Beruflich Dokumente
Kultur Dokumente
𝑛
𝑓 𝑥 =𝑃 𝑋=𝑥 = 𝑝𝑥 1 − 𝑝 𝑛−𝑥 , 𝑥 = 0, ⋯ , 𝑛
𝑥
Se denota 𝐗~𝐁 𝒏, 𝒑 y se lee que la variable aleatoria 𝑿 sigue una distribución binomial
con parámetros 𝒏 y 𝒑.
Media 𝝁𝑿 = 𝒏𝒑 Varianza 𝝈𝟐𝑿 = 𝒏𝒑 𝟏 − 𝒑
Distribución Binomial
n=1 n=2 n=3 n=4 n=5
0.6 0.6 0.4 0.4 0.4
0.4 0.4
0.2 0.2 0.2
0.2 0.2
0 0 0 0 0
Si p = 0.5
n=6 n=7 n=8 n=9 n=10
0.4 0.3 0.3 0.3 0.3
0 0 0 0 0
Si p = 0.35
Ejemplos de V.A. Distribución Binomial
Los siguientes son ejemplos de variables binomiales:
𝑋1 = Número de artículos defectuosos en un lote de 500
𝑛 = 500 𝐸 = artículo defectuoso 𝑃 𝐸 = 0.001
⟹ 𝑋1 ~ 𝐵(𝑛 = 500, 𝑝 = 0.001)
𝑌~B n = 4, p = 0.00617454
Por tanto:
P 𝑌 = 𝑦 = Cy4 p 𝑦 1 − p 4−𝑦 ,
𝑦 = 0, 1, 2 , 3, 4
Se pide 𝑃 𝑌 = 1 :
𝑃 𝑌 = 1 = 𝐶14 𝑝1 1 − 𝑝 3 = 0.024243471
Interpretando: Significa que la probabilidad de que la garantía se aplique en una de 4 cajas es 𝟎. 𝟎𝟐𝟒𝟐𝟒𝟑𝟒𝟕𝟏.
Tarea – Garantía en caja de 12 artículos
Se sabe que la probabilidad de que un artículo producido por una cierta empresa sea defectuoso es de
0.01, independientemente de los otros.
Los artículos se venden en cajas de 12 unidades y tienen una garantía de reemplazo por una caja nueva
si se encuentra más de un artículo defectuoso.
c) Si se venden 1000 de estas cajas, calcule el número esperado de cajas en que se aplicaría la
garantía.
Continuando con el evento 𝐹 = Se le aplica la garantía a la caja seleccionada, con P F = 0.00617454.
Si tenemos 1000 cajas y definimos 𝑍 = La cantidad de cajas a las que se les aplica la garantía, entonces:
𝑍~B n = 1000, p = 0.00617454
Por tanto:
P Z = z = Cz1000 pz 1 − p 1000−z , z = 0, 1, … , 1000
Se pide 𝐸 𝑌 :
𝐸 𝑍 = 𝑛 × 𝑝 = 1000 × 0.00617454 = 6.17454
Interpretando: Entre las 𝟏𝟎𝟎𝟎 cajas compradas, se espera que a 6 de ellas se les aplique la garantía.
Programa del Curso
⋮
𝒙=𝒓+𝒌 𝒌=𝒙−𝒓
Distribución Binomial Negativa (Pascal)
Suponga que se repiten en forma independiente ensayos de Bernoulli con
probabilidad 𝒑 de obtener éxito. Si definimos la v.a.
𝑿 = Número de ensayos hasta obtener el 𝒓 −ésimo éxito
Entonces se dice que X es una variable aleatoria con distribución Binomial
Negativa, y su función de probabilidad viene dada por:
𝑥−1 𝑟 𝑥−1
𝑓𝑋 𝑥 = 𝑝 1−𝑝 , si 𝑥 = 𝑟, 𝑟 + 1, 𝑟 + 2, ⋯
𝑟−1
Se denota 𝑿 ~ 𝐵𝑁 (𝒓 , 𝒑) y se lee 𝑿 sigue una distribución binomial negativa con
parámetros 𝒓 y 𝒑.
𝑟 1−𝑝
𝝁𝑿 = 𝐸 𝑋 = 𝝈𝟐𝑿 = 𝑉 𝑋 =𝑟
𝑝 𝑝2
Tarea – Control de calidad de componentes
Un componente electrónico tiene una probabilidad de 0.90 de pasar un
control de calidad. Se puede asumir que existe independencia entre los
resultados del control de calidad de diferentes componentes electrónicos.
a) Calcule la probabilidad que sea necesario revisar 5 componentes para
obtener que 3 pasen el control de calidad.
b) Calcule el número promedio de revisiones hasta encontrar 3
componentes que pasen el control de calidad.
Programa del Curso
𝑛 =𝑟 𝑛 =𝑁−𝑟
𝑛 =𝑥 𝑛 =𝑛−𝑥
𝒏
𝑁
𝑟
𝑁−𝑟
Distribución Hipergeométrica 𝑛−𝑥
𝑥
𝑛
Un experimento hipergeométrico consiste en extraer al azar y sin
sustitución 𝒏 elementos de un conjunto de 𝑵 elementos,
de los cuales 𝒓 son éxitos y 𝑵 − 𝒓 son fracasos.
Se define la v.a. hipergeométrica como:
𝑿 = número de éxitos observados, al seleccionar 𝒏 elementos).
