Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 132 vistas

    Distribucion Discreta

    Cargado por

    yo
    El documento describe las principales distribuciones de probabilidad discretas, incluyendo la distribución uniforme discreta, la distribución binomial y la distribución de Poisson. Explica las funciones de probabilidad y parámetros asociados a cada distribución, y proporciona ejemplos ilustrativos para cada una.

    Copyright:

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

    Distribucion Discreta

    Cargado por

    yo
    132 vistas4 páginas
    El documento describe las principales distribuciones de probabilidad discretas, incluyendo la distribución uniforme discreta, la distribución binomial y la distribución de Poisson. Explica las funciones de probabilidad y parámetros asociados a cada distribución, y proporciona ejemplos ilustrativos para cada una.

    Descripción original:

    distribucion

    Título original

    distribucion discreta (4)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOC, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe las principales distribuciones de probabilidad discretas, incluyendo la distribución uniforme discreta, la distribución binomial y la distribución de Poisson. Explica las funciones de probabilidad y parámetros asociados a cada distribución, y proporciona ejemplos ilustrativos para cada una.

    Copyright:

    © All Rights Reserved
    Descargue como DOC, PDF, TXT o lea en línea desde Scribd
    Descargar como doc, pdf o txt
    132 vistas4 páginas

    Distribucion Discreta

    Cargado por

    yo
    El documento describe las principales distribuciones de probabilidad discretas, incluyendo la distribución uniforme discreta, la distribución binomial y la distribución de Poisson. Explica las funciones de probabilidad y parámetros asociados a cada distribución, y proporciona ejemplos ilustrativos para cada una.

    Copyright:

    © All Rights Reserved
    Descargue como DOC, PDF, TXT o lea en línea desde Scribd
    Descargar como doc, pdf o txt
    de 4

    ESTADÍSTICA APLICADA (1)

    Principales Distribuciones Discretas

    Algunas variables aleatorias discretas (v.a.d.) se adaptan a una serie de problemas


    prácticos debido a que tienen un comportamiento particular conocido. Por tanto, un
    estudio detallado de las mismas facilita bastante la construcción de correspondientes
    funciones de probabilidad, como también de sus principales parámetros.
    Existen varias distribuciones de probabilidad discretas, algunas que se estudiaran son:
    Distribución Uniforme Discreta, Distribución Binomial, Distribución de Poisson.

    1. Distribución de Probabilidad Uniforme Discreta:


    La v.a.d. X tiene distribución uniforme con parámetro N si su función de probabilidad
    es:
     1
     x  1, 2,3 , N
    f (X )   N

    0 de otro modo

    Notación: X ~ Unif ( N )

    N 1 N 2 1
    Si X ~ Unif ( N ) entonces E( X )  y Var ( X ) 
    2 12

    Ejemplo:
    10 cajas iguales de durazno son enumeradas del 1 al 10; si se selecciona una caja al azar y
    se registra su número, halle la probabilidad de seleccionar un número mayor o igual a 7.

    Solución:
    Si se define la v.a.d. X: Número de la caja seleccionada. Además N = 10, numero de
    cajas.
     1
     x  1,2,3  ,10
    f ( X )  10

    0 de otro modo

    1 1 1 1
    P( X  7)  P( X  7)  P( X  8)  P( X  9)  P( X  10)      0.4
    10 10 10 10

    2. Distribución de Probabilidad Binomial:


    Ensayo de Bernoulli
    Un ensayo de Bernoulli es un experimento aleatorio que tiene dos posibles
    resultados mutuamente excluyentes, generalmente llamados éxito y fracaso.
    Ejemplos:
     La selección de un artículo producido que puede ser defectuoso o no defectuoso.
     El sexo de un animal recién nacido: macho y hembra.
    1
    Recopilado de diversas fuentes (UNALM y otros)

    1
     La respuesta a una pregunta puede ser correcta o incorrecta.

    Experimento Binomial
    Se dice que un experimento es Binomial si satisface los siguientes supuestos:
    a. El experimento consiste en n ensayos de Bernoulli, donde n es fijado de
    antemano.
    b. La probabilidad de éxito en un ensayo es constante y se denota por P( E )  p ,
    por lo tanto la probabilidad de fracaso es P ( F )  1  p .
    c. Los ensayos son independientes, por lo que el resultado de cualquier ensayo
    particular no afecta el resultado de cualquier otro ensayo.
    d. El experimentador está interesado en el número de éxitos y no en el orden en
    que ocurren.

