Professional Documents
Culture Documents
x
f
X
(x) = 1.
Morales & Morales () V. A. Discretas Enero de 2011 11 / 49
Variables aleatorias discretas
Ejercicio
Demostrar que, para y un nmero natural y 0 < p < 1, se verica que
y=1
p(1 p)
y1
= 1
Morales & Morales () V. A. Discretas Enero de 2011 12 / 49
Variables aleatorias discretas
Grco de la funcin de probabilidad
Continuacin ejemplo 1.1
X
P
r
o
b
a
b
i
l
i
d
a
d
0 1 2 3
1/8
3/8
q
q q
q
q q q q
Morales & Morales () V. A. Discretas Enero de 2011 13 / 49
Variables aleatorias discretas
Funcin de probabilidad para el nmero de sellos
Continuacin ejemplo 1.1
f
X
(x) =
_
_
1
8
si x = 0
3
8
si x = 1
3
8
si x = 2
1
8
si x = 3
0 en cualquier otro caso
Morales & Morales () V. A. Discretas Enero de 2011 14 / 49
Funcin de distribucin acumulada
Contenido
1
Variables aleatorias discretas
2
Funcin de distribucin acumulada
3
Valor esperado de una V. A. discreta
4
Modelos de probabilidad
Modelo binomial
Distribucin geomtrica
Distribucin Binomial Negativa
Distribucin hipergeomtrica
Distribucin de Poisson
Morales & Morales () V. A. Discretas Enero de 2011 15 / 49
Funcin de distribucin acumulada
Funcin de distribucin acumulada
Denicin
La funcin de distribucin acumulada de una variable aleatoria
discreta X, denotada por F
X
(x) se dene como
F
X
(x) = P(X x) =
x
i
x
f
X
(x
i
)
Propiedades
La funcin de probabilidad, F
X
de una variable aleatoria X satisface
las siguiente propiedades.
0 F
X
(x) 1.
Si x y, entonces F
X
(x) F
X
(y).
Morales & Morales () V. A. Discretas Enero de 2011 16 / 49
Funcin de distribucin acumulada
Funcin de distribucin acumulada (ejemplos)
Ejemplo (continuacin ejemplo 1.1)
x 0 1 2 3
F
X
(x)
1
8
4
8
7
8
8
8
= 1
Morales & Morales () V. A. Discretas Enero de 2011 17 / 49
Funcin de distribucin acumulada
Grco de la funcin de probabilidad acumulada
Continuacin ejemplo 1.1
X
P
r
o
b
a
b
i
l
i
d
a
d
a
c
u
m
u
l
a
d
a
0 1 2 3
0
1/8
4/8
7/8
1
q
q
q
q
q
q
q
q
Morales & Morales () V. A. Discretas Enero de 2011 18 / 49
Funcin de distribucin acumulada
Funcin de distribucin para el nmero de sellos
Continuacin ejemplo 1.1
F
X
(x) =
_
_
0 si x < 0
1
8
si 0 x < 1
4
8
si 1 x < 2
7
8
si 2 x < 3
1 si x 3
Morales & Morales () V. A. Discretas Enero de 2011 19 / 49
Funcin de distribucin acumulada
Clculo de probabilidad usando F()
Continuacin ejemplo 1.1
), por ejemplo
P(2 X 4) = F(4) F(2
) = 1
4
8
=
4
8
P(a X < b) = F(b
) F(a
), por ejemplo
P(1 X < 3) = F(3
) F(1
) =
7
8
1
8
=
6
8
Morales & Morales () V. A. Discretas Enero de 2011 20 / 49
Funcin de distribucin acumulada
Clculo de probabilidad usando F()
Continuacin ejemplo 1.1
), por ejemplo
P(2 X 4) = F(4) F(2
) = 1
4
8
=
4
8
P(a X < b) = F(b
) F(a
), por ejemplo
P(1 X < 3) = F(3
) F(1
) =
7
8
1
8
=
6
8
Morales & Morales () V. A. Discretas Enero de 2011 20 / 49
Funcin de distribucin acumulada
