Modelos

Estocsticos
Distribuciones de
Probabilidad discretas


Variable aleatoria
o Consideremos un experimento en estudio, sea
el espacio muestral asociado a l.

o Se llamar variable aleatoria (v.a.) a una
funcin que asigna a cada resultado del
experimento un nmero real.

o Ejemplo: el lanzamiento de una moneda
genera 2 resultados cara o sello.

{ } sello cara, = O

Variable aleatoria
o Podemos definir la siguiente v.a.




o Asociada a una v.a. X est f que es la funcin
que define el comportamiento probabilstico del
experimento en estudio.

o En este caso

=
=
0 ) (
1 ) (
sello X
cara X

=
=
2 1 ) 0 (
2 1 ) 1 (
f
f

Variable aleatoria
o Las variables aleatorias trasladan la
probabilidad de un espacio no numrico a uno
numrico con todas las ventajas que ello
conlleva.

o Las variables aleatorias se clasifican en
discretas y continuas.

o Se dice que una variable aleatoria es discreta
cuando slo puede tomar valores enteros.




Variable aleatoria discreta
o f (funcin de cuanta) de una variable aleatoria
discreta (v.a.d.) debe cumplir con las
restricciones:



o Ejemplo: sea X una v.a.d. asociada a un
experimento en estudio, y sea f dada por la
siguiente tabla:

0 ) ( . 1 > X f
1 ) ( . 2 =

X f
X -1 0 2 3
f(X) 0,12 0,08 0,45 0,35

Variable aleatoria discreta
o Se comprueba que y

o Geomtricamente, la funcin de cuanta se
puede describir mediante un grfico de barras

0 ) ( > X f 1 ) ( =

X f

Variable aleatoria continua
o Una variable aleatoria continua X (v.a.c.) es
aquella que puede tomar un nmero infinito de
valores dentro de cualquier intervalo dado.


Variable aleatoria continua
o Una variable aleatoria X se dir continua
cuando existe una funcin definida en
tal que para cualquier suceso
se tiene que




o se dir Funcin de Densidad de
probabilidad de la variable aleatoria continua X.


f ) , ( e X
{ } b X a X A s s = /
}
= s s =
b
a
dx x f b X a P A P ) ( ) ( ) (
f

Variable aleatoria continua
o cumple con los siguientes requisitos:





o Geomtricamente

rea de la regin =



f
}

=1 ) ( . 2 dx x f
X X f > , 0 ) ( . 1
) ( ) ( b X a P dx x f
b
a
s s =
}

Distribucin acumulada
o La funcin de distribucin acumulada de una
variable aleatoria, F(x) se define como la
funcin que asigna a cada punto la
probabilidad de que X tome un valor igual o
inferior a x.

o Es decir


Distribucin acumulada
o Las propiedades de esta funcin son las
siguientes:

o Su valor est comprendido entre 0 y 1,
o Es no decreciente
o Se cumple y

o Para una v.a.d.


o Para una v.a.c.

= ) ( ) ( Y f X F

Distribucin acumulada

Distribucin acumulada
o Luego se tiene




) ( ) ( ) ( a F b F b X a P = s s
) ( 1 ) ( a F a X P = >
) ( ) ( a F a X P = s

Valor esperado
o Sea X una vad con una funcin de cuanta
dada por P(X).

o El valor esperado o valor medio de X es



o Propiedad

= ) ( ) ( x P x X E

Valor esperado
o El valor esperado de X describe dnde est
centrada la distribucin de probabilidad








Valor esperado
o Para una vac X el valor esperado es








Varianza

Varianza
o Aunque ambas distribuciones tienen el mismo
centro, una distribucin tiene mayor dispersin
o variabilidad que la otra.

o Se utilizar la varianza de X para evaluar la
cantidad de variabilidad en (la distribucin de)
X.





) ( ) ( X E X DE =

Distribuciones de probabilidad
o Distribuciones de probabilidad para variables
aleatorias discretas

Distribucin uniforme
Distribucin de Bernoulli
Distribucin Binomial
Distribucin de Poisson
Distribucin Hipergeomtrica
Distribucin Geomtrica
Distribucin Binomial negativa








Distribucin uniforme
o Una v.a.d. X tiene una distribucin uniforme
discreta sobre el conjunto si la
probabilidad de que tome cualquiera de estos
valores es la misma
} ,..., , {
2 1 n
x x x
n i n x X P
i
..., , 2 , 1 1 ) ( = = =

=
=
n
i
i
x
n
X E
1
1
) (
2 2
) ( ) ( ) ( X E X E X V =

Distribucin uniforme
o Por ejemplo, el lanzamiento de una moneda




0
0,1
0,2
0,3
0,4
0,5
Cara Sello
Probabilidad

Distribucin uniforme
o Ejemplo, lanzamiento de un dado


0
0,05
0,10
0,15
0,2
1
2 3 4 5 6
{ } 6 , 5 , 4 , 3 , 2 , 1 e X 6 1 ) ( = X P

Distribucin de Bernoulli
o Este modelo sirve para describir el
comportamiento de un experimento que solo
admite 2 resultados, que genricamente
reciben el nombre de xito o fracaso.

o O sea, a este experimento
asociamos la v.a. tal que




{ } fracaso xito, = O
1 ) ( = xito X
R X O :
0 ) ( = fracaso X

Distribucin de Bernoulli
o El modelo es la funcin de cuanta dada por





o La esperanza y varianza son

=
=
= = =
0 1
1
) ( ) (
x si p
x si p
x X P X f
( ) E X p =
( )
( ) 1 V X p p =

Distribucin Binomial
o El experimento que se modela consiste en n
ensayos o repeticiones de un experimento
Bernoulli.

o X es el nmero de xitos en n repeticiones
independientes de un experimento que slo
admite 2 resultados posibles y mutuamente
excluyentes.

o La probabilidad de xito p, permanece
constante en cada ensayo.


