Академический Документы
Профессиональный Документы
Культура Документы
Algunas distribuciones
importantes de variables
aleatorias discretas
Vladimiro Contreras Tito
vcontrerastito@hotmail.com
25 de mayo de 2017
ndice
ndice 1
1. Distribucin de Bernoulli 2
2. Distribucin Binomial 2
3. Distribucin Geomtrica 3
5. Distribucin Hipergeomtrica 5
6. Distribucin de Poisson 6
8. Ejercicios de aplicacin 8
1
2 DISTRIBUCIN BINOMIAL
1. Distribucin de Bernoulli
Se denomina prueba o ensayo de Bernoulli a todo experimento aleatorio que
consiste de solo dos resultados posibles mutuamente excluyentes, generalmente
llamados xito (E) y fracaso (F). El espacio muestral asociado al experimento
aleatorio de Bernoulli se puede escribir como el conjunto = {E, F }.
f (x) = P [X = x] = px q 1x , x = 0, 1
Teorema 1.1.
E(X) = p , V (X) = p q
Ejemplo 1.1.
2. Distribucin Binomial
El experimento binomial se caracteriza por ser un experimento aleatorio que
consiste en efectuar n pruebas independientes y repetidas de Bernoulli. La prob-
abilidad de xito p se mantiene constante a travs de las n pruebas.
V. Contreras T. Pgina 2
3 DISTRIBUCIN GEOMTRICA
Definicin 2.2. Se dice que la v.a. binomial X tiene distribucin binomial con
parmetros n y p y se escribe X B(n, p), si su funcin de probabilidad es:
n x nx
f (x) = P [X = x] = p q , x = 0, 1, 2, ..., n.
x
Teorema 2.1.
E(X) = n p , V (X) = n p q
Ejemplo 2.1.
Solucin
X: No de artculos defectusos en los 12 artculos del lote.
X B(12, p) donde p = 0, 1 probabilidad de xito.
a).
12
P [X = 2] = 0, 12 0, 9122 = 0, 23
2
b). Y : No de lotes con 2 artculos defectuosos de los 6 lotes revisados.
X B(6, p) donde p = 0, 23 y q = 0, 77.
6
P [X 1] = 1 P [Y = 0] = 1 0, 230 0, 776 = 0, 79
0
3. Distribucin Geomtrica
Consideremos una sucesin de ensayos de Bernoulli, Si X representa el No
de pruebas hasta conseguir el primer xito despus de x 1 fracasos,
se llama v.a.geomtrica.
Teorema 3.1.
V. Contreras T. Pgina 3
4 DISTRIBUCIN BINOMIAL NEGATIVA O PASCAL
Si X G(p) entonces
1 q
E(X) = , V (X) =
p p2
Ejemplo 3.1.
Solucin
X: No de artculos que se necesita revisar para encontrar el primer defectuoso.
a). X G(0, 1)
b).
1 0, 9
E(X) = = 10 , V (X) = = 90
0, 1 0, 12
Definicin 4.1. Se dice que la v.a. binomial negativa o Pascal X tiene dis-
tribucin Pascal con parmetros p y r (r > 0 , 0 < p < 1) y se escribe
X P ascal(p, r), si su funcin de probabilidad es:
x1
f (x) = P [X = x] = (1 p)xr pr , x = r, r + 1, r + 2, ....
r1
Teorema 4.1.
Si X P ascal(p, r) entonces
r r (1 p)
E(X) = , V (X) =
p p2
Ejemplo 4.1.
V. Contreras T. Pgina 4
5 DISTRIBUCIN HIPERGEOMTRICA
Una mquina se utiliza para fabricar cierto tipo de objetos en serie. Se sabe
que la probabilidad de que cada objeto sea defectuoso es 1/10. Si se controla la
calidad de cada objeto producido y si la mquina se apaga cuando se producen
4 objetos defectuosos, cul es la probabilidad de que se pare la mquina en el
dcimo objeto producido?
Solucin
X: No de objetos producidos hasta controlar 4 defectuosos.
Los posibles valores de X son 4,5,6,... cada objeto se produce independien-
temente con probabilidad p = 1/10 = 0, 1 de que sea defectuoso. La mquina
se para si se encuentran r = 4 defectuosos. La probabilidad de que se pare la
mquina en el dcimo objeto producido es:
10 1
f (10) = P [X = 10] = (1 0, 1)104 0, 14 = 0, 00446
41
5. Distribucin Hipergeomtrica
Un conjunto de N objetos contiene r objetos clasificados como xitos y N r
objetos clasificados como fracasos. Se selecciona una muestra con tamao de n
objetos al azar (sin reemplazo) de los N objetos, donde r N y n N .
