Вы находитесь на странице: 1из 13
Variables Aleatorias Discretas Principales Distribuciones Tema 2. Variables Aleatorias Discretas M´etodos
Variables Aleatorias Discretas
Principales Distribuciones
Tema 2. Variables Aleatorias Discretas
M´etodos Estad´ısticos de la Ingenier´ıa
Curso 2007-2008
Javier Roca Pardi˜nas.
Dpto. Estad´ıstica e I.O.
UVIGO.
Universidad de Vigo
12 de marzo de 2008
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Esquema Variables Aleatorias Discretas Masa de Probabilidad
Variables Aleatorias Discretas
Principales Distribuciones
Esquema
Variables Aleatorias Discretas
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Uniforme Discreta
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Introducci´on
El C´alculo de Probabilidades permite asociar en un experimento
aleatorio a cada suceso un n´umero en el intervalo [0,1] que
determina la verosimilitud de dicho suceso.
Ejemplo
En el experimento consistente el lanzar 3 monedas, para observar
el n´umero de caras (c) y cruces(+), los posibles resultados son
W1={ ccc }
W5={ +cc }
W2={ cc+ }
W6={ +c+ }
W3={ c+c }
W7={ ++c }
W4={ c++ }
W8={ +++ }
Para calcular, por ejemplo, la probabilidad de obtener una cara, los
sucesos elementales asociados son W4, W6 y W7, obteni´endose
p(1 cara)=3/8.
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Los posibles resultados de este experimento no son valores
num´ericos. Sin embargo, para calcular probabilidades, es m´as
c´omodo asociar a cada uno de ellos el n´umero de caras obtenidas.
suceso
n o de caras
W1={ccc}
3
W2={cc+}
2
W3={c+c}
2
W4={c++}
1
W5={+cc}
2
W6={+c+}
1
W7={++c}
1
W8={+++}
0
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Definici´on de Variable Aleatoria
De este modo, aparece el concepto de variable aleatoria como
una funci´on que asigna a cada suceso elemental del experimento
un n´umero.
En un experimento aleatorio con espacio muestral Ω, una variable
aleatoria (v.a.) es cualquier funci´on
X:
−→
R
w
−→
X(w)
que a cada suceso elemental ω le asocia un n´umero X(w)
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Ejemplo
En el ejemplo anterior, se puede definir la v.a
X= ”n´umero de caras”
del siguiente modo:
X:
−→
R
W1
−→
3
W2
−→
2
W3
−→
2
W5
−→
2
W4
−→
3
W5
−→
3
W6
−→
3
W8
−→
0
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Ejemplos de variables aleatorias
Ejemplos de variables aleatorias son:
N´umero de caras en 6 lanzamientos de una moneda
N´umero de personas que pasan por la caja de un
supermercado en una hora
Cotizaci´on de una acci´on en bolsa
Tiempo que transcurre hasta que un trabajador encuentra
empleo
tiempo de ejecuci´on de un programa
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Tipos de Variables Aleatorias
Seg´un los valores que tome la variable, ´esta puede ser clasificada
en discreta o continua del siguiente modo:
1. Discreta: Este tipo de variables s´olo puede tomar valores en
un conjunto finito o infinito numerable (por ejemplo, en los
n´umeros naturales N).
Suma de los resultados obtenidos al lanzar un dado.
N o de hijos de una familia.
N o de peticiones a un servidor de internet
2. Continua: puede tomar infinitos valores en la recta real R).
Altura y peso de un individuo
Precio de un determinado producto.
Porcentage de ox´ıgeno en una reacci´on qu´ımica,
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Funci´on de Masa de Probabilidad
Laa funci´on de masa de probabilidad de v.a. discreta X que
toma valores en x 1 , x 2 ,
,x
n ,
se define como
P :
R
−→
[0,1]
x 1
−→
x
−→
P(x 1 )
P(x 2 )
= P(X = x 1 )
= P(X = x 2 )
2
.
.
.
.
x
−→
P(x n )
= P(X = x n )
n
.
