Indice:

Distribucin Poisson: .................................................................................................................. - 1 -

Ejemplo poisson: .................................................................................................................... - 2 -
Solucin poisson: ................................................................................................................... - 2 -
Distribucin Hipergeomtrica: ................................................................................................... - 3 -
Ejemplo Hipergeomtrica: ..................................................................................................... - 4 -
Solucin Hipergeomtrica: ..................................................................................................... - 4 -
Distribucin uniforme: ............................................................................................................... - 5 -
Ejemplo Dist. uniforme: ......................................................................................................... - 6 -
Solucin Dist. Uniforme ......................................................................................................... - 6 -
Distribucin exponencial: ........................................................................................................... - 7 -
Ejemplo Dist. Exponencial: ..................................................................................................... - 9 -
Solucin Dist. Exponencial: .................................................................................................... - 9 -
Bibliografa: .............................................................................................................................. - 10 -



Probabilidad y Estadsticas Pgina - 1 -

Distribucin Poisson:
Este tipo de distribucin se utiliza en experimentos donde los xitos buscados se expresan en
una taza de ocurrencia, como por ejemplo:
Llegada de llamadas telefnicas a una central a lo largo del tiempo.
Ocurrencia de accidentes de trnsito en un cruce peatonal a lo largo del tiempo.
Cantidad de insectos en un determinado jardn a travs de su rea.
Nmero de vehculos en una calle (de una sola va) a travs de su longitud.
Adems hay que tomar en cuenta que la cantidad de xitos por unidad de tiempo, rea,
distancia, etc. Es totalmente al azar y cada intervalo de tiempo, rea, distancia es independiente al
anterior.
Entonces denotaremos la taza de ocurrencia con la letra griega .

= 12 accidentes en un ao, en meses sera =1 accidente en un mes.
Por tanto la funcin de densidad de probabilidad de un experimento est dado por:

(

) (

) {

Esperanza (media)
()
Varianza
()




El eje de las abscisas est representado por el ndice x (datos a encontrar). El eje de las
ordenadas est representado por (

). La amplitud mxima de la grfica est representada por

Probabilidad y Estadsticas Pgina - 2 -

y a medida que ste aumenta la grfica los
valores para (

) disminuyen como se
aprecia en el siguiente grfico.




Ejemplo poisson:
Para el caso del alambre delgado de
cobre, supngase que el nmero de fallas
est descrito por una distribucin Poisson con una media de 2.3 fallas por milmetros. Determine
la probabilidad de tener dos fallas en un milmetro de alambre. Sea X el nmero de fallas en un
milmetro de alambre. Entonces, E(X ) = 2.3 fallas y
( ) ()

Calclese la probabilidad de tener 10 fallas en cinco milmetros de alambre.

Solucin poisson:
Sea X el nmero de fallas en cinco milmetros de alambre. Entonces X tiene una distribucin
Poisson con:
E(x) = 5mm 2.3 fallas mm = 11.5 fallas

Por consiguiente:
( ) ()

Determnese la probabilidad de tener al menos una falla en dos milmetros de alambre.Sea X el
nmero de fallas en dos milmetros de alambre. Entonces X tiene una Distribucin Poisson con:
EX 2mm 2.3 fallas/mm = 4.6 fallas
( )= 1- ( )
( )= 1-

0.989948

Probabilidad y Estadsticas Pgina - 3 -

Distribucin Hipergeomtrica:
Los Experimentos que tienen este tipo de distribucin cumplen con las siguientes
caractersticas:
Existen solo dos posibles resultados.
Las probabilidades asociadas a cada uno de estos resultados no son constantes.
Cada repeticin no es independiente del resultado anterior.
La cantidad de repeticiones es constante, lo que se denota por n.


N: Nmero total de elementos del espacio muestral.
n: Nmero total de la muestra extrada.
K: Cantidad de elementos que cumplen una caracterstica en especial.
Por consiguiente, la funcin de densidad de probabilidad est dada por:
(

) (

) {

Esperanza:
()

Varianza:
() (


) (

) (

)


Probabilidad y Estadsticas Pgina - 4 -

Ejemplo Hipergeomtrica:
Un lote contiene 100 piezas de un proveedor de tubera local y 200 unidades de un proveedor
de tubera del estado vecino. Si se seleccionan cuatro piezas al azar y sin reemplazo:
a- Cul es la probabilidad de que todas sean del proveedor local?
b- Cul es la probabilidad de que dos o ms piezas de la muestra sea del proveedor local?
c- Cul es la probabilidad de que al menos una pieza de la muestra sea del proveedor local?

