Cap06 Binomial 2009rev

2011 Estadstica para Administracin
1
1-1
Mtodos Cuantitativos para
Toma de Decisiones

Sesin N 6
Distribuciones Probabilsticas
Discretas
Luis Ponce Vega
2
1-1
FDP
Funcin de Densidad de Probabilidad
Discreta
OBJETIVOS:
UNO. Funcin Distribucin de Probabilidades de una variable aleatoria.
DOS. Distribucin de probabilidades (variables discretas y continuas).
TRES. FDP discreta : Media, variancia y desviacin estndar
CUATRO. Usar la FDP binomial para calcular probabilidades.
Usar la FDA, Funcin de Distribucin Acumulada
CINCO. Funcin de Densidad de Probabilidades (FDP) hiper-geomtrica.
SEIS. La Funcin de Densidad de Probabilidades (FDP) de Poisson.
3
Distribucin de Probabilidades
La distribucin de frecuencias terica es
una distribucin de probabilidades que
describe la forma en que se espera varen
los resultados.

Pero,
en vez de describir el pasado,
define la probabilidad de
ocurrencia de un evento futuro.
4
Fenmeno determinstico
cuando son conocidas las condiciones de
realizacin del fenmeno, su resultado est
determinado, es predecible.
Ej. Velocidad a la que llega un slido al suelo
tras lanzarlo de una altura de 1m;
Ej. La presin a la que est sometido un gas
que tiene un determinado volumen; etc.....

5
Fenmeno Aleatorio:
Conocidas las condiciones de
realizacin del fenmeno; su resultado
es impredecible,
No podemos asegurar cul ser ese
resultado.
Ej. Estado de un paciente tras un
tratamiento
6
Variables aleatorias o azaristica
Los resultados de un experimento aleatorio
son valores numricos (y varan al azar):
El valor numrico va acompaado de la
probabilidad de su ocurrencia.
La Variable Aleatoria se expresa con letras
maysculas [X, Y, Z.],
Los valores numricos de la Variable
Aleatoria se expresan con minsculas, (x,
y, z.)
Pueden ser discretas y continuas
7
Variables Aleatorias Discretas
Variable Aleatoria Discreta:
toman valores aislados.
Nmero finito de valores.
Entre dos valores que puede adoptar la variable,
no siempre existe otro valor posible.

Ejemplo:
1. Los nmeros generados al lanzar dos dados.
2. Se define a la variable aleatoria X como la suma
de los nmeros que aparecen en los dados (de
2 a 12); entonces,
3. => x = 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12.
8
Distribucin de Probabilidades Discreta
Experimento aleatorio; se lanza una moneda
tres veces.
X = nmero de caras. (=0, 1, 2, 3)
H = se obtiene una cara
T = se obtiene sello (o cruz).
Espacio muestral este experimento incluye
todas las posibilidades; [n=8] =>
{TTT, TTH, THT, HTT, THH, HTH,HHT, HHH }
Valores posibles de X son=> x = 0, 1, 2, 3.
Cero cara= TTT
Una cara= TTH, THT, HTT
Dos caras= THH, HTH,HHT
Tres caras= HHH
6-6
9
Resultado cero caras TTT ocurri una vez (1/8)
Resultado una cara ocurri tres veces. (3/8)
El resultado dos caras ocurri tres veces. (3/8)
Resultado tres caras HHH ocurri una vez. (1/8)
6-7
[x] [Pr de X]
10
Distribucin de Probabilidades Discreta (Tabla)
Distribucin de Probabildades Discreta:
Es la enumeracin de todos los resultados de un
experimento, (X=nmero de caras) ms las
probabilidades asociadas a cada resultado: es una
tabla:
6-9
Nmero
de caras
Probabilidad de
los resultados
0 1/8 = .125
1 3/8 = .375
2 3/8 = .375
3 1/8 = .125
Total 8/8 = 1

x
Pr.
11
La Funcin de densidad
de una Variable Aleatoria
Discreta:
se interpreta como el
histograma o el diagrama
de barras:
su parte ms alta
representa los valores
ms probables

12
Distribucin de Probabilidades
Discreta:
La probabilidad de un
resultado siempre
debe estar entre 0 y 1.

La suma de todos los
resultados
mutuamente
excluyentes siempre
es 1.