.
.
.
veficando
P(x 1 ) +
+ P(x n ) +
= 1
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Ejemplo
A continuaci´on se presenta la funci´on masa de probabilidad de la
v.a.
X=”n´umero de caras en el lanzamiento de 3 monedas”
0.4
0.375
0.375
P :
R
−→
[0,1]
0.3
0
−→
1/8
1
−→
3/8
0.2
0.125
0.125
2
−→
3/8
0.1
3
−→
1/8
0.0
0123
número de caras
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
probabilidad
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Funci´on de distribuci´on
La funci´on de distribuci´on de una variable aleatoria es una
funci´on que asigna a cada valor x de la recta real la probabilidad
de que la variable aleatoria sea menor o igual que dicho valor.
F :
R
−→
[0,1]
x
−→
F ( x ) =
P ( X
≤ x )
Propiedades de la funci´on de distribuci´on:
1. 0 ≤ F (x) ≤ 1
2. F es no decreciente: x 1 > x 2 ⇒ F(x 1 ) ≥ F(x 2 ).
3. l´ım x→∞ F(x)=1
4. l´ım x→−∞ F(x)=0
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Ejemplo
La funci´on de distribuci´on para ´el n´umero de caras en 3 tiradas de
una moneda es
1.0
0.8750
0.8
0
si
x < 0
1/8
si
0.6
0.5000
F(x) =
4/8
si
0 ≤ x < 1
1 ≤ x < 2
0.4
7/8
si
2 ≤ x < 3
0.2
0.1250
1
si
x ≥ 3
0.0
-2
-1
0
1
2
3
4
5
número de caras
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
función de distribución
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
En el caso de las v.a. discretas la funci´on de distribuci´on F tiene
forma de escalera con discontinuidades en los puntos x i y saltos de
magnitud P (x i ).
Si los valores de la v.a. est´an ordenados
x 1 ≤ x 2 ≤
≤ x n ≤
entonces la funci´on de distribuci´on viene dada por
0
si
x<x 1
P(x 1 )
si
x 1 ≤ x<x 2
P(x 1 ) + P(x 2 )
si
x 2 ≤ x<x 3
F(x) = P(X ≤ x) =
.
.
.
.
.
P(x 1 ) + ··· + P(x i )
si
x i ≤ x<x i+1
.
.
.
.
.
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Ejercicio 1
La demanda de un cierto producto viene dada por la siguiente tabla
X01
2
3
456
P(X)
0.1
0.15
0.20
0.25
0.15
0.1
0.05
a) Comprobar si P (X) es una funci´on de masa de probabilidad y
representarla gr´aficamente
b) Calcular y representar la funci´on de distribuci´on de X
c) A partir de la funci´on de distribuci´on calcular las siguientes
probabilidades: p(X ≤ 3), p(X ≤ 6), p(2 ≤ X ≤ 5),
p(X = 3) y p(X > 3)
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Soluci´on:
1. P (X ) es una funci´on de masa de probabilidad ya que verifica
0 ≤ P (X = j) ≤ 1 para j = 0,
,
6
P (X = 0) +
+ P (X = 6) =
0,1+0,15 + 0,20 + 0,25 + 0,15 + 0,1+0,05 = 1
2. La funci´on de distribuci´on de esta variable es
0,00
si
x < 0
0,10
si
0 ≤ x < 1
0,25
si
1 ≤ x < 2
0,45
si
2 ≤ x < 3
F(x) =
0,70
si
3 ≤ x < 4
0,85
si
4 ≤ x < 5
0,95
si
5 ≤ x < 6
1,00
si
x ≥ 6
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
MASA DE PROBABILIDAD
FUNCIÓN DE DISTRIBUCIÓN
1.00
0.95
1.0
0.25
0.85
0.8
0.20
0.70
0.2
0.15
0.15 0.6
0.45
0.10
