Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 208 vistas

    DistribucionBernoulli y Binomial CLASE PDF

    Cargado por

    Camila Mejia Garcia
    1) El documento describe las distribuciones de Bernoulli y binomial, que modelan experimentos aleatorios con dos resultados posibles (éxito/fracaso). 2) La distribución de Bernoulli describe un solo experimento con probabilidad de éxito p. La distribución binomial describe múltiples experimentos independientes idénticos, cada uno con probabilidad de éxito p. 3) Se proporcionan fórmulas y propiedades clave como la media, varianza y función generadora de momentos para ambas distribuciones, así como ejemplos y ejercicios de aplicación.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    DistribucionBernoulli y Binomial CLASE PDF

    Cargado por

    Camila Mejia Garcia
    208 vistas10 páginas
    1) El documento describe las distribuciones de Bernoulli y binomial, que modelan experimentos aleatorios con dos resultados posibles (éxito/fracaso). 2) La distribución de Bernoulli describe un solo experimento con probabilidad de éxito p. La distribución binomial describe múltiples experimentos independientes idénticos, cada uno con probabilidad de éxito p. 3) Se proporcionan fórmulas y propiedades clave como la media, varianza y función generadora de momentos para ambas distribuciones, así como ejemplos y ejercicios de aplicación.

    Descripción original:

    Título original

    DistribucionBernoulli_y_Binomial_CLASE.pdf

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    1) El documento describe las distribuciones de Bernoulli y binomial, que modelan experimentos aleatorios con dos resultados posibles (éxito/fracaso). 2) La distribución de Bernoulli describe un solo experimento con probabilidad de éxito p. La distribución binomial describe múltiples experimentos independientes idénticos, cada uno con probabilidad de éxito p. 3) Se proporcionan fórmulas y propiedades clave como la media, varianza y función generadora de momentos para ambas distribuciones, así como ejemplos y ejercicios de aplicación.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    208 vistas10 páginas

    DistribucionBernoulli y Binomial CLASE PDF

    Cargado por

    Camila Mejia Garcia
    1) El documento describe las distribuciones de Bernoulli y binomial, que modelan experimentos aleatorios con dos resultados posibles (éxito/fracaso). 2) La distribución de Bernoulli describe un solo experimento con probabilidad de éxito p. La distribución binomial describe múltiples experimentos independientes idénticos, cada uno con probabilidad de éxito p. 3) Se proporcionan fórmulas y propiedades clave como la media, varianza y función generadora de momentos para ambas distribuciones, así como ejemplos y ejercicios de aplicación.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 10

    Variables Aleatorias Discretas

    1. Distribución de Bernoulli
    Considerase un experimento aleatorio que puede dar lugar a dos resultados posibles
    mutuamente excluyentes, que llamaremos “éxito”, al evento donde se cumpla el expe-
    rimento y “fracaso”, a la otra salida.

    Por ejemplo, La meta de ventas en un mes se puede lograr o no lograr.

    Un tratamiento médico puede ser efectivo o inefectivo.

    Al lanzar una moneda pueda salir cara o sello.

    Al lanzar un dado, puede caer 3 o no puede caer 3.

    1
    Sea p la probabilidad de éxito, por lo que la probabilidad de fracaso es (1−p). q = (1−p)

    Definición 1. Si la variable aleatoria X toma el valor 1, con probabilidad p y 0 con


    probabilidad (1-p), entonces se dice que la variable aleatoria X tiene distribución de
    Bernoulli de parámetro p. La función de densidad está dada por:

    p(X = 0) = (1 − p) p(X = 1) = p

    
    px (1 − p)1−x si x = 0, 1,
    P (X = x) = f (x) =
    0 en otro caso.

    1.1. Propiedades de la Distribución de Bernoulli


    a) µ = E[X] = p.
    b) σ 2 = V ar(X) = E[(X − E[X])2 ] = E[X 2 ] − (E[X])2 = p(1 − p)
    c) MX (t) =(pet + q).

    2
    Ejercicios
    1- Susana Ferrater, agente de seguros, cree que la probabilidad de vender un seguro en
    un contacto especı́fico es 0,4. Si la variable aleatoria X toma el valor 1 si se vende un
    seguro y 0 en caso contrario, entonces X tiene una distribución de Bernoulli con una
    probabilidad de éxito p igual a 0,4. Halle la esperanza y la varianza de la distribución.
    2- Se sabe que una máquina produce un 3 % de piezas defectuosas. Elegimos una pieza
    al azar para comprobar si no presenta defectos. Defina una v.a y calcule la media, la
    varianza y la desviación estándar.
    3- Un jugador de basquetbol está a punto de tirar hacia la parte superior del tablero.
    La probabilidad de que anote el tiro es de 0.55.
    Defina una variable aleatoria y calcule la media, la varianza y la desviación estándar.

    3
    2. Distribución Binomial
    Una importante generalización de la distribución de Bernoulli es el caso en el que
    se realiza varias veces un experimento aleatorio con dos resultados posibles y las repe-
    ticiones son independientes. En este caso, podemos hallar las probabilidades utilizando
    la distribución binomial.

    - El experimento aleatorio de base se repite n veces, y todos los resultados obtenidos


    son mutuamente independientes.
    - En cada prueba se tiene una misma probabilidad de éxito, expresada por p. Asimismo,
    existe en cada prueba una misma probabilidad de fracaso , que esigual a 1 - p (q=1-p).
    - El objetivo de la distribución binomial es conocer la probabilidad de que se produzca
    un cierto número k de éxitos. La variable aleatoria X, que indica el número de veces
    que aparece el suceso A (éxito), es discreta, su recorrido es el conjunto 0, 1, 2, 3, ..., n.

