You are on page 1of 15

Semana 2

DISTRIBUCION DE PROBABILIDAD
1. VARIABLES ALEATORIAS
ES una variable que tiene un solo valor numrico
determinado por el azar, para cada resultado de un
experimento. se representa por la letra x.
Ejemplo:
X=El peso en Kg. De un nio escogido al azar.
2. CLASES DE VARIABLES
a) Variable Aleatoria Discreta.- Es aquella que tiene un
nmero finito de valor o un numero susceptible de
contarse.
Ejemplo: El numero de personas que asisten a un partido
de futbol
b) Variable Aleatoria Continua.-Es aquella que tiene un
nmero infinito de valores y se obtine por mediciones en
una escala continua.
Ejemplo: medida de tallas de un grupo de estudiantes de
la EAPS, la talla se obtine por medicion cuyo valores son
enteros o decimales.

3. DISTRIBUCION DE PROBABILIDADES
Es la coleccin de valores de una variable aleatoria junto con
sus correspondientes probabilidades. O sea da la probabilidad
para cada valor de la variable aleatoria.
REQUISITOS DE UNA DISTRIBUCION DE PROBABILIDAD
a) La suma de las probabilidades individuales debe ser igual a 1 y
se basa en la regla dela suma para sucesos mutuamente
excluyentes.
P(x) = 1 Donde x asume todos los valores posibles.
b) Para cualquier suceso implica que la probabilidad individual
debe estar entre 0 y 1 para cualquier valor de la variable
aleatoria.
0<=P(x)<=1 para todos los valores de x.

CLASES DE DISTRIBUCION DE PROBABILIDAD


a) Distribucin de probabilidad Discreta Importantes.
-Distribucin
-Distribucin
-Distribucin
-Distribucin
-Distribucin

Binomial
de Poisson.
Geomtrica.
Hipergeomtrica.
Multinomial

b) Distribucin de probabilidad Continua Importantes.


-Distribucin
-Distribucin
-Distribucin
-Distribucin

Normal Gauss Z
de student t
chi cuadrado
F

DISTRIBUCION BINOMIAL
Es el conjunto de todos los valores posibles de una variable
discreta y las probabilidades que le son asociadas.
La Distribucin Binomial se usa para encontrar la probabilidad
de x nmeros de ocurrencias de un suceso P(x) en ensayos del
mismo experimento cuando:
1. Solamente hay dos resultados posibles y mutuamente
excluyentes: xito y fracaso acierto y no acierto.
2. Los ensayos son independientes.
3. La probabilidad de ocurrencia permanece constante en
cada ensayo.
n= numero de experimento o
ensayo
p=probabilidad de acierto o xito
q=probabilidad de no acierto o
fracaso
x= suceso que se busca.
p+q=1

Toda distribucin Binomial tiene:


-Media o Esperanza Matemtica o Valor Esperado

-Varianza
-Desviacin estndar.

Ejemplo.
Un matrimonio planifica el nacimiento de 3 hijos. Hallar la
probabilidad que:
a) Haya dos varones
b) 3 sean mujeres
c) Ningn varn
d) A lo ms 2 mujeres
e) A lo mas 2 varones.
f) Sean 2 o 3 varones
g) Hallar la media y la desviacin estndar.

DISTRIBUCION DE POISSON
Es una distribucin de probabilidad discreta que se aplica a
ocurrencias de algn suceso dentro de un intervalo
especificado. Variable aleatoria es el nmero de
coocurrencias de l suceso en el intervalo.
El intervalo puede ser tiempo, distancia, rea, volumen o
alguna unidad similar.
La formula es:
X!

e=2.71828
X= es el suceso que se
busca

Ejemplo:
- Si el 3% de las lmparas producidas por una fabrica son
defectuosas. Hallar la probabilidad de que una muestra de 60
lmparas sean exactamente:
a) Ninguna defectuosa
b) Sean 2 defectuosas
c) Menos de 3 defectuosas.
a)
= 60*0.03 = 1.8
Solucin:
n= 60 lmparas
p=0.03=3%
q=0.97=97%
p+q=1

P(x=0 defectuosa) =

Ejercicios:
a) Se ha calculado que el 25% de la produccin de una
planta de lapiceros es defectuosa.
- Calcular la probabilidad DE QUE 6 lapiceros SEAN
defectuosos en una muestra de 10 lapiceros.
-Hallar el valor esperado y la varianza.
b) El 18% de fluorescentes en cierto lote es defectuosa.
-) Cual es la probabilidad de encontrar 4 fluorescentes
defectuosos por docena
c) Si tenemos =3.9 en una distribucin de Poission
encuentre:
-) P(x<=4)
-) P(x>=3)
-) P(X=5)
d) Un proceso de fabricacin produce 12 artculos defectuosos
por hora. Encuentre la probabilidad de que 7 artculos
defectuosos o menos provengan de la produccin de una
hora dada escogida al azar usando la distribucin de
Poisson.

DISTRIBUCION HIPERGEOMTRICA
Cuando una poblacin finita con N elementos dividido en dos
clases. Una con M elementos (M<N) y la otra con N M
elementos. Llamaremos xito a la primera clase y fracaso a la
segunda.
P(x) = h(x, N, n, M) = X=0, 1, 2, 3, min(n,M)
n = Tamao de la muestra sin reemplazamiento.
N = poblacin finita.
X = lo que se busca

La distribucin Hipergeomtrica tiene los siguientes


parmetros:
Media o Esperanza matemtica o Valor
esperado

Varianza

Desviacin Estndar.

Ejemplo:
En una urna contiene 5 bolas blancas y 6 rojas. Se extraen
4 bolas de la urna sin reposicin.

a) Hallar la distribucin de probabilidad del nmero de bolas rojas


extradas.
b) Cul es la probabilidad de extraer exactamente 3 bolas rojas.
c) Cul es el nmero esperado de bolas rojas extradas.
Solucin
N=6+5
= 11
M=6
n=4

a).

(x)=

X1= 0, 1, 2, 3, 4

b).

P(x) = 0.303

La probabilidad de extraer 3 bolas rojas es


de 30.3%

C ).

El nmero esperado de bolas rojas


extradas es 2.

Ejercicio.
En cierta clnica hay 20 enfermos de los cuales se
sabe que el 30% tiene cncer , se extrae
aleatoriamente 4 pacientes para el despistaje de
cncer.
a) Cul es la probabilidad que al menos uno tenga
cncer.
b) Cul es el nmero esperado de pacientes con
cncer.

You might also like