0.10 0.4
0.1
0.25
0.05
0.2
0.10
0.0
0.0
0123456
0123456
unidades demandadas
unidades demandadas
3 A partir de la funci´on de distribuci´on se obtienen las
probabilidades
P (X ≤ 3) = F (3) = 0,70
P (X
≤ 6) = F (6) = 1,0
P (2 ≤ X ≤ 5) = F (5) − F (1) = 0,95 − 0,25 = 0,7
P (X > 3) = 1 − F (3) = 1 − 0,70 = 0,3
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Caracter´ısticas de una V.A. Discreta
Esta secci´on se centra en ciertos par´ametros de las variables
aleatorias discretas que resumen su informaci´on:
media o esperanza matem´atica,
varianza,
desviaci´on t´ıpica,
moda
Sea X una v.a. discreta con valores
x 1 ,
,x
n ,
,
y probabilidades
P(x 1 ),
,p(x
n ),
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Media o Esperanza Matem´atica
La media o esperanza matem´atica de X se define como
µ = E(X) = x 1 P(x 1 ) + x 2 P(x 2 ) +
+ x n P(x n ) +
Propiedades:
1. E(aX + b) = aE(X) + b (siendo a y b constantes)
2. E(X + Y ) = E(X) + E(Y )
En el ejemplo, el n´umero esperado de caras en los 3 lanzamientos
de la moneda es
1
E[X]=0 · 1 8 + 1 · 3 + 2 · 3 + 3 ·
8 = 1,5 caras
8
8
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Varianza y Desviaci´on T´ıpica
La varianza de X se define como
σ 2 = V ar(X)=(x 1 − µ) 2 P(x 1 ) +
+ (x n − µ) 2 P(x n ) +
Propiedades
V ar(aX + b) = a 2 V ar(X) (siendo a y b constantes)
Una forma m´as sencilla de calcular la varianza es
2
σ 2 = x 2 P(x 1 ) +
+ x n P(x n ) +
− µ 2
1
La desviaci´on t´ıpica de X es la ra´ız cuadrada de la varianza
σ = DT (X) = √ σ 2
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Ejercicio 2
La varianza de X=”n´umero de caras en 3 lanzamientos de una
moneda ”es
1
σ 2 = (0−1,5) 2 · 8 +(1−1,5) 2 · 3 8 +(2−1,5) 2 · 8
3 +(3−1,5) 2 · 1
8 = 0,75
La varianza se puede calcular de forma m´as sencilla como
σ 2 = 0 2 · 1 8 + 1 2 ·
8 3 + 2 2 ·
8 3 + 3 2 · 1 8 − 1,5 2 = 3 − 2,25 = 0,75
La desviaci´on t´ıpica de X es
σ = 0,75 = 0,86
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Moda
La moda es el valor que maximiza la funci´on de masa de
probabilidad, es decir, aquel valor x i al que le corresponde el mayor
P(x i ). Se donota por Mo.
La moda no tiene por que ser unica.´
En caso de que haya m´as de
una moda hablaremos de distribuci´on multimodal.
En el ejemplo hay 2 valores modales que son 1 cara y 2 caras.
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Ejercicio 3
Sea X =”n´umero de coches vendidos por un vendedor en un mes”,
con la siguiente masa de probabilidad
X
0
1
2
34
P(X)
0.05
0.15
0.35
0.25
0.2
1. Determinar la media y la desviaci´on t´ıpica de X
2. Si el vendedor gana mensualmente 600 euros + 500 euros por
cada coche que vende, calcular la media y la desviaci´on t´ıpica
de su salario mensual.
3. Representar las funciones de masa de probabilidad del n´umero
de ventas y del salario mensual.