6-9
Funcin de Densidad: Variable Aleatoria Discreta (VAD)
13
Funcin De Densidad De Probabilidad
(FDP)
FDP variable aleatoria discreta
Es aquella funcin que asigna a todo nmero real, xi,
la probabilidad de que la v.a. X sea igual que x
i
Sea X una variable discreta que toma valores
diferentes: x
1,,
x
2
, ... x
n.
Entonces, la funcin
f(x) = P(X = x
i
) para i = 1, 2, ... , n
f(x) = 0 para x = xi (cero para todo otro
valor)
Esta funcin f(x) se denomina Funcin de Densidad
de Probabilidades (FDP) discreta de x,
Donde P(X = x
i
) indica la probabilidad de que la
variable aleatoria discreta X tome el valor de x
i
.

6-11
14
Funcin de densidad de probabilidad
de una variable aleatoria discreta (FDP)
EJEMPLO. Se lanzan dos dados y se obtiene X y f(x).
X = variable aleatoria, es la suma de los nmeros de los
dos dados), puede tomar uno de 11 valores (entre2 y 12):
f(x) = la probabilidad de ocurrencia de cada nmero.

6-12
...o como un grfico
La FDP de X puede representarse
como una tabla, con sus valores (x) y
sus correspondientes probabilidades
f(x);

15
Variable aleatoria
variable aleatoria discreta
Media y varianza
6-15
16
Media de una distribucin
probabilstica discreta
La media:
indica la ubicacin central de los datos.
es el promedio del valor de la variable aleatoria.
tambin se conoce como el valor esperado, [E(x)]
Es un promedio ponderado (por la Probabilidad).
Formula de la media:

P(x) = la probabilidad de los diferentes resultados de x.
6-16
)] ( * [ = ) ( = x P x x E

17
Variancia de
una distribucin de probabilidades
discreta
La variancia mide la dispersin de una
distribucin.
La variancia de una distribucin discreta se
denota por la letra griega (sigma
cuadrada).
La desviacin estndar se obtiene tomando la
raz cuadrada de .
Frmula de la variancia:
o
2
o
2
6-18
o
2 2
= E[( ) * ( )] x P x
18
EJEMPLO 2: DATA
Nmero de casa pintadas por semana
Juan Perez,
propietario de
Pintores Unidos,
revis sus registros de
las ltimas 20
semanas y obtuvo el
siguiente cuadro
(nmeros de casas
pintadas por semana)
6-20
Nmero de Semanas
casas pintadas
10 5
11 6
12 7
13 2
Suma=20
19
EJEMPLO 2: OBTENER TABLA
Distribucin de probabilidades:
X = nmero de casas pintadas
P(x) = Nm de semanas, ( x / N)
6-21
Nmero de
casas pintadas Semanas Probabilidad
X P(X)
10 5 5/20 = 0.25
11 6 6/20 = 0.30
12 7 7/20 = 0.35
13 2 2/20 = 0.10
Suma=20 20/20 = 1.00
20
EJEMPLO 2: CALCULAR PROMEDIO
PROMEDIO: nmero medio de
casas pintadas por semana:

= =
= + + +
=
E x xP x ( ) [ ( )]
( )(. ) ( )(. ) ( )(. ) ( )(. )
.
E

10 25 11 30 12 35 13 10
113
6-22
= 11.3
El promedio de casas pintadas por semana es 11.3
Casas Proba-
pintadas bilidad
X P(X)
10 0.25
11 0.30
12 0.35
13 0.10
20/20
21
EJEMPLO 2: VARIANZA
VARIANZA: Calcule la variancia del nmero de
casas pintadas por semana:

