Professional Documents
Culture Documents
Modelos estocásticos
Javiera Silva
javiera.silvarroyo@gmail.com
6 de julio de 2018
www.unab.cl
Outline
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad 1 Conceptos de probabilidad
Variable Aleatoria
Adición de probabilidades
Función de Distribución Acumulada
Momento
Función de Masa de Probabilidad: Caso Discreto
Probabilidad condicional Función de Densidad de Probabilidad: Caso Continuo
Ley de adición de la probabilidad
DP discretas
Momento
Bernoulli
Probabilidad condicional
Binomial
Geométrica
Binomial Negativa
Poisson
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
DP discretas
Bernoulli
Binomial
Conceptos de probabilidad
Geométrica
Binomial Negativa
Poisson
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades Elementos de un Modelo Aleatorio
Momento
Probabilidad condicional
Experimento: Procedimiento cuyo resultado se puede observar pero
DP discretas
Bernoulli
no anticipar.
Binomial Espacio Muestral: Conjunto de todos los resultados posibles,
Geométrica
Binomial Negativa
denotado por S.
Poisson Evento: Subconjunto del Espacio muestral E.
Ejemplos?
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
Tipos de eventos
DP discretas Evento E imposible: si P{E} = 0.
Bernoulli
Binomial Evento E posible: si P{E} > 0.
Geométrica
Binomial Negativa
Evento E posible seguro: si P{E} = 1.
Poisson
Ejemplos?
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Variable aleatoria
Probabilidad condicional
Una variable aleatoria mide el resultado de un experimento en el que
DP discretas
Bernoulli los resultados posibles son al azar.
Binomial
Geométrica
Formalmente, una variable aleatoria es una función f : S → R.
Binomial Negativa El valor de una variable aleatoria es determinado por el resultado de
Poisson
un experimento, por lo que podemos asignar probabilidades a los
posibles valores de la variable aleatoria.
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
Ejemplo: Lanzamiento de un dado
DP discretas Los resultados de un experimento pueden ser numéricos (el lanza-
Bernoulli
Binomial miento de un dado), o estar representados por un código (lanzamien-
Geométrica
Binomial Negativa
to de una moneda con el resultado cara/cruz codificado como 0/1).
Poisson La representación numérica de los resultados define lo que se conoce
como variable aleatoria.
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento Tipos de Probabilidad
Probabilidad condicional
DP discretas Marginal
Bernoulli
Binomial
Geométrica
Unión
Binomial Negativa
Poisson Conjunta
Condicional
Conceptos
Variable Aleatoria Tipos de Variables aleatorias
Función de Distribución
Función de masa
Función de densidad Variable aleatoria discreta
Adición de probabilidades
Momento
Sea S un espacio muestral. Una variable aleatoria discreta es aquella variable
Probabilidad condicional que puede tomar un número finito de resultados posibles de S. El valor de la
DP discretas variable aleatoria discreta es un número entero.
Bernoulli Si el conjunto de valores de X es un conjunto finito o infinito numerable, es decir,
Binomial
si se pueden enlistar o enumerar, se dice que la variable es discreta.
Geométrica
Binomial Negativa
Poisson
Ejemplos
Cantidad de caras que resultan de lanzar una moneda varias veces
sucesivas.
Cantidad de productos defectuosos obtenidos de un proceso productivo.
Cantidad de productos demandados de un bien.
Conceptos
Variable Aleatoria
Función de Distribución
Tipos de Variables aleatorias
Función de masa
Función de densidad
Adición de probabilidades
Variable aleatoria continua
Momento Sea S un espacio muestral. Una variable aleatoria es aquella variable que puede
Probabilidad condicional
tomar cualquier valor dentro de un intervalo continuo [a, b] de una recta lineal.
DP discretas A diferencia de la variable aleatoria discreta, el valor de la variable aleatoria
Bernoulli
Binomial
continua es un número perteneciente a los números reales.
Geométrica
Binomial Negativa
Poisson Ejemplos
Tiempo de funcionamiento de un componente de un sistema hasta que falla.
