Modelos de urnas:

Urna de Plya
Presentan:
Jannet vila Huerta.
Daniel R. Tlaxcala Snchez.
Mayo 06, 2015

Descripcin y clasificacin.

LOS MODELOS DE URNAS

El modelo de urnas
Descripcin
Un modelo de urnas se construye
a partir de un conjunto de urnas
que contengan bolas de diferentes
colores.
Dentro de los modelos de urnas
tienen una importancia especial los
llamados Modelos por Contagio,
esto es, modelos donde la
ocurrencia de un suceso tiene el
efecto de cambiar la probabilidad
de las posteriores ocurrencias de
ese mismo suceso.

Diseo del modelo

Una urna contiene bolas,
blancas y negras; se extrae al

azar una bola, se reemplaza y se

aaden bolas del mismo color
y bolas del color contrario. Se
hace una nueva extraccin
aleatoria de la urna (que ahora
contiene + + + bolas) y
se repite el procedimiento
sucesivamente.

 Se utilizan, de esta manera, cuatro parmetros para describir el modelo:

, , . El nmero de bolas que la urna contiene inicialmente se
deduce a partir de los dos primero: = + .
El procedimiento que lleva al cese del experimento puede
proporcionar un nuevo parmetro, cuando se establece un nmero de
repeticiones . En cualquier caso debe entenderse que se trata de
una regla ms del modelo, la que establece el final del proceso, y
tambin sirve para diferenciar los modelos de urnas entre s.

Modelo Directo

Modelo Inverso

Se tiene un nmero mximo

de repeticiones . El experimento
puede pararse antes de llegar a
esta cantidad si la composicin
de la urna va a proporcionar un
experimento determinista.
Se obtiene un modelo que viene
definido por cinco parmetros:
(, , , , ).

Consiste en parar el
experimento despus de
haber obtenido un nmero, k,
de bolas de un determinado
color. En este caso, el modelo
que se plantea tambin tiene
cinco parmetros:
, , , , .

Descripcin y funcionamiento.

LA URNA DE PLYA

Definicin
I.

II.

La urna de Plya es un modelo que deriva a una distribucin

particular del modelo anterior, con la particularidad de que = 0,
quedando el modelo: (, , , 0, ).
El esquema de urna de Polya es definido como sigue: inicialmente,
una urna contiene bolas blancas y bolas negras, un total de
+ bolas. Una bola se extrae al azar de entre todas las bolas en
la urna. Esta, junto con bolas ms de su color, es regresada a la
urna, as que despus de la primera extraccin, la urna tiene
+ + bolas. Este proceso es repetido veces.

Generalizacin
I.
II.

es el evento que la -va bola extrada en el esquema de urna de

Polya es blanca, es el indicador del evento , y, para dada
1, = 1 + + , que es el nmero total de veces que
una bola blanca ha sido extrada en los primeros intentos.
Dependiendo del factor que otorguemos, las distribuciones
generadas variarn, por tanto, es importante determinar si nuestro
modelo acepta reemplazos o no.

Casos
En funcin de los valores que reciba el parmetro c, Plya(1954)
interpret los siguientes casos particulares:
I.
Cuando c < 0: Interpreta que cada extraccin va a originar un revs
de la fortuna, en el sentido en que el xito disminuye a su vez la
probabilidad de obtener un nuevo xito (del mismo modo el fracaso
disminuye tambin la probabilidad de un nuevo fracaso).
II. Cuando c = 0: Entonces los sucesos son independientes.
III. Cuando > 0: Interpreta que el xito y el fracaso son contagiosos
en el sentido de que un xito o un fracaso aumenta la probabilidad
de xito o de fracaso, respectivamente.

Casos
En funcin de los valores particulares de los parmetros, se
obtienen distribuciones notables como casos particulares de la
distribucin de Plya. As, cuando:
(1) = 1: Distribucin hipergeomtrica, con parmetros , = ,
=+
(2) c = 0: Distribucin binomial, con parmetros y =

.
+

(3) c = 1: Distribucin beta binomial o hipergeomtrica negativa, con

parmetros y .