Clculo de probabilidad usando F()
Continuacin ejemplo 1.1
) F(0) =
7
8
1
8
=
6
8
P(X = a) = F(a) F(a
), por ejemplo
P(X = 2) = F(2) F(2
) =
7
8
4
8
=
3
8
Morales & Morales () V. A. Discretas Enero de 2011 21 / 49
Funcin de distribucin acumulada
Clculo de probabilidad usando F()
Continuacin ejemplo 1.1
) F(0) =
7
8
1
8
=
6
8
P(X = a) = F(a) F(a
), por ejemplo
P(X = 2) = F(2) F(2
) =
7
8
4
8
=
3
8
Morales & Morales () V. A. Discretas Enero de 2011 21 / 49
Funcin de distribucin acumulada
Clculo de probabilidad usando F()
Continuacin ejemplo 1.1
) F(0) =
7
8
1
8
=
6
8
P(X = a) = F(a) F(a
), por ejemplo
P(X = 2) = F(2) F(2
) =
7
8
4
8
=
3
8
Morales & Morales () V. A. Discretas Enero de 2011 21 / 49
Funcin de distribucin acumulada
Funcin de distribucin acumulada (ejemplos)
Ejemplo (continuacin ejemplo 1.3 )
z 0 1 2
F
Z
(z) 0.886 0.971 1
Morales & Morales () V. A. Discretas Enero de 2011 22 / 49
Funcin de distribucin acumulada
Funcin de distribucin para el nmero de
defectuosos
Continuacin ejemplo 1.3
F
Z
(x) =
_
_
0 si z < 0
0.886 si 0 z < 1
0.971 si 1 z < 2
1 si x 2
Morales & Morales () V. A. Discretas Enero de 2011 23 / 49
Funcin de distribucin acumulada
Grco de la funcin de probabilidad acumulada
Continuacin ejemplo 1.3
X
P
r
o
b
a
b
i
l
i
d
a
d
a
c
u
m
u
l
a
d
a
0 1 2 3
0.886
0.971
1.000
q
q
q
q
q
q
Morales & Morales () V. A. Discretas Enero de 2011 24 / 49
Valor esperado de una V. A. discreta
Contenido
1
Variables aleatorias discretas
2
Funcin de distribucin acumulada
3
Valor esperado de una V. A. discreta
4
Modelos de probabilidad
Modelo binomial
Distribucin geomtrica
Distribucin Binomial Negativa
Distribucin hipergeomtrica
Distribucin de Poisson
Morales & Morales () V. A. Discretas Enero de 2011 25 / 49
Valor esperado de una V. A. discreta
Valor esperado.
Denicin (media o valor esperado)
La media o valor esperado de una variable aleatoria discreta X,
denotada por
x
o E(X) es
X
= E(X) =
xR
xf
X
(x)
Ejemplo (Continuacin ejemplo 1.1)
El valor esperado del nmero de sellos al lanzar tres monedas:
X
= E(X) = 0
1
8
+ 1
3
8
+ 2
3
8
+ 3
1
8
=
12
8
=
3
2
Ejemplo (Continuacin ejemplo 1.3)
El valor esperado del nmero de defectuosos:
X
= E(X) = 0 0.886 + 1 0.111 + 2 0.003 = 0.117
Morales & Morales () V. A. Discretas Enero de 2011 26 / 49
Valor esperado de una V. A. discreta
Valor esperado.
Denicin (media o valor esperado)
La media o valor esperado de una variable aleatoria discreta X,
denotada por
x
o E(X) es
X
= E(X) =
xR
xf
X
(x)
Ejemplo (Continuacin ejemplo 1.1)
El valor esperado del nmero de sellos al lanzar tres monedas:
X
= E(X) = 0
1
8
+ 1
3
8
+ 2
3
8
+ 3
1
8
=
12
8
=
3
2
Ejemplo (Continuacin ejemplo 1.3)
El valor esperado del nmero de defectuosos:
X
= E(X) = 0 0.886 + 1 0.111 + 2 0.003 = 0.117
Morales & Morales () V. A. Discretas Enero de 2011 26 / 49
Valor esperado de una V. A. discreta
Valor esperado.