Tiempo que transcurre hasta la llegada del próximo cliente a la fila de la caja
de un banco.
Volumen de agua que cae durante una lluvia.
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Función de distribución (acumulada)
Adición de probabilidades
Momento La función de distribución acumulada F de una variable aleatoria X
Probabilidad condicional
se define, para b ∈ R, como:
DP discretas
Bernoulli
Binomial
F (b) = P{X ≤ b} (1)
Geométrica
Binomial Negativa
Poisson
F (b) denota la probabilidad de que la variable aleatoria X tome cual-
quier valor menor o igual a b.
Como el valor de una variable aleatoria es determinado por el resulta-
do de un experimento, podemos asignar probabilidades a los posibles
valores de la variable aleatoria.
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
Propiedades
DP discretas
Bernoulli
(I) F (b) es una función no decreciente de b.
Binomial
Geométrica (II) limb→∞ F (b) = F (∞) = 1
Binomial Negativa
Poisson
(III) limb→−∞ F (b) = F (−∞) = 0
Conceptos
Variable Aleatoria Función de distribución (acumulada)
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
DP discretas
Bernoulli
Binomial
Geométrica
Binomial Negativa
Poisson
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Función de masa de probabilidad
Probabilidad condicional
Para una variable aleatoria discreta X ∈ {x1 , x2 , . . . }, la función de
DP discretas
Bernoulli masa de probabilidad p(a) se define como:
Binomial
Geométrica
Binomial Negativa
p(a) = P{X = a}
Poisson
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional Propiedades
DP discretas
Bernoulli
La función de masa de probabilidad p(a) es positiva para un número
Binomial contable de valores de a. Esto es:
Geométrica
Binomial Negativa (I) p(xi ) ≥ 0, para i = 1, 2, . . . .
P∞
i=1 p(xi ) = 1.
Poisson
(II)
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad Función de densidad de probabilidad
Adición de probabilidades
Momento
Probabilidad condicional
Para una variable aleatoria continua X ∈ R, la función de densidad
DP discretas probabilidad f (x) es una función tal que para un conjunto de números
Bernoulli
reales B: Z
Binomial
Geométrica P{X ∈ B} = f (x)dx
Binomial Negativa
B
Poisson
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
Propiedades
R∞
DP discretas
Bernoulli
(I) P{X ∈ (−∞, ∞)} = −∞ f (x)dx = 1.
Rb
(II) P{a ≤ X ≤ b} = f (x)dx, donde B = [a, b].
Binomial
Geométrica Ra a
Binomial Negativa (III) P{X = a} = f (x)dx =0
Poisson a
(IV) P{X } ≥ 0
Conceptos
Variable Aleatoria Relación entre la función de masa (densidad) de probabilidad y la
Función de Distribución
Función de masa
función de distribución acumulada
Función de densidad
Adición de probabilidades
Momento
Para una variable aleatoria discreta, la función de distribución acumulada F pue-
Probabilidad condicional
de expresarse en términos de p(a) como:
DP discretas
Bernoulli
X
Binomial F (a) = p(xi ) (2)
Geométrica ∀xi ≤a
Binomial Negativa
Poisson
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad Ejemplo
Adición de probabilidades
Momento
Probabilidad condicional
Supongamos que el error en el peso de las mascotas pequeñas
DP discretas
atendidas en una veterinaria, en kilógramos, para un estudio de pesos
Bernoulli por especie y raza es controlado como una v.a.c. X que tiene la
Binomial
Geométrica
función de densidad de probabilidad:
(
Binomial Negativa
2(x − 1) 1 ≤ x ≤ 2
Poisson
f (x) =
0 en otro caso
(I) Calcular P(0 < x < 1, 5)
(II) Calcular P(x > 1, 5)
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa Ley de la adición de la probabilidad
Función de densidad
Adición de probabilidades
Momento
La unión de dos eventos E y F es E+F o E ∪ F , y su intersección es
Probabilidad condicional EF o E ∩ F .
DP discretas Los eventos E y F son mutuamente excluyentes si la ocurrencia de
Bernoulli
Binomial uno excluye la ocurrencia del otro: P{EF} = 0.