Solucin Hipergeomtrica:

a) Sea X igual al nmero de piezas de la muestra del proveedor local. Entonces, x tiene una
distribucin hipergeomtrica y la probabilidad pedida es P(x=4). Por consiguiente,

X=4 ; K=100 ; N=300 ; n=4

( ) ()

b) ( ) ( ) ( ) ( )

( )

( )
c) ( ) ( ) (

) =0.196









Probabilidad y Estadsticas Pgina - 5 -

Distribucin uniforme:
Supongamos que ocurre un evento en que
una variable aleatoria toma valores en un
intervalo finito, de manera que estas se
encuentran distribuidas individualmente sobre
el intervalo. Si X es una variable aleatoria que se
distribuye uniforme sobre el intervalo [a,b]
entonces su funcin de probabilidad est dada
por:
() {

Para calcular su funcin acumulada se toman los siguientes pasos:
S,x<a
()

S,
()

S,
()

Por lo tanto su funcin acumulada est dada por:
()
{

Esperanza:
() ()

Varianza:
()
( )

Probabilidad y Estadsticas Pgina - 6 -

Ejemplo Dist. uniforme:
Una persona dispara con un arco y flecha a un blanco. Si la flecha llega a menos de 5 cm del
centro se asignan 10 puntos; si la flecha est a ms de 5 cm y a menos de 15 cm, se le asignan 5
puntos; si la flecha est a ms de 15 cm y a menos de 25 cm se le asignan 3 puntos. En otro caso
se le asignan 0 puntos. Calcule la cantidad esperada de puntos que obtiene la persona si se sabe
que el radio del blanco mide 50 cm y la flecha puede dar en cualquier punto del blanco con la
misma probabilidad.
Solucin Dist. Uniforme:
Sea X v.a. que indica distancia de la flecha al centro del blanco.
a=0 ; b=50 (radio del blanco)
() {

Sea Y v.a. que indica la cantidad de puntos obtenidos en el tiro al blanco:

Calculo de ():
( ) ( )

( ) ( )

( ) ( )

( ) ( )

() {





() ()

Probabilidad y Estadsticas Pgina - 7 -


Distribucin exponencial:
La distribucin exponencial est fuertemente
ligada a poisson. La distribucin poisson modela la
cantidad de eventos que ocurre en un lapso de
tiempo como por ejemplo el n de accidentes,
cantidad de llamadas por hora. Una variable
aleatoria exponencial mide el tiempo que transcurre
hasta que se da el primer suceso poisson, es decir,
modela el lapso entre dos sucesos consecutivos que ocurren de manera indepeniente. El siguiente
grfico indica lo valores obtenidos para diferentes mayores que 0, ya que en C.O.C, ()
Sea X una variable aleatoria continua, entonces x se distribuye exponencial si su funcin de
densidad de probabilidad es la siguiente:
() {

)



Donde B es el parmetro de distribucin.
El parmetro mide la cantidad de sucesos que ocurre en un periodo de tiempo mientras que
la distribucin exponencial (continuo) mide el tiempo entre fallas sucesivas de un proceso poisson
(discreta). La relacin entre parmetros es la siguiente:

Esperanza:
() ()

Varianza:
() (

) ()

Probabilidad y Estadsticas Pgina - 8 -

Al querer calcular la probabilidad de la funcin exponencial se recomienda hacer la F.
Acumulada:


() ()

() ()

()

)

(

)

() {


(

)



Propiedad Carencia de memoria:
( (

)
( (

)
(

( (

))
(

)

(

)(

)

(

)
( )
( (

) ( )








Probabilidad y Estadsticas Pgina - 9 -

Ejemplo Dist. Exponencial:
El componente elctrico de cierto servidor ubicado al interior de un centro estudiantil ha
presentado un desempeo deficiente. Segn el experto, la cantidad de fallas que presenta este
componente elctrico es una V.a. de un proceso poisson con una tasa de 4.8 fallas al dia.
a) Indique cul es el tiempo esperado entre fallas.
b) Si el componente elctrico ha estado ms de 3 horas sin presentar fallas, Cul es la
probabilidad de que dure otra hora ms sin presentar fallas? Cmo se denomina esta
propiedad?
c) Cul es el tiempo mximo que debe durar el componente elctrico para encontrarse e el
35%de las veces que dur menos tiempo sin fallar?
Solucin Dist. Exponencial:
a) Sea =4.8 fallas/da
Consideremos la variable aleatoria T que indica el tiempo entre fallas sucesivas.
Luego ()
B=1/48 da/falla, por lo tanto, B= 5 horas/falla.
Luego, E(T)=B= 5 horas entre fallas.
b) Si sabemos que T se distribuye exponencial con parmetro B=5, entonces su funcin de
distribucin acumulada est dada por:
() {


(

)



( ) ( )
( ) () (
(

)
)
Esta propiedad se denomina carencia de memoria.
c) Sea

el tiempo mximo requerido.

(

)

(

horas(tiempo mximo requerido)

Probabilidad y Estadsticas Pgina - 10 -

Bibliografa:

http://probabilidadunad1.blogspot.com/2010/05/distribucion-de-poisson_13.html
(Grfico distribucin poisson).

http://pendientedemigracion.ucm.es/info/genetica/Estadistica/estadistica_basica%201.htm
(Grfico distribucin Hipergeomtrica)






















Probabilidad y Estadsticas Pgina - 11 -


Universidad Catlica Del Norte
Facultad De Ingeniera y Ciencias Geolgicas
Departamento de Ingeniera Metalrgica y Minas








INFORME PROBABILIDAD Y
ESTADISTICAS






Nombre: Felipe Armijo Lucero.
Jesus Bartolome Mendoza
Carlos Castillo Rojas.

Profesora: Nathalie Castro Muoz.


Antofagasta, 04 de mayo, 2014