Professional Documents
Culture Documents
ESTADSTICA
Ing. Miguel Angel Sevillanos
Dominguez
Variable Aleatoria
Bidimensional
Evidentemente, la variable binomial X
podr tener valores en el rango
X={0,1,2,...,n}, donde n es el nmero
de veces que se repite el ensayo. La
distribucin de probabilidad asociada
con
esta
variable
aleatoria
se
denomina distribucin binomial y
vendr representada por
f(x)=P(X=x)=b(x;n, p),
Variable Aleatoria
Bidimensional
ya que depende del nmero de ensayos n y
la probabilidad de xito p en un solo
ensayo. Para calcular una expresin para
b(x;n, p) consideremos la probabilidad de
que se obtengan x xitos y nx fracasos
en un orden determinado. Llamando q a la
probabilidad
de
fracaso
(que
ser
evidentemente q=1p) y teniendo en
cuenta
que
los
n
ensayos
son
independientes, la probabilidad de esa
disposicin de resultados particular ser el
producto de las probabilidades de cada
Probabilidad de la
distribucin Binomial
Para
calcular la probabilidad total de x
xitos, tenemos que sumar la probabilidad
anterior para todas las disposiciones
posibles de resultados en que se dan esos
x xitos. Ese numer se puede calcular
como las permutaciones con repeticin de
n elementos con x y nx elementos
repetidos, se puede expresar como:
Donde x = 0, 1, 2 n
Una
propiedad
importante
de
la
distribucin binomial es que ser simtrica
en el caso de p = q y presentar asimetra
a la derecha (sern ms probables los
valores bajos de x) cuando p<q (y al
contrario), como es lgico esperar.
Media y Desviacin
Estndar
La
variable aleatoria x, el nmero de
xitos en n intentos, tiene una
distribucin de probabilidad con este
centro y dispersin:
Ejemplo
Sea un jugador de baloncesto que tiene
que tirar 3 tiros libres. Sabemos que su
promedio de acierto es del 80 %.
Determinemos las probabilidades de que
enceste 0, 1, 2 o 3 canastas.
Si llamamos: Canasta S; Fallo N; x:
nmero de canastas o puntos.
Podemos calcular la probabilidad de cada
suceso como el producto de las
probabilidades de cada tiro ya que son
sucesos independientes.
0.8X0.8X0.
SSS
3
0.512
8
0.8X0.8X0.
SSN
2
0.128
2
0.8X0.2X0.
SNS
2
0.128
8
0.8X0.2X0.
SNN
1
0.032
2
0.2X0.8X0.
NSS
2
0.128
8
La probabilidad de cada x se calcula
0.2X0.8X0.
NSN
1
0.032
sumando las probabilidades para cada2
disposicin:
0.2X0.2X0.
NNS
1
0.032
8 =
P(x= 0) = 0.008 ;
P(x= 1) = 30.032
0.2X0.2X0.
0.096
Tambin
puede usarse:
Ejemplo 02
ltima novela de un autor ha tenido un
La
gran xito, hasta el punto de que el 80%
de los lectores ya la han leido. Un grupo
de 4 amigos son aficionados a la lectura:
Cul es la probabilidad de que el grupo
hayan leido la novela 2 personas?
Y cmo mximo 2?
P(X2)=p(X=0)+P(X=1)+P(X=2)
Ejemplo
Modelo Hipergeomtrico
En teora de la probabilidad la distribucin
hipergeomtrica
es una distribucin
discreta
relacionada
con
muestreos
aleatorios y sin reemplazo. Suponga que
se tiene una poblacin de N elementos de
los cuales, d pertenecen a la categora A y
N-d a la B. La distribucin hipergeomtrica
mide la probabilidad de obtener x (0 x
d) elementos de la categora A en una
muestra sin reemplazo de n elementos de
la poblacin original.
Modelo Hipergeomtrico
Los experimentos que tienen este tipo de
distribucin
tienen
las
siguientes
caractersticas:
a) Al realizar un experimento con este tipo
de distribucin, se esperan dos tipos de
resultados.
b) Las probabilidades asociadas a cada
uno de los resultados no son
constantes.
c) Cada ensayo o repeticin del
experimento no es independiente de los
Funcin de Probabilidad
La
funcin de probabilidad de una
variable aleatoria con distribucin
hipergeomtrica puede deducirse a
travs
de
razonamientos
combinatorios y es igual a
dondeNes
el tamao de poblacin,nes
el tamao de la muestra extrada,des el
nmero de elementos en la poblacin
original que pertenecen a la categora
deseada yxes el nmero de elementos
en la muestra que pertenecen a dicha
categora. La notacinhace referencia
alcoeficiente binomial, es decir, el nmero
de
combinaciones
posibles
al
seleccionarxelementos de un total a.
Y su varianza
La distribucin hipergeomtrica es
aplicable a muestreos sin reemplazo y
la
binomial
a
muestreos
con
reemplazo. En situaciones en las que
el nmero esperado de repeticiones
en el muestreo es presumiblemente
bajo, puede aproximarse la primera
por la segunda. Esto es as cuando N
es grande y el tamao relativo de la
muestra extrada, n/N, es pequeo
Ejemplo
En una urna o recipiente hay un total
deNobjetos, entre los cuales hay una
cantidadade
objetos
que
son
defectuosos, si se seleccionan de esta
urnanobjetos al azar, y sin reemplazo,
cul
es
la
probabilidad
de
obtenerxobjetos defectuosos?
Solucin
N = 10 objetos en total
d = 3 objetos defectuosos
n = 4 objetos seleccionados en muestra
Ejemplo
Para evitar que lo descubran en la aduana,
un viajero ha colocado 6 tabletas de
narctico en una botella que contiene 9
pldoras de vitamina que son similares en
apariencia. Si el oficial de la aduana
selecciona 3 tabletas aleatoriamente para
analizarlas,
Cul es la probabilidad de que el viajero
sea arrestado por posesin de narcticos?
Solucin
N = 9+6 =15 total de tabletas
d = 6 tabletas de narctico
n = 3 tabletas seleccionadas
x = 0, 1, 2, o 3 tabletas de narctico =
variable que nos indica el nmero de
tabletas de narctico que se puede
encontrar al seleccionar las 3 tabletas
p(viajero sea arrestado por posesin de
narcticos) = p(de que entre las 3 tabletas
seleccionadas haya 1 o ms tabletas de
narctico)
P(X3) = P(X=1)+P(X=2)+P(X=3)
Ejemplos
De un lote de 10 proyectiles, 4 se seleccionan al
azar y se disparan. Si el lote contiene 3 proyectiles
defectuosos que no explotarn, cul es la
probabilidad de que ,
a) los 4 exploten?, 0.1667
b) al menos 2 no exploten? 0.333
a)Cul es la probabilidad de que una mesera se
rehse a servir bebidas alcohlicas nicamente a
dos menores de edad si verifica aleatoriamente
solo 5 identificaciones de entre 9 estudiantes, de
los cuales 4 no tienen la edad suficiente?, 0.238095
b) Cal es la probabilidad de que como mximo 2
de las identificaciones pertenezcan a menores de