Distribucin Binomial
o Si p es la probabilidad que cualquier evento
ocurra en un solo ensayo (probabilidad de
xito) 1-p es la probabilidad que no ocurra en
un solo ensayo (probabilidad de fracaso).

o Entonces la probabilidad de que el evento
ocurra x veces en n ensayos (x xitos y n-x
fracasos) es






( )
x n x x n x n
x
p) ( p
x!(n-x)!
n!
p) ( p x X P

= = = 1 1 ) (
1 2 3 2 1 = )... (n ) (n n n! 1 0 = !

Distribucin Binomial









X~B(n,p)



np X E = ) (
( ) p np X V = 1 ) (

Distribucin Binomial

Distribucin Binomial
o Ejemplo, en un proceso la probabilidad de que
un artculo sea defectuoso es 0,05. Cul es la
probabilidad de que hayan 6 artculos
defectuoso en un lote de 20?

( ) ( )
6 14 20
( 6) 0, 05 0, 95 0, 000295
6 20 6
!
P X
!( - )!
= = =

Distribucin Binomial
o En excel







Distribucin Binomial
o El nmero esperado de artculos defectuosos
en un lote es:



o Cul es la probabilidad de que hayan 5 o 6
artculos defectuoso en un lote de 20?




( )
( ) 20 0, 05 1 E X np = = =

Distribucin Binomial
o Cul es la probabilidad de que hayan 3 o
menos artculos defectuoso en un lote de 20?





Distribucin de Poisson
o La distribucin de Poisson se utiliza para
determinar la probabilidad de que ocurra un
nmero designado de eventos, cuando stos
ocurren en un continuo de tiempo o espacio.

o Es similar al proceso binomial excepto en que
los eventos ocurren en un continuo (por
ejemplo, en un intervalo de tiempo) en vez de
ocurrir en ensayos u observaciones fijas.



Distribucin de Poisson
o La distribucin de Poisson se usa para
determinar la probabilidad de un nmero dado
de apariciones por unidad de tiempo, cuando
los sucesos o apariciones son independientes
y el nmero promedio de apariciones por
unidad de tiempo permanece constante.

o X~P()


Distribucin de Poisson
o Ejemplos

o El nmero de autos que pasan a travs de un
cierto punto en una ruta durante un da.
o El nmero de errores de ortografa que uno
comete al escribir una pgina.
o Fallas por componente por unidad de tiempo
o Nmero de accidentes durante un mes
o Eventos en un km de carretera
o Cantidad de documentos que llegan por da

Distribucin de Poisson
o Mails que llegan a un correo electrnico
o Clientes que llegan a un banco
o Pacientes que llegan a un hospital
o Defectos en una plancha de metal
o El nmero de estrellas en un determinado
volumen de espacio.





Distribucin de Poisson
o En general, todos aquellos en donde cada
ocurrencia se puede considerar independiente
de todas las otras, se pueden modelar por una
Distribucin de Poisson




Distribucin de Poisson










o El eje horizontal es X.




Distribucin de Poisson
o La funcin solamente est definida en valores
enteros de X.

o Las lneas que conectan los puntos son solo
guas para el ojo y no indican continuidad.






Distribucin de Poisson










o El eje horizontal es X.

Distribucin de Poisson



o Donde:

x = nmero dado de apariciones
P(X=x) = probabilidad de x nmero de
apariciones
= nmero promedio de apariciones por
unidad de tiempo
e = base del sistema logartmico natural
2,71828



x!
e
x X P
x

= = ) (

Distribucin de Poisson
o El valor esperado es

o Y la varianza es


= ) (X E
= ) (X V

Distribucin de Poisson
o Ejemplo, un departamento de polica recibe un
promedio de 5 llamadas por hora.

o La probabilidad de recibir 2 llamadas en una
hora seleccionada al azar es





08425 , 0
2
00674 , 0 25
2
5
) (
5 2
=

= = = =

!
e
x!
e
x X P
x

Distribucin de Poisson
o Cul es la probabilidad de recibir ms de 2
llamadas en una hora?


Distribucin de Poisson
o El valor de que se utiliza debe aplicarse al
periodo de tiempo pertinente.

o Por ejemplo, a un peaje llegan en promedio 4
autos por hora, cul es la probabilidad de que
lleguen 50 autos en un intervalo de 10 horas?

o = 104 = 40 X=50




Distribucin de Poisson
o Para considerar el tiempo se debe utilizar




o En el ejemplo anterior



x!
e t
x X P
t x
t

= =
) (
) (
0177 , 0
50
) 10 4 (
) 50 (
10 4 50
10
=

= =

!
e
X P
0 > t

Distribucin de Poisson
o En este caso, se tiene



o As es el promedio de eventos en el
intervalo [0,t]

o Luego, mientras mayor es la longitud del
intervalo de observacin, mayor es el promedio
de eventos observados y mayor es tambin la
incertidumbre del nmero de eventos
observados.



t X E
t
= ) ( t X V
t
= ) (
t

Distribucin de Poisson
o La distribucin de Poisson es el caso lmite de
la distribucin binomial.

o Si los parmetros n y p de una distribucin
binomial tienden a infinito y a cero de manera
que =np (la media) se mantenga constante, la
distribucin lmite obtenida es de Poisson.