Beruflich Dokumente
Kultur Dokumente
Modelos probabilísticos
Experimentos dicotómicos.
Bernoulli
1
Distribución de Bernoulli
Tenemos un experimento de Bernoulli si al realizar
un experimentos sólo son posibles dos resultados:
X=1 (éxito, con probabilidad p)
X=0 (fracaso, con probabilidad q=1-p)
Solución.
La noc. frecuentista de prob. nos permite aproximar la
probabilidad de tener secuelas mediante 300/2000=0,15=15%
2
Distribución de Bernoulli.
Esperanza de X.
µ = + =
Varianza de X.
= + =
σ = −µ = − = − =
Variable Aleatoría y Modelos probabilísticos
Distribución Binomial
Si se repite un número fijo de veces, n, un experimento de
Bernoulli con parámetro p, el número de éxitos sigue una
distribución binomial de parámetros (n,p).
3
Distribución binomial
Función de probabilidad
−
= = ≤ ≤
Media: =n p
Varianza: 2 =npq
−
= =
Variable Aleatoría y Modelos probabilísticos
4
a. Menos de dos chips defectuosos.
< = = + = = +
< = =
−
= = = =
−
= = = =
≥ = − = = − = =
R/ La posibilidad de encontrar al menos un defectuoso en un lote de 30
chips es del 70,61%.
< < = = + =
< < = + = =
R/ La posibilidad de encontrar más de dos pero menos de cinco
defectuosos en un lote de 30 chips es del 11,05%.
5
d. Si al menos un chip está defectuoso, cual es la probabilidad de
encontrar menos de cuatro chips defectuosos?.
≤ <
< ≥ =
≥
= + = + =
< ≥ =
− =
+ +
< ≥ = =
−
< ≥ = =
=
≥ < =
= + = + =
≥ < =
+ +
6
Variable Aleatoria Hipergeométrica
Un club deportivo cuenta con 50 afiliados, 30 son golfista y 20 son
tenistas. Se va a formar un comité directivo de 3 miembros para
evaluar los candidatos a gerente del club. Sea X la variable aleatoria el
número de golfistas en el comité.
−
−
= =
−
− Si i = 0,1,2,..min(M,n)
= =
7
Variable Aleatoria Hipergeométrica
Si X es una variable aleatoria hipergeométrica con parámetros N, M y n
entonces:
µ =
− −
σ =
−
Ejemplo: V.A.Hipergeométrica
Una compañía tiene 5 aspirantes para dos puestos: dos mujeres y tres
hombres. Suponga que los aspirantes tienen la misma
capacitación, y que para escoger no hay preferencia de género.
Sea X la variable aleatoria número de mujeres elegidas para
ocupar las dos posiciones:
8
Ejemplo: V.A.Hipergeométrica
Una compañía tiene 5 aspirantes para dos puestos: dos mujeres y tres
hombres. Suponga que los aspirantes tienen la misma
capacitación, y que para escoger no hay preferencia de género.
Sea X la variable aleatoria número de mujeres elegidas para
ocupar las dos posiciones:
−
− Si i=0,1,2
= =
Ejemplo: V.A.Hipergeométrica
Una compañía tiene 5 aspirantes para dos puestos: dos mujeres y tres
hombres. Suponga que los aspirantes tienen la misma
capacitación, y que para escoger no hay preferencia de género.
Sea X la variable aleatoria número de mujeres elegidas para
ocupar las dos posiciones:
≥ = − < = − =
−
≥ =
9
Ejemplo: V.A.Hipergeométrica
c. ¿Cual es la Media y la varianza de la distribución?
µ = = =
− −
σ = = =
−
Ejemplo: V.A.Hipergeométrica
Una compañía tiene 5 aspirantes para dos puestos: dos mujeres y tres
hombres. Suponga que los aspirantes tienen la misma
capacitación, y que para escoger no hay preferencia de género.
Sea X la variable aleatoria número de mujeres elegidas para
ocupar las dos posiciones:
10
V.A.Hipergeométrica: aproximación
Si N y M son valores muy grandes. La Variable aleatoria
Hipergeometrica con parámetros N, M y n se puede
aproximar como una Variable Aleatoria Binomial con
parámetros n y p= M/N
µ = =
− −
σ =
−
σ =
Variable Aleatoría y Modelos probabilísticos
V.A.Hipergeométrica: aproximación
En una bodega hay 5,000 botellas de vino, de las cuales hay 1,000 con vino
descompuesto, Si se toma una muestra al azar de 30 botellas:
11
Tarea
Aprender a Manejar las tablas de
la Función de Distribución
(Acumulada) para la Binomial
Distribución de Poisson
Proceso de Poisson
12
Proceso de Poisson Ejemplos
# de llamadas por hora que recibe una oficina.
# de personas en una cola por hora.
# de cortes de energía por el mal tiempo durante el mes.
# de matas infectadas por hectárea.
# de defectuosos por cada 10,000 unidades.
# de errores mecanográficos por pagina.
σ2 = µ
Variable Aleatoría y Modelos probabilísticos
= = = =
− −
< = ≤ = = + = = + =
≥ = − ≤ = − =
13
En un conmutador entra un promedio de 5 llamadas por minuto.
< < = + = + =
< > = =
> ≥
− − −
+ +
< > = = ==
− −
= = = ≈
Distribución de Poisson
También se denomina de sucesos raros.
Sirve para aproximar la distribución binomial con la misma
media, para ‘n grande’ (n>30) y ‘p pequeño’ (p<0,1).
Ejemplo
El número de individuos que será atendido un día cualquiera en una
oficina de servicios.
En Cali hay 2,500.000 habitantes (n grande)
La probabilidad de que cualquier persona necesite acercarse a
una oficina un día cualquiera es pequeña, pero no nula.
Supongamos que es 1/1,000.000
Bin(n=2,500.000,p=1/1,000.000) Poisson( =np=2,5)
14
Ejemplos de variables de Poisson
Sospechamos que diferentes proveedores pueden tener
insumos para mi proceso de diferente “calidad”, algunos
presentan muy pequeños porcentajes de defectuosos y nos
suministran grandes cantidades de insumos, Para
Compararlos tenemos de cada proveedor No. de unidades
suministradas y los porcentajes de defectuosos.
Tenemos p pequeño, pequeños % de defectuosos con
respecto al total de unidades que suministra el proveedor.
Se puede modelar mediante Poisson( =np)
Tarea
Aprender a Manejar las tablas de
la Función de Distribución
(Acumulada) para la Poisson
15