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
Soluci´on:
1. La media y la desviaci´on t´ıpica de X son
µ = 0 · 0,05 + 1 · 0,15 + 2 · 0,35 + 3 · 0,25 + 4 · 0,2=2,4
σ = √ σ 2 = 1,24 = 1,11
σ 2 = 0 2 · 0,05 + 1 2 · 0,15 + 2 2 · 0,35 + 3 2 · 0,25 + 4 2
7 − 2,4 2 = 1,24
·0,2−2,4 2 =
2. El salario mensual viene dado por la v.a. Y = 600 + 500X,
con media
E[Y ] = E[600+500X] = 600+500E[X] = 600+500·2,4 = 1800
y desviaci´on t´ıpica
DT [Y ] = DT [600+500X] = 500DT [X] = 500·1,11 = 556,78
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Masa de Probabilidad Funci´on de Distribuci´on
Variables Aleatorias Discretas
Principales Distribuciones
Masa de Probabilidad
Funci´on de Distribuci´on
Caracter´ısticas
3 A continuaci´on se representa las funciones de masa de
probabilidad para X e Y .
0.4
0.4
0.35
0.35
0.3
0.3
0.25
0.25
0.20
0.20
0.2
0.2
0.15
0.15
0.1
0.1
0.05
0.05
0.0
0.0
01234
600
1100
1600
2100
2600
número de ventas
salario
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Principales Variables Discretas
1. Proceso de Bernoulli
Bernoulli
Binomial
Geom´etrica
Binomial Negativa
2. Proceso de Poisson
Poisson
3. Otras Variables
Uniforme Discreta
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Proceso de Bernoulli
En la realizaci´on de algunos experimentos s´olo se pueden obtener
dos posibles resultados:
En el lanzamiento de una moneda se obtiene cara o cruz.
Una pieza puede estar defectuosa o no,
Cada observaci´on es clasificada en dos posibles categor´ıas, que
corresponden con la ocurrencia o no de un determinado suceso de
inter´es A.
Se llamar´a
´
Exito a la ocurrencia de A, y
¯
Fracaso a la no ocurrencia de A ( A).
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
En esta situaci´on, se llama Proceso de Bernoulli al experimento
en el que las observaciones cumplen las siguientes caracter´ısticas:
1. La probabilidad de ´exito (sucede A) es constante en las
repeticiones del experimento. Se denotar´a por p la
probabilidad de ´exito, y por q = 1 − p la probabilidad de
fracaso.
2. Las observaciones son independientes unas de las otras.
La observaci´on obtenida en un momento dado no depende de
los valores obtenidos con anterioridad.
En este proceso aparacen distintas variables aleatorias:
Bernoulli
Binomial
Geom´etrica
Binomial Negativa
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Distribuci´on Bernoulli
En la realizaci´on de un experimento con dos posibles resultados
(´exito y fracaso), la variable aleatoria
1
si ocurre “´exito”
X =
0
si ocurre “fracaso”
se dice que es una v.a. de Bernoulli de par´ametro p, y se denota
por X ∈ Ber(p)
Masa de probabilidad:
P (X = 1) = p
y
P (X = 0) = 1 − p = q
Caracter´ısticas:
E(X) = p
V ar(X) = p(1 − p) = pq
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Distribuci´on Binomial
Si se realiza el experimento un n´umero n de veces, la variable
X=”n´umero de ´exitos en n observaciones del experimento”
sigue una distribuci´on Binomial de par´ametros n y p, y se denota
por X ∈ Bin(n, p).
Masa de probabilidad
P(X = x) = n p x (1 − p) n−x ,
x = 0,1,
,n
x
Caracter´ısticas
E(X) = np
V ar(X) = np(1 − p)
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Bin(8,0.5)
0.3
0.27
0.22
0.22
0.2
0.11
0.11
0.1
0.03
0.03
0.00
0.00
0.0
012345678
número de éxitos
0.31
0.31
0.3
Bin(8,0.25)
0.3
Bin(8,0.75)
0.27
0.27
0.21
0.21
0.2
0.2
0.10
0.10
0.09
0.09
0.1
0.1
0.02
0.02
0.00 0.00 0.00
0.00 0.00 0.00
0.0
0.0
012345678 012345678
número de éxitos
número de éxitos
Figura: Masas de probabilidad de v.a. con distribuci´on Binomial
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
probabilidad
probabilidad
probabilidad
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Comentarios
1.
Ber(p) = Bin(1, p)
2.
