3.1 Modelos Probabilisticos
3.1 Modelos Probabilisticos
3.1 Modelos Probabilisticos
Importantes
Modelos Discretos
Experimentos de Bernoulli
Donde:
p = Probabilidad de éxito
n = Número de pruebas de Bernoulli o
tamaño de una muestra con reemplazo
X = Número de éxitos en “n” pruebas de Bernoulli
Además, la media y variancia de la variable aleatoria X son:
p = 0 .5
𝑛 𝑥
P(𝑥) = 𝑝 (1 − 𝑝)𝑛−𝑥 , 𝑠𝑖 𝑥 = 0,1, . . . , 𝑛
𝑥
=0 , de otro modo
Distribuciones discretas
Distribución Binomial
p 0 .5
𝑛 𝑥
P(𝑥) = 𝑝 (1 − 𝑝)𝑛−𝑥 , 𝑠𝑖 𝑥 = 0,1, . . . , 𝑛
𝑥
=0 , de otro modo
Distribuciones discretas
Distribución Binomial
p 0 .5
𝑛 𝑥
p(𝑥) = 𝑝 (1 − 𝑝)𝑛−𝑥 , 𝑠𝑖 𝑥 = 0,1, . . . , 𝑛
𝑥
=0 , de otro modo
EJERCICIO 1
La empresa constructora Alpha quiere comprar inmuebles en varios distritos
de Lima para construir edificios. Alpha sabe, por experiencias anteriores, que
solo el 5% de los inmuebles visitados cumplen con sus condiciones. Si la
semana siguiente tiene planeado visitar diez inmuebles en Lima.
a)¿Cuál es la probabilidad que solo uno de los inmuebles cumpla las
condiciones?
b)¿Cuál es la probabilidad que como máximo tres de los inmuebles cumplan
con las condiciones?
c)¿Cuál es la probabilidad que por lo menos dos de los inmuebles cumplan
con las condiciones?
d)Si se visitaron dos inmuebles y se observó que cumplían con las
condiciones ¿Cuál es la probabilidad de que menos de 5 de los inmuebles
cumplan con las condiciones?
e)¿Cuál es el número esperado de inmuebles que cumplirán con las
condiciones?
EJERCICIO 2
Distribuciones discretas.
Distribución Geométrica
X2 = Var X = EX − X 2 = (1 − p )
p2
Distribuciones discretas.
Distribución Geométrica
F ( x ) = P( X x ) = 1 − q x ; x = 1, 2, 3,...
• Se cumple que
P( X x ) = q x ; x = 1, 2, 3,...
• Se cumple que P(X > k+s | X > k) = P(X > s) k, s Z+
Esta propiedad indica que la distribución geométrica “no tiene memoria”,
es decir, si el éxito no se ha obtenido en las primeras k repeticiones,
entonces, la probabilidad de que no ocurra en las próximas s
repeticiones es la misma que la probabilidad de que el éxito no ocurra en
las primeras s repeticiones.
EJERCICIO 3
La probabilidad de que cada llamada telefónica de un vendedor resulte
en una venta es 0,10.
a) Determine el modelo de probabilidad del número de llamadas
realizadas por el vendedor hasta que conseguir su primera venta.
b) ¿Cuántas llamadas espera hacer el vendedor hasta conseguir su
primera venta?
c) Si el vendedor ya realizó tres llamadas sin éxito, ¿cuál es la
probabilidad de que necesite hacer más de 12 llamadas para
conseguir su primera venta?
Distribuciones discretas.
Distribución Binomial Negativa (Pascal)
Donde:
X = Número de pruebas de Bernoulli hasta obtener r éxitos
p = Probabilidad de éxito en una prueba Bernoulli
Además, la media y variancia de la variable aleatoria X son:
( ) r r (1 − p )
=E X =
p
= V (X ) =
2
p2
EJERCICIO 4
En cierta línea de producción la probabilidad de producir un
artículo defectuoso es de 0,001
a) Describa el modelo de probabilidad del número de artículos
producidos hasta el quinto defectuoso.
b) Calcule la probabilidad de que el octavo artículo producido
sea el quinto defectuoso.
c) ¿Cuántos artículos se espera producir hasta el cuarto
defectuoso?
Distribuciones discretas.
Distribución Hipergeométrica
Donde:
X = Número de éxitos obtenidos en una muestra (sin reemplazo) de
tamaño n.
