PROBABILIDAD

PROGRAMA P.I.S. CUARTO SEMESTRE

PROGRAMA DE
INGENIERA DE SISTEMAS
CUARTOSEMESTRE

MAGANGU BOLVAR
 PROBABILIDAD
PROGRAMA P.I.S. CUARTO SEMESTRE

DISTRIBUCION DISCRETA DE LA PROBABILIDAD

UNIVERSIDAD DE CARTAGENA
FACULTA INGENIERIA DE SISTEMA
CREAD MAGANGUE

PRESENTADO POR:
YURANIS GUZMAN CARDENAS
DIEGO BALDOVINO POSSO
FARID FAJARDO HURTADO
JEAN CARLOS CALDERN PABUENA
JEFERSON POSADA GARISAO
DUVAN SIERRA
SALVADOR MENCO
MARIALIS FLOREZ

TUTOR: Cristian Garca Crdenas

INTRIDUCCION A LA PROBABILIDAD
4SEMESTRE

MAGANGUE BOLIVAR
02 de mayo de 2017

MAGANGU BOLVAR
 PROBABILIDAD
PROGRAMA P.I.S. CUARTO SEMESTRE

Distribucin Binomial B(n,p)

La distribucin binomial parte de la distribucin de Bernouilli. Se aplica cuando se realizan un nmero "n" de
veces el experimento de Bernouilli, siendo cada ensayo independiente del anterior. Realizamos el experimento
anterior n veces de forma independiente, y definimos la v.a.:

X= Nmero de xitos obtenidos en las n realizaciones

Que puede tomar los valores k=0,1,,n
0: si todos los experimentos han sido fracaso
n: si todos los experimentos han sido xitos
con probabilidades:

La distribucin de probabilidad de este tipo de distribucin expresada de otra forma:

Donde
" k " es el nmero de aciertos " n" es el nmero
de ensayos.
p " es la probabilidad de xito.

Ejemplo:
Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces? La frmula quedara:

Luego,

P (x = 6) = 0,205
Es decir, se tiene una probabilidad del 20,5% de obtener 6 caras al lanzar 10 veces una moneda.
En una fbrica se realiza el control de calidad de productos, para ello se seleccionan 10 artculos elaborados
Se inspeccionan con el fin de determinar si son defectuosos o no. La probabilidad de que un producto sea defectuoso
MAGANGU BOLVAR
 PROBABILIDAD
PROGRAMA P.I.S. CUARTO SEMESTRE

es de 12%.Determinar:

A. La probabilidad de que los 10 artculos seleccionados 3 sean defectuosos.

k=es el nmero de aciertos. n=es el nmero de intentos. p= probabilidad de xito.

!
P(x=k)=
!()
( )

n=10 p=12% k=3

!
P(x=3)= . ( . ) =0.0847
!()

La probabilidad de que de 10 artculos seleccionados 3 sea defectuosos es de 0,0847=8,47%

Distribucin de Poisson P()

Esta distribucin aparece en algunos procesos que tienen una dimensin temporal o espacial, como el nmero de
llamadas telefnicas que recibe un servicio de atencin a urgencias durante un intervalo de tiempo determinado, o el
nmero de cultivos infectados por una plaga en una cierta regin geogrfica.
En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc,:

- n de defectos de una tela por m2

- n de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc. - n de bacterias por cm2 de cultivo

- n de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.

- n de llegadas de embarcaciones a un puerto por da, mes, etc, etc.

X= Nmero de xitos obtenidos por unidad de tiempo o de espacio

Para determinar la probabilidad de que ocurran k xitos por unidad de tiempo, rea, o producto, la frmula a utilizar
sera:

MAGANGU BOLVAR
 PROBABILIDAD
PROGRAMA P.I.S. CUARTO SEMESTRE

donde: p(x=k) = probabilidad de que ocurran k

xitos cuando el nmero promedio de ocurrencia de ellos es = media o promedio de xitos por unidad de tiempo,
rea o producto e = 2.718

x = variable que nos denota el nmero de xitos que se desea que ocurra
Ejemplo:

Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba, a) cuatro
cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos?

a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da

cualquiera = 0, 1, 2, 3, ....., etc = 6 cheques sin fondo por da

(6)4(2.718)6 (1296)(0.00248)

p( x = 4,= 6) = = = 0.13392
4! 24

b) x= variable que nos define el nmero de cheques sin fondo que llegan al banco en dos das consecutivos = 0,
1, 2, 3, ......, etc = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das consecutivos

Nota: siempre debe de estar en funcin de x siempre o dicho de otra forma, debe hablar de lo mismo que x.

p( x = 10,= 12) = (12)10(2.718)12 = (6.191736410)(0.000006151) = 0.104953

10! 3628800

Ejemplo:
En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican 0.2 imperfecciones en
promedio por minuto. Determine las probabilidades de identificar a) una imperfeccin en 3 minutos, b) al menos dos
imperfecciones en 5 minutos, c) cuando ms una imperfeccin en 15 minutos.

a) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2, 3, ....,
etc.

MAGANGU BOLVAR
 PROBABILIDAD
PROGRAMA P.I.S. CUARTO SEMESTRE

= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

(0.6)1(2.718)0.6 (0.6)(0.548845)

p( x = 1,= 0.6) = = = 0.329307

1! 1

1
b) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5

minutos = 0, 1, 2, 3, ...., etc = 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata

(1)0(2.718)1 (1)(2.718)1

p( x = 2,3,4,etc....=1) =1 p( x =0,1,=1) =1 0! + 1! =

=1-(0.367918+0.367918) = 0.26416

c) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 15 minutos = 0, 1, 2, 3, .....,
etc.

= 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata

p( x = 0,1,= 3) = p( x = 0,= 3)+ p( x = 1,= 3) = (3)0(2.718)3 + (3)1(2.718)3 =

0! 1!

= 0.0498026 + 0.149408 = 0.1992106

Distribucin Hipergeomtrica H(N,D,n)

La distribucin hipergeomtrica es el modelo que se aplica en experimentos donde, al igual que en la distribucin
binomial, en cada ensayo hay tan slo dos posibles resultados: xito o fracaso. Pero se diferencia de la distribucin
binomial en que los distintos ensayos son dependientes entre s (no hay reemplazamiento).

Supongamos que tenemos un lote de N piezas de las cuales D son defectuosas (D N). Extraigo una muestra de n
piezas (sin reemplazamiento) y defino la v. a.:

X= Nmero de defectuosas en la muestra

MAGANGU BOLVAR
 PROBABILIDAD
PROGRAMA P.I.S. CUARTO SEMESTRE

Que puede tomar los valores k=max{0,n+D-N},1,,min{D,n}

Ejemplo:
En una urna hay 7 bolas blancas y 5 negras. Se sacan 4 bolas Cul es la probabilidad de que 3 sean blancas?
Entonces:

N = 12; N-D = 5; D = 7; k = 3; n = 4 Si aplicamos el modelo:

Por lo tanto, P (x = 3) = 0,3535. Es decir, la probabilidad de sacar 3 bolas blancas es del 35,3%. Pero este modelo no
slo se utiliza con experimentos con bolas, sino que tambin se aplica con experimentos similares:

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%.

MAGANGU BOLVAR