o
2 2
4225 0270 1715 2890
91
=
= + + +
=
E[( ) ( )]
. . . .
.
x P x

6-23
(xi-)^2
(x1 - ) = 10-11.3 = -1.3 1.69 1.69*0.25 = 0.4225
(x2 - ) 11-11.3= -0.3 0.09 0.09*0.30 = 0.0270
(x3 - ) 12-11.3= 1.3 1.69 0.49*0.35 = 0.1715
(x4 - ) 13-11.3= 1.7 2.89 2.89*0.1 = 0.2890
Varianza = 0.9100
(xi-m)^2* P(X) (xi - ) =
22
DISTRIBUCIN DE
PROBABILDADES BINOMIAL
FDP y FDA
23
DISTRIBUCIN BINOMIAL (x, n, t )
1. Hay dos resultados posibles : xito o fracaso
2. hay una cantidad fija de ensayos = n
3. Se conoce probabilidad de xito = t [una constante.]
4. Nmero de xitos = x [la incognita que buscamos]
5. Los ensayos son independientes.
6. HALLAR P(x)

6-24
P x
n
x n x
x n x
( )
!
!( )!
( ) =

t t 1
24
DISTRIBUCIN BINOMIAL (x, n, t ).
Ejemplos de xitos (x), la incgnita a hallar:
Responder Pregunta : Verdadero o Falso
Clasificar producto: Aceptable o No aceptable
Profesional: Empleado o Desempleado
Venta por telfono: Vendi o No vendi

(n) = nmero total de ensayos
(x) = nmero de xitos (a encontrar)
(t ) = probabilidad (fija) de xitos
25
Ejercicio (n, t, x ).
Un examen consta de cuatro preguntas (n)
Son del tipo VERDADERO/ FALSO => {xito (x)}
un estudiante no sabe nada de la materia.
La probabilidad de que Sarita adivine la respuesta
correcta de una pregunta es 0.50 => (t= 1/2)
La probabilidad de acertar en las 3 respuestas
restantes tambin vale 0.50 (por qu? porque t es
constante)
6-27
DATOS : ( n, t, x )
n= 4 preguntas
t= 0.50, probabilidad xito al responder 1 pregunta
.x= 0, 1, 2, 3, 4 => Hallar P(x) para x= 0, 1, 2,3,4
26
Ejercicio (n, t, x ).
6-27
1. Cul es la probabilidad de no acertar en ninguna de
las cuatro? [xito cero] => P(x=0)

2. Cul es la probabilidad de responder correctamente
slo una de las cuatro respuestas
3. Cul es la probabilidad de responder 2, 3, 4
preguntas?
a. P(x=1) = 1 correcta, de un total de 4 preguntas
b. P(x=2) = 2 sobre 4
c. P(x=3) = 3 sobre 4
d. P(x=4) = 4 sobre 4
27
Distribucin binomial (n, t, x )
1. Probabilidad de no acertar ninguna preguntas? =>
P(x= 0)
n = 4 (nmero de ensayos).
x = 0 (xitos).
t = 0.5

RESPUESTA: P(x=0) = 0.625.
La probabilidad de que Pedro no acierte en las 4
preguntas es 0.625
6-28
P x
n
x n x
x n x
( )
!
!( )!
( ) =

t t 1
0 4 0
) 5 . 0 1 ( * ) 5 . 0 ( *
)! 0 4 ( ! 0
! 4

4
) 5 . 0 ( * 1 *
)! 4 ( 1
! 4
(
625 . 0 625 . 0 * 1 * 1 =
28
Distribucin binomial (n, t, x ):
respuesta.
2. Cul es la probabilidad de acertar 1 de las
preguntas? n= 4; t = 0.5 ; [xitos; x = 1]

