You are on page 1of 22

3RA PROBABILIDADES

Profesor:
MA. MARCIAL RENE ZUIGA MUOZ
VARIABLE ALEATORIA
VARIABLE ALEATORIA Definicin
Se define como un evento numrico cuyo valor se determina mediante un experimento o proceso aleatorio
(sorteo, vista del proceso, tmbola, etc.
Distribucin de probabilidades. Si a cada uno de los posibles valores numricos de una variable aleatoria X se
le asigna un valor de probabilidad, ya sea mediante una lista o una funcin matemtica, el resultado es una
distribucin de probabilidad. La suma de las probabilidades de todos los posibles resultados numricos deber
1,0. Se representa como P(x).
Distribucin de probabilidades para una variable discreta.
Es un listado mutuamente excluyente de todos los resultados numricos posibles para esa variable aleatoria,
tal que una probabilidad especifica de ocurrencia se asocia con cada resultado.
EJEMPLO.

La siguiente tabla contiene la distribucin de probabilidades del nmero de accidentes de trfico diario, en una
pequea ciudad.

N de P(X) 0.5 0.45

Accidentes 0.4

diarios 0.3
0.2
0 0,10 0.2 0.15
0.1
1 0,20 0.1 0.05 0.05

2 0,45 0
1 2 3 4 5 6
3 0,15 P(X)

4 0,05 Grfica: Distribucin de probabilidades del nmero de


5 0,05 accidentes de trfico diario en una pequea ciudad
Funcin densidad discreta

Funcin densidad discreta


:La escala de valores se presenta en puntos aislados a lo largo de una escala de valores
Valores Esperados para una variable discreta. o Llamada Esperanza matemtica.
Es un promedio ponderado de todos los resultados posibles, donde las ponderaciones son las probabilidades
asociadas con cada uno de los resultados.

() = = (), donde

Xi = i-simo resultado de Xi la variable discreta de inters.


P(Xi) = probabilidad de ocurrencia del = i-simo resultado de X.
Distribucin de probabilidades para una variable
aleatoria discreta o Llamada Esperanza matemtica.
Distribucin de probabilidades de una variable discreta.
1 2 3=1x2
N de Accidentes X. P(X)
P(X)
diarios
0 0.1 0
1 0.2 0.2
2 0.45 0.9
3 0.15 0.45
4 0.05 0.2
5 0.05 0.25

()
= sumatoria 2 Accidentes en promedio.


() = = ()= (0 ) (10 ) x(1 ) (.20 ) x (2 ) (.45 )x ( 3) (.15 ) x( 4) (.05 )x (5 ) (.05 ) = 2 accidentes
diarios.
Ejemplo demanda diaria de alquiler de
camionetas por 50dias.
Demanda Probabilidad Valor Ponderado Cuadrado Cuadrado del
posible de N das P( X) XP(X) de la valor ponderado
camionetas. demanda (X2 P(X)
X X2

3 3 0.06 0.18 9 0.54


4 7 0.14 0.56 16 2.24
5 12 0.24 1.20 25 6.00
6 14 0.28 1.68 36 10.08
7 10 0.20 1.40 49 9.80
8 4 0.08 0.64 64 5.12
SUMA 50 1.00 E X=XP(X)=5.66 E(X)2 =33.78
El valor esperado en este caso es de 5.66 camionetas entre 12 a 14 das
Varianza 2 = E(X2)- (E(X))2
33.04 - (5.66)2= 1.74 camionetas.
La desviacin estndar = 1,74 =1.32 camionetas.

Donde Xi= i-simo resultado de Xi la variable discreta de inters.