Denicin (media o valor esperado)
La media o valor esperado de una variable aleatoria discreta X,
denotada por
x
o E(X) es
X
= E(X) =
xR
xf
X
(x)
Ejemplo (Continuacin ejemplo 1.1)
El valor esperado del nmero de sellos al lanzar tres monedas:
X
= E(X) = 0
1
8
+ 1
3
8
+ 2
3
8
+ 3
1
8
=
12
8
=
3
2
Ejemplo (Continuacin ejemplo 1.3)
El valor esperado del nmero de defectuosos:
X
= E(X) = 0 0.886 + 1 0.111 + 2 0.003 = 0.117
Morales & Morales () V. A. Discretas Enero de 2011 26 / 49
Valor esperado de una V. A. discreta
Varianza de una V.A. discreta
Denicin (Varianza)
Suponga que la media de X es
X
y que la funcin de probabilidad es
f
X
entonces la varianza de X se dene como
Var(X) =
2
X
= E
_
(X
X
)
2
x
(x
X
)
2
f
X
(x)
Denicin (Desviacin estndar)
La desviacin estndar
X
es la raz cuadrada positiva de la varianza,
es decir,
X
=
_
2
X
Morales & Morales () V. A. Discretas Enero de 2011 27 / 49
Valor esperado de una V. A. discreta
Varianza de una V.A. discreta (ejemplo)
Ejemplo (Continuacin ejemplo 1.1)
La varianza del nmero de sellos al lanzar tres monedas:
2
X
=
_
0
3
2
_
2
1
8
+
_
1
3
2
_
2
3
8
+
_
2
3
2
_
2
3
8
+
_
3
3
2
_
2
1
8
=
3
4
Ejemplo (Continuacin ejemplo 1.3)
La varianza del nmero de defectuosos es:
2
Z
= (0 0.117)
2
0.886 + (1 0.117)
2
0.111 + (2 0.117)
2
0.003
= 0, 109
La desviacin estndar
Z
=
0, 109 = 0, 33
Morales & Morales () V. A. Discretas Enero de 2011 28 / 49
Valor esperado de una V. A. discreta
Varianza de una V.A. discreta (ejemplo)
Ejemplo (Continuacin ejemplo 1.1)
La varianza del nmero de sellos al lanzar tres monedas:
2
X
=
_
0
3
2
_
2
1
8
+
_
1
3
2
_
2
3
8
+
_
2
3
2
_
2
3
8
+
_
3
3
2
_
2
1
8
=
3
4
Ejemplo (Continuacin ejemplo 1.3)
La varianza del nmero de defectuosos es:
2
Z
= (0 0.117)
2
0.886 + (1 0.117)
2
0.111 + (2 0.117)
2
0.003
= 0, 109
La desviacin estndar
Z
=
0, 109 = 0, 33
Morales & Morales () V. A. Discretas Enero de 2011 28 / 49
Valor esperado de una V. A. discreta
Varianza de una V.A. discreta (ejemplo)
Ejemplo (Continuacin ejemplo 1.1)
La varianza del nmero de sellos al lanzar tres monedas:
2
X
=
_
0
3
2
_
2
1
8
+
_
1
3
2
_
2
3
8
+
_
2
3
2
_
2
3
8
+
_
3
3
2
_
2
1
8
=
3
4
Ejemplo (Continuacin ejemplo 1.3)
La varianza del nmero de defectuosos es:
2
Z
= (0 0.117)
2
0.886 + (1 0.117)
2
0.111 + (2 0.117)
2
0.003
= 0, 109
La desviacin estndar
Z
=
0, 109 = 0, 33
Morales & Morales () V. A. Discretas Enero de 2011 28 / 49
Modelos de probabilidad
Contenido
1
Variables aleatorias discretas
2
Funcin de distribucin acumulada
3
Valor esperado de una V. A. discreta
4
Modelos de probabilidad
Modelo binomial
Distribucin geomtrica
Distribucin Binomial Negativa
Distribucin hipergeomtrica
Distribucin de Poisson
Morales & Morales () V. A. Discretas Enero de 2011 29 / 49
Modelos de probabilidad Modelo binomial
Experimento binomial
Denicin (Ensayo Bernoulli)
Un ensayo de Bernoulli es un experimento aleatorio que tiene solo dos
resultados posibles, denominados xito y fracaso. La probabilidad
de xito se denota por p.
