Professional Documents
Culture Documents
PROBABILISTICAS
Objetivos de Aprendizaje
Definir una distribucin de probabilidad.
Distinguir entre una distribucin probabilstica discreta y una distribucin
probabilstica continua.
Calcular la media, la variancia y la desviacin estndar de una
distribucin de probabilidad.
Elaborar una distribucin Binomial, y una distribucin de Poisson.
Determinar que distribucin probabilstica emplear en la una situacin
dada.
-.Unadistribucin probabilstica es la
enumeracin de todos los resultados de un
experimento junto con las probabilidades
asociadas
Probabilidad
Cantidad discreta
Ejemplos:
x Variable que nos define el nmero de burbujas por envase de vidrio que
son generadas en un proceso dado.
x0, 1, 2, 3, 4, 5, etc, etc. burbujas por envase
xVariable que nos define el nmero de productos defectuosos en un lote
de 25 productos.
x0, 1, 2, 3,....,25 productos defectuosos en el lote
40%
35%
30%
25%
20%
15%
10%
5%
0%
0 1 2 3
2. p(xi)0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero.
DISTRIBUCIN DISCRETA
E( x ) xi* p( xi )
Donde:
= media de la distribucin
E(x) = valor esperado de x
xi = valores que toma la variable
p(xi) = probabilidad asociada a cada uno de los valores de la variable x
2
( xi ) * p( xi )
Donde:
= desviacin estndar
= media o valor esperado de x
xi = valores que toma la variable x
p(xi) = probabilidad asociada a cada uno de los valores que toma x
30/11/2017 EDGAR ALVAREZ ARAGON IQ 9
1. Se ha detectado en una lnea de produccin que 1 de cada 10 artculos
fabricados es defectuoso; se toman de esa lnea tres artculos uno tras otro,
a) obtenga la distribucin de probabilidad del experimento, b) encuentre el
nmero esperado de artculos defectuosos en esa muestra y su desviacin
estndar.
Solucin:
Tambin haciendo uso de in diagrama de rbol, se obtiene el espacio muestral
a)
D = objeto defectuoso
N = objeto no defectuoso
=DDD, DDN, DND, DNN, NDD, NDN, NND, NNN
p(x=0)=p(NNN)=(0.9)(0.9(0.9)=0.729
p(x=1)=p(DNN, NDN, NND)=(0.1)(0.9)(0.9)+(0.9)(0.1)(0.9)+(0.9)(0.9)(0.1)=0.243
p(x=2)=p(DDN, DND, NDD)=(0.1)(0.1)(0.9)+(0.1)(0.9)(0.1)+(0.9)(0.1)(0.1)=0.027
p(x=3)=p(DDD)=(0.1)(0.1)(0.1)=0.001
Distribucin de probabilidad
x 0 1 2 3
P(x) 0.729 0.243 0.027 0.001
b) xi*
p( xi ) (0)(0.729)+(1)(0.243)+(2)(0.027)+(3)(0.001)=
= 0.0 + 0.243 + 0.054 + 0.003 = 0.3 0 productos defectuosos
Interpretacin:
Se espera que ninguno de los productos inspeccionados sea defectuoso.
2
( xi )* p( xi )
2 2 2
( 0 0 )*( 0.729 ) ( 1 0 )*( 0.243 ) ... ( 3 0 )*( 0.001 )
0.0 0.243 0.108 0.009 0.36
Ejemplos:
2. f(x)0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero. Dicho de otra forma, la funcin de
densidad de probabilidad deber tomar solo valores mayores o iguales a
cero. La funcin de densidad de probabilidad slo puede estar definida en
los cuadrantes I y II.
f ( x )dx 1
3. La sumatoria de las probabilidades asociadas a cada uno de
los valores que toma x debe ser igual a 1. El rea definida bajo la funcin de
densidad de probabilidad deber ser de 1.
xf ( x )dx
Donde:
= E(x) = media o valor esperado de la distribucin
x = variable aleatoria continua
f(x) = funcin de densidad de la distribucin de probabilidad
2
( x )* f ( x )dx
2
luego:
2
3. De nuevo es util una tabla para sistematizar los clculos para la variancia. Su
valor es 1.290
NMEROS DE PROBABILIDAD (X - ) (X - )2 (X - )2. P(X)
AUTOS VENDIDOS P(X)
X
0 0.10 0 2.1 4.41 0.441
1 0.20 1 2.1 1.21 0.242
2 0.30 2 - 2.1 0.01 0.003
3 0.30 3 2.1 0.81 0.243
4 010 4 2.1 3.61 0.361
Total 1.00 2
= 1.290
30/11/2017 EDGAR ALVAREZ ARAGON IQ = 1.136 16
DISTRIBUCIONES DE PROBABILIDAD DISCRETAS.