P(1) = [4! /1!(4-1)! ]* (0.50)
1
(1-0.5)
4-1
=
= (4*3*2*1/ 3*2*1) * 0.5 * 0.125
P(1) = 0.2500
La probabilidad que Pedro acierte
una pregunta es 25%

cantidad de ensayos, fija = n
Probabilidad de xito = t (constante).
Nmero de xitos = x
(la incgnita)
6-28
X=0,1,2,3,4
P(0) = 0.0625
P(1) = 0.2500
P(2) = 0.3750
P(3) = 0.2500
P(4) = 0.0625
29
Distribucin binomial (n, t, x ):
respuesta.
3. Cul es la probabilidad de acertar en 2, 3 o 4 de las
preguntas? n= 4; t = 0.5 ; [xitos; x = 2,3,4]
P(1) = [4! /1!(4-1)! ]* (0.50)
1
(1-0.5)
4-1
=
= (4*3*2*1/ 3*2*1) * 0.5 * 0.125
P(1) = 0.2500
P(2) = [4! /2!(4-2)! ]* (0.50)
2
* (1-0.5)
4-2
=
= [4*3*2*1 / 2*2 ] * 0.25*0.25=
= 6*0.25*0.25=0.375
P(2) = 0.3750

La probabilidad de que Pedro acierte
1 respuesta es 25%
2 respuestas es 37.50%
3 respuestas es
4 respuestas es
6-28
X= (0, 1, 2, 3, 4)
P(0) = 0.0625
P(1) = 0.2500
P(2) = 0.3750
P(3) = 0.2500
P(4) = 0.0625
30
Distribucin probabilstica binomial
6-30
Nmero de
Respuesta
s
correctas

Probabilidad

Fraccin

Decimal

0

1/16

0.0625

1

4/16

0.2500

2

6/16

0.3750

3

4/16

0.2500

4

1/16

0.0625

Total

16/16

1.0000

Tabla
Grfico
31
Ver Tabla A
Distribucin Probabilistica Binomial [x=0.1.2.3.4] [t = 0.5] [n= 4]
(la tabla trabaja con aproximaciones de 3 decimales; la
computadora con 4 ms).
PROBABILIDADES BINOMIALES PARA n=4

X 0.05 0.1 0.2 0.3 0.4 0.5 t (4 dgitos)
0 0.063 => 0.0625
1 0.250 0.2500
2 0.375 0.3750
3 0.250 0.2500
4 0.063 => 0.0625
6-30
Tabla Distribucin probabilstica binomial
Ver [x=0] [p = 0.5] [n= 4]
busque => x= 1, 2, 3, 4

32
33
Minitab (ver pag 220)
Data (x)= > 0,1,2,3,4
(en c1);
luego; ir a la: =>
Barra principal /:
Calc / Probability
Distributions /
Binomial / =>
Llenar el cuadro
. n= 4, (trials)
t= 0.5;
c1; c2;
OK
6-30
X P(x)
0 0.0625
1 0.2500
2 0.3750
3 0.2500
4 0.0625
Resultados
34
Minitab. Distribucin probabilstica
binomial
1. Abrir MINITAB. Seguir los pasos.
2. Introducir la data en columna 1 => x =
0,1,2,3,4
3. ir a la Barra principal :
4. Calc / Probability Distributions /
Binomial /
5. Llenar el cuadro:
n= 4, (trials)
t= 0.5;
c1; c2;
OK
6-30
35
36
37
Minitab. Binomial
X P(x)
0 0.0625
1 0.2500
2 0.3750
3 0.2500
4 0.0625
38
Minitab. Ejercicio 2

5% de los engranajes producidos por una
mquina automtica de alta velocidad,
resultan defectuosos (t = 0.05)
Si entran seis engranajes seleccionados al
azar exactamente, cul es la
probabilidad de que cero engranajes
sean defectuosos? (n= 6)
Exactamente uno, dos, tres, cuatro, cinco,
seis sean defectuosos? ( x=1; t=0.05)
MINITAB: Barra principal /Calc /Proba-
bility Distributions / Binomial /
DATA: c1 = (0,1,2,3,4,5,6)
n= 6 ; t =0.05 ; c1; c2 // OK/
Ver Tabla para n=6 y comparar
6-30
X P(x)
0 0.735092
1 0.232134
2 0.030544
3 0.002143
4 0.000085
5 0.000002
6 0.000000
RESULTADOS
39
binomial (n=40; t =0.09)
La tabla queda corta. Ir a Minitab:
X P(x)
0 0.022996
1 0.090974
2 0.175450
3 0.219794
4 0.201075
5 0.143183
6 0.082606
7 0.039682
8 0.016189
9 0.005693
10 0.001745
11 0.000471
12 0.000113
13 0.000024
14 0.000005
15 0.000001
X P(x)
16 0.000000
17 0.000000
18 0.000000
19 0.000000
20 0.000000
21 0.000000
22 0.000000
23 0.000000
24 0.000000
25 0.000000
26 0.000000
27 0.000000
28 0.000000
X P(x)
29 0.000000
30 0.000000
31 0.000000
32 0.000000
33 0.000000
34 0.000000
35 0.000000
36 0.000000
37 0.000000
38 0.000000
39 0.000000
40 0.000000

