Modelo de Variables Discretas
Ing. Jorge Salvatierra Yoshida
Estadística I
Gestión : Semestre II/2020
1
2
Modelos desarrollados
Bernoulli
Binomial
Hipergeométrica
Geométrica
Poisson
3
Modelo Bernoulli
El experimento es el resultado de dos posibles resultados
Aprobar o Reprobar
Un solo experimento
Probabilidad de éxito p = 1
Probabilidad de fracaso q = 1 – p = 0
𝑓𝑥 = 𝑝 𝑥 𝑞1 −𝑥 x = 0, 1
𝐸 𝑥 =𝑝 𝑉𝑎𝑟 𝑥 = 𝑝. 𝑞
4
Ejemplo del Modelo Bernoulli
Al lanzar un dado obtener menor que 3
Ω = { 1, 2} Función de Distribución
11 20 1 2 1
Ω = {3, 4, 5, 6} P( x = 1) =3 3 = 3 p (x ≤ 0) =3 p(x≤ 1) = 3
1 2 10 21 2 2 1 1 2
𝑃0 = 1 − 3
= 3
P( x = 0) = 3 3
=3 p (x ≥ 0) = 3 + 3 p(x ≥ 1) = 3 + 3 = 1
X Px P(X ≤ 3) P(X≥3)
0 2/3 2/3 1
1 1/3 1/3 1
5
Ejemplo de Bernoulli
Calculo de la Esperanza y Varianza del anterior ejemplo
𝜇=𝐸 𝑥
1
𝑝= 3
𝜎 2 = Var (x)
1 2 2
pxq= x =
3 3 9
2
𝜎= 9
= 0,47
6
Modelo Binomial
Cada uno con su probabilidad de Éxito
Consiste en pruebas n de Bernoulli
Se llama binomial ya que presente n ensayos
El resultado no influye en el resultado de cualquier otro ensayo
x = el numero total de éxitos
x = b(n, p)
𝑛 𝑥 𝑛−𝑥
𝑓𝑥 = 𝑝 𝑞 𝑥 = 0,1 … , 𝑛
𝑥
𝑛!
𝑓𝑥 = 𝑝 𝑥 𝑞 𝑛−𝑥 𝑥 = 0,1, … , 𝑛
𝑛 − 𝑥 ! 𝑥!
𝐸 𝑥 = 𝑛 .𝑝 𝑉𝑎𝑟 𝑥 = 𝑛. 𝑝. 𝑞
7
Ejemplo de Modelo Binomial
La probabilidad de que un paciente se recupere de una enfermedad respiratoria es 0,4. Si se
sabe que cada 15 personas han contraído la enfermedad
a) Que se recuperen mas de 10
b) Que se recuperen 5
n = 15
15
𝑃 𝑥=5 = 0,45 0,610 = 0,18
5
15!
0,45 0,610 = 0,186 = 18%
10! 𝑥 5!
P(x ≥ 10) = P(x =10)+P(x =11) + P(x =12 ) + P(x =13) + P(x =14) + P(x =15) = 0,033
8 Ejemplo Modelo Binomial
15
𝑃 𝑥 = 10 = 0,410 0,65 = 0,024
10
15
𝑃 𝑥 = 11 = 0,411 0,64 = 0,0074
11
15
𝑃 𝑥 = 12 = 0,412 0,63 = 0,0016
12
15
𝑃 𝑥 = 13 = 0,413 0,62 = 0,00025
13
15
𝑃 𝑥 = 14 = 0,414 0,61 = 0,000024
14
15
𝑃 𝑥 = 14 = 0,415 0,60 = 0,0000012
15
9
Ejemplo de Binomial
Con el ejemplo anterior calcule la esperanza, Varianza y Desviación
Estándar
𝜇=𝐸 𝑥 =nxp
𝐸 𝑥 = 15 x 0,4 = 6
𝜎 2 = Var x = n x p x q
𝑉𝑎𝑟 𝑥 = 𝑛 𝑥 𝑝 𝑥 𝑞 = 15 𝑥 0,4 𝑥 0,6
Var (x) = 3,6
𝜎 = 3,6 = 1,89
10 Modelo Hipergeométrica
El resultado de una observación que afecta a las observaciones previas
Tamaños de muestras mayor a 5%
No deber haber reemplazos
x = el numero total de éxitos
k = Posibles Éxitos
𝑲 𝑵 −𝑲
𝑿 𝒏 −𝒙
p(X = x) = 𝑵 𝒙 = 𝟎, 𝟏 … , 𝒏
𝒏
𝑵 −𝒏
𝑬 𝒙 = 𝒏. 𝒑 𝝈𝟐 = n.p.q.