Geométrica
Binomial Negativa
Basado en estas definiciones, la ley de adición de probabilidad puede
Poisson formularse como:
(
P{E} + P{F } E y F excluyentes
P{E + F } =
P{E} + P{F } − P{EF } de lo contrario
Conceptos
Variable Aleatoria
Función de Distribución Ejemplo
Función de masa
Función de densidad
Adición de probabilidades
Considere el experimento de lanzar un dado. El espacio de muestreo
Momento del experimento es {1,2,3,4,5,6}. Para un dado equilibrado, tenemos:
Probabilidad condicional
DP discretas P[1]=P[2]=P[3]=P[4]=P[5]=P[6]=1/6
Bernoulli
Binomial Definimos E={1, 2, 3 o 4} y F ={3, 4 o 5}
Geométrica
Binomial Negativa
Poisson
La probabilidad de E es: P{E}=1/6+1/6+1/6+1/6= 2/3
La probabilidad de F es: P{F}=1/6+1/6+1/6= 1/2
La probabilidad de la intersección entre E y F : P[EF ]= 1/3
Luego, P{E+F}=2/3+1/2-1/3=5/6
Conceptos
Variable Aleatoria
Función de Distribución Ejemplo
Función de masa
Función de densidad Un dado se lanza dos veces. Calcule la probabilidad de obtener 4, 5 o
Adición de probabilidades
Momento 6 en el primer lanzamiento y 1, 2, 3 o 4 en el segundo.
Probabilidad condicional
DP discretas
Bernoulli Respuesta
Binomial
Geométrica
Binomial Negativa
Sea E1 es el evento 4, 5 o 6 en el primer lanzamiento y E2 es el evento
Poisson 1, 2, 3 o 4 en el segundo lanzamiento.
P{E1 }=1/6+1/6+1/6=1/2
P{E2 }=1/6+1/6+1/6+1/6=2/3
P{E1 }*P{E2 }=1/3
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento Momentos
Probabilidad condicional
DP discretas
Es una cantidad cuantitativa específica y característica de la forma de
Bernoulli un conjunto de puntos. Se usa tanto en mecánica como en estadística.
Binomial
Geométrica
Binomial Negativa La colección de todos los momentos de un conjunto de puntos carac-
Poisson
teriza su distribución. Si dos conjuntos de puntos comparten toda su
colección de momentos, entonces tienen la misma distribución.
Conceptos
Variable Aleatoria
Función de Distribución Esperanza
Función de masa
Función de densidad
Valor esperado de una v.a. X es valor promedio de la v.a. en un gran
Adición de probabilidades
Momento número de experimentos.
Probabilidad condicional
En el caso de una variable aleatoria discreta, esta esperanza se
DP discretas
Bernoulli
calcula: X
Binomial E|X | = xi f (xi )
Geométrica
Binomial Negativa i∈S
Poisson
En el caso de una variable aleatoria continua, esta esperanza se
calcula:
Z +∞
E|X | = xf (x)dx
−∞
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Esperanza
Probabilidad condicional
DP discretas
Propiedades
Bernoulli E(k )=k
Binomial
Geométrica
E(kX )=k E(X )
Binomial Negativa E(X +Y )=E(X )+E(Y )
Poisson
E(k +Y )=k +E(Y )
Si X e Y son independientes: E(X ·Y )=E(X )·E(Y )
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
Varianza
DP discretas Varianza de una v.a. X es una medida de la dispersión de la distribución
Bernoulli
Binomial
de probabilidad de esa v.a. y se calcula de la siguiente manera:
Geométrica V (X ) = E(X − E(X ))2
Binomial Negativa
Poisson
Esta definición equivale a:
V (X ) = E(X 2 ) − (E(X ))2
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
Varianza
DP discretas Propiedades
Bernoulli
Binomial
V (k )=0
Geométrica V (kX )=k 2 V (X )
Binomial Negativa
Poisson
V (k +X )=V (Y )
Si X e Y son independientes: V (X +Y )=V (X )+V (Y )
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
Ejemplo
DP discretas
Bernoulli
Marco arroja un dado y gana $1 si obtiene 1 o 2, $2 si obtiene un 3 o
Binomial
Geométrica un 4, $4 si sale 5 y $8 si sale 6.
