Modelos continuos:

Caractersticas:
X Es una variable que puede tomar tanto valores enteros como fraccionarios.
X 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5,.....,
Es generada por una variable continua (x).
La sumatoria de las probabilidades asociadas a cada uno de los valores que
toma x debe ser igual a 1. El rea definida bajo la funcin de densidad de
probabilidad deber ser de 1.


Modelos Discretos:

Caractersticas:

X toma solo valores enteros, X toma valores x1.........xk con probabilidad 1/k.
Se dice que X sigue una distribucin uniforme discreta de parmetro k.
El suceso de eventos es independiente.

Modelo binomial:
Se utiliza cuando En cada prueba del experimento slo son posibles dos

El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.
La probabilidad del suceso A es constante, la representamos por p, y no vara
es 1- p y la representamos por
q .
El experimento consta de un nmero n de pruebas.







Ejemplos de binomial:
1. En una sucesin de 30 aos interesa la ocurrencia o no de un caudal mayor
que la capacidad de un vertedero, si las magnitudes del caudal son
independientes ao tras ao y la probabilidad de una ocurrencia no cambia a
travs de los 30 aos, suponiendo p = 0.02.
Solucin
X: Nmero de aos en los cuales ocurren grandes inundaciones, en la sucesin
de 30 aos.
X = 0, 1, 2,.....30
Durante un ao cualquiera pueden ocurrir no, grandes inundaciones
independientemente una de la otra, con probabilidad fija de 0.02.
Por lo tanto, X ~ B (n=30, P =0.02)
a. Cul es la probabilidad de que ocurra al menos una gran inundacin
durante los 30 aos, de un sistema propuesto de control de inundaciones?
b. Si se considera, muy grande el riesgo de tener al menos una gran
inundacin, el ingeniero debe incrementar la capacidad de diseo, de modo
que la magnitud de la inundacin crtica sea slo excedida con la probabilidad
0,01 en un ao cualquiera.

2. La probabilidad de xito de una determinada vacuna es 0,72. Calcula la
probabilidad de a que una vez administrada a 15 pacientes:
a) Ninguno sufra la enfermedad
b) Todos sufran la enfermedad
c) Dos de ellos contraigan la enfermedad





Modelo de Poisson:
Caractersticas:
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad
de rea, tiempo, pieza, etc., etc.,:
- # de defectos de una tela por m
2

- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc., etc.
- # de llamadas telefnicas a un conmutador por hora, minuto, etc., etc.


Donde:
p(x,) = probabilidad de que ocurran x xitos, cuando el nmero promedio de
ocurrencia de ellos es
= media o promedio de xitos por unidad de tiempo, rea o producto
= 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra


Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren
por unidad de tiempo, rea o producto es totalmente al azar y que cada
intervalo de tiempo es independiente de otro intervalo dado, as como cada
rea es independiente de otra rea dada y cada producto es independiente de
otro producto dado.





! x
) , x ( p
x

Ejemplos de Poisson:
1.El nmero de clientes que llega a un banco es una variable aleatoria de
Poisson. Si el nmero promedio es de 120 por hora, cul es la probabilidad de
que en un minuto lleguen por lo menos tres clientes? Puede esperarse que la
frecuencia de llegada de los clientes al banco sea constante en un da
cualquiera?
1. Una compaa compra cantidades muy grandes de componentes
electrnicos. La decisin para aceptar o rechazar un lote de componentes se
toma con base en una muestra aleatoria de 100 unidades. Si el lote se rechaza
al encontrar tres o ms unidades defectuosas en la muestra, cul es la
probabilidad de rechazar un lote si ste contiene un 1 % de componentes
defectuosos? Cul es la probabilidad de rechazar un lote que contenga un 8%
de unidades defectuosas?