DISTRIBUCIONE
S DE
PROBABILIDAD
MGT. JUDITH DURAN HUAMAN
DISTRIBUCIONES DE PROBABILIDAD
DISCRETA Y CONTINUA
Según el rango de la variable se puede determinar si es discreta o continua,
entonces las funciones pueden ser:
1) Función de probabilidad de una variable discreta
Si el rango de la función es discreto entonces su regla de correspondencia es:
Su tabla se representa de la siguiente forma:
… …
TOTAL
Ilustración 1. Se lanzan cinco monedas observándose el número de caras la
Variable aleatorias el número de caras que caen y pueden tomar valores enteros
de 0, 1, 2, 3 , 4 y 5. Encuentre la función de probabilidad de la variable aleatoria
Ω={ 𝑐𝑐𝑐𝑐𝑐 , 𝑠𝑐𝑐𝑐𝑐 , 𝑐𝑠𝑐𝑐𝑐 ,𝑐𝑐𝑠𝑐𝑐 , … , 𝑠𝑠𝑠𝑠𝑠 } 5
→ 𝑛 ( Ω )=2 =32
Ilustración 2. Tres bolas son aleatoriamente seleccionadas de una urna que
contiene tres bolas blancas, tres rojas y cinco negras, supongamos que
ganamos un nuevo sol por cada bola blanca seleccionada y perdemos un
nuevo sol por cada bola roja seleccionada. Hallar la función de probabilidad de
la variable aleatoria x, definidas como ganancias netas obtenidas en el
experimento.
1.2. Distribución Acumulada de probabilidad
DEFINICIÓN: La función de distribución acumulada de una variable aleatoria X, denotado
por F, es una función:
definida por la regla de correspondencia.
Es decir, denota la probabilidad de que la variable aleatoria X toma valores menores o
iguales a X
PROPIEDADES
1. Si es una función no creciente, esto es; si para todo
, entonces
2. Para todo tenemos:
3. Para todo tenemos:
4. Para todo tenemos:
5. Para todo tenemos:
Ilustración 3. De la ilustración 2, determine las probabilidades acumuladas:
a) c)
Ilustración 4. La función de probabilidad de una variable aleatoria X es dada
por:
a) Encontrar el valor constante c
ESPERANZA MATEMATICA
DEFINICIÓN 1: Sea X una variable aleatoria discreta con y sea:
Su función de probabilidad. La media o esperanza matemática de X
denotado por es definido por:
PROPIEDADES:
.
2.
VARIANZA DE UNA VARIABLE ALEATORIA
DEFINICIÓN 3: Sea X una variable aleatoria con media . La varianza
de X, denotado por var es definido por:
si X es variable aleatoria discreta que toma valores
PROPIEDADES
1. .
2. Para cualquier variable X
DEFINICIÓN 4: Sea X una variable aleatoria. La desviación estándar de X
denotado por esta definido por:
Ilustración 5. Determine la media y la desviación estándar de las siguiente
v.a.
X -2 0 1 3 4
P(x 1/5 1/5 1/5 1/5 1/5
)
Ilustración 6. Una caja contiene 8 bombillas de las cuales 3 están
defectuosas. Se extrae una bombilla de la caj, si sale defectuosa, se prueba
otra bombilla, hasta seleccionar una no defectuosa. Calcule el numero
esperado de bombillas seleccionadas.
Ilustración 7. En una ruleta se han colocado 11 premios, 1 de S/ 100, 2 de
S/ 50, 3 de S/20 y 5 de S/ 10. determine:
a) La esperanza de cada jugador.
b) La varianza y el error del juego.
DISTRIBUCIONES
IMPORTANTES
Existen variables cuyas funciones de probabilidad o densidad resultan ser
modelos de mucha utilidad para una serie de aplicaciones. Nosotros citaremos
brevemente algunos de los modelos de mayor importancia.
Entre las distribuciones importantes esta entre las discretas las distribuciones
binomial y poison y dentro de las distribuciones continuas la distribución normal.
1. DISTRIBUCIÓN
BINOMIAL.
Si una variable X tiene una distribución binomial, entonces X es el numero de
éxitos en n experimentos binomiales y se denota por:
Donde:
La función de probabilidad:
El valor esperado
Y varianza:
EJERCICIOS DE DISTRIBUCION BINOMIAL
Ilustración 1. Una empresa inmobiliaria ofrece a sus habituales clientes dos
formas de pago “al contado “ y “a plazos”, se sabe que el 30% de los
departamentos adquiridos son con pago al contado. Si durante el año pasado
se han adquirido 10 departamentos determinar de que:
a) Tres o más unidades se adquieren bajo forma de pago al contado.
b) De mas de 8 departamentos son adquiridos bajo de forma a plazos
c) La cantidad de departamentos que se espera vender a plazos.
