FACULTAD DE INGENIERA UNAM

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

CONTENIDO TEMA 4 Variables aleatorias aleatorias.

Objetivo: El alumno conocer algunas de las distribuciones ms utilizadas en la prctica de la ingeniera y seleccionar la ms adecuada para analizar algn fenmeno aleatorio en particular.
4.1 Ensayo de Bernoulli y Distribucin de Bernoulli. 4.2 Distribucion Binomial, Geomtrica, Pascal e Hipergeomtrica. p g 4.3 Proceso de Poisson y Distribucin de Poisson. 4.4 Distribucin uniforme continua. 4.4 Distribuciones normal y normal estndar. 4.5 4 5 Generacin de nmeros aleatorios aleatorios.

MODELOS PROBABILSTICOS COMUNES DISTRIBUCIONES DE PROBABILIDAD DISCRETAS

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.

A sta ltima se le conoce como funcin indicadora

DISTRIBUCIN DE BERNULLI (1/3)

Supongamos que en un ensayo de Bernoulli la probabilidad de obtener xito es p. Como el ensayo tiene nicamente dos resultados posibles, entonces la probabilidad de obtener un fracaso es 1-p. llamaremos q a la probabilidad de fracaso.
p = Probabilidad de xito q = (1-p) = Probabilidad de fracaso

Con esto, la distribucin de probabilidad de la variable p aleatoria de Bernoulli es:

P( I ) =

q; p; 0;

I=0 I=1 c.o.c

DISTRIBUCIN DE BERNULLI (2/3)

P( I ) = q; p; 0;
I=0 I=1 c.o.c

La media o valor esperado de la variable aleatoria de p Bernoulli es:

E[ I ] = 0q + 1 p = p
V [ I ] = E[ I 2 ] E[ I ]2

I = p

La varianza de la variable aleatoria de Bernoulli es:

V [ I ] = (0 2 q + 12 p ) p = p 2 p = p (1 p ) = pq

I2 = pq

DISTRIBUCIN DE BERNULLI (3/3)

Si llamamos X en l ll X, lugar d I a l V i bl aleatoria d de I, la Variable l t i de Bernoulli, su distribucin de probabilidad queda: q; p; 0;
x=0 x=1 c.o.c

P( x ) = La cual tambin se puede abreviar de la forma:

p x q1 x ; x = 0, 1 P ( x) = (x c. o. c. 0

Esta es la forma ms usual de representar a la distribucin de Bernoulli

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.

DISTRIBUCIN BINOMIAL (1/3)

Al realizar el ensayo bi li l binomial, l variable aleatoria puede i l la i bl l t i d adquirir los valores: X={0,1,2,...,n}
Supongamos que se realizan n ensayos de Bernoulli y la probabilidad

de xito es p, la distribucin de X para n =2, 3 4 es:

Se observa que el trmino genrico es pxqn-x repetido un determinado nmero de veces cuntas?

DISTRIBUCIN BINOMIAL (2/3)

Supongamos que se obtienen consecutivamente primero los X xitos y luego los n x n-x fracasos:

A={ e, e, e, e,....e, f, f, f, f,..., f }

x xitos n-x fracasos

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)

DISTRIBUCIN BINOMIAL (3/3)

Finalmente, Finalmente tenemos que el trmino pxqn-x se repite un numero de veces igual a C(n,x) :
n! p xq P ( x ) = x ! ( n - x) ! 0;
nx

x = 0 1 2 .., n 0, 1, 2, c. o. c

En f E forma resumida, l di t ib i d l variable aleatoria bi id la distribucin de la i bl l t i binomial es: i l

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

DISTRIBUCIN BINOMIAL ACUMULATIVA

La distribucin de probabilidad acumulativa de la variable aleatoria binomial es:

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) P(X 0)+P(X 1)+P(X 2)+P(X 3) P(X3)=P(X=0)+P(X=1)+P(X=2)+P(X=3)

3.- cul es la probabilidad de que al menos 3 sean de material nacional?

P(X3)=1P(X3)=1-P(X 2)

4.-Cuntos instrumentos fabricados con material nacional se esperara encontrar en la muestra? p

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

El nico parmetro de la distribucin geomtrica es p.

Distribucin de Pascal ( Binomial Negativa)

Definamos una variable aleatoria X como el nmero de e sayos ensayos de Bernoulli necesarios pa a obte e e acta e te K e ou ecesa os para obtener exactamente xitos

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, ....

Los parmetros de la distribucin de Pascal son p y k.

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 N k x = 0,1,2,...,n x n x ; P( x) = x k, (n - x) N - k N N, n, k enteros positivos n

La media y varianza de la variable aletoria de Hipergeomtrica son:

k X = n = np N

2 X = n

k N n k N n 1 = npq N N N 1 N 1

Los parmetros de la distribucin de Hipergeomtrica son: N, n y k

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 .

La Distribucin de Poisson como lmite de la Distribucin Binomial Binomial*

Sea X una VA con dsitribucin binomial con parmetros n y p
P ( x; n , p ) = n! p x q n x ; x = 0, 1, 2, .., n x! ( n - x)!

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.

MODELOS PROBABILSTICOS COMUNES DISTRIBUCIONES DE PROBABILIDAD CONTINUAS

Continuar ..