Professional Documents
Culture Documents
Probabilidad Básicas
Experimentos de Bernoulli
f ( x ) p x (1 p )1 x , si x 0,1
X ~ Ber (p)
0 , de otro modo
n x
X ~ B (n, p) f ( x ) p (1 p ) n x , si x 0,1,..., n
x
0 , de otro modo
Donde:
p = Probabilidad de éxito
n = Número de pruebas de Bernoulli o
tamaño de una muestra con reemplazo
X = Número de éxitos en “n” pruebas de Bernoulli
Además, la media y variancia de la variable aleatoria X son:
X E X n p X2 Var X EX X 2 n p (1 p )
Distribuciones discretas
Distribución Binomial
p 0.5
n x
f ( x ) p (1 p )n x , si x 0,1,..., n
x
0 , de otro modo
Distribuciones discretas
Distribución Binomial
p 0.5
n x
f ( x ) p (1 p )n x , si x 0,1,..., n
x
0 , de otro modo
Distribuciones discretas
Distribución Binomial
p 0.5
n x
f ( x ) p (1 p )n x , si x 0,1,..., n
x
0 , de otro modo
Distribuciones discretas
Distribución Binomial. Ejemplo
X np (6)(0.1) 0.6
X2 np(1 ) (6)(0.1)(1 0.1) 0.54
X 0.54
CVX (100) (100) 122.474487
X 0 . 6
EJERCICIO
La empresa constructora Alpha quiere comprar inmuebles en varios distritos
de Lima para construir edificios. Alpha sabe, por experiencias anteriores, que
solo el 5% de los inmuebles visitados cumplen con sus condiciones. Si la
semana siguiente tiene planeado visitar diez inmuebles en Lima.
a)¿Cuál es la probabilidad que solo uno de los inmuebles cumpla las
condiciones?
b)¿Cuál es la probabilidad que como máximo tres de los inmuebles cumplan
con las condiciones?
c)¿Cuál es la probabilidad que por lo menos dos de los inmuebles cumplan
con las condiciones?
d)Si se visitaron dos inmuebles y se observó que cumplían con las
condiciones ¿Cuál es la probabilidad de que menos de 5 de los inmuebles
cumplan con las condiciones?
e)¿Cuál es el número esperado de inmuebles que cumplirán con las
condiciones?
Distribuciones discretas.
Distribución Geométrica
X2 Var X EX X 2 (1 p )
p2
Distribuciones discretas.
Distribución Geométrica
F ( x) P X x 1 q x ; x 1, 2, 3,...
• Se cumple que
P X x q x ; x 1, 2, 3,...
• Se cumple que P(X > k+s / X > k) = P(X > s) k, s Z+
Esta propiedad indica que la distribución geométrica “no tiene memoria”,
es decir, si el éxito no se ha obtenido en las primeras k repeticiones,
entonces, la probabilidad de que no ocurra en las próximas s
repeticiones es la misma que la probabilidad de que el éxito no ocurra en
las primeras s repeticiones.
Distribuciones discretas
Distribución Geométrica Ejemplo
X ~ Pas(r, p)
f ( x ) Crx11 p r (1 p ) x r , si x r, r 1, r 2...
0 , de otro modo
Donde:
X = Número de pruebas de Bernoulli hasta obtener r éxitos
p = Probabilidad de éxito en una prueba Bernoulli
Además, la media y variancia de la variable aleatoria X son:
EX
r r 1 p
p
V X
2
p2
EJERCICIO
En cierta línea de producción la probabilidad de producir un
artículo defectuoso es de 0,001
a) Describa el modelo de probabilidad del número de artículos
producidos hasta el quinto defectuoso.
b) Calcule la probabilidad de que el octavo artículo producido
sea el quinto defectuoso.
c) ¿Cuántos artículos se espera producir hasta el cuarto
defectuoso?
Distribuciones discretas.