P(Xi) = probabilidad de ocurrencia del = i-simo resultado de X.
Ejemplo
Valor monetario esperado para dos carteras de acciones en el mercado inmobiliario con cuatro condiciones
econmicas
Evento Ei Pi A(Xi) Xi Pi B(Xj) Xj Pi

Recesin 0.10 30 30(0.10)= 3 -50 -50(0.1)= -5


Economa Estable 0.40 70 70(0.40)=28 30 30(0.4)= 12
Crecimiento moderado 0.30 100 100(0.30)=30 250 250(0.3)=75
Auge repentino 0.20 150 150(0.20)=30 400 400(0.2)=80

E(A) = 91 E(B) = 162

El valor esperado, promedio ponderado o ganancia de la cartera de acciones de A es de 91 dlares,


mientras que la ganancia o valor esperado de la cartera B es de 162 dlares.
La desviacin estndar de A es= 35.623 y para B = 158.48
Distribucin Binomial
Propiedades

1.- Las observaciones posibles se pueden obtener mediante dos mtodos de muestreo. Se puede
considerar que cada observacin se seleccion ya sea a partir de una poblacin infinita sin remplazo o a
partir de una poblacin finita con remplazo.
2.- Cada observacin se puede clasificar en una de dos categoras mutuamente excluyente y
colectivamente exhaustivas, por lo comn, llamadas xitos y fracasos.
3.- La probabilidad de que una observacin se clasifique como xito, p , es constante entre una
observacin y otra. Entonces, la probabilidad de que una observacin sea clasificada como fracaso, 1
p, es constante en todas las observaciones.
4.-El resultado (xito o fracaso) de cualquier observacin es independiente del resultado de cualquier
otra observacin
La frmula para determinar la probabilidad de un nmero determinado de xitos(X), requiere de
ensayos(n), la probabilidad de cada ensayo(p). Si q= (1-p), la frmula para determinar la probabilidad
de xitos X en una distribucin binomial est dado por:



P (X/n,p) =n = n
X! (n-X) !
Combinaciones = n
a. Ejemplo: La probabilidad de un prospecto de compras sea elegido al azar por un agente de ventas y este realice
compras es de 0.20. Si un representante de ventas llama a seis prospectos, la probabilidad de que haga
exactamente cuatro ventas es:
DATOS
P(X= 4), n= 6, p =0,20 = 6 C4(0.20)4 (0.80)2 = 6!(0.20)4(0.80)2
4! 2!
=(15) (0.0016)(0.64) = 0.01536
b. Si un representante de ventas llama a seis prospectos, la probabilidad de que haga al menos cuatro ventas es:
P(> = ) = 4 ventas = 4 ventas + 5 ventas + 6 ventas
Para 5 ventas
P(X= 5), n= 6, p =0,20 = 6 C5(0.20)5 (0.80)1 = 6!(0.20)5(0.80)1
5! 1!

=(6) (0.00032)(0.8) = 0.001536


Para 6 ventas
P(X= 6), n= 6, p =0,20 = 6 C6(0.20)6 (0.80)0 = 6!(0.20)6(0.80)0
6! 0!
= 0.000064
RESPUESTA: AL MENOS 4 VENTAS:
P(> = ) = 4 ventas = 4 ventas + 5 ventas + 6 ventas
=0.01536 + 0.001536 + 0.000064

P(> = X >4 ) =0.01696


Media y desviacin std. de distribucin binomial

Media de la distribucin binomial


La media de la distribucin binomial es igual al tamao de la muestra n multiplicada por la
probabilidad de xito p.

= =
Si la probabilidad de xito es 0.1 y el nmero de pedidos de un artculo es 4. Entonces el promedio ser
= = 0.1 4 = 0.4 .
La desviacin estndar de la distribucin binomial., donde 2 es la varianza.

= 2 = np(1 p)
Distribucin POISSON

Caractersticas de un proceso Poisson se caracteriza por eventos discretos en un rea de


oportunidad- un intervalo contino (de tiempo, longitud, superficie, etc.) de tal manera que si
reduce lo suficiente el rea de oportunidad o el intervalo:
1.- La probabilidad de observar exactamente un xito en el intervalo es constante.
2.- La probabilidad de observar ms de un xito en el intervalo es 0.
3.- La probabilidad de observar un xito en cualquier intervalo es estadsticamente
independiente de cualquier otro intervalo.
Distribucin POISSON P(X) = e- x
X!
P(X) = Probabilidad de X xitos dado el valor de
= esperanza de numero de xitos
e = constante matemtica, con valor aproximado de 2.71828
X = nmero de xitos por unidad.

