * Ladistribucién de probabilidad hipergeométrica * Ladistribucién de probabilidad Poisson 9.4La ucién Uniforme Discreta La v.a.d. X tiene distribucién uniforme discreta con parémetro N si su funcién de probabilidad es: x=1,2,3,0N Notacién: XY ~Unif (V) Teorema Si_X~Unif (N) entonces 26-0) Ejemplo1 Enuna caja hay 8 bolillas enumeradas del 1 al 8. Sise selecciona una bolilla al azar y se registra su numero, halle la probabilidad de seleccionar un numero menor o igual que 3. Solucién Seala v.a.d. X definida como el niimero de la bolilla seleccionada, entonces X ~Unif(@) y f)= Pt =2)=4 x=1,2,3,--8 PGC <3)= f+ SO) f= i+ a 88 Universidad Nacional Agraria La Molina - Dpto. de Estadistica e Informatica 9.2 La Distribucién Binomial 9.2.1 Experimento Binomial ; Hay muchos experimentos que se ajustan ya sea exacta 0 aproximadamente a las siguientes propiedades: 1. El experimento consiste en una secuencia de n intentos (experimentos de Bernoulli), donde n se fija antes del experimento. 2. Los intentos son idénticos, y cada uno de ellos puede dar lugar a dos posibles resultados, llamados: éxito (E) 0 fracaso (F). 3. Los intentos son independiente, por lo que el resultado de cualquier intento particular no afecta el resultado de cualquier otro intento. 4. La probabilidad de éxito es constante de un intento a otro; se denota esta probabil por P(E)=7 «La probabilidad defracasoes P(F)= Ejemplo2 En una tienda la llegada de un cliente y determinar si compra 0 no es un experimento de Bernoulli donde éxito = E = {un cliente compra}y fracaso = F = {un cliente no compra}. Se sabe que el 75% de los clientes que llegan hacen una compra, entonces P(E Sia la tienda llegan 20 clientes, este seria un experimento binomial donde n=20 ym = 0.75 9.2.2 La Funcién de Probabilidad Binomial / Dado un experimento binomial entonces la v.a.d. binomial X se define como el numero de éxitos en n intentos, y su funcién de probabilidad esté dada por: ("ety # ¥20,1,2- 0 de otro modo nm ¥ f@)=P& Obtencién de la funcién de probabilidad: La probabilidad de tener k éxitos en n intentos es: P(X=k)= Aetot +E FFFF eap8 |= PEPE) PP) PF, « =" 0 - (7) 1 Cater 8) pooner Demostracién de que f (x ) esuna funcién de probabilidad Ere-ZL"}e ny eh = Notacién: X ~ Bin(n,n) 9.2.3 La Media y la Variancia de X Si X~ Bin(a,x) entonces E(X)=nn yy _~—-Var (X)=nn(\-x) Nota: Cuando n = 1 ladistribucién recibe el nombre de distribucién Bernoulli. 80 Universidad Nacional Agraria La M - Dpto. de Estadistica e Informatica Ejemplo3 | Siguiendo con el éjemplo 2 1, si el cliente compra (n=0.75) 0, si el cliente no compra (7 =0.25) a) sixe{ x0.75 = 0.75 x0.75x0.25= 0.1875 20 Sedemuestra que X = >) ¥, ~ BIN(20,0.75) b) Lz probabilidad de que el numero de clientes que hacen una compra sea mayor que 18 : 20) 9 750.28! 4 290,750.05" seria iguala P(X >18)= 19 10.75"°0.25' +] 20)°75 0.25" = 0.0211 + 0.0032 = 0.0243, donde X = ntimero de clientes que hacen una compra en un grupo de 20 clientes. ~/Ejemplo4 [Un examen consta de n = 25 preguntas, cada una de las cuales tiene 5 alternativas de las | cuales sélo una es correcta, si una persona esta adivinando al responder y se desea saber el nimero de respuestas correctamente respondidas, este es un experimento binomial con éxito = {la respuesta es correcta} y frecaso = {la respuesta noes correcta} y P(E)= la probabilidad de que la persona acierte por lo menos 3, pero menos de 5 preguntas es: 0.1358+0,1867=0.3225 | | 4, Ejemplo5 Una compajiia vendedora de equipos electrénicos verifica que de todas las méquinas por ella instaladas, el 40 % exigen nuevos ajustes después de su instalacién. Si 5 maquinas fueron seleccionadas al azar: a. éCudl es la probabilidad de que al menos 3 requieran trabajos de ajuste después de la instalacién? Solucién El experimento aleatorio que consiste en determinar el ntimero de maquinas que requieren ajustes, en un grupo de 5, es un experiment binomial con éxito = E = {una maquina requiere ajustes}y P(E): 4, lava.d. X definida como el ntimero de méquinas, que requieren ajustes, en un grupo de 5, es una v.a. binomial. X ~ Bin(n,x )~ Bin(6,0.4) , entonces: . f&)=' () 04" x06" x=0,1,2,3,4,5 x, 0.2304 +0.0768-+0.0102 = 0.3174 P(L23)= £6)+/4)+ £6): ¥(-oaroers sl a Universidad Nacional Agraria La Molina - Dpto. de Estadistica e Informatica b. La compafiia estima que el costo del ajuste después de la instalacién es de 100 um i por maquina y que este costo lo debe pagar la compafiia ¢Cudl es el costo esperado parala firma? Solucién Seala v.a. Y definida como el costo de las méquinas que necesitan ajuste en un grupo de 5. i Y= 100X ycomo: X~Bin(a,x) , entonces E(X)=nn =5x0.4=2 porlo tanto: E(Y)=E(00 X)=100 E(X)=100x2=200 um / Ejemplo6 En el Ejemplo 9 del capitulo de Variables Aleatorias, se eligen en forma independiente 10 técnicos, halle la probabilidad de que exactamente uno de ellos demore més de 1.8 pero menos de 2 horas en arregiar la averia. . Jee 1 exsd de Vo eee Solucién : Lo que ocurre con un técnico equivale a un ensayo de Bernoulli, entonces Exito viene a ser el evento definido como: el técnico demora més de 1.8 pero menos de 2 horas en arreglar la averia y la probabilidad de Exito es: n=P(L8

    You might also like