Distribución Hipergeométrica
C xr C nNxr
f ( x) P X x ; x max{0, n ( N r )},..., min{n, r}
C nN
Donde:
X = Número de éxitos obtenidos en una muestra (sin reemplazo) de
tamaño n.
Se denota X ~ H (N, r, n) y se lee que la variable aleatoria X sigue una
distribución hipergeométrica con parámetros N, r y n.
r r N n
EX n V X n 1
r
2
N N N N 1
Distribuciones discretas
Distribución Hipergeométrica
r = N-r
C xr C nNxr
f ( x) P X x ; x max{0, n ( N r )},..., min{n, r}
C nN
Distribuciones discretas
Distribución Hipergeométrica
r < N-r
C xr C nNxr
f ( x) P X x ; x max{0, n ( N r )},..., min{n, r}
C nN
Distribuciones discretas
Distribución Hipergeométrica
r > N-r
C xr C nNxr
f ( x) P X x ; x max{0, n ( N r )},..., min{n, r}
C nN
Distribuciones discretas.
Distribución Hipergeométrica Ejemplo
Suponga que en un proceso de control de calidad se inspecciona un lote
de 10 artículos, de los cuales 4 son defectuosos. Si se eligen 5 artículos
al azar y sin reemplazo hallar, La probabilidad de elegir no más de 2
artículos defectuosos.
X=Número de artículos defectuosos elegidos
N=10, r=4, 4 6
x 5 x
f ( x ) , si x 0,1,2,3,4,5
n=5, N-r=10-4=6
10
5
0 , de otro modo
Distribuciones discretas.
Distribución Hipergeométrica Ejemplo
Suponga que en un proceso de control de calidad se inspecciona un lote
de 10 artículos, de los cuales 4 son defectuosos. Si se eligen 5 artículos
al azar y sin reemplazo hallar, La probabilidad de elegir no más de 2
artículos defectuosos.
X=Número de artículos defectuosos elegidos
N=10, r=4,
n=5, N-r=10-4=6
nr (5)( 4)
X E( X ) 2 art. defectuosos
N 10
nr ( N r ) N n (5)( 4)(6) 10 5
X Var ( X )
2
0.666667
N 1 10 1
2 2
N 10
Distribuciones discretas.
Distribución Hipergeométrica Ejemplo
e x
f ( x) , si x 0,1,2,...
x!
0 , de otro modo
Distribuciones discretas
Distribución de Poisson Ejemplo
4 clientes t 2 minutos
0.8 c
5 minuto m (0.8)( 2) 1.6 clientes
e 1.6 (1.6) x
f ( x) , si x 0,1,2,...
x!
0 , de otro modo
e 1.6 (1.6)0 e 1.6 (1.6)1
Px 2 1 Px 2 1 f (0) f (1) 1
0! 1!
0.475069
EJERCICIO
Según información de la policía de cierta ciudad ocurren
aproximadamente 15 secuestros por semana.
f ( x ) e x ; x 0
Se denota X ~ Exp(β) y se lee que la variable aleatoria X sigue una
distribución exponencial con parámetro β.
F ( x) P X x 1 e x ; x 0
EX 2 V X
1 1
2
Distribuciones Continuas
Distribución Exponencial
Se cumple que:
• P X x e x
• P X k t / X k P X t
f x
1
; a xb
ba
• Se denota X ~ U (a, b) y se lee que la variable aleatoria X sigue una
distribución uniforme con parámetros a, b.
0 xa ab
; EX
x a 2
F ( x) ; a xb
b a 2
V X
b a
2
1 ; xb 12
EJERCICIO
El tiempo, en minutos, que demora un servicio de delivery en
entregar una pizza puede modelarse por una variable aleatoria
uniforme con parámetros 10 y 38. Si la pizza se tarda más de 30
minutos en ser entregada, el cliente no la pagará.
a) Si una familia pide una pizza, calcule la probabilidad de que le
salga gratis.
b) Si la familia pide una pizza diaria durante diez días seguidos,
calcule la probabilidad de que por lo menos una de ellas le salga
gratis.
c) Una familia pidió una pizza hace 25 minutos y aún no ha llegado,
¿cuál es la probabilidad de que le salga gratis?
