ESTADISTICA y PROBABILIDAD I

SEMESTRE ACADEMICO: 2012-I

UNIDAD IV:
Introduccin a la Teora de Probabilidad

USMP, 05/ 2012

ESTADISTICA y PROBABILIDAD I

IV. INTRODUCION A LA TEORIA DE

PROBABILIDAD

Duodcima semana:

Sesin 1: Semejanza entre la distribucin hipergeomtrica y binomial.

Aproximacin de la distribucin binomial a la hipergeomtrica.

Sesin 2: Distribuciones discretas importantes: Distribucin de Poisson.

Parmetros de la distribucin de Poisson. Media y varianza.

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

1. Distribuciones Discretas Importantes:

Semejanza entre la distribucin Hipergeomtrica y binomial. Aproximacin de la
distribucin binomial a la Hipergeomtrica.

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

1. Aproximacin de la Hipergeomtrica a la Binomial

Si el tamao n de la muestra sin reemplazo es pequea con relacin a N, la

probabilidad de cada extraccin vara muy levemente. En la prctica cuando n es
menor que el 10% de N, (es decir n/N < 0.1) se aproxima la distribucin
hipergeomtrica a la distribucin binomial con parmetro p = M/N y n.

Entonces,

n M
h( x; N, n, M) b(x; n, M/N)
x N

M
1
N

n x

, x 0,1,2,...min(n, N)

La media y la varianza se aproxima por,

np n(M / N )

2 npq n( M / N )(1 M / N )( N n) /( N 1)

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

1. Aproximacin de la Hipergeomtrica a la Binomial

Ejemplo 1: Un auditor del Departamento de Impuesto sobre la Renta est

seleccionando una muestra de seis declaraciones de impuestos de personas de una
profesin particular, para una posible auditora. Si dos o ms de ellas indican
deducciones no autorizadas, se auditar todo el grupo (poblacin) de 100
declaraciones. Si el 25% de las declaraciones son incorrectas, determinar:
a.
La verdadera distribucin de probabilidad del nmero de declaraciones
incorrectas en la muestra. Cules son los parmetros?. Hallar la probabilidad
de una auditora ms detallada.
b.
Utilice una aproximacin a la verdadera distribucin de probabilidad para hallar
la probabilidad de una auditora ms detallada.

Solucin:

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

1. Aproximacin de la Hipergeomtrica a la Binomial

Ejemplo 1: Solucin
Definimos la variable aleatoria X como, X(w) = nmero de declaraciones incorrectas en
la muestra de 6.
Rx = {0, 1, 2, 3, 4, 5, 6}
N=100, M = 25, n = 6, N-M = 75
El muestreo es sin reemplazamiento.
a. Se cumple las condiciones de un experimento hipergeomtrico. Luego X es una
variable aleatoria hipergeomtrica. Por tanto la verdadera distribucin de
probabilidad es la hipergeomtrica,
25 75

6 x

, 0,1,2,3,4,5,6.
h( x;100,6,25)
100

Los parmetros son:

E(X) = 6(25/100) = 3/2 y V(X) = 6(25/100)(1-75/100)(94/99) = 47/44

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

1. Aproximacin de la Hipergeomtrica a la Binomial

Ejemplo 1: Solucin
Se har auditora ms detallada, si X toma valores mayores o iguales que 2.
Es decir,
P( X 2) 1 P( X 2) 1 P( X 0) P( X 1)

75 25 75

6
1 5
P ( X 2) 1 0.4691
100

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

1. Aproximacin de la Hipergeomtrica a la Binomial

Ejemplo 1: Solucin

b.

n/N = 6/100 = 0.06 es pequeo (6/100 < 0.1), aproximamos la

distribucin hipergeomtrica a la binomial con p = 25/100 = 1/4 .
Es decir,
6
x
6x
h( x;100,6,25) b( x;6,1 / 4) 1 / 4 1 1 / 4 , x 0,1,2,...,6.
x

Luego,
P( X 2) 1 P( X 2) 1 P( X 0) P( X 1)

P( X 2) 1 (0.75 ) 6 6(0.25 )( 0.75 )5

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

2. Distribuciones Discretas Importantes:

Distribucin de Poisson. Parmetros de la distribucin de Poisson.
Media y Varianza.

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

4. Distribucin Poisson
Definicin: Se dice que una variable aleatoria tiene distribucin de Poisson con
parmetro 0( X

P( )) si su funcin de probabilidad esta definida por:

e x

p( x) PX x x! , x 0,1,2,...
0 , en otro caso
Es claro que p( x) 0 para cada valor de X. A fin de verificar que la funcin p(x)

satisface

los requerimientos de toda funcin de probabilidad, se debe de probar que:

p ( x) 1

x
Por calculo diferencial e x 0
x!

x 0

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

4. Distribucin Poisson

Observacin:
La distribucin de Poisson es generalmente utilizada en los problemas en que se
cuentan el nmero de eventos de cierto tipo, que ocurren en un intervalo de
tiempo o en una regin o en un volumen. Por lo expuesto, esta distribucin es
llamada distribucin de los eventos raros, tales como:
-

Nmero de llamadas telefnicas recibidas por la central telefnica durante un

intervalo de pequeo de tiempo

Nmero de fallas de un computador en un da de operacin

Nmero de relatos de accidentes enviados a una compaa de seguros en una

semana

Nmero de clientes que entran a una oficina postal en un da determinado

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

4. Distribucin Poisson

Teorema. Si X es una variable aleatoria con distribucin de Poisson con parmetro

>0, entonces
a.

E (X )

b. V (X )
tx
( e 1)
c. M x (t ) E (e ) e
t

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

4. Distribucin Poisson

Ejemplo 1: Suponga que un nmero de errores tipogrficos en una pgina de un

libro tiene distribucin de Poisson con parmetro 1/ 2.
Halle la probabilidad de que por lo menos hay un error en esta pgina.
Solucin:

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

4. Distribucin Poisson

Ejemplo 1: Solucin
Sea X la variable aleatoria que denota el nmero de errores en la pgina, entonces
se tiene:

e 1/ 2 (1 / 2) 0
PX 1 1 PX 0 1
1 e 1/ 2 0.3935
0!
Por lo tanto, la probabilidad de que por lo menos hay un error en esta pgina es
de 0,39

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

4. Distribucin Poisson

Ejemplo 2: El nmero medio de automviles que llegan a una estacin de

suministro de gasolina es de 240 por hora. Si dicha estacin puede atender a un
mximo de 8 automviles por minuto, determine la probabilidad de que, en un
minuto dado, lleguen a la estacin ms automviles de los que puede atender.
Solucin:

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

4. Distribucin Poisson

Ejemplo 2: Solucin
Sea X la variable aleatoria que denota el nmero de automviles que llegan a la
estacin de servicio en un minuto dado.
El nmero medio de automviles que llegan a la estacin de suministro en un
minuto es

240
4,
60

entonces

X P(4), esto es

e 4 4 x
p( x) PX x
,
x!

x 0,1,2,...

ESTADISTICA y PROBABILIDAD I

IV.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

4.6. Distribuciones Discretas Importantes

4. Distribucin Poisson

Ejemplo 2. Solucin
Luego, reemplazando en la funcin de probabilidad:

4
e 4 48
4
PX 8 1 PX 8 1 e 4e ...
0.02134

8!

Por lo tanto , la probabilidad de que, en una minuto dado, lleguen a la estacin ms

automviles de los que puede atender es de 0.02.