Ilustración 2. Un examen consta de 10 preguntas de tipo test. Para cada
pregunta se ofrecen cuatro posibles respuestas, de las que solamente una es
correcta. Si un estudiante responde todas las preguntas al azar:
a) Cuál es la probabilidad de que apruebe el examen, es decir, de
contestar correctamente a cinco o más preguntas?
b) Cuál es la probabilidad de que falle todas las preguntas?
2. DISTRIBUCIÓN DE POISSON
La distribución de Poisson aparece en situaciones en las que se cuenta el número
de apariciones de un determinado suceso o bien en un intervalo de tiempo dado
(como el número de partículas emitidas en un segundo por un material
radioactivo, o el número de pacientes que llegan a un servicio en un intervalo de
tiempo dado) o bien en un recinto físico (como el número de fallos en un metro
de alambre de hierro producido.)
X = Número de eventos en [0,t] entonces se tiene:
Notación:
Función de Probabilidad:
El valor esperado:
Y varianza:
EJERCICIOS DE LA DISTRIBUCIÓN DE POISSON
Ilustración 1. Una compañía de seguros halla que el 0.004% de la población
fallece cada año de un cierto tipo de accidente. ¿Cuál es la probabilidad de que
la compañía tenga que pagar a más de 2 de los 10 000 asegurados contra
tales accidentes en un año determinado?
Ilustración 2. En una ciudad selvática se pretende introducir un nuevo producto
del que es razonable esperar que sea demandado por el 0.5% de los
habitantes de dicha Zona. Determinar la probabilidad de que consultados 2
000 de estos habitantes, dicho producto sea demandado por 2 o mas personas.
Ilustración [Link] compañía aérea observa que el número de componentes que
fallan antes de cumplir 100 horas de funcionamiento es una variable aleatoria
de Poisson. Si el número promedio de fallos es ocho. Se pide:
a) ¿Cuál es la probabilidad de que falle un componente en 25 horas?
b) ¿Cuál es la probabilidad de que fallen menos de dos componentes en 50
horas?
3. DISTRIBUCIÓN NORMAL
Es la distribución de probabilidad más en todo el campo de la estadística, por
tres razones:
• Está directamente relacionada con las propiedades matemáticas de la
distribución normal.
• Las distribuciones en el campo de la industria, economía y la investigación
describen distribuciones aproximadamente normales.
• Mediante el teorema del límite central que establece que muchas funciones
de los valores muestrales tiene distribuciones aproximadamente normales en
particular las muestras grande.
Se dice que X tiene una distribución normal con media y la varianza y se denota
por: y su función de densidad, es:
El valor esperado:
Y la varianza:
Cuando 𝜇 = 0 y , a X se le denota por Z y se llama una variable aleatoria con
NOTA:
DISTRIBUCIÓN NORMAL ESTÁNDAR.
𝑍~𝑁(0,1)
Donde: la variable Z se denota por:
Toda Variable aleatoria normal 𝑋~𝑁(𝜇, ), puede convertirse con una Variable
aleatoria normal estándar ( estandarizarse) a través de la transformación.
𝑥 −𝜇
𝑍 =
𝜎
Ilustracione1. 𝑋~𝑁(3, 36) hallar:
a)
[Link]
[Link]
Ilustración 2. Los depósitos en la Caja Municipal del Cusco durante el mes de mayo
último están normalmente distribuidos, con media de S/. 10 000 y una desviación
estándar de S/. 1 500 un deposito es seleccionado al azar, de los depósitos
referentes al mes mayo, encontrar la probabilidad de que el deposito sea:
A) S/8 000 o menos
B) Un valor entre S/ 7 000 y S/ 12 000
Ilustración 3. Una fábrica de conservas vegetales ha comprado a un agricultor la
cosecha de guisantes. Los diámetros de los guisantes comprados se distribuyen
según una normal de media 1 cm y de desviación típica 0,1 cm. Para enlatarlos se
clasifican, según su diámetro, en dos tipos: A, con más de 1,1 cm de diámetro; B,
con diámetro entre 0,85 y 1,1 cm. El resto de los guisantes son rechazados. Calcula:
a) Qué porcentaje de guisantes hay de cada tipo?
b) Qué porcentaje es rechazado?
Ilustración 4. En la última temporada de entrenamientos, los tiempos empleados por
un corredor de 100 metros en recorrer dicha distancia se distribuyeron según una
normal de media 10,8 segundos y desviación típica 0,3 segundos, para participar en
un campeonato ha de recorrer una vez los 100 metros en menos de 10,5 segundos.
¿Qué probabilidad tiene de participar?
