Professional Documents
Culture Documents
PROBABILIDAD Y ESTADSTICA
Irene Patricia Valdez y Alfaro
irenev@servidor.unam.mx
T E M A S DEL CURSO
1. Anlisis Estadstico de datos muestrales. 2. Fundamentos de la Teora de la probabilidad. 3. Variables aleatorias. 4. Modelos probabilsticos comunes. 5. Variables l t i 5 V i bl aleatorias conjuntas. j t 6. 6 Distribuciones muestrales muestrales.
4. 4
ENSAYO DE BERNOULLI
Consiste en realizar un slo experimento ( C i t li l i t (ensayo) en el ) l cual existen nicamente dos posibles resultados: S = { xito, fracaso } j p Por ejemplo: observar un artculo y ver si es defectuoso Definimos a la variable aleatoria de Bernoulli de la siguiente forma: 0; I= 1;
Si el resultado del ensayo es fracaso. fracaso Si el resultado del ensayo es xito.
P( I ) =
q; p; 0;
E[ I ] = 0q + 1 p = p
V [ I ] = E[ I 2 ] E[ I ]2
I = p
V [ I ] = (0 2 q + 12 p ) p = p 2 p = p (1 p ) = pq
I2 = pq
p x q1 x ; x = 0, 1 P ( x) = (x c. o. c. 0
X = p
2 X = pq
ENSAYO BINOMIAL
Consiste en realizar n veces el ensayo de bernoulli de bernoulli, manera independiente uno de otro y suponiendo que la probabilidad de xito p permanence constante en cada uno de ellos. Por ejemplo: observar cinco artculos de un mismo lote y contar el nmero de artculos con defecto defecto. Definimos a la variable aleatoria de Binomial de la siguiente forma:
X = I1 + I 2 + ...I n = I j
j =1 n
donde las Ij son variables aleatorias de Bernoulli independientes, independientes cada una con media p y varianza pq pq.
As definida X representa entonces el nmero de xitos definida, obtenidos al realizar n veces el ensayo de Bernoulli.
Se observa que el trmino genrico es pxqn-x repetido un determinado nmero de veces cuntas?
P(A)=pxqn-x P(A) p
Para encontrar el nmero de formas en que se pueden obtener X xitos y n-x fracasos, recordemos la expresin para el clculo de n- fracasos permutaciones con grupos de objetos iguales:
P mn1 , m 2 ,.., m k =
Hagamos m1=x y m2=n-x: x =nn
n! m 1 ! m 2 ! . .. m k !
n! = C x ! ( n - x) !
P xn, n x =
n x
Es decir que el nmero de formas en que se pueden ordenar los xitos y los fracasos es C(n,x)
x = 0 1 2 .., n 0, 1, 2, c. o. c
n x nx P( x) = P( X = x) = p q ; x = 0,1, 2, .., n x
Puesto que la forma de P(x) depende de p y de n, stos son los pmetros de la distribucin binomial: P(x; n,p) n p)
La media de la VA binomial es: E[ X ] = E[ I1 + I 2 + ... + I j + .... + I n ] = E[ I1 ] + E[ I 2 ] + ... + E[ I j ] + .... + E[ I n ] = p + p + ... + p = np La varianza de la VA binomial es: V [ X ] = V [ I1 + I 2 + ... + I j + .... + I n ] = V [ I1 ] + V [ I 2 ] + ... + V [ I j ] + .... + V [ I n ] = pq + pq + ... + pq = npq
X = np
2 X = npq
F (x) = P ( X x) =
i= 0
n i p q i
ni
i = 0, 1, 2, .., x
Como el clculo de F(X) puede resultar tedioso cuando x es relativamente grande, existen tablas de F(x) hasta para n=30.
Ejercicio:
Se afirma que 30% de la produccin ciertos instrumentos se realiza con material nacional y los dems con material importado. p Si se toma una muestra aleatoria con reemplazo de 25 de estos instrumentos: n=25, p=0.3
1.1 cul es la probabilidad de que 3 de ellos sean de material nacional?
P(X=3)
2.- cul es la probabilidad de que no ms de 3 de ellos sean de material nacional?
P(X3)=1P(X3)=1-P(X 2)
E[X]=np
Distribucin Geomtrica
Definamos una variable aleatoria X como el nmero de ensayos de Bernoulli, independientes, necesarios para obtener el primer xito. donde la prbabilidad de xito es p Implica que realizamos repetidamente el ensayo y nos detenemos al obtener el primer xito. Cada ensayo es realizado de manera independiente uno de otro y suponiendo que la probabilidad de xito p permanence constante en cada uno de ellos.
P(X=1)=P(e)=p P(X=2)=P(f,e)=pq P(X 2) P(f ) P(X=3)=P(f,f,e)=q2p P(X 4) P(f,f,fe) q P(X=4)=P(f,f,fe)=q3p ..... P(X=x)=qn-xp
P( x) = pqnx ; x = 1, 2, .., n , , ,
La media y varianza de la variable aletoria Geomtrica son:
X =
1 p
2 X =
q p2
x 1 k xk p q k ; x = k k +1 k + 2 P( x) = k, 1, 2.. k 1
La media y varianza de la variable aletoria de Pascal son:
X =
k p
2 X =
kq p2
k = 1, 2, 3, ....
Distribucin Hipergeomtrica
Definamos una variable aleatoria X como el nmero de xitos en n ensayos de Bernoulli, donde los ensayos se realizan sobre una poblacin finita de tamao N
Sea K el nmero de elementos en la poblacin que poseen una caracterstica en particular, tal que p = K/N = Prob de xito inicial.
k X = n = np N
2 X = n
k N n k N n 1 = npq N N N 1 N 1
Distribucin de Poisson
Definamos una variable aleatoria X como el nmero de eventos independientes que ocurren a una rapidez constante
0, 1, 3, e x x = 0 1 3 . . . P( x) = ; x! >0
Donde es el nmero promedio de ocurrencias del evento por unidad de tiempo o espacio espacio.
La media y varianza de la variable aletoria de Poisson son:
X =
2 X =
El nico parmetro de La distribucin de Poisson es . La distribucin de Poisson es sesgada a la derecha y leptocrtica, pero tiende a ser insesgada y mesocrtica cuando aumenta .
Si para n=1, 2, ... se cumple la realacin p= /n, para alguna >0, entonces:
e x lim p ( x; n, p ) = ; x = 0, 1, 2, . . . n x! p 0
la aproximacin es mejor cuando n es grande y p pequeo pequeo, de tal forma que =np tiene un valor moderado
*Ver Canavos.
Continuar ..