Procedimiento general
Para comenzar, evidentemente

1 = 1 =
+

Despus,

Precisamente,

2 = 1 = 2 = 1|1 = 1 1 = 1

+
=
+ ++

= 3 = 1|1 = 1, 2 = 1 1 = 1, 2 = 1

+
++

+ 2
+ + 2

Generalizando, tendremos que para algn dado, sta es una

distribucin de los enteros 0,1, , , con parmetros y . Para
un determinado, la frmula se define como:

=
( + ) + 1 ( + ) ( + 1 )
=

( + )( + + ) ( + + 1 )
sta es la famosa distribucin de Plya o distribucin de PlyaEggenberger, con parmetros , y .

Ejemplo
De una urna con bolas azules y blancas se extrae una al azar y se la repone
agregando adems bolas de mismo color que la extrada. Luego se repite el
procedimiento. Cul es la probabilidad de sacar bolas azules en las dos primeras
extracciones? y de que sean azules las tres primeras?
Supongamos para este caso que los parmetros iniciales son = 1, = 1y
c = 1.

 =
=
1
=
2

1
=
2

2
3

1
3

1
3

2
3

3
4

1
4

2
4

2
4

1
4

3
4

4
5

3
5

2
5

1
5

2
5

3
5

1
5
4
=
5

Resultados particulares

Para comenzar, evidentemente

Despus,

1 = 1 =

2 = 1 = 2 = 1|1 = 1 1 = 1 + 2 = 1|1 = 0 1 = 0

=
+
+ ++
+ ++
2 + +
( + + )

=
=
=
( + )( + + ) ( + )( + + ) +

Notamos que 2 = 1 y 1 = 1 son iguales. Veamos que 3 = 1 . Esto tiene

que encontrarse por el condicionamiento de los colores de las bolas elegidas en los
primeros dos sorteos.

 Precisamente,
3 = 1 =
3 = 1|1 = 1, 2 = 1 1 = 1, 2 = 1
+ 3 = 1|1 = 1, 2 = 0 1 = 1, 2 = 0
+ 3 = 1|1 = 0, 2 = 1 1 = 0, 2 = 1
+ 3 = 1|1 = 0, 2 = 0 1 = 0, 2 = 0

+
+ 2

+
=
+
+ + + + + 2
+ + + + + 2

+
+
+ + + + + 2
+ + + + + 2
+ + 2 + 2 + + ( + )

=
=
( + )( + + )( + + 2)
+
Factorizando el numerador en la ltima lnea como ( + + )( + + 2).
As, ahora vemos que 3 = 1 , 2 = 1 y 1 = 1 son iguales. De
hecho, las siguientes frmulas generales se mantienen, no importando las
combinaciones.

Aplicaciones:
Modelos fsicos relacionados con los quants.
Importantes modelos probabilsticos de contagio.
Modelos econmicos y financieros orientados a riesgo y a
estabilidad.
Aplicaciones en la tecnologa de materiales, con nfasis en la
influencia de resistencia y/o reacciones en cadena.

LA URNA DE PLYA
A PLI CACI N EN ACT UA R A

Aplicaciones de la distribucin de plya o

distribucin de polya-eggenberger.

Estadstica actuarial ,
(modelos estocsticos de contagio).

 Se trata de un modelo discreto de gran utilidad en la ciencia actuarial

dado que tambin es conocida como distribucin de contagio. Su utilidad
radica precisamente en que es capaz de medir la aleatoriedad de
"contagio.
Es decir, la extensinpropagacin de la informacin sobre cualidades de
los productos o servicios.
En la mayora de los casos puede modelizar el comportamiento de la v.a.
como nmeros de siniestros.

Tiene las siguientes caractersticas:

El proceso consta de n pruebas , separadas o separables dentro
de un conjunto de N pruebas posibles.

Cada una de las pruebas puede dar nicamente dos resultados

mutuamente excluyentes: A y no A.
En la primera prueba las probabilidades son: P(A)= p y P(A)= q
;con p+q=l.