Data (x)= > 0 : 13
(en c1); luego; ir a la:
Barra principal :
/Calc / Probability
Distributions /
Binomial / =>
Llenar el cuadro
. n=40,
t=0.09;
c1; c2;
OK
40
binomial (n=27; t =0.376)
La tabla queda corta. Ir a Minitab:
X P(x)

0 0.000003
1 0.000048
2 0.000376
3 0.001889
4 0.006828
5 0.018925
6 0.041813
7 0.075585
8 0.113862
9 0.144841
10 0.157097
11 0.146294
12 0.117536
13 0.081718
14 0.049241
X P(x)

15 0.025715
16 0.011621
17 0.004531
18 0.001517
19 0.000433
20 0.000104
21 0.000021
22 0.000003
23 0.000000
24 0.000000
25 0.000000
26 0.000000
27 0.000000

Data (x)= > 0 : 27
(en c1); luego; ir a
la:
Barra principal /
Calc / Probability
Distributions /
Binomial /
Llenar el cuadro
. n=27,
t=0.376;
c1; c2;
OK
41
Dos Conceptos Importantes

1. FDP. Funcin de Densidad de
Probabilidades
2. FDA. Funcin de Densidad Acumulada
42
Funcin de Densidad de Probabilidades (FDP)
Probability Density Function (pdf)
Muestra la forma caracterstica de la
distribucin de probabilidades (campana, etc.)
rea bajo la curva siempre es 1.0
EJEMPLO: DURACION DE UNA TAREA.
(probabilidad que la tarea concluya a tiempo)
FDP usadas: la uniforme, beta, triangular,
normal, log normal, Poisson, hipergeomtrica,
F y Chi-cuadrada.
43
Galera de FDPs Ms Usadas
[Funciones de Densidad de Probabilidades; FDP ]
44
FDP Triangular: Duracion de una tarea
Verde
Amarillo
Rojo
45
Funcin de Densidad Acumulada (FDA)
Cumulative Density Function (cdf)
Integral de la FDP (va acumulando)
Empieza en 0.0, alcanza 1.0 en su mximo
Curva con forma de S
Ejemplo; para la duracin de una tarea, esta
curva representa la probabilidad de que la tarea
se complete ahora.

46
Funcin de Densidad Acumulada
Cul es la probabilidad de que el impacto del riesgo sobre el COSTO sea
menor a $90?. Rpta: 28%. Se prodra elegir $95 como ms sensato
47
FDP y FDA BINOMIAL: EJEMPLOS (n, t, x )
Un estudio de los Vigilantes de Carreteras revel que
60% de los conductores no se coloca el cinturn de
seguridad cuando manejan. (t =0.60 )
Se seleccion una muestra de 10 automovilistas en
una carretera de Florida. (n= 10 )
Cul es la probabilidad de que exactamente 7
llevaran el cinturon? => FDP P(x=
7)
Rpta: P(x=7 | n=10 y t =0.60)= 0.214991 (tabla=0.215)
Cul es la probabilidad de que 7 o menos lo llevaran
puesto? => FDA (0,1,2,3,4,5,6,7)
Rpta: P(x<=7 | n=10 y t =0.60) => [0.0+0.0+0.011
+0.042+0.111+0.201+0.251+0.215]= 0.833
48
Barra principal:
Calc / Probability
Distributions/
Binomial/ =>
.n=10 (trials)
t=0.60
c1; c2;
OK
FDP
Data: (en c1)
.n = 0-10
49
Cumulative probability FDA
Barra principal:
Calc / Probability
Distributions/
Binomial/ =>
Check: Cumulative pr
.n=10 (trials)
t=0.6
c1
c3
OK
50
FDP y FDA Binomial: resultados

