Beruflich Dokumente
Kultur Dokumente
comunes
Objetivo: El alumno conocer algunas de las distribuciones mas utilizadas en
la practica de la ingeniera y seleccionara la mas adecuada para analizar
algn fenmeno aleatorio en particular.
Hiptesis
Realid
ad
Simplificada
s
Modelo
s
Matemticos
Sencillos
PROCESO DE BERNOULLI
P(xito)=P
P(fracaso)=q
q= 1-P
Ej.
X=1 ; si hay xito
X=0 ; si hay fracaso
ESPERANZA
E(x)=
E(x)=0(q)+1(P)=P
E(x)=
P(x)
VARIANCIA
=Var(x)=E(x-))
=E(x)2-^
E(x^)=
Var(x)=P-P^
Var(x)=pq
DISTRIBUCIN BINOMIAL
Es una de las distribuciones de probabilidad ms tiles ( control de calidad,
produccin, investigacin). Tiene que ver con el experimento aleatorio que produce
en cada ensayo o prueba uno de dos resultados posibles mutuamente excluyentes:
ocurrencia de un criterio o caracterstica especfico (llamado xito) y no ocurrencia
de ste (llamado fracaso). Los trminos o calificativos de "xito y fracaso" son solo
etiqutas y su interpretacin puede no corresponder con el resultado positivo o
negativo de un experimento en la realidad.
Nmero de Experimentos
12345n
EF F F E
Ej.
Una fabrica de radios vende 1000 radios, se enva una muestra de 50 a la
cadena nacional. Si sale mas de un radio defectuoso no se acepta la fabrica
siente que el 2 % son defectuosos Cul es la probabilidad que se rechace el
envi?.
1.- X= nmero de radios defectuosos en 50
2.- Binomial
3.- Discreta
4.- Parmetros
n= 50
P=0.02
Solucin
P(x>1)=?
1-P(x<=1)=?
B(x; n,p) =
B(x; n,p) =
DISTRIBUCIN HIPERGEOMTRICA
Muchas veces en la prctica es difcil realizar pruebas con reposicin
reemplazamiento. Por ejemplo, si en el control de calidad se pierde el elemento
que se prueba, pues no se puede hacer reposicin directamente. Se planta
entonces la prueba sin reposicin, donde los elementos de la muestra se toman
todos a la vez y no individualmente donde el elemento seleccionado no se
reintegra al experimento a la muestra nuevamente.
La diferencia mas simple con la binomial es la forma de aplicar el muestreo. En
efecto, en:
Binomial: Muestreo con reemplazamiento e independencia de pruebas
ensayos.
Hipergeomtrica: Muestreo sin reemplazamiento y sin independencia entre
pruebas ensayos.
P(X; N,n,k)=
X=0,1,2,n
Enteros positivos
VARIANCIA
Var(x)=
ESPERANZA
E(x)==
idere un fabricante de automviles que compra los motores a una compaa donde se fabrican bajo estrict
iciones. El fabricante recibe lote de 40 motores. Si encuentra que ningn de los motores 5 motores el fabri
e el lote de otra forma lo rechaza. Si el lote contiene 2 motores con serios defectos Cul es la probabilidad
tado?
cin
N,n,k)=
P(X; N,n,k)=
DISTRIBUCIN GEOMTRICA
La distribucin Geomtrica tambin est relacionada con una secuencia de
ensayos deBernoulli, excepto que el nmero de ensayos no es fijo. En
consecuencia, la distribucin geomtrica hereda las caractersticas de la
distribucinbinomial, a excepcin del concepto del cual se quiere calcular la
probabilidad. En este caso la variable aleatoria de inters, denotada medianteX,
se define como el nmero de ensayos requeridos para lograr el primer xito.
X= discreta
Nmero del experimento donde ocurre el primer xito
X=1,2,3 infinito
G(x; P)=
P(E)=P
P(F)=1-P=q
ESPERANZA
E(X)= 1/p
VARIANCIA
q/p^
Ej.
EUA tiene la visin de bombardear Irn
Datos
P(E ind)=0.7 c/avin
Cuntos aviones tiene que mandar para tener una probabilidad de o.99 el primer xito?
x
P(x<=4)=0.99
Distribucin geomtrica 1
Parmetro
2
P(Eind)= 0.7
3
P(x)
F(x)
0.7
0.7
0.21
0.91
0.06
3
0.97
3
0.01
9
0.99
2
ESPERANZA
E(x)=
VARIANCIA
Var(x)=
Ej.