Esta distribucin corresponde a la realizacin de un experimento aleatorio que cumple con las
siguientes condiciones:
* Al realizar el experimento slo son posible dos resultados: el suceso A, llamado xito, o su
contrario A, llamado fracaso.
* La probabilidad del suceso A es constante, es decir, no vara de una prueba del experimento a
otra. Si llamamos p a la probabilidad de A, p(A) = P, entonces p(A) = 1 p = q
Todo experimento que tenga estas caractersticas se dice que sigue el modelo de la distribucin
Binomial o distribucin de Bernoulli.
n!
Pr = r
(p) (q) n-r
30/11/2017
r!(n r)!
EDGAR ALVAREZ ARAGON IQ 21
Funcin de probabilidad
Varianza: 2 = n p q
Promedio Np
Varianza Npq
2
1 6 pq
Curtosis 4 3
Npq
Datos:
P(X) = ?
p = es la probabilidad de xito del evento (en
un intento) (0.5)
q = es la probabilidad de fracaso del evento
(en un intento) (se define como q = 1 p )=(0.5)
X = xitos deseados = 2
n = nmero de intentos = 6
A la columna C1 la titulamos X y en el rengln
1 columna 1 colocamos 2 (el cual representa el
nmero de ocurrencia del evento, queremos
saber la probabilidad de que caigan
exactamente dos caras).
Seleccionamos:
Calc / Probability Distributions / Binomial
Seleccionar Probability
Los envases llenados fuera de los lmites por cada 100 galones de
producto terminado La llegada de un cliente al negocio durante una hora.
Los envases llenados fuera de los lmites por cada 100 galones de
producto terminado
La distribucin de Poisson se emplea
para describir procesos con un elemento
en comn, pueden ser descritos por una
variable aleatoria discreta.
30/11/2017 EDGAR ALVAREZ ARAGON IQ 39
1. La probabilidad de observar exactamente un
xito en el segmento o tamao de muestra n es
constante.
2. El evento debe considerarse un suceso raro.
3. El evento debe ser aleatorio e independiente de
otros eventos
Si repetimos el experimento n veces
podemos obtener resultados para la
construccin de la distribucin de Poisson.
Caractersticas:
donde:
p(X) = probabilidad de que ocurran x xitos, cuando el nmero promedio
de ocurrencia de ellos es l.
l = media o promedio de xitos por unidad de tiempo, rea o producto
e = 2.718 (base de logaritmo neperiano o natural)
X = variable que nos denota el nmero de xitos que se desea que ocurra
Promedio
Varianza
2
Desviacin Estndar
1
Coef. De Asimetra 3
1
4 3
Curtosis
30/11/2017 EDGAR ALVAREZ ARAGON IQ 44
Hay que hacer notar que en esta distribucin el
nmero de xitos que ocurren por unidad de
tiempo, rea o producto es totalmente al azar y que
cada intervalo de tiempo es independiente de otro
intervalo dado, as como cada rea es independiente
de otra rea dada y cada producto es independiente
de otro producto dado.
Clculo de la distribucin de probabilidad de
Poisson por tres mtodos:
a) Utilizacin del Minitab 15.
b) Utilizacin de la frmula
c) Utilizacin de las tablas de Poisson
30/11/2017 EDGAR ALVAREZ ARAGON IQ 45
Por ejemplo:
Si un banco recibe en promedio (l=) 6
cheques sin fondo por da, cules son las
probabilidades de que reciba:
a) cuatro cheques sin fondo en un da dado x
(e= 2.718281828)
Resolviendo para:
Seleccionar Probability