Denicin (Experimento binomial)
Un experimento que consiste de:
n experimentos tipo Bernoulli.
Independientes.
La probabilidad de xito, p, permanece constante.
recibe el nombre de experimento binomial.
Morales & Morales () V. A. Discretas Enero de 2011 30 / 49
Modelos de probabilidad Modelo binomial
Experimento binomial
Denicin (Ensayo Bernoulli)
Un ensayo de Bernoulli es un experimento aleatorio que tiene solo dos
resultados posibles, denominados xito y fracaso. La probabilidad
de xito se denota por p.
Denicin (Experimento binomial)
Un experimento que consiste de:
n experimentos tipo Bernoulli.
Independientes.
La probabilidad de xito, p, permanece constante.
recibe el nombre de experimento binomial.
Morales & Morales () V. A. Discretas Enero de 2011 30 / 49
Modelos de probabilidad Modelo binomial
Variable aleatoria binomial
Denicin
La variable aleatoria X denida como el nmero de xitos obtenidos
en los n ensayos tiene una distribucin binomial con parmetros p y
n.
La funcin de probabilidad es:
P(X = x) =
_
n
x
_
p
x
(1 p)
(nx)
; x = 0, 1, 2, n
recordemos que
_
n
x
_
=
n!
x!(nx)!
Teorema (Media y Varianza de una binomial)
Si X binomial de parmetros p y n entonces,
1
E(X) = np
2
Var(X) = np(1 p)
Morales & Morales () V. A. Discretas Enero de 2011 31 / 49
Modelos de probabilidad Modelo binomial
Variable aleatoria binomial
Denicin
La variable aleatoria X denida como el nmero de xitos obtenidos
en los n ensayos tiene una distribucin binomial con parmetros p y
n. La funcin de probabilidad es:
P(X = x) =
_
n
x
_
p
x
(1 p)
(nx)
; x = 0, 1, 2, n
recordemos que
_
n
x
_
=
n!
x!(nx)!
Teorema (Media y Varianza de una binomial)
Si X binomial de parmetros p y n entonces,
1
E(X) = np
2
Var(X) = np(1 p)
Morales & Morales () V. A. Discretas Enero de 2011 31 / 49
Modelos de probabilidad Modelo binomial
Variable aleatoria binomial
Denicin
La variable aleatoria X denida como el nmero de xitos obtenidos
en los n ensayos tiene una distribucin binomial con parmetros p y
n. La funcin de probabilidad es:
P(X = x) =
_
n
x
_
p
x
(1 p)
(nx)
; x = 0, 1, 2, n
recordemos que
_
n
x
_
=
n!
x!(nx)!
Teorema (Media y Varianza de una binomial)
Si X binomial de parmetros p y n entonces,
1
E(X) = np
2
Var(X) = np(1 p)
Morales & Morales () V. A. Discretas Enero de 2011 31 / 49
Modelos de probabilidad Modelo binomial
Variable aleatoria binomial (ejemplo)
Ejemplo
La experiencia ha demostrado que el 30% de todas las personas
afectadas por cierta enfermedad, se recupera. Una compaa
farmacutica desarroll una vacuna. Se seleccionaron al azar 10
personas con la enfermedad en cuestin y se les administr la
vacuna. Supngase que la vacuna es completamente inecaz. Cul
es la probabilidad de que al menos 9 de las 10 personas infectadas se
recuperen?
Sea Y el nmero de personas que se recuperan. Si se asume que las
personas se recuperan de manera independiente, entonces Y es
binomial de parmetros p = 0.3 y n = 10
P(Y 9) = P(9) +P(10)
Morales & Morales () V. A. Discretas Enero de 2011 32 / 49
Modelos de probabilidad Modelo binomial
Variable aleatoria binomial (ejemplo)
Ejemplo
La experiencia ha demostrado que el 30% de todas las personas
afectadas por cierta enfermedad, se recupera. Una compaa
farmacutica desarroll una vacuna. Se seleccionaron al azar 10
personas con la enfermedad en cuestin y se les administr la
vacuna. Supngase que la vacuna es completamente inecaz. Cul
es la probabilidad de que al menos 9 de las 10 personas infectadas se
recuperen?
