Professional Documents
Culture Documents
x
0
1
P(X)
q
p
n k
nk
p (1 p )
P ( X = k ) = k
0 otro valor
donde
para n = 0,1,2,..., n
0 p 1
(1-p)(1-p)(1-p)=pk(1-p)n-k
K trminos n-k trminos
X=0
P ( X = 0) = P( A1 A2 A3 ) = q.q.q = q 3
Un xito
X=1
Dos xitos
X=2
(n 1)!
p r q [(n 1) r ]
k = 0 [(n 1) r ]! r!
n
= np
Tres xitos
X=3
n nr r
a b
r =1 r
n
P( X = 3) = P( A1 A2 A3 ) = p. p. p = p 3
X
0
1
2
3
(a + b )n =
P(X)
q3
3pq2
3p2q
p3
por analoga
= np( p + q )n 1 si p + q = 1
= np
{ }
Var{ X = k} = E k 2 E{k }
{ }
tal forma E {k } = E{k (k 1)} + E{k }.
2
n=3
3
3!
P( x = 0) = p 0 q 3 0 =
p0q3 = q3
(3 0)!0 !
0
3
3!
P( x = 1) = p q 31 =
p q 2 = 3 pq 2
1
(
3
1
)!
1
!
3
3!
P( x = 2) = p 2 q 3 2 =
p2q = 3p2q
2
(
3
2
)
!
2
!
3 3 3 3
3!
P( x = 3) = p q =
p 3 q 3 3 = p 3
3
(
3
3
)
!
3
!
n
k
= E {x = k } = k p k q n k
k =0
= k
k =0
n!
p k q nk =
(n k )! k !
n (n 1)!
= k
pp k 1q [(n 1) (k 1)]
(
)
(
)
(
)
[
1
]
!
1
!
n
k
k
k
k =0
n
Probabilidad y Estadstica
Noviembre 2009
y = k 2
m = n2
m!
p y q m y
y = 0 (m y )! y!
m
E {k (k 1)} = n (n 1) p 2
en virtud de que:
m!
(m y )! y! p
q m y = ( p + q )
m y
y p + q =1
y =0
E {k (k 1)} = n (n 1) p 2
Substituyendo hacia atrs:
{ }
= np[np p + 1 np ]
= np(1 p )
Px( x = k ) = C nk p k q n k
n = 5 tiros
k = 5 anotaciones
p = 3/4 y q =
n=8
5
5 3 1
P ( x = 5) =
5 4 4
p = 1/ 3 q = 2 / 3
5 5
= 0.237
5 3 1
P ( x = 0) =
0 4 4
Probabilidad y Estadstica
Noviembre 2009
5 0
= 0.097
k [p e ] q
n
k =0
t k
nk
= (p et + q)
sustituyendo
m(t ) = e tk P(k )
k =0
m(t ) = e tk p k q n k
k =0
k
sustituyendo
n
n
k
m(t ) = p e t q n k
K =0 k
Probabilidad y Estadstica
Noviembre 2009
n 1
k 1
Por lo tanto, la probabilidad de tener kxitos en n-ensayos con el ltimo ensayo
siendo un xito es:
2 = E {x 2 } 2
{ }
Ex
d2
k k + qe t
=
m(t ) =
2
dt
1 qe t
t =0
k (k + q ) p
=
2
k
(1 q ) (1 q )
k
pe t
1 qe t
t =0
k (k + q )
=
p2
Probabilidad y Estadstica
Noviembre 2009
1 1 p
p
p
q = 0.90
P( x = 2 ) = C41 p 2 q 3 =
n=5 k=2
4!
(0.1)2 (0.9)3 = 0.0916
1! 3!
b) k = 5
x =
k (1 p ) 5(0.9)
=
= 45 unidades
p
0.1
Distribucin Geomtrica. Si en la
distribucin binomial negativa se tiene el
caso especial de k=1, se le conoce como
distribucin geomtrica, cuya funcin de
probabilidad est dada por:
En el caso en que el valor de k no sea
entero, como ocurre cuando se ajusta los
parmetros del modelo a partir de
observaciones reales.
Cuando ocurre esto, se le devuelve su
nombre de Distribucin de Pascal, aunque
los coeficientes binomiales no estn
definidos, por lo que se introduce a la
funcin gamma. El modelo queda:
Probabilidad y Estadstica
Noviembre 2009
P(x=k)=p qn-1
La variable aleatoria geomtrica representa
el nmero de fallas que ocurren antes de
que se presente el primer xito.
Ejemplo.Cul es la probabilidad de que en
su tercer intento, el excelente jugador anote
su primer gol?
P( x = 3) =
31
44
31
= 0.046
1 999
P ( x = 5) =
1000 1000
51
= 0.0096
1
p
2 =
1 p
p2
m(t ) =
pe t
1 qe t
26!
26!
=
= 0.32513
5
C52
52!
5!(52 5)!
3
26
2
26
N
n
Se supone que estas muestras son
igualmente probables. Por otra parte, hay
k
x
p = q = 0 .5
Px ( x ) = p q N 1 = (0.5)(0.5)
4 1
= 0.0625 = 6.25%
x =
N k
n x
1
1
=
= 2 entrevistas
p 0.5
Distribucin
Hipergeomtrica.
La
diferencia entre la distribucin Binomial y
la Hipergeomtrica radica en la forma en
que se realiza el muestreo.