    Ejemplos de la distribución Binomial que es UNA SUMA DE DISTRIBUCIONES DE


    BERNOULLI.

    Lanzar una moneda 8 veces. Calcular la probabilidad de que salgan 4 caras.

    4
    Al lanzar un dado 9 veces, puede caer 3 o no puede caer 3 en cada lanzamiento. Calcular
    la probabilidad de que salgan 3 caras.

    5
    Um alumno marca al azar las respuestas de una prueba de selección múltiple con 6
    preguntas y 3 alternativas por pregunta (solo una alternativa es correcta). Cuál es la
    probabilidad del alumno acertar exactamente 3 preguntas?

    6
    En un determinado pueblo se presenta un concurso en televisión. Desde el concurso se
    llama por teléfono a 10 personas del pueblo elegidas al azar.

    7
    Ahora tomamos como x el número de éxitos y n − x el número de fracasos de
    la prueba. Entonces como son repeticiones del modelo de Bernoulli, entonces tiene
    probabilidad de éxito p y probabilidad de fracaso 1 − p. Tomando las repeticiones
    tenemos:

    pp · · · p = px
    | {z }
    x veces
    (1 − p)(1 − p) · · · (1 − p) = (1 − p)n−x
    | {z }
    n−x veces

    El problema original no era hallar la probabilidad de ocurrencia de una determinada


    secuencia sino la probabilidad de conseguir x éxitos exactamente, independientemente
    del orden de los resultados. El número total de éxitos puede calcularse utilizando la
    ecuación:  
    n n!
    =
    x x!(n − x)!
    Definición 2. Supongamos que un experimento aleatorio puede tener dos resultados
    posibles mutuamente excluyentes, éxito y fracaso, y que p es la probabilidad de éxito en
    una única prueba. Si se realizan n pruebas independientes, la distribución del número
    de éxitos resultantes se llama distribución binomial de parámetros n y p. La función de
    densidad de probabilidad de la variable aleatoria binomial es
     n x
    x
    p (1 − p)n−x si x = 0, 1, 2, ..., n
    P (X = x) = f (x) =
    0 en otro caso.

    2.1. Propiedades de la Distribución Binomial


    a) µ = E[x] = np.
    b) σ 2 = V ar(X) = E[(X − µ)2 ] = np(1 − p)
    n
    c) Mx (t) =(pet + q) .

    8
    Ejercicios
    1- Hallar la probabilidad de que en 5 lanzamientos de un dado aparezca el 3:
    a) Ninguna vez.
    b) 2 veces.
    c) 3 o más veces.
    2- Lanzamos una moneda equilibrada 10 veces. Cuál es la probabilidad de obener exac-
    tamente 5 caras?
    3- Um alumno marca al azar las respuestas de una prueba de selección múltiple con 10
    preguntas y 5 alternativas por pregunta (solo una alternativa es correcta). Cuál es la
    probabilidad del alumno acertar exactamente 4 preguntas?
    4- Un ingeniero que labora en el departamento de control de calidad de una empresa
    eléctrica,inspecciona una muestra al azar de 10 alternadores de un lote. Si el 20 % de los
    alternadores del lote están defectuosos. Cuál es la probabilidad de que en la muestra,
    a) ninguno esté defectuoso,
    b) uno salga defectuoso,
    c) al menos dos salgan defectuosos,
    d) más de tres estén con defectos,
    e) no más de tres estén con defectos.
    5- La probabilidad de que un CD de música dure al menos un año sin que falle es de
    0.90, calcular la probabilidad de que en una muestra de 15,
    a) 12 duren al menos un año,
    b) a lo más 5 duren al menos un año.
    6 (Jay Devore. 3.4, 55) - El 20 % de todos los teléfonos de cierto tipo son llevados a
    servicio mientras se encuentran dentro de la garantı́a. De éstos, 60 % puede ser reparado,
    mientras el 40 % restante debe ser reemplazado con unidades nuevas. Si una compañı́a
    adquiere diez de estos teléfonos, ¿cuál es la probabilidad de que exactamente dos sean
    reemplazados bajo garantı́a?
    7 - El 30 % de un determinado pueblo ve un concurso que hay en televisión. Desde el
    concurso se llama por teléfono a 10 personas del pueblo elegidas al azar. Calcular la
    probabilidad de que, entre las 10 personas, estuvieran viendo el programa:
    a) Más de ocho personas.
    b) Algunas de las diez personas.
    c) Calcular la media y desviación tı́pica o estándar.
    8- Un vendedor de planes de turismo al caribe, sabe por experiencia, que la oportunidad
    de vender un plan es mayor, mientras más contactos realice con los clientes potenciales.
    Empiricamente él estableció que la probabilidad que una persona compre un plan, luego
    de su visita es constante e igual a 0.01. Si el conjunto de visitas que realiza el vendedor
    constituye un conjunto independiente de ensayos, cuántos compradores potenciales debe
    visitar para que la probabilidad de vender por lo menos un plan sea igual a 0.85?

    9
    9- Un jugador apuesta a uno de los números del 1 al 6. Una vez apuesta, se lanzan tres
    dados corrientes, si el número apostado por el jugador aparece i veces con i=1, 2, 3
    entonces el jugador gana 2i unidades monetarias. Si el número apostado por el jugador
    no aparece en ninguno de los dados, el jugador pierde 3 unidades monetarias. Este es
    un juego justo para el jugador? Explique su respuesta.
    10- Supóngase que n bolas se distribuyen al azar en r urnas. Hallar la probabilidad de
    que haya exactamente k bolas en las r1 primeras urnas.

    10

    También podría gustarte