Sea Y el nmero de personas que se recuperan. Si se asume que las
personas se recuperan de manera independiente, entonces Y es
binomial de parmetros p = 0.3 y n = 10
P(Y 9) = P(9) +P(10)
Morales & Morales () V. A. Discretas Enero de 2011 32 / 49
Modelos de probabilidad Modelo binomial
P(Y = 9) = P(9) =
_
10
9
_
(0.3)
9
(0.7)
1
= 0.000138
P(Y = 10) = P(10) =
_
10
10
_
(0.3)
10
(0.7)
0
= 0.000006
Entonces
P(Y 9) = P(9) +P(10) = 0.000138 + 0.000006 = 0.000144
Interpretacin
Suponga que se realiza el experimento tal como se describe en el
enunciado del ejercicio, y se observa que se recuperan 9 o mas
pacientes. Como bajo el supuesto que la vacuna es inecaz, la
probabilidad de encontrar observar ese evento es extremadamente
pequea (144 en un milln de veces), o bien hemos observado un
evento muy raro, o bien la vacuna si es muy til en la prevencin de la
enfermedad. Nos inclinamos por la ltima opcin.
El nmero promedio de pacientes que se recuperan si la vacuna es
inecaz es
X
= 10 0.3 = 3 y la varianza es:
2
X
= 10 0.3 0.7 = 2.1
Morales & Morales () V. A. Discretas Enero de 2011 33 / 49
Modelos de probabilidad Modelo binomial
P(Y = 9) = P(9) =
_
10
9
_
(0.3)
9
(0.7)
1
= 0.000138
P(Y = 10) = P(10) =
_
10
10
_
(0.3)
10
(0.7)
0
= 0.000006
Entonces
P(Y 9) = P(9) +P(10) = 0.000138 + 0.000006 = 0.000144
Interpretacin
Suponga que se realiza el experimento tal como se describe en el
enunciado del ejercicio, y se observa que se recuperan 9 o mas
pacientes. Como bajo el supuesto que la vacuna es inecaz, la
probabilidad de encontrar observar ese evento es extremadamente
pequea (144 en un milln de veces), o bien hemos observado un
evento muy raro, o bien la vacuna si es muy til en la prevencin de la
enfermedad. Nos inclinamos por la ltima opcin.
El nmero promedio de pacientes que se recuperan si la vacuna es
inecaz es
X
= 10 0.3 = 3 y la varianza es:
2
X
= 10 0.3 0.7 = 2.1
Morales & Morales () V. A. Discretas Enero de 2011 33 / 49
Modelos de probabilidad Modelo binomial
P(Y = 9) = P(9) =
_
10
9
_
(0.3)
9
(0.7)
1
= 0.000138
P(Y = 10) = P(10) =
_
10
10
_
(0.3)
10
(0.7)
0
= 0.000006
Entonces
P(Y 9) = P(9) +P(10) = 0.000138 + 0.000006 = 0.000144
Interpretacin
Suponga que se realiza el experimento tal como se describe en el
enunciado del ejercicio, y se observa que se recuperan 9 o mas
pacientes. Como bajo el supuesto que la vacuna es inecaz, la
probabilidad de encontrar observar ese evento es extremadamente
pequea (144 en un milln de veces), o bien hemos observado un
evento muy raro, o bien la vacuna si es muy til en la prevencin de la
enfermedad. Nos inclinamos por la ltima opcin.