    Ejemplo:
    Una empresa envasa botellas de gaseosa, se tiene conocimiento que de la
    producción el 5% se encuentra mal envasado. El jefe de calidad desea realizar una
    inspección para lo cual se selecciona al azar 10 botellas y se mide su contenido.
    ¿Halle la probabilidad de encontrara un defectuoso?

    Distribución de la Distribución Binomial.


    Dado un experimento Binomial la v.a.d. X se define como el número de éxitos en n
    intentos, y su función de probabilidad está dada por:
     n  x
    
     x p (1  p) x  0,1,2  n
    nx

    f ( x )  P ( X  x )   
    0 c.c.

    Notación: X ~ Bin(n, p ) entonces E ( X )  np Var ( X )  np(1  p)

    Ejemplo:
    Un fabricante de piezas garantiza que una caja de sus piezas contendrá como
    máximo un defectuoso. Si la caja contiene 10 piezas, y la experiencia ha
    demostrado que ese proceso de fabricación produce 5% de piezas defectuosas, ¿cuál
    es la probabilidad de que una caja elegida al azar satisfaga la garantía?

    Solución
    Sea X: Número de piezas defectuosas.
    X Bin(10,0.05), entonces

    10 
    P( X  x)  f ( x)    0.05 (0.95) n  x
    x
    x  0,1,2, n
    x 

    Para que se cumpla la garantía debe haber a lo más una pieza defectuosa, entonces se pide
    calcular

    2
    10  10 
    P ( X  1)  P ( X  0)  P ( X  1)     0.05  (0.95)10 0     0.05  (0.95)101
    0 1

    0  0 

    luego =0.599+0.315=0.914

    ¿Cuál será el número esperado de piezas defectuosas en una caja?

    3. Distribución de Probabilidad de Poisson.


    Una v.a.d. X tiene una distribución de Poisson con parámetro   0 si su función de
    probabilidad es:
     e     x
     x  0, 1, 2...
    f ( x)  P( X  x)   x!
    0 c.c.

    Notación: X ~ Pois (  )

    Teorema.
    Si X ~ Pois (  ) entonces E ( X )   y Var ( X )    np

    Los supuestos para la aplicación de una distribución de Poisson:


    1. La probabilidad de éxito se mantiene constante y pequeña.
    2. El número de éxitos en cualquier intervalo, período o unidad de evaluación es
    independiente del número de éxitos en cualquier otro intervalo, período o unidad de
    evaluación.

    Ejemplo.
    El número de errores tipográficos en una página de un libro tiene una distribución de
    Poisson con parámetro   0.5 . Hallar la probabilidad de que hay por lo menos un error
    en una página.

    Solución:
    Sea X: Número de errores tipográficos en una página.
    X ~ Pois (0.5) , entonces:

     e 0.5  0.5 x
     x  0, 1, 2...
    f ( x)  P( X  x)   x!
    0 c.c.

     e 0.5 (0.5)0 
    P ( X  1)  1  P ( X  1)  1  P ( X  0)  1     1  0.607  0.393
     0! 
    Ejemplo.
    El promedio de llamadas telefónicas en una estación de servicios en una hora es de 3.
    a. ¿Cuál es la probabilidad de recibir exactamente 4 llamadas en una hora?
    b. ¿Cuál es la probabilidad de recibir 4 o más llamadas en 90 minutos?

    Solución:

    3
    a. En este caso   3 (3 llamadas por minuto)
    X: Número de llamadas en un período de una hora.
    e 3  3
    4
    P( X  4)  0.168
    4!
    b. Si en una hora (60 minutos) se reciben en promedio 3 llamadas, entonces en 90
    minutos se recibirán en promedio 4.5 llamadas
    Y: Número de llamadas en un período de 90 minutos (1.5 horas)
    Utilizando un nuevo promedio se reemplaza en la función de distribución:
    P( X  4)  1  P( X  4)  1   P( X  0)  P( X  1)  P( X  2)  P( X  4) 

     e 4.5  4.5  0 e 4.5  4.5  1 e 4.5  4.5  2 e 4.5  4.5  3 


     1       1   0.011  0.049  0.112  0.169 
     0! 1! 2! 3! 
     
    P ( X  3)  0.659

    También podría gustarte