N
es:
n
posibles
k N k
.
x n x
Probabilidad y Estadstica
Noviembre 2009
k N k
x n x
P(x = k ) =
N
n
donde x=0, 1, 2,...,n
xk
nx N k
k=3
3 37
1 4
P( x = 1) = = 0.3011
40
5
Para determinar la media de la distribucin
se sigue un procedimiento anlogo al
utilizado para la distribucin binomial.
E{x} = xP( x )
x
x=0
Probabilidad y Estadstica
Noviembre 2009
n=5 x=1
k N k
x n. x
x
N
n
si
p=
k
n
(1 p ) = N k
N
N n
Var{x} = np(1 p )
N 1
N
=
n
N 1
n 1
es decir:
(N
(N 1)!
N!
N
=
n )! n! n ( N n )! (n 1)!
sustituyendo:
Np N Np
x n x
P (x = k ) =
N
n
En esta expresin, si N , se obtiene la
distribucin binomial.
De
esta
forma,
la
distribucin
hipergeomtrica tiende a la binomial con
Haciendo un cambio de variables:
M=N-1
r M r
s y s y
nk
= nk
E {x} =
N
N y =1
M
s
Var{x} =
nk (N k ) (N n )
N 1
N2
Probabilidad y Estadstica
Noviembre 2009
parmetros n y p =
k
n
conforme
0.
N
N
N n
.
N 1
p 0 si
lim P( x = k ) =
n
k!
P(x = k ) = C nk p k q n k
e ; = np
n 50 np 5
Considerando la expresin general para la
probabilidad binomial:
n
n!
nk
nk
P ( x = k ) = p k (1 p ) =
p k (1 p )
k!(n k )!
k
n(n 1)(n 2 )K (n k + 1) k
nk
p (1 p )
k!
1 p = 1
P (x = k ) =
=
=
n
sustituyendo:
n
n (n 1)K (n k + 1) n
k!
n n
k
nk
(1) 1 1 1 2 L 1 k 1 1
k !
n
n
n
n
nk
(1) 1 1 1 2 L 1 k 1 1 1
k !
n
n
n
n
n
n
1 2
1 , 1 , L
n n
M.A. Vctor Damin Pinilla Morn.
69
Por binomial:
tienden a 1 si n,
al igual que 1
n
n=200 p=0.02
P( x 5) = P( x = 0 ) + P(x = 1) + P( x = 2 ) + P( x = 3) +
P ( x = 4 ) + P ( x = 5)
1 = e
n
0
(0.02) (0.98)
C 200
0
k!
{ }= e
tk
tk
k =0
si e y =
n =0
y
,
n!
4 0 4 41 4
45
e + e + L + e 4
0!
1!
5!
0
1
5
4
4
4
= e 4 + + L + = 0.78
5!
0! 1!
e k
= e
k!
( e )
k =o
t k
t =0
{ }
t
d2
d
m(t ) = e (e 1)+ t
2
dt
dt
t =0
= ( e + 1) e (
t
et 1
= +
Var{x} = 2 + 2 =
Noviembre 2009
; = 4 = 0.7851
= np = 2.5
n=50
P(x 2) =
2.5
e
0!
2 .5
= 0.082
k =0
1!
2!
k!
0!
k
= 0.5437
c)
Probabilidad y Estadstica
b)
t =0
t =0
a) P( X = 0 ) =
Var{x} = E x 2 [E{x}]
E x2 =
k!
k =0
Datos.
P=0.05
{ }
a) Ninguna falle
b) Cuando ms 2 fallen
c) 5 fallen
t
d
d
m(t ) = e (e 1)
dt
dt
t =0
t =0
= e e (
e t 1
P ( x 5) =
k!
para y = e t
195
P ( x 5) =
m(t ) = e e e = e (e 1)
E{x} =
= np = 200(0.02) = 4
k
m(t ) = E e
5
(0.02) (0.98)
L C 200
Por poisson:
si n
lim P( x = k ) =
finalmente
200
5
(
2.5) 2.5
P ( x = 5) =
e
= 0.068
5!
= 10
= 2 llamadas
P ( x 15
b)
t = 3
Px ( x = 0 ) =
t = 2
(6 )
llamadas
min
(3 ) =
llamadas
min
e 6 = (1 )e 6 = 0 . 00248
0!
t = 2
llamadas
t = 2
min
c)
(2 ) =
Px ( x < 3 ) = e 4
llamadas
min
1
0
4
4
42
= 0 . 2381
+
+
0!
1!
2 !
4
una
da
ser
de
)=
1 P ( x 15
)=
15
k=0
k!
10 0
10 1
10 2
10 3
10 4
10 15
= 1 e 10
+
+
+
+
+L +
1!
2!
3!
4!
15 !
0!
P ( x 15 ) = 1 0 . 953 = 0 . 0487
n = 2000
= np = 2
2 2
e = 0 .18
3!
P (x > 2 ) = 1 P (x 2 )
P (x = 3 ) =
P ( x 2) =
k =0
2 0 21 2 2
e = e 2
+
+
= 0 .3235
k!
2!
0! 1!
k
Bibliografa
= 2
a)
t = 7
P ( x = 14 ) =
b)
t = 2 s / dia (7 dias
(14 )
14
14 !
14
) = 14 suicidios
= 0 . 1058
P (x 3 ) = 1 P (x 3 )
3
= 1 e
i=0
k!
= 1 0 . 0005 = 0 . 9995
Captura y Edicin:
M.A. Mara Torres Hernndez.
Probabilidad y Estadstica
Noviembre 2009