El nmero promedio de pacientes que se recuperan si la vacuna es
inecaz es
X
= 10 0.3 = 3 y la varianza es:
2
X
= 10 0.3 0.7 = 2.1
Morales & Morales () V. A. Discretas Enero de 2011 33 / 49
Modelos de probabilidad Modelo binomial
Cdigo R
1-pbinom(8,size=10,p=0.3)
Otra forma
pbinom(8,size=10,p=0.3,lower.tail=FALSE)
Morales & Morales () V. A. Discretas Enero de 2011 34 / 49
Modelos de probabilidad Distribucin geomtrica
Variable aleatoria geomtrica
Denicin
Suponga que se tiene:
Una serie de ensayos Bernoulli independientes,
probabilidad de xito constante,
si X es el nmero de ensayos realizados hasta la obtencin del
primer xito,
entonces X tiene una distribucin geomtrica con parmetro p y
f
X
(x) = (1 p)
x1
p, x = 1, 2,
Teorema
Si X es una variable aleatoria geomtrica con parmetro p entonces
E(X) =
1
p
Var(X) =
1p
p
2
Morales & Morales () V. A. Discretas Enero de 2011 35 / 49
Modelos de probabilidad Distribucin geomtrica
Variable aleatoria geomtrica
Denicin
Suponga que se tiene:
Una serie de ensayos Bernoulli independientes,
probabilidad de xito constante,
si X es el nmero de ensayos realizados hasta la obtencin del
primer xito,
entonces X tiene una distribucin geomtrica con parmetro p y
f
X
(x) = (1 p)
x1
p, x = 1, 2,
Teorema
Si X es una variable aleatoria geomtrica con parmetro p entonces
E(X) =
1
p
Var(X) =
1p
p
2
Morales & Morales () V. A. Discretas Enero de 2011 35 / 49
Modelos de probabilidad Distribucin geomtrica
Variable aleatoria geomtrica (ejemplo)
Ejemplo (continuacin del ejemplo 1.2)
Si la probabilidad de que una lata no cumpla las especicaciones es
p = 0.05 (proporcin de latas que no cumplen) cul es la probabilidad
de que se tengan que probar exactamente 100 latas para encontrar la
primera que no cumple?
Solucin
Sea X el nmero de pruebas que es necesario realizar hasta
encontrar la primera que no comple. Si se asume que cada prueba es
idependiente una de otra, entonces X tiene distribucin geomtrica de
parmetro p = 0.05
P(X = 100) = 0.95
99
0.05 = 0, 0003116
E(X) =
1
0.05
= 20 Var(X) =
1 0.05
0.05
2
= 380
dgeom(100,0.05)
Morales & Morales () V. A. Discretas Enero de 2011 36 / 49
Modelos de probabilidad Distribucin Binomial Negativa
Variable aleatoria Binomial Negativa
Denicin
Suponga que se tiene:
Una serie de esayos Bernoulli independientes,
probabilidad de xito constante,
X es el nmero de ensayos realizados hasta que se obtienen r
xitos
Entonces X tiene una distribucin Binomial Negativa con parmetros
p y r = 1, 2,
f
X
(x; p, r) =
_
x 1
r 1
_
(1 p)
xr
p
r
, x = r, r + 1, r + 2
Morales & Morales () V. A. Discretas Enero de 2011 37 / 49
Modelos de probabilidad Distribucin Binomial Negativa
Valor esperado y varianza de una BN
Teorema
Si X es una variable aleatoria binomial negativa con parmetros p y r
entonces la media y la varianza de X son
E(X) =
r
p
Var(X) =
r(1p)
p
2
Ejemplo
En un departamento de control de calidad se inspeccionan las
unidades terminadas que provienen de una linea de ensamble. Se
piensa que la proporcin de unidades defectuosas es 0.05.
1
Cul es la probabilidad de que sea necesario inspeccionar 20
unidades hasta encontrar 2 defectuosas?
2
Cul es el valor esperado y la varianza del nmero de
inspecciones que es necesario hacer hasta encontrar dos
defectuosas?
Morales & Morales () V. A. Discretas Enero de 2011 38 / 49
Modelos de probabilidad Distribucin Binomial Negativa
Valor esperado y varianza de una BN
Teorema
Si X es una variable aleatoria binomial negativa con parmetros p y r
entonces la media y la varianza de X son
E(X) =
r
p
Var(X) =
r(1p)
p
2
Ejemplo
En un departamento de control de calidad se inspeccionan las
unidades terminadas que provienen de una linea de ensamble. Se
piensa que la proporcin de unidades defectuosas es 0.05.
1
Cul es la probabilidad de que sea necesario inspeccionar 20
unidades hasta encontrar 2 defectuosas?
2
Cul es el valor esperado y la varianza del nmero de
inspecciones que es necesario hacer hasta encontrar dos
defectuosas?