Binomial Negativa
Poisson
¿Cuál es el premio esperado?
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Ejemplo
Probabilidad condicional
Sea X una variable aleatoria ( continua cuya función de densidad es:
DP discretas
Bernoulli 2x 0 ≤ x ≤ 1
Binomial f (x) =
Geométrica 0 en otro caso
Binomial Negativa
Poisson
(I) Calcular P(0 < x < 1)
(II) Calcular la Esperanza
(III) Calcular la Varianza
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Probabilidad Condicional
Momento
Probabilidad condicional
Dados los dos eventos E y F con P{F}>0, la probabilidad condicional
DP discretas
de E dado F se calcula como:
Bernoulli
Binomial P{EF }
Geométrica P{E | F } = (4)
Binomial Negativa P{F }
Poisson
Existen dos casos:
Si E es un subconjunto de F, entonces: P{EF}=P{E}
Si los dos eventos son independientes, entonces: P{EF}=P{E}·P{F}
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Probabilidad Condicional: Ejemplo
Momento
Probabilidad condicional Usted participa en un juego en el que otra persona lanza un dado. No
DP discretas puede ver el dado, pero le informan sobre los resultados. Su tarea es
Bernoulli
Binomial
predecir el resultado de cada lanzamiento. Determine la probabilidad
Geométrica de que el resultado sea 6, dado que le dicen que el resultado fue un
Binomial Negativa
Poisson
número par.
Sea E={6}, y defina F={2,4 o 6}
P{EF }
Entonces, P{E | F } = P{F }
= P{E}
P{F }
= 1/6
1/2
= 1/3
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
DP discretas
Bernoulli
Binomial
Distribuciones de probabilidad discretas
Geométrica
Binomial Negativa
Poisson
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades Distribución de Bernoulli
Momento
Probabilidad condicional Si X es una variable aleatoria que mide el "número de éxitos"de un
DP discretas experimento que se realiza una sóla vez,y que tiene dos resultados
Bernoulli
Binomial
posibles, se dice que X se distribuye como una Bernoulli de parámetro
Geométrica p.
Binomial Negativa
Poisson
F. masa probabilidad: f (x) = px (1 − p)1−x , con x = {0, 1}
Esperanza: E(x) = p
Varianza: V (x) = p(1 − p)
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
DP discretas
Bernoulli
Binomial
Geométrica
Binomial Negativa
Poisson
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades Ejemplo: Distribución de Bernoulli
Momento
Probabilidad condicional
Al final de la cadena de ensamblaje ciertos productos son sujetos a ins-
DP discretas
Bernoulli
pección. Definimos Xn = 1 si el n-ésimo producto es defectuoso, Xn = 0
Binomial si es bueno. Supongamos que el proceso de fabricación bajo inspec-
Geométrica
Binomial Negativa
ción produce artículos defectuosos al azar (la aparición de un artículo
Poisson defectuoso es independiente de la aparición de otros) y la probabilidad
de ocurrencia del defecto es una constante p. El proceso {Xn : n ∈ N}
es un proceso de Bernoulli.
Conceptos
Variable Aleatoria
Función de Distribución Distribución Binomial
Función de masa
Función de densidad Sea X una variable aleatoria que mide la cantidad de éxitos k de n
Adición de probabilidades
Momento
experimentos independientes, donde cada experimento tiene una pro-
Probabilidad condicional babilidad de éxito dep. Se dice entonces que esta variable se distribuye
DP discretas Binomial de parámetros (n, p).
Bernoulli
Binomial
n
Geométrica
F. masa probabilidad: f (x = k ) = pk · (1 − p)n−k k =
Binomial Negativa k
Poisson
0, 1, . . . , n
Esperanza: E(x) = np
Varianza: V (x) = np(1 − p)
n n!