Si X ∈
Bin(n, p) ⇒ n − X ∈ Bin(n, 1 − p)
X 1 ∈ Ber(p)
.
3.
.
⇒ X 1 +
+ X n ∈ Bin(n, p)
.
X n ∈ Ber(p)
∈ Bin(n 1 , p)
4.
X Y ⇒ X + Y ∈ Bin(n 1 + n 2 , p)
∈ Bin(n 2 , p)
5.
Tablas de la distribuci´on Binomial
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Ejercicio 4
Todos los d´ıas se seleccionan, de manera aleatoria, 5 unidades en
un proceso de producci´on industrial.
La gerencia ha decidido detener la producci´on cada vez que una
muestra de 5 unidades tenga dos o m´as defectuosas.
1. Si el porcentaje de piezas defectuosas es de p = 0,05 ¿cu´al es
la probabilidad de que el proceso sea detenido?
2. ¿Cu´anto vale la probabilidad anterior si p = 0,6?
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Soluci´on:
1. La v.a. X = ”n´umero de unidades defectuosas entre 5”sigue
una distribuci´on Bin(5, 0,05). Por lo tanto la probabilidad de
que el proceso sea detenido es de
p(X ≥ 2) = 1 − p(X < 2) = 1 − P (X = 0) − P (X = 1) =
1 − 0,77 − 0,20 = 0,02
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
2 Si p = 0,6 entonces X ∈ Bin(5, 0,6). Esta distribuci´on no
figura en las tablas por lo que es preferible considerar la varible
Y = 15 − X que representa el n´umero de unidades correctas
entre 5, y que sigue una ditribuci´on Y ∈ Bin(5, 0,4). La
probabilidad de que el proceso se detenga es
p(X ≥ 2) = p(5 − X ≤ 5 − 2) = p(Y
≤ 3) =
P (Y = 0) + P (Y =
1) + P (Y = 2) + p(Y = 3) =
0,08 + 0,26 + 0,35 + 0,23 = 0,91
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Ejercicio 5
Un examen tipo test consiste en 10 preguntas con cuatro
respuestas, siendo s´olo una correcta. Si un estudiante contesta el
examen t´otalmente al azar, calcular:
1. Probabilidad de que conteste correctamente 5 preguntas.
2. Probabilidad de que no conteste correctamente ninguna
pregunta
3. Probabilidad de que conteste por lo menos 5 preguntas
correctamente
4. ¿cu´al es el n´umero esperado y la desviaci´on t´ıpica del n´umero
de respuestas correctas?
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Soluci´on: La v.a. X=”n´umero de respuestas correctas en 10
preguntas” sigue una distribuci´on X ∈ Bin(10, 0,25).
1. La probabilidad de contestar correctamente a 5 preguntas es
P (X = 5) = 0,0584
2. La probabilidad de no contestar correctamente ninguna
pregunta es
P (X = 0) = 0,0563
3. La probabilidad de contestar por lo menos 5 preguntas es
P (X ≥ 5) = 1 − p(X = 0) − P (X = 1) − P (X = 2)−
P (X = 3) − P (X = 4) = 0,0781
4. El n´umero esperado y la desviaci´on t´ıpica del n´umero de
respuestas correctas es
E[X] = 10 · 0,25 = 2,5
y DT [X] = 10 · 0,25 · 0,75 = 1,37
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Distribuci´on Geom´etrica o de Pascal
En las mismas condiciones de antes, la v.a.
