Captulo 6

Distribuciones discretas de probabilidad

1. 2. Objetivos: Al terminar este captulo podr: Definir los trminos distribucin de probabilidad y variable aleatoria. Distinguir entre una distribucin de probabilidad discreta y una distribucin de probabilidad continua. Calcular la media, la varianza y la desviacin estndar de una distribucin de probabilidad discreta. Describir las caractersticas de la distribucin de probabilidad binomial y calcular las probabilidades utilizando esa distribucin.

3.

4.

Captulo 6 (Continuacin)
5. Definir las caractersticas de la distribucin hipergeomtrica y calcular probabilidades con aplicacin de tal distribucin. Describir las caractersticas de la distribucin de Poisson y calcular las probabilidades empleando esta distribucin.

6.

Variable aleatoria

Una variable aleatoria es un valor numrico determinado por el resultado de un experimento. Una distribucin de probabilidad es la lista de todos los resultados posibles de un experimento y la correspondiente probabilidad.

Tipos de distribuciones de probabilidad

Una distribucin de probabilidad discreta puede asumir slo valores claramente separados. Una distribucin de probabilidad continua puede asumir un nmero infinito de valores dentro de un rango determinado.

Tipos de distribuciones de probabilidad

Ejemplos de una distribucin discreta son:

El

nmero de estudiantes en una clase. El nmero de nios en una familia. El nmero de autos entrando en un autolavado por hora. El nmero de clientes que llegan a una esttica cada hora.

Tipos de distribuciones de probabilidad

Ejemplos de una distribucin de probabilidad continua:

La

distancia que recorre cada estudiante para llegar a su clase. El tiempo que le toma a un ejecutivo llegar a su trabajo. El tiempo invertido en una llamada telefnica. La estatura de los alumnos de un grupo en clase.

Caractersticas de una distribucin discreta

Las principales caractersticas de una distribucin de probabilidad discreta son:

La

suma de las probabilidades es 1.00 La probabilidad de un resultado particular es un nmero mayor o igual a cero y menor o igual a uno.
Los

resultados son mutuamente excluyentes.

Ejemplo 1

Considere un experimento aleatorio en el cual una moneda es lanzada tres veces. Sea x el nmero de caras. Sea H la que representa el resultado cara y T el resultado cruz.

Ejemplo 1 (Continuacin)

Los posibles resultados para este experimento sern: TTT, TTH, THT, THH, HTT, HTH, HHT, HHH. Entonces los valores posibles para x (nmero de caras) son 0, 1, 2, 3.

Ejemplo 1 (Continuacin)

El resultado cero caras ocurre una vez. El resultado una cara ocurre tres veces. El resultado dos caras ocurre tres veces. El resultado tres caras ocurre una vez. De la definicin de variable aleatoria, x est definida en este experimento como la variable aleatoria.

10

La media de una distribucin discreta de probabilidad

La media:
Registra

la ubicacin central de los datos. Es el valor promedio a largo plazo de la variable aleatoria. Tambin se le conoce como su valor esperado, E(x), en una distribucin de probabilidad. Es un promedio ponderado.

11

La media de una distribucin discreta de probabilidad

La media es calculada con la frmula:

[ xP( x)]

Donde representa la media, y P(x) es la probabilidad de que x asuma algn valor.

12

La varianza de una distribucin de probabilidad discreta La varianza mide el tamao de la dispersin de una distribucin. La varianza de una distribucin discreta es representada por la letra griega 2 (sigma cuadrada). La desviacin estndar es la raz cuadrada de 2 .

13

La varianza de una distribucin de probabilidad discreta

La varianza de una distribucin de probabilidad discreta es calculada con la siguiente frmula:

[( x ) P( x)]
2 2
14

Ejemplo 2

David Ramrez, dueo de un negocio de servicios de pintura, estudi sus registros de las ltimas 20 semanas y reporta el siguiente nmero de casas pintadas por semana:

# de casas pintadas

semanas

10 11 12 13

5 6 7 2
15

Ejemplo 2 (Continuacin)

Distribucin de probabilidad:
Nmero de casas pintadas, x 10 11 12 13 TOTAL Probabilidad, P(x) .25 .30 .35 .10 1.00
16

Ejemplo 2 (Continuacin)

Calcule el nmero medio de casas pintadas por semana:

E ( x) [ xP ( x)]
(10)(.25) (11)(.30) (12)(.35) (13)(.10) 11.3

17

Ejemplo 2 (Continuacin)

Calcule la varianza del nmero de casas pintadas por semana:

2 [( x ) 2 P( x)]
(10 11.3) 2 (.25) ... (13 11.3) 2 (.10) 0.4225 0.0270 0.1715 0.2890 0.91

18

Distribucin de probabilidad binomial

La distribucin binomial tiene las siguientes caractersticas:

El

resultado de cada ensayo de un experimento se clasifica en una de dos categoras mutuamente excluyentes, a saber: xito o fracaso. La variable aleatoria cuenta el nmero de xitos en una cantidad fija de ensayos. La probabilidad de un xito permanece igual en todos los ensayos. Lo mismo sucede con la probabilidad de un fracaso. Los ensayos son independientes.