Nota: = k !·(n−k )!
k
Conceptos
Variable Aleatoria
Función de Distribución
El espacio de estados está dado por:
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
DP discretas
Bernoulli
Binomial
Geométrica
Binomial Negativa
Poisson
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Ejemplo: Distribución Binomial
Momento
Probabilidad condicional
Al final de la cadena de ensamblaje ciertos productos son sujetos a ins-
DP discretas pección. Definimos Xn = 1 si el n-ésimo producto es defectuoso, Xn = 0
Bernoulli
si es bueno. Supongamos que el proceso de fabricación bajo inspec-
Binomial
Geométrica ción produce artículos defectuosos al azar (la aparición de un artículo
Binomial Negativa
Poisson
defectuoso es independiente de la aparición de otros) y la probabili-
dad de ocurrencia del defecto es una constante p. Supongamos que
realizamos n inspecciones independientes, y medimos la cantidad de
artículos defectuosos. El proceso {Xn : n ∈ N} es un proceso Binomial.
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Ejercicio: Distribución Binomial
Función de densidad
Adición de probabilidades Se sabe que cualquier producto fabricado por cierta máquina puede
Momento
Probabilidad condicional
resultar defectuoso con probabilidad 0.1, independientemente de los
DP discretas demás productos. ¿Cuál es la probabilidad de que en una muestra de
Bernoulli tres productos, haya a lo más un producto defectuoso?.
Binomial
Geométrica
Binomial Negativa
Poisson
Solución: Si X es el número de productos defectuosos en la muestra,
entonces X es una variable aleatoria binomial con parámetros (3, 0,1).
De acuerdo con esto, la respuesta es:
3 3
f (X = 0)+f (X = 1) = (0,1)0 (0,9)3 + (0,1)1 (0,9)2 = 0,972
0 1
(5)
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa Distribución Geométrica
Función de densidad
Adición de probabilidades Sea X una variable aleatoria que mide la cantidad experimentos k rea-
Momento
Probabilidad condicional
lizados hasta obtener el primer éxito, donde cada experimento tiene
DP discretas
una probabilidad de éxito dep. Se dice entonces que esta variable se
Bernoulli distribuye Geométrica de parámetro p.
Binomial
Geométrica
Binomial Negativa
F. masa probabilidad: f (x = k ) = (1 − p)k −1 p k = 1, 2, . . .
Poisson Esperanza: E(x) = p1
(1−p)
Varianza: V (x) = p2
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad Ejemplo: Distribución Geométrica
Adición de probabilidades
Momento Al final de la cadena de ensamblaje ciertos productos son sujetos a ins-
Probabilidad condicional
pección. Definimos Xn = 1 si el n-ésimo producto es defectuoso, Xn = 0
DP discretas
Bernoulli si es bueno. Supongamos que el proceso de fabricación bajo inspec-
Binomial
Geométrica
ción produce artículos defectuosos al azar (la aparición de un artículo
Binomial Negativa defectuoso es independiente de la aparición de otros) y la probabili-
Poisson
dad de ocurrencia del defecto es una constante p. Supongamos que
realizamos una serie de inspecciones independientes hasta encontrar
el primer artículo defectuoso. El proceso {Xn : n ∈ N} es un proceso
Geométrico.
Conceptos
Variable Aleatoria
Función de Distribución
Ejercicio: Distribución Geométrica
Función de masa
Función de densidad Se realizan varios lanzamientos sucesivos de una moneda no
Adición de probabilidades
Momento cargada. Calcular la probabilidad de que ocurran los siguientes
Probabilidad condicional
eventos:
DP discretas
Bernoulli a. Se obtiene la primera cara en el cuarto lanzamiento.
Binomial
Geométrica b. La primera cara aparece a lo más en el segundo intento.