n FDP FDA...
0 0.000105 0.00010
1 0.001573 0.00168
2 0.010617 0.01229
3 0.042467 0.05476
4 0.111477 0.16624
5 0.200658 0.36690
6 0.250823 0.61772
7 0.214991 0.83271
8 0.120932 0.95364
9 0.040311 0.99395
10 0.006047 1.00000
FDP=0.2149=0.215; FDA=0.833
Ejercicios: 15,17, 19
Tabla o Minitab
51
FDP y FDA Binomial : ejercicios 15, 17,
19

Ejerc N 15
.n FDP
FDA...
0 0.040354 0.04035
1 0.155650 0.19600
2 0.266828 0.46283
3 0.266828 0.72966
4 0.171532 0.90119
5 0.073514 0.97471
6 0.021004 0.99571
7 0.003858 0.99957
8 0.000413 0.99998
9 0.000020 1.00000
Ejercicio N 17
.n FDP FDA.....
0 0.282430 0.28243
1 0.376573 0.65900
2 0.230128 0.88913
3 0.085233 0.97436
4 0.021308 0.99567
5 0.003788 0.99946
6 0.000491 0.99995
7 0.000047 1.00000
8 0.000003 1.00000
9 0.000000 1.00000
10 0.000000 1.00000
11 0.000000 1.00000
12 0.000000 1.00000
Ejercicio N 19
n FDP FDA.....
0 0.348678 0.34868
1 0.387420 0.73610
2 0.193710 0.92981
3 0.057396 0.98720
4 0.011160 0.99837
5 0.001488 0.99985
6 0.000138 0.99999
7 0.000009 1.00000
8 0.000000 1.00000
9 0.000000 1.00000
10 0.000000 1.00000
Inasistencias, discreta
Mu=n*Phi=12*0.1=1.2
52
Binomial: EJEMPLO
La Secretara del Trabajo del Estado de
Alabama reporta que 20% de la fuerza de
trabajo en Mobile est desempleada (t=.20).
De una muestra de 14 trabajadores (n=14),
calcule las siguientes probabilidades con la
frmula de la distribucin binomial:

1. tres estn desempleados: P(x=3)
2. al menos un trabajador est desempleado
3. a lo ms dos trabajadores estn desempleados
6-31
53
FDP: EJEMPLO 3
FDP
tres estn desempleados: P(x=3)=.250
FDA
Pr de que 3 o ms estn desempleados
(x=3,4,5,6,7,8) [solo 3 dgitos] :
P(x > 3)=.250 +.172 +.086 +.032 +.009
+.002 = 0.551
P(x=3-8)=P(x=0-8)-P(x=0-2)= =0.99962-
0.44805=0.55157
6-31

FDP FDA
0 0.043980 0.04398
1 0.153932 0.19791
2 0.250139 0.44805
3 0.250139 0.69819
4 0.171970 0.87016
5 0.085985 0.95615
6 0.032244 0.98839
7 0.009213 0.99760
8 0.002015 0.99962
9 0.000336 0.99995
10 0.000042 1.00000
11 0.000004 1.00000
12 0.000000 1.00000
13 0.000000 1.00000
14 0.000000 1.00000
54
FDA: EJEMPLO 3
FDA
Al menos un trabajador esta desempleado:
P(x=3)=.250
P(x > 1) = 1 - P(x=0) = 1 - .044 = 0.956
A lo ms, dos trabajadores estn
desempleados: P(x = 0,1,2)
P(x s 2) = .044 +.154 +.250 = 0.448

6-31

FDP FDA
0 0.043980 0.04398
1 0.153932 0.19791
2 0.250139 0.44805
3 0.250139 0.69819
4 0.171970 0.87016
5 0.085985 0.95615
6 0.032244 0.98839
7 0.009213 0.99760
8 0.002015 0.99962
9 0.000336 0.99995
10 0.000042 1.00000
11 0.000004 1.00000
12 0.000000 1.00000
13 0.000000 1.00000
14 0.000000 1.00000
55
Media y variancia de la distribucin
binomial
La media est dada por:

La variancia est dada por:
t = n
o t t
2
1 = n ( )
6-33
56
EJEMPLO 4
Del EJEMPLO 3, recuerde que t =.2 y n=14.
As, la media = n t = 14(.2) = 2.8.
La variancia = n t (1 - t ) = (14)(.2)(.8) =2.24.
6-34
57
Distribucin Hipergeomtrica
Usando Minitab y Excel
58
Distribucin Hipergeomtrica
Estrechamente relacionada con la distribucin de
probabilidad binomial.
Se diferencian en la independencia de los intentos
y en que la probabilidad de xito cambia.
Se usa para calcular la probabilidad de que una
muestra aleatoria de n artculos seleccionados sin
reemplazo, se obtengan x elementos identificados
como xitos, y n-x como fracasos.
Para esto, debemos obtener x xitos de los r de la
poblacin, y n-x fracasos de los N-r de la
poblacin
59
Poblacin finita
Una poblacin finita es una poblacin que
consiste en un nmero fijo de individuos,
objetos o medidas conocidos.
Los ejemplos incluyen: el nmero de
estudiantes en esta clase, el nmero de
automviles en el estacionamiento.
Usar EXCEL para resolver ejercicio-ejemplo
de pgina 111.
6-35
60
Distribucin hipergeomtrica
Use la distribucin hipergeomtrica para
encontrar la probabilidad de un nmero
especfico de xitos o fracasos si:
la muestra se selecciona de una poblacin finita
(pequea) sin reemplazo (por lo tanto, t vara).
el tamao de la muestra debe ser n > 5% del
tamao de la poblacin (N ).
6-37
61
Distribucin hipergeomtrica: N, S, n, x
6-37
Frmula:

N = tamao de la poblacin,
S = nmero de xitos en la
poblacin,
n = tamao de la muestra,
x = nmero de xitos de inters, y
C = una combinacin.
P x
C C
C
S x N S n x
N n
( )
( )( )
=

6-36
62
FDP Hipergeomtrica: EJEMPLO 1
La Junta de Seguridad Aerea tiene una lista de 10
violaciones a la seguridad (N), reportadas por ValueJet.
Pero slo 4 de ellas (S=xitos poblacin) son en
realidad violaciones.
Suponga que la Junta slo podr investigar 5
(n=tamao de la muestra) de las 10 violaciones
reportadas (N).
Cul es la probabilidad de que tres (x=xitos de
inters) de las cinco violaciones (n=muestra)
seleccionadas al azar para investigarlas sean en
realidad violaciones?
N=10, tamao de la poblacin, (numero de pob)
S = 4; nmero de xitos en la poblacin, (exito pob)
x = 3; nmero de xitos de inters, muestra.
n = 5; tamao de la muestra, 5/10=50% (>5% de N)
6-88
63
FDP Hipergeomtrica: EJEMPLO 1
P
C C
C
( )
* *
. 3
4 15
252
238
4 3 6 2
10 5
= = =
6-39
N=10, tamao de la poblacin,
S = 4; nmero de xitos en la
poblacin,
n = 5; tamao de la muestra,
5/10=50%
x = 3; nmero de xitos de inters,
La probabilidad es de 23.8%
P x
C C
C
S x N S n x
N n
( )
( )( )
=

n FDP FDA.....
0 0.023810 0.02381
1 0.238095 0.26190
2 0.476190 0.73810
3 0.238095 0.97619
4 0.023810 1.00000
5 0.000000 1.00000
6 0.000000 1.00000
7 0.000000 1.00000
8 0.000000 1.00000
9 0.000000 1.00000
10 0.000000 1.00000
64
Distribucin hipergeomtrica N, S, n, x
Durante la semana se
fabricaron 50 juegos (N=50),
40 operaron sin problemas
(S=40) y 10 tuvieron algn
defecto . Se seleciona una
muestra al azar de 5 (n=5).
Use la frmula
hipergeomtrica.
Cul es la probabilidad de
que 4 (x=4) de los 5
funcionaron correctamente?
[muestreo sin reposicin,
tamao de la muestra es
5/50= 10%]
65
P x
C C
C
S x N S n x
N n
( )
( )( )
=

