Professional Documents
Culture Documents
Asignatura:
Probabilidad
Unidad 3
Actividad 2.
ALUMNO
Matricula: ES1611312069
Actividad 2.
Tema
Subtema
Modelos
discretos de
probabilidad
Modelo Bernoulli
Modelo binomial
Modelo hipergeomtrico
Modelo de Poisson
Otros ejemplos:
Como ejemplos de variables aleatorias discretas podemos mencionar: el nmero de libros en una
biblioteca, el nmero de habitantes en una poblacin, la cantidad de dinero que una persona trae
La funcin de probabilidad P(x) de la variable aleatoria x es la funcin que asigna a cada valor xi de
la variable su correspondiente probabilidad pi
Ejemplo:
La v.a. nmero de caras en el lanzamiento de tres monedas tiene la siguiente
funcin de probabilidad:
pi
0
1
6
2 x < 3
3 x < 4
4 x < 5
5 x < 6
6 x
3
6
4
6
5
6
2
6
Ejemplo:
Por ejemplo, el valor esperado cuando tiramos un dado equilibrado de 6 caras es 3,5. Podemos
hacer el clculo
Ejemplo:
Un Experimento consiste en lanzar 3 veces una moneda. Sea la variable aleatoria X=nmero de
caras que se obtiene:
Obtener la varianza:
Modelo binomial
Es una extensin de la distribucin de Bernouilli. Supongamos que se repite un
experimento n veces de forma idntica e independiente. Los resultados de cada
realizacin del experimento se clasifican en dos categoras (como en el caso de
Bernouilli), una ser la probabilidad de xito p, y otra q=1-p, la de fracaso.
As, por tanto, sea X una variable aleatoria discreta, se dice que se distribuye
como una distribucin binomial de parmetros (n,p). Siempre se debe de verificar que
n>1 y que p tome valores entre 0 y 1.
La funcin de probabilidad viene dada por la expresin:
Ejemplo:
La ltima novela de un autor ha tenido un gran xito, hasta el punto de que el 80% de los lectores
ya la han leido. Un grupo de 4 amigos son aficionados a la lectura:
1Cul es la probabilidad de que en el grupo hayan leido la novela 2 personas?
2Y cmo mximo 2?
Cul es la probabilidad de que en el grupo hayan leido la novela 2
personas?
B(4, 0.2) p = 0 .8 q = 0.2
Y cmo mximo 2?
Modelo hipergeomtrico
La distribucin hipergeomtrica es una distribucin discreta que modela el nmero de eventos en
una muestra de tamao fijo cuando usted conoce el nmero total de elementos en la poblacin de
la cual proviene la muestra. Cada elemento de la muestra tiene dos resultados posibles (o es un
evento o un no evento). Las muestras no tienen reemplazo, por lo que cada elemento de la
muestra es diferente. Cuando se elige un elemento de la poblacin, no se puede volver a elegir.
Por lo tanto, la probabilidad de que un elemento en particular sea seleccionado aumenta con cada
ensayo, suponiendo que an no ha sido seleccionado.
La distribucin hipergeomtrica sigue el siguiente modelo:
Donde:
Ejemplo:
en una fiesta hay 20 personas: 14 casadas y 6 solteras. Se eligen 3 personas al azar Cul es la
probabilidad de que las 3 sean solteras?
Por lo tanto, P (x = 3) = 0,0175. Es decir, la probabilidad de que las 3 personas sean solteras es tan
slo del 1,75%.
Modelo de Poisson
Esta distribucin es una de las ms importantes distribuciones de variable discreta. Sus principales
aplicaciones hacen referencia a la modelizacin de situaciones en las que nos interesa determinar
el nmero de hechos de cierto tipo que se pueden producir en un intervalo de tiempo o de
espacio, bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus usos
frecuentes es la consideracin lmite de procesos dicotmicos reiterados un gran nmero de veces
si la probabilidad de obtener un xito es muy pequea.
Se dice que una variable aleatoria X sigue la distribucin de Poisson si su funcin de densidad
viene dada por:
Solucin.
Las probabilidades de que el entomlogo encuentre 0, 1, 2, 3, huevecillos por planta son:
Bibliografa.
Devore, Jay L; Probabilidad y Estadstica para Ingeniera y Ciencias; 7a Ed; CENGAGE Learning; Mxico
2008.
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/poisson.htm
http://www.ugr.es/~eues/webgrupo/Docencia/MonteroAlonso/estadisticaII/tema3.pdf
http://halweb.uc3m.es/esp/Personal/personas/amalonso/esp/Tema3soluciones.pdf
Reproduccin.
https://www.youtube.com/watch?v=hmAfNpD7Eps