Binomial Negativa
Poisson
Solución:
a. Si X es el número de lanzamientos de moneda realizados hasta
obtener la primera cara, entonces tiene distribución geométrica de
parámetros 0,5:
Conceptos
Variable Aleatoria
Función de Distribución Ejercicio: Distribución Geométrica
Función de masa
Función de densidad
Adición de probabilidades
Se realizan varios lanzamientos sucesivos de una moneda no
Momento cargada. Calcular la probabilidad de que ocurran los siguientes
Probabilidad condicional
eventos:
DP discretas
Bernoulli
Binomial
a. Se obtiene la primera cara en el cuarto lanzamiento.
Geométrica b. La primera cara aparece a lo más en el segundo intento.
Binomial Negativa
Poisson
Solución:
b. Considerando la misma variable aleatoria anterior, ahora se tiene:
Conceptos
Variable Aleatoria
Función de Distribución
Distribución Binomial Negativa (Pascal)
Función de masa
Función de densidad Sea X una variable aleatoria que mide la cantidad n de experimentos
Adición de probabilidades
Momento
realizados hasta obtener el k -ésimo éxito, donde cada experimento tie-
Probabilidad condicional ne una probabilidad de éxito de p. Se dice entonces que esta variable
DP discretas tiene se distribuye Binomial Negativa. con parámetros k , p.
Bernoulli
Binomial
n−1
Geométrica F. masa probabilidad: f (x = n) = pk (1 − p)n−k k=
Binomial Negativa k −1
Poisson
0, 1, . . .
Esperanza: E(x) = k (1−p)
p
k (1−p)
Varianza: V (x) = (p)2
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Ejemplo: Distribución Binomial Negativa
Adición de probabilidades
Momento Al final de la cadena de ensamblaje ciertos productos son sujetos a
Probabilidad condicional
inspección. Definimos Xn = 1 si el n-ésimo producto es defectuoso,
DP discretas
Bernoulli Xn = 0 si es bueno. Supongamos que el proceso de fabricación bajo
Binomial
inspección produce artículos defectuosos al azar (la aparición de un
Geométrica
Binomial Negativa artículo defectuoso es independiente de la aparición de otros) y la pro-
Poisson
babilidad de ocurrencia del defecto es una constante p. Supongamos
que realizamos una serie de inspecciones independientes hasta en-
contrar el primer artículo defectuoso. El proceso {Xn : n ∈ N} es un
proceso Binomial Negativo.
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional
Ejemplo: Distribución Binomial Negativa
DP discretas
Bernoulli
Binomial
Si la probabilidad de que un hurón expuesto a una enfermedad conta-
Geométrica giosa la contraiga es 0,40, ¿Cuál es la probabilidad de que el décimo
Binomial Negativa
Poisson
hurón expuesto a la enfermedad sea el tercero en contraerla?
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad
Adición de probabilidades
Momento
Probabilidad condicional Solución:
DP discretas
Bernoulli a. Considerando parámetros (3, 0,4):
Binomial
Geométrica
10 − 1
Binomial Negativa
f (X = 10) = 0,43 (1 − 0,4)10−3 = 0,0645
Poisson 3−1
Conceptos
Variable Aleatoria Distribución de Poisson
Función de Distribución
Función de masa Una variable aleatoria X = {0, 1, 2, . . . } se distribuye Poisson de pará-
Función de densidad
Adición de probabilidades
metro λ si para algún λ > 0 se tiene que:
Momento
Probabilidad condicional
λi
DP discretas
f (i) = f (X = i) = e−λ i = 0, 1, . . . (6)
Bernoulli
Binomial
i!
Geométrica La
P∞ecuación (6) define una función de masa de probabilidad, ya que
Binomial Negativa
Poisson i=0 f (i) = 1.
Esperanza: E(x) = λ
Varianza: V (x) = λ
Conceptos
Variable Aleatoria
Función de Distribución
Función de masa
Función de densidad Ejercicio: Distribución de Poisson
Adición de probabilidades
Momento
Probabilidad condicional
Si el número de accidentes que ocurren en una autopista cada dia es
DP discretas
una variable aleatoria de Poisson de parámetro λ = 3, ¿Cuál es la
Bernoulli probabilidad de que no ocurran accidentes hoy?:
Binomial
Geométrica
Binomial Negativa
Poisson
Solución:
Preguntas?