Las probabilidades de obtener un resultado A y de obtener un resultado

no A varan en las sucesivas pruebas, dependiendo de los resultados
anteriores.
De manera que aumentan las probabilidades del suceso que haya ocurrido
en la prueba anterior , dado que si el resultado es A se aumenta la
probabilidad de A para la siguiente prueba en un factor que denominamos
de contagio (que se denota como c) .
En el caso de que el resultado fuera no A se procedera de la misma manera
(aumentando las probabilidades de no A)

LA URNA DE PLYA
A PLI CACI N Y PLA N T EA MI EN TO

Aplicacin
Si estas circunstancias las aleatorizamos de forma que la
variable aleatoria X sea el nmero de resultados A
obtenidos en n pruebas la distribucin de X ser una Plya
de parmetros N,n,p,c:

Planteemos un proceso
como ejemplo:
PLANTEAMIENTO
:

En una urna existen N elementos N1 de carcter A y N2 de carcter no A

Evidentemente N= N1+N2

El experimento (prueba) consiste en la visualizacin del carcter de un elemento extrado

En la primera ocasin la

Si el resultado es A se introducen en la urna C elementos de carcter A

Si el resultado es no A se introducen en la urna C elementos de carcter no A

Las probabilidades habrn variado .As

La probabilidad de obtener x resultados A en x pruebas sera:

Dado que se realizan n pruebas , debemos considerar tambin las n-x restantes y
cuyo resultado sera "no A" . As

evidentemente realizaremos todas las n pruebas, luego tendramos:

ESTA ES LA DISTRIBUCIN DE PLYA O DISTRIBUCIN DE POLYA- EGGENBERGER.

Dado que no tendran porqu darse los resultados en ese determinado orden. La
funcin de cuanta quedara:

La esperanza matemtica de esta distribucin quedar como:

Siendo la varianza.

al cociente c/N se le conoce como fraccin inicial de contagio. Proporcin de

individuos que se reponen o alcanzan el valor del resultado de la prueba anterior

Puede comprobarse que si C ( nmero de individuos que se introducen en la urna con la caracterstica
del resultado anterior) es (-1).Estaramos "no reponiendo" la extraccin , estaramos , por tanto, ante
una distribucin hipergeomtrica.
Lo que podemos comprobar con su varianza.
As la varianza de la hipergeomtrica es:

mientras que varianza de la Plya hemos visto que era

si hacemos c = -1 tendremos

que es la varianza de la hipergeomtrica

CONCLUSIN
Donde p representa la probabilidad inicial de siniestro , q = 1-p, c es la probabilidad
de contagio.
Es decir el efecto de contagio , modelizado en esta distribucin produce una media
independiente de dicho efecto, e igual a la media en una distribucin binomial, en la
que el contagio es nulo. Sin embargo la varianza aumenta en medida que aumenta la
probabilidad de contagio.
Este tipo de distribuciones se emplea en los estudios estadsticos mdicos, sobre
posibles contagios de enfermedades.
Nosotros los actuarios, la utilizaremos para modelizar propagacin de siniestros en
contratos de seguros , de incendios, por ejemplo.

CONCLUSIN:
Los modelos de urna de Plya, son un mtodo flexible y potente para el
anlisis de una variedad de problemas de probabilidad. Slo hemos
presentado una breve introduccin a algunos de los resultados y
tcnicas en este amplio campo. Hay muchas extensiones interesantes a
los problemas que hemos cubierto en esta exposicin, como los
esquemas de urna con entradas aleatorias, modelos en los que mltiples
bolas son extradas en cada paso, las aplicaciones a las biociencias, y
muchos otros casos.

Trabajos Citados:
Almorza Gomar, D., Castao Martnez, A., & Garca Ramos, J. A.
(2008). La familia de distribuciones de Plya. En Familia de
distribuciones probabilsticas (I) (pgs. 19-41). Cdiz: Universidad de
Cdiz: Departamento de Estadstica e Investigacin Operativa.
DasGupta, A. (2010). Plya's Urn. En Fundamentals of Probability: A
First Course (pgs. 388-391). New York: Springer.
Page, S. E. (Direccin). (2012). Mathematics on Urn Models [Pelcula].

Gracias por su atencin.