19

Distribucin de probabilidad binomial

Para construir una distribucin binomial, sea: C es una combinacin. n es el nmero de ensayos. x es el nmero de xitos. es la probabilidad de xito en cada ensayo.
20

Distribucin de probabilidad binomial

La frmula para la distribucin de probabilidad binomial es:

P( x)n Cx (1 )
x

n x

21

Ejemplo 3

El departamento del trabajo de Alabama registra que el 20% de la fuerza de trabajo en Mobile est desempleada. Para una muestra de 14 trabajadores, calcule las siguientes probabilidades:
Exactamente

3 estn desempleados. Al menos 3 estn desempleados. Al menos 1 est desempleado.

22

Ejemplo 3 (Continuacin)

La probabilidad de exactamente 3:
P(3)14 C 3(.20)3 (1 .20)11 (364)(.0080)(.0859) .2501

La probabilidad de al menos 3:

P( x 3)14 C3 (.20) 3 (.80)11 ...14 C14 (.20)14 (.80) 0 .250 .172 ... .000 .551
23

Ejemplo 3 (Continuacin)

La probabilidad de al menos 1:

P( x 1) 1 P(0) 114 C0 (.20) (1 .20)

0 14

1 .044 .956

24

Media y varianza de la distribucin binomial

La media se calcula as:

La varianza se calcula as:

n (1 )
2
25

Ejemplo 4

Del ejemplo 3, retomamos que = .2 y n = 14. Por lo tanto, la media es: = n = 14(.2) = 2.8 La varianza es: 2 = n(1 ) = 14(.2)(.8) = 2.24

26

Poblacin finita

Una poblacin finita es una poblacin que consiste en un nmero fijo de individuos conocidos, objetos o medidas, por ejemplo:
El

nmero de estudiantes en esta clase. El nmero de carros en el estacionamiento. El nmero de casas construidas en el fraccionamiento Arboledas.
27

Distribucin Hipergeomtrica

La distribucin hipergeomtrica tiene las siguientes caractersticas:

Hay

slo dos resultados posibles. La probabilidad de un xito no es la misma en cada ensayo. sta resulta de contar el nmero de xitos en un nmero fijo de ensayos.

28

Distribucin hipergeomtrica

La frmula para encontrar una probabilidad utilizando la distribucin hipergeomtrica es:

( S Cx )( N S Cn x ) P( x ) N Cn

Donde N es el tamao de la poblacin, S es el nmero de xitos en la poblacin, x es el nmero de xitos en una muestra de n observaciones.

29

Distribucin hipergeomtrica

Utilice la distribucin hipergeomtrica para encontrar la probabilidad de un nmero especfico de xitos o resultados si:
La

muestra es seleccionada de una poblacin finita sin reemplazo. El tamao de la muestra n es mayor que el 5% del tamao de la poblacin N.

30

Ejemplo 5

La fbrica de juguetes Andy, tiene 50 empleados en el departamento de ensamble. De stos, 40 pertenecen a un sindicato y 10 no. Se van a elegir cinco empleados aleatoriamente, para que integren un comit que hablar con el gerente acerca de la hora de inicio de los distintos turnos. Cul es la probabilidad de que cuatro de los cinco elegidos pertenezcan al sindicato?

31

Ejemplo 5 (Continuacin)
N es 50, el nmero de empleados. S es 40, el nmero de empleados del sindicato. x es 4, el nmero de empleados del sindicato que fueron seleccionados. n es 5, el nmero de empleados elegidos. P(4) = 40C4(50-40C5-4/50C5 = (91390)(10)/2118760 = 0.431
32

Distribucin de probabilidad de Poisson

La distribucin de probabilidad de Poisson describe la cantidad de veces que ocurre un evento en un intervalo determinado. Esta distribucin tambin es una forma lmite de la distribucin binomial, cuando la probabilidad de xito es muy pequea y n es grande.

33

Distribucin de probabilidad de Poisson

La distribucin de Poisson puede describirse matemticamente utilizando la siguiente frmula:

P( x )

e
x

x!

Donde es la media del nmero de ocurrencias (xitos) en un intervalo especfico. e es la constante 2.71828 (base del sistema logartmico neperiano). x es el nmero de xitos. P(x) es la probabilidad que se va a calcular para un valor dado de x.
34

Distribucin de probabilidad de Poisson

La media del nmero de xitos puede determinarse en una situacin binomial as: n donde n es el nmero de ensayos y es la probabilidad de xito. La varianza de una distribucin Poisson es tambin n(1 ).

35

Ejemplo 6

La Sra. Bonilla est encargada de los prstamos en el banco del centro de Peralvillo. Con base en sus aos de experiencia, estima que la probabilidad de que un solicitante no sea capaz de pagar su prstamo, es 0.025. El mes pasado realiz 40 prstamos. Cul es la probabilidad de que 3 prstamos no sean pagados a tiempo? = n = 40(.025) = 1 P(3) = 13e-1/3! = 0.0613
36