𝑵−𝟏
11
Ejemplo de Modelo Hipergeométrica
Un comité compuesto por cinco personas, se selecciona aleatoriamente el
numero de químicos es 3 y 5 físicos
a) Cual es la probabilidad de elegirse a ningún químico
N=8 n=5 K=3 N–K=5 x = 0 , 1 , 2 ,3
3 8 −3 3 5 3!
𝑥
5!
𝑥 5 −𝑥
𝑓𝑥 = 8 = 0 5
8 = 3! 𝑥 0! 0! 𝑥 5!
8! = 0,02 = 2%
5 5 3! 𝑥 5!
12
Ejemplo Modelo Hipergeométrico
Con el ejemplo anterior calcular la esperanza , Varianza y
Desviación Estándar
𝐸 𝑥 = 𝜇=𝑛𝑥𝑝
𝐸 𝑥 = 5 x 0,02 = 0,10
𝑁−𝑛
𝜎 2 = Var (x) = n x p x q x 𝑁 −1
8 −5
𝜎 2 = Var (x) = 5 x 0,02 x 0,98 x 8 −1 = 0,042
𝜎= 0,042 = 0,205
13
Distribución Geométrica
Cuando la sucesión de pruebas que ocurra el éxito
Probabilidad de p es constante
Dos posibles resultados éxito o fracaso
n = no es fijo
𝑓𝑥 = 𝑝(1 − 𝑝)𝑥−1 x = 1,2,3,…..,n
1 1−𝑝
𝜇=𝐸 𝑥 = 𝑉𝑎𝑟 𝑥 = 𝜎 =2
𝑝 𝑝2
14
Ejemplo de Distribución Geométrica
En un proceso manufacturero se sabe que la probabilidad una
pieza defectuosa es el 2%
a) Cual es la probabilidad de que la 8va pieza sea la primera
defectuosa
x=8
P = 2%
𝑝 𝑥 = 8 = 0,02 (1 − 0,02)8−1
𝑝 𝑥 = 8 = 0,02 (0,98)7 = 0,0174 = 1,74%
15
Ejemplo de Modelo Geométrico
Con el ejemplo anterior Calcular la Esperanza, Varianza y Desviación
Estándar
1
𝐸 𝑥 = 𝜎=
𝑝
1 1
E(x) = 𝑝
= 0,02 = 50
1−𝑝 1 −0,02
2
𝜎 = = = 2450
𝑝2 0,022
𝜎= 2450 = 49,49
16
Distribución Poisson
Distribución de probabilidades discretas
Los resultados se evalúan en un intervalo de tiempo
Ocurrencia con probabilidades muy pequeñas
𝑒 −𝜇𝑡 (𝜇)𝑥
𝑓𝑥 =
𝑥!
17 Ejemplo de Distribución Poisson
Se sabe que 10 es el numero promedio de flotas que llega
por un día 15 . Las instalaciones atienden 15 flotas . Cual es
la probabilidad de regresar los 15 flotas en época de
cuarentena
𝑒 −10 . 10𝑥
𝑝 𝑥 = 15 =
𝑥!
𝑒 −10 . 1015
𝑝(𝑥 = 15) = = 0,034
15!
18
Ejemplo
El numero promedio de partículas radioactivas a través de un
contador de partículas durante un tiempo de 4 milisegundos. Cual
es la probabilidad que entren 6 partículas.
𝑒 −4 . 46
𝑝 𝑥=6 = = 0,10 = 10%
6!
19
Ejemplos a practicar
Un lote de 40 componentes son aceptables, si no contienen mas de 3 defectuosos , el
procedimiento consiste en seleccionar 5 componentes . Cual es la probabilidad de que halla un
defectuoso , si hay 3 defectuosos R = 30,10%
Una Central telefónica , esta permanentemente ocupada por año nuevo . La Probabilidad de hacer
la llamada es del 6%. Calcule la probabilidad que se logre hacer la llamada la 10 intento. R = 3,4 %
Se sabe que en un proceso , con una probabilidad del 30% son piezas defectuosas
a) del lote de 6 piezas – 3 de ellas son defectuosas R = 18,50 %
b) Ninguna de ellas es defectuosa de las 6 piezas R = 11, 80 %
Una Fabrica de bombillas el 5% sale defectuoso . Determinar que en una muestra de 12 se
encuentran 2 focos defectuosos R = 9,80 %
20
Ejemplos a practicar
El numero promedio de esperar una movilidad es del tiempo de 15 minutos en el cual
pasan 5 minibuses . Cual es la probabilidad que tome el 3 minibús en el lapso de tiempo
determinado
Suponga que los clientes llegan a una fila en una tasa de 4 minutos. Suponiendo que el
numero de personas que llegan a la fila en un intervalo de tiempo . Cual es la
probabilidad que lleguen en ½ minuto.
Calcular la esperanza y varianza de los anteriores ejercicios descritos en la anterior
diapositiva y la respectiva desviación estándar
21
GRACIAS