El valor esperado (la media a largo plazo) en una distribucin de probabilidades de


Poisson es igual a la media de la distribucin.
El valor esperado (media a largo plazo) es igual a la media de la distribucin.
E(X) =
La varianza V(X) =
La desviacin estndar es =
EJEMPLO

En un departamento de reparaciones de maquinaria se recibe en promedio de


cinco (5) solicitudes de servicio por hora. La probabilidad de que se reciba
exactamente tres solicitudes de servicio en una hora elegida al azar es.

P(X) = e- x =
X!
= 5, e = constante matemtica, con valor aproximado de 2.71828,
X= 3
P(X) = e- 5 x = (0,00674)(5)3 = 0.1404
X! 3!
EJEMPLO
En promedio ,12 personas hacen preguntas cada hora a un consultor en decoraciones en una tienda de
telas. La probabilidad de tres o ms personas se acerquen a preguntar al consultor en un periodo de 10
minutos (1/6 de una hora) se determina como sigue:
Promedio por hora 12 = promedio por 10 minutos = 12/6 = 2.0
P(X> = 3 / =2) = P(X= 3, 4, 5, 6, 7, 8, 9,10,11,12) = 2.0
P(X= 3 / =2) = 0.1804
P(X= 4 / =2) = 0.0902
P(X= 5 / =2) = 0.0361
P(X= ,6 / =2) =0.0120
P(X= 7 / =2) =0.0034
P(X=8 / =2) =0.0009
P(X=9 / =2) = 0.0002 P(X=10 / =2) = 0.0000000
RESPUESTA = Es la sumatoria de 3,4,5,6,7,8,9,..=0.3232
LA DISTRIBUCION HIPERGEOMETRICA

Cuando se usa el muestreo sin devolucin(o sin reemplazamiento), la distribucin de probabilidad discreta
apropiada es la distribucin hipergeomtrica.
Esta dado por :
X: nmero de xitos
N: nmero de elementos de la poblacin
T: nmero de xitos posibles en la poblacin.
n: nmero de elementos de la muestra.
La frmula est dada. NT T
P(X/N, T, n) = n-X X
N
n
EJEMPL0
De seis empleados, tres han estado en la empresa cinco a ms aos. Si se toma al azar
cuatro empleados del grupo de seis. Cul es la probabilidad de que exactamente dos
tengan antigedad de cinco aos o ms?
X= 2 , N= 6, T= 3, n= 4

. NT T 6-3 3 3 ! 3!
P(X/N,T,n) = n-X X = 4-2 2 = 2! 1 ! 2! 1! = 3 x 3 = 0.60
N 6 6! 15
n 4 4!
EJERCICIOS

Un gerente selecciona al azar n=3 personas de un grupo de 10 empleados de un


departamento para ser asignados a un grupo de proyectos. Si se supone que
cuatro empleados ya haban sido asignados previamente a un proyecto similar.
A.-construya el diagrama del rbol de tres etapas que represente la eleccin de tres
personas en trminos de si cada uno de los elegidos haba tenido ya experiencia, E,
o no E, en estos proyectos.
B.-D en el diagrama los valores de probabilidad correspondientes y use la regla de
la multiplicacin para eventos dependientes para determinar la probabilidad de
ocurrencia de cada una de las posibles secuencias de los tres eventos.
C.-Determine la probabilidad de que exactamente dos de tres empleos hayan
tenido experiencia previa; use la frmula de probabilidades hipergeomtricas.
X= 2 , N= 10, T= 4, n= 3

. NT T 10-4 4 6 ! 4!
P(X/N,T,n) = n-X X = 3-2 2 = 1! 2! = 6 x 6 = 0.30
N 10 10! 120
n 3 3!

You might also like