Fila de personas pidiendo empleo Pedro Prez esta situado en el lugar 8
solamente hay tres plazas entonces Pedro se desanima y pregunta. Que
probabilidad tengo de que me entrevisten?. Solo el 40% cumple con los
requisitos. Si pedro cumple los requisitos. Cual es la probabilidad que
x
P(x)
F(x)
contraten a Pedro?
Solucin
3
0.064
0.064
X= nmero de personas que cubren la tercer plaza
4
Distribucin de Pascal
Discreta
K=3
5
P=0.4
P(x>=8)=1-0.580096=0.419904
0.1152
0.1792
0.13824
0.31744
0.13824
0.45568
0.12441
6
0.58009
6
Hiptesis
H1: Los eventos son raros
H2: La intensidad media del proceso en todo el intervalo es constante
H3: Existe independencia entre los intervalos que no se traslapan
Poisson
R1: Distribucin de Poisson
R2: Distribucin exponencial
Distribucin de Poisson
La distribucin de Poisson es discreta (como labinomial) pues los valores
que puede tomar la variable aleatoria son nmeros naturales. Aunque en la
distribucin de Poisson los casos posibles en teora son infinitos
(numerable).
La distribucin de Poisson se caracteriza por un solo parmetro landa. Su
media es landa y su varianza tambin es landa.
La media est representada por un tringulo y se puede interpretar como un
punto de equilibrio. Al arrastrarlo se modifica tambin el parmetro landa.
Se puede mostrar una curvanormalque tiene la misma media y varianza
que la distribucin de Poisson. Esta curva normal aproxima a la de Poisson
en algunos casos.
Los puntos grises controlan la escala vertical y horizontal de la grfica y
pulsando el boton derecho y arrastrando podemos moverla a derecha e
izquierda.
Esperanza=Variancia=
=t
= frecuencia media por unidad de tiempo
P(x; ;t)=
Ej.
Pasan en promedio 3 camiones por hora. Caul es la probabilidad que
en los 15 min pasa mas de uno?
X= nmero de camiones pasan en 15 min
Poisson
Discreta
P(
x)
F(x
)0
0.4
7
0.4
7
=(3)(15)=0.75
0.3
5
.
08
2
P(x>1)=0.18
Cul es el nmero esperado de el paso del camin?
E(x)=0.75
Var(x)=0.75
Ej.
Suponga que una variable aleatoriaXtiene distribucin Binomial con n =
100 y p = 0.001. Enseguida se presentan algunas probabilidades usando la
distribucin Binomial y su aproximacin mediante la distribucin de
Poisson conl=np= (100)(0.001) = 0.1.
X
Binomial
Poisson
con =0.1
0.90
0.90
0.09
0.09
0.004
0.004
0.00015
0.00015
Ej.Sea X el momento elegido al azar en que un estudiante recibe clases en un determinado da entre las
siguientes horas: 7:00 - 8:00 - 9:00 - 10:00 - 11:00 - 12:00 - 13:00
1) Cul es la funcin de densidad de la variable X?
2) Elaborar un grfico de la distribucin de probabilidades
3) Calcular el valor medio esperado
4) Calcular la desviacin estndar
5) Calcular la probabilidad de que llegue en la primera media hora
6) Si recibe clases deEstadsticaAplicada de 10:00 a 12:15, calcular la probabilidad de recibir esta asignatura.
Solucin:
1) a = 7 y b = 13
Reemplazando valores en la ecuacin de la funcin de densidad se obtiene:
De esta manera, puede definirse ahora una variable aleatoria continua x que mide el
tiempo que tarda en ocurrir el primer evento de Poisson. Es decir:
Valor esperado:
Varianza:
La distribucin normal
La distribucin normal fue estudiada por Gauss. Se trata de una variable aleatoria continua (la
variable puede tomar cualquier valor real). La funcin de densidad tiene forma de campana.
Dos parmetros determinan una distribucin normal: la media y la desviacin tpica. Cuanto
mayor sea la desviacin tpica mayor es la dispersin de la variable.
La distribucin normal es simtrica respecto de la media.
La media est representada por un tringulo y se puede interpretar como un punto de
equilibrio. Al arrastrarlo se modifica tambin la media. El mismo efecto tiene el mover el
punto correspondiente en la cspide de la curva.
Arrastrando el otro punto sobre la curva (que es uno de los dos puntos de inflexin de la
curva) se modifica la desviacin tpica.
Podemos ver la funcin de distribucin acumulada y cmo cambia al modificar la media
(simple traslacin) y la desviacin tpica (reflejando la mayor o menor dispersin de la
variable).
Los puntos grises controlan la escala vertical y horizontal de la grfica y pulsando el boton
derecho y arrastrando podemos moverla a derecha e izquierda.