EJERCICIO
El tiempo de vida medio de una licuadora es de 14 meses con una
varianza de 12 meses2. La fábrica repone sin cargo alguno al cliente
todas las licuadoras que dejen de funcionar dentro del tiempo de
garantía. Si sólo se desea reponer el 5% de las licuadoras que
funcionen mal, ¿qué tiempo de garantía se debe ofrecer? Suponga
que el tiempo de vida de una licuadora es una variable uniforme
Distribuciones Continuas
Distribución Normal
E X 2 V X 2
0.05
0.00
-10 -5 0 5 10
x
Interpretación geométrica de los parámetros de
una distribución normal
• Se puede interpretar la media como un
parámetro de traslación.
Distribución normal de media 0 y varianza 4
0.20
0.15
0.10
f
0.05
0.00
-10 -5 0 5 10
x
Interpretación geométrica de los parámetros de
una distribución normal
• Se puede interpretar la media como un
parámetro de traslación.
Distribución normal de media 2 y varianza 4
0.20
0.15
0.10
f
0.05
0.00
-10 -5 0 5 10
x
Interpretación geométrica de los parámetros de
una distribución normal
• Se puede interpretar la varianza como un
parámetro de escala o grado de dispersión.
Distribución normal de media 0 y varianza 0.25
0.8
0.6
0.4
f
0.2
0.0
-4 -2 0 2 4
x
Interpretación geométrica de los parámetros de
una distribución normal
• Se puede interpretar la varianza como un
parámetro de escala o grado de dispersión.
Distribución normal de media 0 y varianza 1
0.8
0.6
0.4
f
0.2
0.0
-4 -2 0 2 4
x
Interpretación geométrica de los parámetros de
una distribución normal
• Se puede interpretar la varianza como un
parámetro de escala o grado de dispersión.
Distribución normal de media 0 y varianza 4
0.8
0.6
0.4
f
0.2
0.0
-4 -2 0 2 4
x
Distribuciones Continuas
Áreas bajo la curva Normal
Distribuciones Continuas
Propiedad de la distribución Normal
X
Sea X ~ N(μ,σ2), si Z entonces la variable aleatoria Z tiene distribución normal y se cumple
μZ = 0 y σZ2 = 1. Se dice que la variable Z ~ N(0,1) tiene distribución normal estándar.
La función de densidad de Z es 1
1 2 z2
( z) e
2
La función de distribución acumulada de Z es
1
z 1 2 z2
( z )
2
e dz
Distribuciones Continuas
Cálculo de probabilidades para una variable Normal
2. Si X ~ N 10, 2 25
a) Calcule P( X 7,47), P( X 12,45), P(8 X 12) , P X 11 X 9
b) Determine c para que P(X < c) = 0,7549
EJERCICIO
Si los puntajes de los postulantes en un examen de ingreso se
distribuyen como una variable aleatoria normal con una media de 1
200 y una desviación estándar de 300 puntos.
a) Encontrar la probabilidad de que el puntaje de un postulante sea
de por lo menos 1 300.
b) Si ingresa el 12,3 % de los postulantes con puntajes más altos,
hallar el puntaje mínimo para ingresar.
EJERCICIO
En una ciudad se estima que la temperatura máxima en un día del
mes de enero puede modelarse con una variable normal con media
30°C y desviación estándar 2°C.
a) Si se escoge al azar un día del mes de enero, calcule la
probabilidad de que la temperatura máxima sea menor a 31°C.
b) Si se escoge al azar un día del mes de enero, calcule la
probabilidad de que la temperatura máxima esté entre 28,5 y
32°C.
c) Calcule el número esperado de días en el mes de enero en que la
temperatura máxima es mayor a 33°C. Asuma independencia
entre las temperaturas de un día y otro.