Beruflich Dokumente
Kultur Dokumente
Discretas Continua
Bernoulli Normal
Binomial Exponencial
Geométrica Gamma
Hipergeométrica Uniforme
Poisson
pucv.cl
MODELOS DISCRETOS
Modelo de Bernoulli
Notación: 𝑋~𝑏(𝑝)
𝑝 𝑥 (1 − 𝑝)1−𝑥 ; 𝑐𝑜𝑛 𝑥 = 0, 1
𝑝 𝑥 =ቊ
0 ; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Esperanza: 𝐸 𝑋 = 𝑝
Varianza: 𝑉 𝑋 = 𝑝(1 − 𝑝)
pucv.cl
MODELOS DISCRETOS
Modelo de Binomial
pucv.cl
MODELOS DISCRETOS
Modelo de Binomial
Notación: 𝑋~𝑏(𝑛, 𝑝)
𝑛!
𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 ; 𝑐𝑜𝑛 𝑥 = 0, 1, 2, … , 𝑛
𝑝 𝑥 = 𝑃(𝑋 = 𝑥) = ൞ 𝑛 − 𝑥 ! 𝑥!
0 ; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Esperanza: 𝐸 𝑋 = 𝑛𝑝
Varianza: 𝑉 𝑋 = 𝑛𝑝(1 − 𝑝)
pucv.cl
EJERCICIOS
Ejercicio 1
pucv.cl
EJERCICIOS
Ejercicio 1: Pregunta a)
𝑛!
𝑝 𝑥 = 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑛 − 𝑥 ! 𝑥!
18!
𝑃 𝑋=2 = 0,12 (1 − 0,1)18−2 = 153 × 0,12 × 0,916 = 0,28
18 − 2 ! 2!
pucv.cl
EJERCICIOS
Ejercicio 1: Pregunta b)
3
18!
𝑃 𝑋 ≥4 =1−𝑃 𝑋 <4 = 0,1𝑥 0,918−𝑥
(18 − 𝑥)! 𝑥!
𝑖=0
𝑃 𝑋 ≥ 4 = 1 − 𝑃 𝑋 < 4 = 1 − [𝑝 0 + 𝑝 1 + 𝑝 2 + 𝑝 3 ]
18! 0 18
𝑃 𝑋=0 = 0,1 0,9 = 0,15
18!
18!
𝑃 𝑋=1 = 0,11 0,917 = 0,30
17! 1!
pucv.cl
EJERCICIOS
Ejercicio 1: Pregunta b)
18!
𝑃 𝑋=2 = 0,12 0,916 = 0,28
16! 2!
18!
𝑃 𝑋=3 = 0,13 0,915 = 0,17
15! 3!
pucv.cl
EJERCICIOS
Ejercicio 2
pucv.cl
EJERCICIOS
Ejercicio 2
6!
𝑃 𝑋=3 = 0,53 0,53 = 0,31
3! 3!
pucv.cl
MODELOS DISCRETOS
Modelo geométrico
Notación: 𝑋~𝐺(𝑝)
(1 − 𝑝)𝑥−1 𝑝 ; 𝑐𝑜𝑛 𝑥 = 1, 2, …
𝑝 𝑥 =ቊ
0 ; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
1
Esperanza: 𝐸 𝑋 =
𝑝
(1−𝑝)
Varianza: 𝑉 𝑋 =
𝑝2
pucv.cl
EJERCICIOS
Ejercicio 3
pucv.cl
EJERCICIOS
Ejercicio 3
𝑃(𝑋 = 𝑥) = (1 − 𝑝)𝑥−1 𝑝
pucv.cl
MODELOS DISCRETOS
Modelo Hipergeométrico
pucv.cl
MODELOS DISCRETOS
Modelo Hipergeométrico
Notación: 𝑋~𝐻(𝑁, 𝑛, 𝑝)
𝐾 𝑁−𝐾
𝑥 𝑛−𝑥
𝑁 ; 𝑐𝑜𝑛 𝑥 = 0, 1, 2, … , 𝑚í𝑛(𝐾, 𝑛)
𝑝 𝑥 =
𝑛
0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Esperanza: 𝐸 𝑋 = 𝑛𝑝
(𝑁−𝑛)
Varianza: 𝑉 𝑋 = 𝑛𝑝(1 − 𝑝)
(𝑁−1)
𝐾
Notar que 𝑝 =
𝑁
pucv.cl
EJERCICIOS
Ejercicio 4
Una empresa fabrica circuitos integrados y los empaca en cajas que contienen
12 unidades cada una. Un inspector selecciona al azar 3 de los 12 circuitos
contenidos en una caja para inspeccionarlos.
Si la caja contiene 5 circuitos defectuosos:
pucv.cl
EJERCICIOS
Ejercicio 4: Pregunta a)
• Se sabe que:
𝑛=3
𝑁 = 12
𝐾=5
𝐾 𝑁−𝐾
𝑥 𝑛−𝑥
𝑝 𝑥 = 𝑁
𝑛
5 7 5! 7!
∗
𝑃 𝑋=1 =𝑝 1 = 1
12
2
= 4! 1! 5! 2! = 0,48
12!
3
9! 3!
pucv.cl
EJERCICIOS
Ejercicio 4: Pregunta b)
𝑃 𝑋 ≥ 1 = 1 − 𝑃 𝑋 < 1 = 1 − 𝑝(0)
5 7 5! 7!
∗
𝑃 𝑋=0 =𝑝 0 = 0
12
3
= 5! 0! 4! 3! = 0,16
12!
3
9! 3!
Luego,
𝑃 𝑋 ≥ 1 = 1 − 0,16 = 0,84
pucv.cl
MODELOS DISCRETOS
Modelo Poisson
Este modelo es utilizado cuando la variable aleatoria representa el número de
eventos independientes que ocurren a una rapidez constante sobre el tiempo o el
espacio. Lo anterior, se traduce en los siguientes supuestos:
• La probabilidad de ocurrencia del evento es la misma para distintos intervalos
de la misma longitud.
• La ocurrencia o no ocurrencia del evento en un intervalo determinado es
independiente de la ocurrencia en cualquier otro intervalo.
Notación: 𝑋~𝑝(𝜆)
𝑒 −𝜆 𝜆𝑥
𝑝 𝑥 = ൞ 𝑥! ; 𝑐𝑜𝑛 𝑥 = 0, 1,2, …
0 ; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
El parámetro de la distribución de Poisson es 𝜆 (𝜆 > 0) y representa el número
promedio de ocurrencias del evento aleatorio por unidad de tiempo o espacio.
𝐸 𝑋 =𝑉 𝑋 =𝜆
pucv.cl
EJERCICIOS
Ejercicio 5
pucv.cl
EJERCICIOS
Ejercicio 5
𝑒 −10 105
𝑝 5 = = 0,038
5!
pucv.cl
EJERCICIOS
Ejercicio 6
pucv.cl
EJERCICIOS
Ejercicio 6
𝜆 = 𝐸 𝑋 = 100 ∗ 0,1 = 10
Se busca la probabilidad 𝑃 𝑋 = 12 ,
𝑒 −10 1012
𝑃 𝑋 = 12 = 𝑝 12 = = 0,095
12!
pucv.cl
EJERCICIOS
Ejercicio 7
pucv.cl
EJERCICIOS
Ejercicio 7
𝑒 −5 50
𝑃 𝑋=0 =𝑝 0 = = 𝑒 −5 = 0,0068
0!
pucv.cl