Teorema 5.1.
Si X H(N, n, r) entonces
N n
E(X) = n p , V (X) = n p q
N 1
donde p = Nr , q = 1 p
Adems si N tiende a + entonces H(N, n, r) se aproxima a una distribucin
binomial B(n, p) (la aproximacin es buena si n 0, 1 N )
Ejemplo 5.1.
V. Contreras T. Pgina 5
6 DISTRIBUCIN DE POISSON
Solucin
X: No de piezas de la muestra del proveedor "A& B".
a).
C 100 C 200
P [X = 4] = 4 3000 = 0, 0119
C4
b).
C2100 C2200 C3100 C1200 C4100 C0200
P [X 2] = + + = 0, 408
C4300 C4300 C4300
c).
P [X 1] = 1 P [X = 0] = 0, 196
6. Distribucin de Poisson
Dado un intervalo de nmeros reales, suponga que ocurren conteos al azar a
lo largo del intervalo. Si puede hacerse la particin del intervalo en subintervalos
con una longitud suficientemente pequea tal que:
V. Contreras T. Pgina 6
6 DISTRIBUCIN DE POISSON
NOTA 6.1.
Teorema 6.1.
Si X P () entonces
E(X) = , V (X) =
Ejemplo 6.1.
Solucin
X:No de camiones que llega al muelle en una hora. En este caso = 2,
X P ( = 2).
Y :No de camiones que llega al muelle en 4 horas. En este caso = 2(4),
Y P ( = 8). Entonces:
e8 8y
f (y) = P [Y = y] = , y = 0, 1, 2, 3, ....
y!
10
X e8 8y
a). P (6 Y 10) =
y=6
y!
e8 80
b). P [Y = 0] = = e8
0!
V. Contreras T. Pgina 7
8 EJERCICIOS DE APLICACIN
e x
x x
P [X = x] = p (1 p)nx tiende a P [X = x] =
n x!
NOTA 7.1.
Ejemplo 7.1.
8. Ejercicios de aplicacin
1. Una mquina utiliza tres componentes idnticas que trabajan en forma
independiente. La probabilidad de que falle cada componente es 0.1 y estas
se cambian por nuevas una sola vez.
V. Contreras T. Pgina 8
8 EJERCICIOS DE APLICACIN
3. Debido a que no todos los pasajeros que hacen una reservaci se presentan,
una aerolnea vende 125 asientos para un vuelo con capacidad para solo
120 pasajeros. La probabilidad de que un pasajero no se presente es 0,1 y
el comportamiento de los pasajeros es independiente
V. Contreras T. Pgina 9
8 EJERCICIOS DE APLICACIN
10. Solo uno de cada mil generadores ensamblados en una fbrica tienen unidades
defectuosas y los generadores defectuosos se distribuyen aleatoriamente e
independientemente a travs de la produccin.
V. Contreras T. Pgina 10
8 EJERCICIOS DE APLICACIN
V. Contreras T. Pgina 11
8 EJERCICIOS DE APLICACIN
15. Una mquina que produce cierto tipo de objeto se apaga automticamente
cuando ha llegado a producir el 5to defectuoso. Si la probabilidad de que
cada objeto producido sea defectusos es 0,05. Cul es la probabilidad de
que la mquina se apague cuando ha producido 12 objetos?
18. Suponga que el nmero de accidentes de trabajo que se producen por sem-
ana en una fbrica sigue la ley de Poisson de manera que la probabilidad
de que se ocurran 2 accidentes es igual a 2/3 de la probabilidad de que
ocurra un accidente. Calcule la probabilidad de que no ocurran accidentes
en 3 semanas consecutivas.
19. Las fallas superficiales en ciertas placas de metal siguen una distribucin
de Poisson con una media de 0,04 fallas por placa. Una empresa solicita
V. Contreras T. Pgina 12
8 EJERCICIOS DE APLICACIN
20. Las fallas en los rollos de tela de algodn de la empresa "Textiles P&C" se
producen a travs de un proceso de Poisson y con una tasa de de faila de =
0, 05 por metro. El control de calidad de los rollos de 100 metros, consiste
en escoger de cada rollo una seccin al azar de 20 metros de longitud, si
esta contiene ms de una falla, el rollo ser reemplazado por uno nuevo. En
caso contrario el rollo pasar el control y se vender en el mercado.
V. Contreras T. Pgina 13