X=“n´umero de fracasos hasta obtener el primer ´exito”,
sigue una distribuci´on Geom´etrica de par´ametro p, y se denota por
X ∈ Geom(p)
Masa de probabilidad
1
P (X = x) = (1 − p) x p,
x = 0, 1, 2,
Caracter´ısticas
E(X) = 1 − p
V ar(X) = 1 − p
p
p
2
1 A diferencia de la binomial, la geom´etrica puede tomar infinitos valores.
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
0.5
Geom(0.5)
0.4
0.3
0.2
0.1
0.0
0
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15
número de fracasos hasta primer éxito
0.8
Geom(0.25)
Geom(0.75)
0.7
0.2
0.6
0.5
0.4
0.1
0.3
0.2
0.1
0.0
0.0
0
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15
0
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15
número de fracasos hasta primer éxito
número de fracasos hasta primer éxito
Figura: Masas de probabilidad de v.a. con distribuci´on Geom´etrica
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
probabilidad
probabilidad
probabilidad
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Ejercicio 6
Para unas oposiciones se realiza un test con 20 preguntas. Si una
persona tiene probabilidad 0.8 de contestar bien cada pregunta.
1. Calcular la probabilidad de que la primera pregunta que
conteste bien sea la tercera que hace.
Soluci´on: Sea X=”n´umero de preguntas falladas hasta
primera respuesta correcta”. Esta variables sigue una
distribuci´on X ∈ Geom(0,8), y la probabilidad pedida es
p(X = 2) = 0,2 2 · 0,8=0,032
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Distribuci´on Binomial Negativa
La distribuci´on binomial negativa es una generalizaci´on de la v.a.
geom´etrica al caso de que se observen n ´exitos. La variable
X =”n´umero de fracasos hasta obtener
el ´exito n-´esimo”
sigue una distribuci´on Binomial Negativa de par´ametros n e p, y se
denota por X ∈
BN (n, p).
Masa de probabilidad
P(X = x) = n + x − 1 (1 − p) x p n ,
x = 0,1,2,
x
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Caracter´ısticas:
E(X) = n(1 − p)
V ar(X) = n(1 − p)
p
p
2
Comentarios
1.
Geom(p) = BN (1, p)
X 1 ∈ Geom(p)
.
2.
.
⇒ X 1 +
+ X n ∈ BN (n, p)
.
X n ∈ Geom(p)
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Ejercicio 6 (continuaci´on)
2 Para aprobar el test es necesario contestar bien a 10
preguntas. ¿Cu´al es la probabilidad de que apruebe
exactamente al contestar la pregunta 12?
Soluci´on: Sea Y =”n´umero de preguntas falladas hasta
obtener 10 respuestas correctas”. Esta variable sigue la
distribuci´on Y ∈ BN (10, 0,8), obteni´endose la probabilidad
p(Y
= 2) = 10 + 2 − 1 0,8 10 · 0,2 2 = 0,2362
2
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Ejercicio 7
En el departamento de control de calidad de una empresa se
inspeccionan las unidades terminadas y se sabe que la proporci´on
de piezas defectuosas es del 5 %.
1. ¿Cu´al es la probabilidad de que a vig´esima unidad
inspeccionada sea la segunda que se encuentra defectuosa?
2. Calcular las probabilidad anterior para una proporci´on de
piezas defectuosas del 10 %.
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Soluci´on:
1. La v.a. X=”n´umero de piezas correctas hasta la segunda
defectuosa” sigue una distribuci´on X ∈ BN (2, 0,05). Por lo
tanto, la probabilidad que se solicita es
p(X = 18) = 2 + 18 − 1 0,95 18 · 0,05 2
=
18
19 · 0,397 · 0,0025 = 0,0189
2. Si la proporci´on de piezas defectuosas es del 10 %, entonces
X ∈
BN (2, 0,10) y
p(X = 18) = 2 + 18 − 1 0,90 18 · 0,1 2 = 0,0285
18
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Proceso de Poisson
El Proceso de Poisson es un experimento aleatorio que consiste en
observar la aparicion de sucesos puntuales en soporte continuo
(tiempo,longitud,
)
de forma que:
1. El n´umero de sucesos que ocurren en un determinado
intervalo es independiente del n´umero que ocurre en cualquier
otro intervalo disjunto al primero. Es decir, el proceso de
Poisson no tiene memoria.
2. La probabilidad de que ocurra un solo resultado en un
intervalo muy corto es proporcional a la longitud del intervalo
y no depende el n´umero de resultados ocurrido fuera de dicho
intervalo.