Morales & Morales () V. A. Discretas Enero de 2011 38 / 49
Modelos de probabilidad Distribucin Binomial Negativa
Solucin
1
Sea X el nmero de unidades inspeccionadas hasta encontrar
dos defectuosas. Por las condiciones del problema, X tiene
distribucin binomial negativa de parmetros p = 0.05 y r = 2, por
tanto:
P(X = 20) =
_
20 1
2 1
_
(1 0.05)
202
0.05
2
= 0.0189
2
Valor esperado y varianza:
E(X) =
2
0.05
= 40 Var(X) =
2(1 0.05)
0.05
2
= 760
Morales & Morales () V. A. Discretas Enero de 2011 39 / 49
Modelos de probabilidad Distribucin hipergeomtrica
Distribucin hipergeomtrica.
Denicin
Un conjunto de N objetos contiene
K (K N) elementos con el atributo A, los cuales se consideran
xitos.
N K sin el atributo (A
c
)
Se toma una muestra de tamao n, (n N) al azar (sin
remplazo).
Sea X el nmero de xtos en la muestra.
Entonces X tiene distribucin hipergeomtrica con funcin de
probabilidad.
f
X
(x) =
_
K
x
__
NK
nx
_
_
N
n
_ con x = 0, 1, . . . , mn{K, n}
Morales & Morales () V. A. Discretas Enero de 2011 40 / 49
Modelos de probabilidad Distribucin hipergeomtrica
A A
c
Kobjetos (N K)objetos
x
Muestra (n)
Nobjetos
Figura: Esquematizacin de una distribucin hipergeomtrica.
Morales & Morales () V. A. Discretas Enero de 2011 41 / 49
Modelos de probabilidad Distribucin hipergeomtrica
Distribucin hipergeomtrica, Media y varianza
Teorema
Si X tiene distribucin hipergeomtrica con parmetros N, K y n
entonces la media y la varianza de X son
X
= E(X) = np
2
X
= np(1 p)
N n
N 1
donde p =
K
N
Morales & Morales () V. A. Discretas Enero de 2011 42 / 49
Modelos de probabilidad Distribucin hipergeomtrica
Distribucin hipergeomtrica (Ejemplo).
Ejemplo
Un lote de piezas contiene 100 de un proveedor local de tuberas, y
200 de un proveedor de otro estado. Si se eligen cuatro piezas al azar
y sin remplazo cul es la probabilidad de que todas provengan del
proveedor local?
En este caso se toma como xito que el origen de la pieza sea del
proveedor local. De acuerdo con el problema tenemos N = 300,
K = 100, n = 4 y x = 4
P(X = 4) =
_
100
4
__
200
0
_
_
300
4
_ = 0.0119
Morales & Morales () V. A. Discretas Enero de 2011 43 / 49
Modelos de probabilidad Distribucin hipergeomtrica
Distribucin hipergeomtrica (Ejemplo).
Ejemplo
Un lote de piezas contiene 100 de un proveedor local de tuberas, y
200 de un proveedor de otro estado. Si se eligen cuatro piezas al azar
y sin remplazo cul es la probabilidad de que todas provengan del
proveedor local?
En este caso se toma como xito que el origen de la pieza sea del
proveedor local. De acuerdo con el problema tenemos N = 300,
K = 100, n = 4 y x = 4
P(X = 4) =
_
100
4
__
200
0
_
_
300
4
_ = 0.0119
Morales & Morales () V. A. Discretas Enero de 2011 43 / 49
Modelos de probabilidad Distribucin hipergeomtrica
En el caso de la distribucin hipergeomtrica hay que tener en cuenta
que para R m es el nmero de objeto que representan exitos, n es el
numero de objetos que representan fracasos (N = m+n) y k es el
tamao de la muestra.
P(X = 4)
dhyper(x=4,m=100,n=200,k=4)
P(X 4)
phyper(4,m=100,n=200,k=4)
Morales & Morales () V. A. Discretas Enero de 2011 44 / 49
Modelos de probabilidad Distribucin de Poisson
Distribucin de Poisson.
1
Modelo probabilstico adecuado para evaluar la probabilidad de
ocurrencia de un evento en intervalos de tiempo, longitud,
supercie o volumen.
2
Por ejemplo:
Nmero de accidentes por semana en un tramo de carretera.