Se denota X ~ H (N, r, n) y se lee que la variable aleatoria X sigue una
distribución hipergeométrica con parámetros N, r y n.
r r N − n
= E(X ) = n 2 = V (X ) = n
r
1 −
N N N N − 1
Distribuciones discretas
Distribución Hipergeométrica
r = N-r
𝐶𝑥𝑟 𝐶𝑛−𝑥
𝑁−𝑟
𝑃(𝑥) = 𝑃 𝑋 = 𝑥 = ; 𝑥 = max{ 0, 𝑛 − (𝑁 − 𝑟)}, . . . , min{ 𝑛, 𝑟}
𝐶𝑛𝑁
Distribuciones discretas
Distribución Hipergeométrica
r < N-r
𝐶𝑥𝑟 𝐶𝑛−𝑥
𝑁−𝑟
P(𝑥) = 𝑃 𝑋 = 𝑥 = ; 𝑥 = max{ 0, 𝑛 − (𝑁 − 𝑟)}, . . . , min{ 𝑛, 𝑟}
𝐶𝑛𝑁
Distribuciones discretas
Distribución Hipergeométrica
r > N-r
𝐶𝑥𝑟 𝐶𝑛−𝑥
𝑁−𝑟
P(𝑥) = 𝑃 𝑋 = 𝑥 = ; 𝑥 = max{ 0, 𝑛 − (𝑁 − 𝑟)}, . . . , min{ 𝑛, 𝑟}
𝐶𝑛𝑁
EJERCICIO 5
En un equipo de fútbol hay 18 jugadores de los cuales cuatro
consumen sustancias prohibidas.
𝜇X = E 𝑋 = 𝜆t = µ
𝜎X2 = Var 𝑋 = E 𝑋 − 𝜇𝑋 2
=µ
Distribuciones discretas
Distribución de Poisson
𝑒 −𝜆 𝜆𝑥
p(𝑥) = , 𝑠𝑖 𝑥 = 0,1,2, . . .
𝑥!
=0 , de otro modo
EJERCICIO 6
Se asume que la ocurrencia de terremotos siguen un proceso de
Poisson en el tiempo. Se asume que ocurre un terremoto cada 20
años.
f ( x) = e − x ; x 0
Se denota X ~ Exp(β) y se lee que la variable aleatoria X sigue una
distribución exponencial con parámetro β.
F ( x ) = P( X x ) = 1 − e − x ; x 0
= E(X ) = = V (X ) =
1 1
2
2
Distribuciones Continuas
Distribución Exponencial
Se cumple que:
• P( X x ) = e − x
• P( X k + t / X k ) = P( X t )
f (x ) =
1
; a xb
b−a
• Se denota X ~ U (a, b) y se lee que la variable aleatoria X sigue una
distribución uniforme con parámetros a, b.
0 xa a+b
; = E(X ) =
x − a 2
F ( x) = ; a xb
b − a 2
= V (X ) =
(b − a)
2
1 ; xb 12
EJERCICIO 13
El tiempo, en minutos, que demora un servicio de delivery en
entregar una pizza puede modelarse por una variable aleatoria
uniforme con parámetros 10 y 38. Si la pizza se tarda más de 30
minutos en ser entregada, el cliente no la pagará.
a) Si una familia pide una pizza, calcule la probabilidad de que le
salga gratis.
b) Si la familia pide una pizza diaria durante diez días seguidos,
calcule la probabilidad de que por lo menos una de ellas le salga
gratis.
c) Una familia pidió una pizza hace 25 minutos y aún no ha llegado,
¿cuál es la probabilidad de que le salga gratis?
EJERCICIO 14
El tiempo de vida medio de una licuadora es de 14 meses con una
varianza de 12 meses2. La fábrica repone sin cargo alguno al cliente
todas las licuadoras que dejen de funcionar dentro del tiempo de
garantía. Si sólo se desea reponer el 5% de las licuadoras que
funcionen mal, ¿qué tiempo de garantía se debe ofrecer? Suponga
que el tiempo de vida de una licuadora es una variable uniforme
Distribuciones Continuas
Distribución Normal
= E(X ) = 2 = V (X ) = 2
X −
Sea X ~ N(μ,σ2), si Z = entonces la variable aleatoria Z tiene distribución normal y se cumple
μZ = 0 y σZ2 = 1. Se dice que la variable Z ~ N(0,1) tiene distribución normal estándar.
La función de densidad de Z es 1
1 − 2 z2
( z) = e
2
La función de distribución acumulada de Z es
1
z 1 − 2 z2
( z ) =
− 2
e dz
Distribuciones Continuas
Cálculo de probabilidades para una variable Normal
X i
2
X= i =1
~ N ( , )
n n
EJERCICIO 18
La duración de las llamadas telefónicas de larga distancia realizadas
desde una central telefónica tiene distribución aproximadamente
normal con media y desviación estándar iguales a 130 segundos y 30
segundos respectivamente.
a) ¿Cuál es la probabilidad que una llamada realizada desde la central
telefónica haya durado entre 90 y 170 segundos?
b) Si en un día cualquiera se realizan 500 llamadas telefónicas desde
esta central. ¿Cuál es la probabilidad que la duración total de estas
llamadas supere las 18 horas?
EJERCICIO 19
El consumo de los clientes de cierto restaurante es una variable
aleatoria con distribución normal con una media de 25 nuevos soles y
una desviación estándar de 5 nuevos soles. Se acerca fin de mes y el
administrador del restaurante debe pagar una factura atrasada de 5000
nuevos soles. Suponiendo que los consumos de los clientes del
restaurante son independientes. ¿Cuál es la probabilidad que el
consumo de los próximos 195 clientes no sea suficiente para superar el
monto de la factura atrasada?
Teorema Central del Límite (TCL)
i =1
n