La función de probabilidad de la variable 𝑿 es:
𝑟 𝑁−𝑟
𝑥 𝑛−𝑥
𝑓 𝑥 =𝑃 𝑋=𝑥 = , 𝑅𝑋 = 𝑚𝑎𝑥 0, 𝑛 + 𝑟 − 𝑁 , ⋯ , 𝑚𝑖𝑛 𝑛, 𝑟
𝑁
𝑛
Se denota 𝑿~ 𝐻 (𝑵, 𝒓, 𝒏), y se lee que la variable aleatoria 𝑿 sigue una distribución
hipergeométrica con parámetros 𝑵, 𝒓 y 𝒏.
𝒓 𝒓 𝒓 𝑵−𝒏
Media 𝝁𝑿 = 𝒏 Varianza 𝝈𝟐𝑿 = 𝒏 𝟏−
𝑵 𝑵 𝑵 𝑵−𝟏
Ejemplo – Dopaje en el fútbol
En un equipo de fútbol hay 18 jugadores de los cuales cuatro consumen sustancias
prohibidas. Calcule la probabilidad de detectar al menos uno de los jugadores que usan
sustancias prohibidas, si la directiva del club ha realizado una prueba antidoping a dos
jugadores.
𝑿 = número de jugadores con substancias prohibidas
𝑿 = 𝟎, 𝟏, 𝟐 con: 𝑿~𝑯(𝑵 = 𝟏𝟖, 𝒓 = 𝟒, 𝒏 = 𝟐)
𝐴 = detectar al menos uno de los jugadores que usan sustancias prohibidas, si la directiva
del club ha realizado una prueba antidoping a dos jugadores.
4 14
0 2
𝑃 𝐴 =𝑃 𝑋 ≥1 =1−𝑃 𝑋 =0 =1− 18 = 0.41
2
Interpretando: Probabilidad de que detectar al menos uno de los jugadores que usan
sustancias prohibidas, si se realiza una prueba antidoping a dos jugadores es 0.41
Ejercicio - Máquinas
En un taller hay tres tipos de máquinas: 𝐴, 𝐵 y 𝐶. De las 20 del tipo 𝐴, 4 están malogradas; de las 15 del
tipo 𝐵, 2 están malogradas; y de las 10 del tipo 𝐶, 3 están malogradas. Se escoge al azar y de manera
independiente una máquina de cada tipo. Si la variable 𝑿 es igual al número de máquinas malogradas
escogidas, encontrar la media y la desviación estándar de la variable 𝑿.
𝑿 = 𝑿𝐴 + 𝑿𝐵 + 𝑿𝐶
4 2 3
⇒ 𝐸 𝑿 = 𝐸 𝑿 𝐴 + 𝑿𝐵 + 𝑿𝐶 = 𝐸 𝑿𝐴 + 𝐸 𝑿𝐵 + 𝐸 𝑿𝐶 = + + = 0.63
20 15 10
4 16 2 13 3 7
⇒ 𝑉 𝑿 = 𝑉 𝑿 𝐴 + 𝑿𝐵 + 𝑿𝐶 = 𝑉 𝑿𝐴 + 𝑉 𝑿𝐵 + 𝑉 𝑿𝐶 = + + = 0.4855
20 20 15 15 10 10
⇒ 𝝈𝑿 = 0.6968
Ejemplo – Empresas morosas con la SUNAT
En cierta ciudad hay un total de 𝑵 empresas que están en condición de morosas con la
SUNAT. Un inspector tiene una base de datos con 10 registros de empresas morosas y
un colega suyo toma una muestra al azar de 8 empresas morosas y encuentra que 𝑿 de
ellas ya figuran en la base.
𝛀 = empresas morosas, con 𝑛(𝛀) = 𝑵, de las cuales 𝒓 = 10 están en la base
𝒏 (𝑚𝑢𝑒𝑠𝑡𝑟𝑎) = 8, 𝑿 = número de empresas morosas que están en la base
𝑿 = 𝟎, 𝟏, … , 𝟖 , con: 𝑿~𝑯(𝑵, 𝒓 = 𝟏𝟎, 𝒏 = 𝟖)
Se denota X ~ 𝒫(𝝁) y se lee X sigue una distribución de Poisson, con parámetro 𝝁 = 𝝀𝒕,
donde 𝝀 es la tasa de ocurrencia por unidad de tiempo.
𝜇𝑋 = 𝐸 𝑋 = 𝝁 = 𝝀𝒕 𝜎𝑋2 = 𝑉 𝑋 = 𝝁 = 𝝀𝒕
Ejemplo - Terremotos
Se asume que la ocurrencia de terremotos siguen un proceso de Poisson en el
tiempo. Se asume que ocurre un terremoto cada 20 años
1
⟹ Tasa de ocurrencia: 𝝀 =
20
1
𝑿 = Número de terremotos en un intervalo de tamaño 𝒕 , 𝑿~𝑃 (𝝁 = 𝑡)
20
R.: En un período de 50 años, la probabilidad de que ocurran más de tres terremotos es 0.2424
Ejemplo - Terremotos
Se asume que la ocurrencia de terremotos siguen un proceso de Poisson en el
tiempo. Se asume que ocurre un terremoto cada 20 años
1
⟹ Tasa de ocurrencia: 𝝀 = al año
20
1
𝑿 = Número de terremotos en un intervalo de tamaño 𝒕 , 𝑿~𝑃 (𝝁 = 𝑡)
20
c) Cuan largo debe ser un período de tiempo, de modo que la probabilidad de que no ocurran terremotos
durante ese período de tiempo sea mayor a 0.90.
1 0
− 𝑡 1
𝑒 20 𝑡 1
0.90 < 𝑃 𝑋 = 0 = 20 =𝑒 −20𝑡
0!
1
⟹ ln 0.90 < − 𝑡 ⟹ 𝑡 < −20 ln 0.90 = 2.1072
20
R: En un período máximo de 2.107 años, la probabilidad de que NO OCURRAN terremotos es mayor a 0.90