3. La probabilidad de que ocurra m´as de un resultado en tal
intervalo corto es insignificante.
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Distribuci´on de Poisson
En un experimento en las condiciones del proceso de Poisson, la
variabe
X=“n´umero de sucesos ocurridos por unidad de medida”
sigue una distribuci´on de Poisson de par´ametro λ, y se denota por
X ∈ P ois(λ)
Masa de Probabilidad
e −λ λ x
P(X = x) =
, x = 0,1,2,
x!
Caracter´ısticas
E(X) = λ
V ar(X) = V ar(X) = λ
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
0.3
P(10)
P(2)
0.2
0.1
0.1
0.0
0.0
0123456789
0
5
10
15
20
número de sucesos
número de sucesos
Figura: Masas de probabilidad de v.a. con distribuci´on de Poisson
Comentarios
X ∈ P ois(λ 1 )
⇒ X + Y ∈ P(λ 1 + λ 2 )
Y
∈ P ois(λ 2 )
Tablas de la distribuci´on de Poisson
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
probabilidad
probabilidad
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
VÁLIDA
NO VÁLIDA
0.3
Pois(2.00)
Pois(40.00)
Bin (50,0.04)
0.10
Bin (50,0.8)
0.2
0.05
0.1
0.0
0.00
01234567 25
30
35
40
45
50
55
Figura: La distribuci´on Bin(n, p) puede aproximarse por una
P oisson(λ = np) para n grande( n ≥ 30) y p peque˜no (p ≤ 0,1).
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Ejercicio 8
En un experimento de laboratorio el n´umero medio de part´ıculas
radioactivas que pasan a trav´es de un contador en un milisegundo
es cuatro. ¿cu´al es la probabilidad de que 6 part´ıculas entren al
contador en un milisegundo dado?
Soluci´on: La variable
X=”n´umero de part´ıculas que pasan por el contador en un ms.”
sigue una distribuci´on de Poisson de par´ametro λ = 4. Por lo
tanto, la probabilidad de que pasen 6 part´ıculas en un ms. es
P (P ois(4) = 6) = P (P ois(4) ≤ 6) − P (P ois(4) ≤ 5) =
0,8893 − 0,7851 = 0,1042
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Ejercicio 9
El n´umero medio de camiones que llegan cada d´ıa a una cierta
ciudad portuaria es de 10. Las instalaciones del puerto pouden
manejar como mucho 15 camiones al d´ıa. ¿Cu´al es la probabilidad
de que un d´ıa dado tenga que regresar alg´un cami´on?
Soluci´on: El n´umero de camiones que llegan sigue una distribuci´on
P ois(10). Por lo tanto, la probabilidad de que tenga que regresar
alg´una cami´on es
P (P ois(10) > 15) = 1 − P (P ois(10) ≤ 15) =
− e −10 10 0 + e −10 10 1
1
+ e −10 10 15
+
=
0!
1!
15!
1 − 0,95 = 0,05
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas
Variables Aleatorias Discretas Principales Distribuciones Bernoulli y Binomial Geom´etrica y Binomial Negativa
Variables Aleatorias Discretas
Principales Distribuciones
Bernoulli y Binomial
Geom´etrica y Binomial Negativa
Poisson
Poisson
Distribuci´on Uniforme Discreta
Una variable aleatoria X sigue una distribuci´on Uniforme Discreta
sobre n valores, x 1 , x 2 ,
probabilidad 1/n.
,x
n , si todos ocurren con la misma
Masa de probabilidad
P(X = x i )=1/n,
i = 0, 1,
,n
Por ejemplo, la variable ”valor obtenido al lanzar un dado” sigue
una distribuci´on discreta uniforme en los valores 1,2,
probabilidad de cada uno de ellos es
,6,
y la
P(X = i)=1/6,
i = 1,2,
,6
Javier Roca Pardi˜nas. Dpto. Estad´ıstica e I.O. UVIGO.
Tema 2. Variables Aleatorias Discretas