Nmero de baches en cada 100 kilmetros lineales de carretera.
Nmero de solicitudes de atencin de urgencia en una clnica en
un da.
3
La variable aleatoria de inters, X es el nmero de veces que un
evento ocurre por unidad de tiempo, longitud, supercie, volumen,
etc.
Morales & Morales () V. A. Discretas Enero de 2011 45 / 49
Modelos de probabilidad Distribucin de Poisson
Distribucin de Poisson.
Denicin
Si X es la variable aleatoria que cuenta el nmero de veces que un
evento ocurre en un intervalo (o unidad de tiempo, longitud, supercie,
volumen, etc), y si se tiene que los eventos son independientes y el
nmero promedio por intervalo es , se dice que X tiene una
distribucin de Poisson y la funcin de probabilidad de X es
P(X = x) =
e
x
x!
, para x = 0, 1, 2, . . .
Teorema
Si X es una variable aleatoria con distribucin de Poisson con
parmetro entonces
E(X) = y Var(X) =
Morales & Morales () V. A. Discretas Enero de 2011 46 / 49
Modelos de probabilidad Distribucin de Poisson
Distribucin de Poisson.
Denicin
Si X es la variable aleatoria que cuenta el nmero de veces que un
evento ocurre en un intervalo (o unidad de tiempo, longitud, supercie,
volumen, etc), y si se tiene que los eventos son independientes y el
nmero promedio por intervalo es , se dice que X tiene una
distribucin de Poisson y la funcin de probabilidad de X es
P(X = x) =
e
x
x!
, para x = 0, 1, 2, . . .
Teorema
Si X es una variable aleatoria con distribucin de Poisson con
parmetro entonces
E(X) = y Var(X) =
Morales & Morales () V. A. Discretas Enero de 2011 46 / 49
Modelos de probabilidad Distribucin de Poisson
Distribucin de poisson (ejemplo).
Ejemplo
El nmero de baches en una seccin de carretera interdepartamental
puede modelarse con una distribucin de Poisson con media de dos
baches por milla.
1
Cul es la probabilidad de que no halla baches que reparrar en
un tramo de cinco millas?
2
Cual es la probabilidad que sea necesario reparar al menos un
bache en un tramo de media milla?
Morales & Morales () V. A. Discretas Enero de 2011 47 / 49
Modelos de probabilidad Distribucin de Poisson
Distribucin de poisson (ejemplo).
1
Cul es la probabilidad de que no halla baches que reparrar en
un tramo de cinco millas?
Sea X el nmero de baches en cinco millas, entonces X es
Poisson con media = 2 5 = 10. Entonces
P(X = 0) =
e
10
10
0
0!
= e
10
= 0, 0000454
2
Cual es la probabilidad que sea necesario reparar al menos un
bache en un tramo de media milla?
Sea X el nmero de baches en media milla, entonces X es
Poisson con media = 2
1
2
= 1. Entonces
P(X 1) = 1P(X = 0) = 1
e
1
1
0
0!
= 1e
1
= 0, 632120559
Morales & Morales () V. A. Discretas Enero de 2011 48 / 49
Modelos de probabilidad Distribucin de Poisson
Distribucin de poisson (ejemplo).
1
Cul es la probabilidad de que no halla baches que reparrar en
un tramo de cinco millas?
Sea X el nmero de baches en cinco millas, entonces X es
Poisson con media = 2 5 = 10. Entonces
P(X = 0) =
e
10
10
0
0!
= e
10
= 0, 0000454
2
Cual es la probabilidad que sea necesario reparar al menos un
bache en un tramo de media milla?
Sea X el nmero de baches en media milla, entonces X es
Poisson con media = 2
1
2
= 1. Entonces
P(X 1) = 1P(X = 0) = 1
e
1
1
0
0!
= 1e
1
= 0, 632120559
Morales & Morales () V. A. Discretas Enero de 2011 48 / 49
Modelos de probabilidad Distribucin de Poisson
Cdigo R
P(X = 0) con = 10
dpois(x=0,lambda=10)
P(X 4)
ppois(q=4,lambda=10)
Morales & Morales () V. A. Discretas Enero de 2011 49 / 49