Академический Документы
Профессиональный Документы
Культура Документы
P (N = n) = p(1 p)n 1
,n2N
Algunas propiedades:
2 Experiencias multinomiales
Se realizan experiencias multinomiales independientes donde los resultados de cada experiencia pueden ser A; B
C; con P (A) = pA ; P (B) = pB ; P (C) = pC ; tales que pA + pB + pC = 1:
Esto es,
(a + b + c)! a
P (KA = a; KB = b; KC = c) = pA pbB pcC
a!b!c!
Ejemplo: un motoquero recorre una avenida. A su paso puede encontrarse, independientemente uno de otro, con
semforos en verde, amarillo o rojo con probabilidades pV = 0:5; pA = 0:2; pR = 0:3: Si atraves 10 semforos, la
pnC 1 pA (1 pB )m n 1
pB si n < m
P (NA = n; NB = m) = m 1
pC pB (1 pB )n m 1
pA si n > m
Propiedad 1
pA pB
P (NA < NB ) = y P (NA > NB ) =
pA + p B pA + p B
Demostracin:
Notar que P (NA = NB ) = 0 porque no pueden presentarse en la misma experiencia A y B simultneamente.
P1 P1 pA
Luego, P (NA < NB ) = pnC 1 pA (1 pB )m n 1 pB =
n=1 m=n+1 pA + p B
1
En el ejemplo: cul es la probabilidad de que el motoquero encuentre un semforo verde antes que uno rojo?
Esto ser igual a
pV 0:5
P (NV < NR ) = = = 0:625
p V + pR 0:5 + 0:3
Propiedad 2
m{nfNA ; NB g Geo(pA + pB )
Demostracin:
Si M = m{nfNA ; NB g; entonces
1
X 1
X
P (M = m) = P (NA = m; NB = k) + P (NA = k; NB = m) =
k=m+1 k=m+1
1
X X1
= pm
C
1
pA (1 pB )k m 1
pB + pm
C
1
pB (1 pA )k m 1
pA =
k=m+1 k=m+1
1
X 1
X
= pm
C
1
pB pA (1 pB )k m 1
+ pm
C
1
pA pB (1 pA )k m 1
=
k=m+1 k=m+1
= pm
C
1
(pA + pB ) = (1 pA pB )m 1
(pA + pB )
Propiedad 3
Si se dene N como la menor cantidad de experiencias necesarias hasta lograr un resultado A y un resultado B,
entonces
1 pA pB
E[N ] = f1 + + g
p A + pB pB pA
Demostracin:
Opcin 1: N = N1 + N2 con
N1 : cantidad de experiencias hasta lograr el primer xito de algn tipo (A B). Entonces N1 Geo(pA + pB )
N2 : cantidad de experiencias hasta lograr el segundo xito. Entonces N2 es una variable mezcla porque, se tiene
que
N2 j (NB > NA ) Geo(pB ) N2 j (NB < NA ) Geo(pA )
pA pB
Adems, P (NB > NA ) = y P (NB < NA ) = :
p A + pB p A + pB
Por lo tanto:
1 pA 1 pB 1
E[N ] = E[N1 ] + E[N2 ] = +f + g
p A + pB p A + pB p B pA + p B p A
Opcin 2: siguiendo el camino de la rata..
Condicionando sobre lo que ocurre en la primera experiencia puede escribirse lo siguiente:
N j (1o es A) 1 + Geo(pB ) con P (1o es A) = pA
N j (1o es B) 1 + Geo(pA ) con P (1o es B) = pB
N j (1o es C) 1 + N 0 con 0
N distribuda como N
Entonces se puede calcular E[N ] recursivamente a partir de
E[N ] = E[N j (1o es A)] P (1o es A) + E[N j (1o es B)] P (1o es B) + E[N j (1o es C)] P (1o es C) ,
1 1
E[N ] = [1 + ] pA + [1 + ] pB + [1 + E[N ]] (1 pA pB ) ,
pB pA
1 pA pB
E[N ] = f1 + + g
pA + p B pB pA
En el ejemplo: Hallar la cantidad media de semforos que debe cruzar hasta encontrarse con uno verde y uno
amarillo. Esto ser igual a
1 pA pB 1 0:2 0:5
E[N ] = f1 + + g= f1 + + g = 5: 571 4
p A + pB pB pA 0:7 0:5 0:2
2
Propiedad 4
La cantidad de resultados tipo A que se observan antes del primero de tipo B que aparece se distribuye como
pA
KA j (NB = n) Bin(n 1; )
pA + pC
En el ejemplo: Si el primer semforo rojo que encuentra es el sptimo, cul es la probabilidad de que antes
haya encontrado dos semforos amarillos? Esto ser igual a
6 0:2 2 0:5 4
P (KA = 2 j NR = 7) = ( ) ( ) = 0:318 74
2 0:7 0:7