Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE CIENCIAS
DEPARTAMENTO DE MATEMÁTICA
Ejemplo 1: Se lanza al aire una moneda tres veces, en donde la probabilidad de obtener una cara es
1/3. Explique las razones de por qué este ejemplo corresponde a un experimento Binomial.
Del ejemplo anterior, nos interesa calcular la probabilidad de obtener un número x de caras al
lanzar tres veces la moneda. Podemos apreciar, que el evento “obtener cara” será nuestro éxito,
cuya probabilidad es 1/3; por lo que “obtener sello” sería fracaso, con probabilidad 2/3.
El espacio muestral asociado a este experimento aleatorio es: Ω = {CCC, CCS, CSC, SCC, SSC, SCS, CSS,
SSS}. Luego, si consideramos como X la variable aleatoria que indica la cantidad de caras obtenidas
al lanzar tres veces la moneda, su espacio es 𝒜𝑋 = {0,1,2,3}.
Dados los valores que puede tomar X, quedaría lo siguiente:
2 3 𝟑 𝟏
𝟎
𝟐 𝟑
𝑃(𝑋 = 0) = 𝑃(𝑆𝑆𝑆) = ( ) ⇒ 𝑪𝟎 ( ) ( )
3 𝟑 𝟑
1 2 2 𝟏 𝟏 𝟐 𝟐
𝑃(𝑋 = 1) = 𝑃(𝐶𝑆𝑆 ∪ 𝑆𝐶𝑆 ∪ 𝑆𝑆𝐶) = 3 ( ) ( ) ⇒ 𝑪𝟑𝟏 ( ) ( )
3 3 𝟑 𝟑
2 𝟐
1 2 𝟑 𝟏 𝟐 𝟏
𝑃(𝑋 = 2) = 𝑃(𝐶𝐶𝑆 ∪ 𝐶𝑆𝐶 ∪ 𝑆𝐶𝐶) = 3 ( ) ( ) ⇒ 𝑪𝟐 ( ) ( )
3 3 𝟑 𝟑
1 3 𝟏 𝟑
𝟐 𝟎
𝑃(𝑋 = 3) = 𝑃(𝐶𝐶𝐶) = ( ) ⇒ 𝑪𝟑𝟑 ( ) ( )
3 𝟑 𝟑
Ejemplo 2: Se dice que el 75% de los accidentes de una planta se atribuyen a errores humanos. Si
en un período de tiempo dado, se suscitan 5 accidentes, determine:
a) La probabilidad de que dos de los accidentes se atribuyan a errores humanos.
b) La probabilidad de que como máximo 1 de los accidentes se atribuya a errores de tipo
humano.
c) La probabilidad de que tres de los accidentes no se atribuyan a errores humanos.
d) La cantidad esperada de accidentes atribuibles a errores humanos. Calcule también la
desviación estándar.
Se lanza al aire una moneda cargada de tal manera que la probabilidad de que aparezca cara es de
1/3, mientras que la probabilidad de que aparezca sello es de 2/3. Determine la probabilidad de que
se necesiten 8 lanzamientos para obtener la primera cara.
Podemos observar que el único suceso que cumple con lo propuesto es SSSSSSSC. Sea X la variable
aleatoria que indica la cantidad de repeticiones necesarias para obtener una cara. Luego:
2 7 1
𝑃(𝑋 = 8) = (𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝐶) = ( ) ( )
3 3
De forma más general, si consideramos un número x de repeticiones para obtener el primer éxito,
donde la probabilidad de éxito es 𝑝, tendríamos:
1 1−𝑝 𝑝𝑒 𝑡
𝐸(𝑋) = , 𝑉𝑎𝑟(𝑋) = , 𝑀𝑋 (𝑡) = , 𝑡 < − log(1 − 𝑝)
𝑝 𝑝2 1 − 𝑒 𝑡 (1 − 𝑝)
Ejemplo 3: Tres personas lanzan una moneda y la que salga dispareja paga los cafés. Si todas las
monedas caen iguales, se lanzan nuevamente. Encuentre la probabilidad de que se necesiten menos
de 4 lanzamientos. Respuesta: 0,984375.
Se lanza al aire una moneda cargada de tal manera que la probabilidad de que aparezca cara es de
1/3, mientras que la probabilidad de que aparezca sello es de 2/3. Determine la probabilidad de que
se necesiten 5 lanzamientos para obtener 2 caras.
Como queremos que al quinto lanzamiento se cumplan los dos éxitos, necesariamente en la quinta
repetición debemos obtener una cara. En otras palabras, las combinaciones serían de 4 sobre 1.
