Beruflich Dokumente
Kultur Dokumente
Distribucin de Bernoulli
Experimento de Bernoulli: solo son
posibles dos resultados: xito o fracaso.
Podemos definir una variable aleatoria
discreta X tal que:
xito 1
fracaso 0
Si la probabilidad de xito es p y la de fracaso 1 - p,
podemos construir una funcin de probabilidad:
1 x
P ( x) p (1 p )
x
x 0,1
1 x
P ( x) p (1 p )
x
x 0, 1
Funcin de distribucin:
1 p, para x 0
F ( x)
1, para x 1
E[ X ] x P ( X x)
x 0
0 P ( X 0) 1 P ( X 1) p
1
Var ( X ) E[ X ] ( E[ X ]) x P ( X x) p
2
x 0
0 P ( X 0) 1 P ( X 1) p
2
p p p (1 p )
2
Distribucin binomial
La distribucin binomial aparece cuando estamos
interesados en el nmero de veces que un suceso
A ocurre (xitos) en n intentos independientes
de un experimento.
P. ej.: # de caras en n lanzamientos de una moneda.
3 p 2 (1 p )
3 p(1 p) 2
n x
n!
n x
x
n x
B(n, p ) p ( x) p (1 p )
p (1 p )
x!(n x)!
x
Distribucin binomial para n = 5 y
distintos valores de p, B(5, p)
Ejercicio:
Cul es la probabilidad de que en una familia de 4 hijos
exactamente 2 sean nias?
n x
p(x) p ( 1 p)n x
x
p 0.5;
n 4;
x2
4
2
4- 2
p( 2 ) ( 0.5 ) ( 1-0.5 )
2
10
Ejercicio:
Si una dcima parte de personas tiene cierto grupo
sanguneo, cul es la probabilidad de que entre 100
personas escogidas al azar exactamente 8 de ellas
pertenezcan a este grupo sanguneo?
n x
n x
p(x) p ( 1 p)
x
p 0.1;
n 100;
x 8
100
( 0.1 )8( 1-0.1 )92
p( 8 )
8
11
n x
p(x 8 ) p ( 1 p)n x
x 0 x
8
100
(0.1) x ( 0.9 )100 x
x
x 0
8
12
p = 1/6, q = 5/6, n = 4
n k nk
P (k ) p q
k
(k 0,1,....n)
4 1 5
4 1 5 4 1
2 6 6
3 6 6 4 6
1
171
4 (6 25 4 5 1)
0.132
6
1296
13
Caractersticas de la distribucin
binomial
Media
= E(X) = n p
= 5 0.1 = 0.5
= 5 0.5 = 0.25
.6
.4
.2
0
P(X)
X
0
Desviacin estndar
np (1 p)
5 0.1 (1 0.1) 0.67
5 0.5 (1 0.5) 1.1
.6
.4
.2
0
n = 5 p = 0.1
P(X)
n = 5 p = 0.5
X
5
14
Distribucin hipergeomtrica
A
diferentes formas de tomar x bolas rojas de A
x
N A
N A
nx
H (n, N , A) P( x)
A
x
N A
nx
N
n
( x 0,1, ..., n)
15
p ( x)
3 7
10 10
2 x
p( x)
3
x
2 x
10
2
21
3
p (0) p (1)
0.47 , p (2)
0.07
45
45
16
Hipergeomtrica
N = 24
X=8
n=5
x
0
1
2
3
4
5
P(x)
0.1028
0.3426
0.3689
0.1581
0.0264
0.0013
N = 240
X = 80
n=5
x
0
1
2
3
4
5
P(x)
0.1289
0.3306
0.3327
0.1642
0.0398
0.0038
Binomial
n=5
p = 8/24 =1/3
P(x)
0.1317
0.3292
0.3292
0.1646
0.0412
0.0041
Error
-0.0289
0.0133
0.0397
-0.0065
-0.0148
-0.0028
n=5
p = 80/240 =1/3
P(x)
0.1317
0.3292
0.3292
0.1646
0.0412
0.0041
Error
-0.0028
0.0014
0.0035
-0.0004
-0.0014
-0.0003
Observa que si N,
A, N-A son grandes
comparados con n
no hay gran
diferencia en qu
distribucin
empleemos.
La distribucin
binomial es una
aproximacin
aceptable a la
hipergeomtrica
si n < 5% de N.
17
Distribucin de Poisson
Cuando en una distribucin binomial el nmero de intentos (n)
es grande y la probabilidad de xito (p) es pequea, la
distribucin binomial converge a la distribucin de Poisson:
e
p( x)
, x 0 ,1,2 , ... 0
x!
x
donde np =
Observa que si p es pequea, el xito es
un suceso raro.
La distribucin de Poisson, junto con la uniforme y la
18
binomial, son las distribuciones ms utilizadas.
P ( X 0) B (n, p,0) (1 p ) 1
n
B (n, p, k )
(k 1) p
B(n, p, k 1)
k (1 p )
k
20
Tenemos entonces
la siguiente ecuacin
iterada:
B ( n, p , 0) e
B(n, p, k ) B(n, p, k 1)
k
P ( X 1) B (n, p,1) e
2
P ( X 2) B ( n, p , 2) e
2
...
k
P( X k ) e
k!
21
(Feller)
Supn que vivas en uno de los 100 bloques que aparecen en la grfica
inferior. La probabilidad de que una bomba cayera en tu bloque era 1/100.
Como cayeron 400 bombas, podemos entender el nmero de impactos en tu
bloque como el nmero de xitos en un experimento de Bernoulli con n = 400
y p = 1/100. Podemos usar una Poisson con =400 1/100=4:
400 bombas
e 4 4 x
p ( x)
x!
Observado
Predicho
10 x 10
22
Caractersticas de la distribucin de
Poisson
Media
E (X )
Desviacin estndar
.6
.4
.2
0
X
0
.6
.4
.2
0
= 0.5
P(X)
= 6
P(X)
X
0
10
23
n p =
24
0 100
100
100 99
1 100
0.9206
99
100
100 99
2 100
n x n x
p ( x) p q
x
98
100
( x 0,1,....n)
P( A ) e (1 1 12 ) 0.9197
c
x
p( x)
e
x!
( x 0,1,....)
25
x
p( x)
e
x!
( x 0,1,....)
9%
22
2!
) 0.857
x
p( x)
e
x!
( x 0,1,....)
21
1!
23
3!
27