La probablilidad de seleccio-
nar 5 juegos al azar de un
total de 50 y descubrir que 4
de los 5 juegos funcionan
correctamente es de 0.431.
66
Distribucin de Poisson
Usando Minitab
67
Poisson :Distribucin de Probabilidades o
FDP
Conforme t (probabilidad de xitos)
disminuye y n (nmero de ensayos) aumenta
, la FDP binomial est ms sesgada a la
derecha.

El lmite de la FDP binomial [cuando t es
muy pequea (<0.05) y n es grande (>100) ]
se llama distribucin de probabilidades de
Poisson o FDP Poisson.
6-40

68
FDP Poisson
Frmula:

Donde:
= media aritmtica [del nmero de ocurrencias
en un intervalo especfico de tiempo]
e = constante 2.71828 (base logaritmos
neperianos)
x = nmero de ocurrencias (xitos)
P(x) = probabilidad de xitos que se va a calcular.
P x
e
x
x u
( )
!
=

6-41
FDP Poisson: Promedio => = n t
Varianza => v = n t
69
FDP Poisson : Minitab Instructions
Calc / Probability
Distributions/
Poisson/
BOX:
Check:
probability
mean,
a) Input column: c1

b) Input constant:
=>nmero de eventos

Click => OK
70
La empresa AERO-CONDOR rara vez pierde el
equipaje, pues en la mayora de los vuelos, ste se
maneja bien.
Algunos pasajeros reportan una valija perdida; unos
cuantos, dos maletas extraviadas: Rara vez se
extravian tres maletas en un vuelo.
Una muestra aleatoria de 1,000 viajes areos revela un
total de 300 maletas perdidas. La media aritmtica del
nmero de equipajes extraviados por vuelo es 0.3 [que
se obtiene de 300/1000]. => = 0.3
Si las maletas perdidas por viaje aereo sigue una distri-
bucin de Poisson (con = 0.30) halle la probabilidad
(a) de NO perder ninguna maleta (b) De perder
soloUNA
6-42
71
Check : Input constant => (a) X =
0;
a) Probabilidad de no perder
ninguna maleta
= 0.30
X= 0;
P(0) = 0.7408. En 74% de los
vuelos no habr equipaje perdido
b) Probabilidad de una maleta
extraviada (X= 1)
= 0.30
X=1 ;
P(1)=0.2222. En 22.2% de los
vuelos se extrava UNA maleta
6-42
72
Trabajar con 4 dgitos
a) Probabilidad perder 2 maletas
= 0.30
X= 2;
P(0) = 0.0333
b) Probabilidad de extraviar 3
maletas
X= 3 ;
P(3) = 0.0033.
c) Pr. De extraviar 4 maletas
X = 4
P(4) = 0.0003
d) Pr de extraviar 5 maletas =>
0.0000
6-42
1. X P(x)
0 0.740818
1 0.222245
2 0.033337
3 0.003334
4 0.000250
5 0.000015
6 0.000001
7 0.000000
8 0.000000
9 0.000000
73
EJEMPLO 6
La clnica Sylvania Urgent Care
se especializa en el cuidado de
lesiones menores, resfriados y
gripe.
En las horas de la tarde de 6-10
PM el nmero medio de llegadas
es 4.0 por hora ( = 4)
Cul es la probabilidad de que
lleguen 4 pacientes en una hora?
P(4) = (4^4)(e^-4)/4!=.1954.

6-43
X P(x)
0 0.018316
1 0.073263
2 0.146525
3 0.195367
4 0.195367
5 0.156293
6 0.104196

74
FIN

Cap06 Binomial 2009rev

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Cap06 Binomial 2009rev

Hochgeladen von

Copyright:

Verfügbare Formate

2011 Estadstica para Administracin

Das könnte Ihnen auch gefallen