Luego, los sucesos que cumplen con lo propuesto son: CSSSC, SCSSC, SSCSC, SSSCC. Sea X variable
aleatoria que indica la cantidad de repeticiones necesarias para obtener dos caras (cantidad de
éxitos requeridos). Luego:
1 2 2 3
𝑃(𝑋 = 5) = (𝐶𝑆𝑆𝑆𝐶 ∪ 𝑆𝐶𝑆𝑆𝐶 ∪ 𝑆𝑆𝐶𝑆𝐶 ∪ 𝑆𝑆𝑆𝐶𝐶) = 4 ( ) ( )
3 3
De forma más general, si consideramos un número x de repeticiones para obtener 𝑟 éxitos, donde la
probabilidad de ocurrencia es 𝑝, tendríamos:
𝑥−1 𝑟 (1
𝑃(𝑋 = 𝑥) = 𝐶𝑟−1 𝑝 − 𝑝)𝑥−𝑟 , 𝑥 = 𝑟, 𝑟 + 1, 𝑟 + 2, … (3)
𝑟
𝑟 𝑟(1 − 𝑝) 𝑝𝑒 𝑡
𝐸(𝑋) = , 𝑉𝑎𝑟(𝑋) = , 𝑀𝑋 (𝑡) = ( ) , 𝑡 < − log(1 − 𝑝)
𝑝 𝑝2 1 − 𝑒 𝑡 (1 − 𝑝)
Ejemplo 4: Una empresa se encuentra en la búsqueda de ingenieros ambientales para ocupar tres
puestos disponibles. Sin embargo, el día de las entrevistas, los encargados se dan cuenta que llegan
ingenieros de todas las especialidades por un error de procedimiento del equipo reclutador. Los
encargados estiman que la probabilidad de encontrar un ingeniero que cumpla con las
competencias pedidas es 0,2. ¿Cuál es la probabilidad de que deban entrevistar a más de 6
postulantes para llenar los cupos de trabajo disponibles? Respuesta: 0,90112.
Distribución Hipergeométrica: Los experimentos que tienen este tipo de distribución tienen las
siguientes características:
Al realizar un experimento con este tipo de distribución, se esperan dos tipos de resultados.
Las probabilidades asociadas a cada uno de los resultados no son constantes.
Cada ensayo o repetición del experimento no es independiente de los demás.
El número de repeticiones del experimento (n) es constante.
Este tipo de distribución se ocupa particularmente cuando se realiza se selecciona una muestra
aleatoria sin reposición. La función de cuantía de la distribución Hipergeométrica es:
𝐶𝑥𝑘 𝐶𝑛−𝑥
𝑁−𝑘
𝑃(𝑋 = 𝑥) = , 𝑥 = 0,1, … , min{𝑛, 𝑘}
𝐶𝑛𝑁
𝑛𝑘 𝑛𝑘 𝑁 − 𝑛 𝑘
𝐸(𝑋) = , 𝑉𝑎𝑟(𝑋) = ( ) ( ) (1 − )
𝑁 𝑁 𝑁−1 𝑁
Ejemplo 5: Una compañía recibe un pedido de veinte artículos. Dado que la inspección de cada
artículo es cara, se sigue la política de analizar una muestra aleatoria de seis artículos de cada envío,
aceptando la remesa si no hay más de un artículo defectuoso en la muestra. Si el pedido viene con
siete artículos defectuosos, calcular:
a) La probabilidad de que el pedido sea aceptado.
b) Que la muestra analizada contenga sólo artículos defectuosos.
c) Si se extraen seis artículos, ¿cuántos de ellos se espera que no sean defectuosos?
Respuestas: a) 0,2767 b) 0,00018 c) 2,1 ≈ 2
Distribución Poisson: En este tipo de experimentos los éxitos buscados son expresados por unidad
de área, tiempo, volumen, etc. Ejemplo:
Número de defectos de una tela por metro cuadrado.
Número de aviones que aterrizan en un aeropuerto por día.
Cantidad de bacterias por mililitro de cultivo.
Cantidad de eventos por kilómetro de pavimento.
Los experimentos que cumplen estas características se dice que deriva de un proceso Poisson, el
cual debe cumplir las siguientes propiedades:
El número X de éxitos o resultados que ocurren durante un proceso Poisson se dice que sigue una
distribución Poisson cuya función de cuantía es la siguiente:
𝑒 −𝜆 𝜆𝑥
𝑃(𝑋 = 𝑥) = , 𝑥 = 0,1,2,3, …
𝑥!
𝑡 −1)
𝐸(𝑋) = 𝜆, 𝑉𝑎𝑟(𝑋) = 𝜆, 𝑀𝑋 (𝑡) = 𝑒 𝜆(𝑒