Distribuciones de Probabilidad

Aproximaciones entre Distribuciones de Probabilidad

Departamento de Ingeniería Industrial

Unidad 3
Aproximaciones entre Distribuciones de Probabilidad

Material de Estudio – Unidad 3

Libro: Probability & Statistics for Engineers & Scientists. 2006.
Autores: Walpole, Ronald E. Pearson
Editorial: Prentice Hall.
Año: 2006.
Aproximaciones entre Distribuciones de Probabilidad

Aproximaciones
• Hipergeométrica a Binomial.
• Binomial a Poisson.
• Binomial a Normal.
• Poisson a Normal.
Hipergeométrica a Binomial

Definición
• Si la proporción 𝑁 es muy grande comparado con 𝑛; lo cual
𝑛 𝑘
implica que 𝑁 es pequeña, la distribución binomial con 𝑝 = 𝑁
es una aproximación de la distribución hipergeométrica.
𝑛
• Entre más pequeña sea 𝑁, mejor será la aproximación.
𝑛
• Se considera pequeño como 𝑁 ≤ 0.1.
Hipergeométrica a Binomial

Ejemplo
Un lote de producción de 1000 artículos contiene 10 unidades
defectuosas. Se selecciona una muestra de 8 unidades. Calcule
la probabilidad que no haya más de una unidad defectuosa.

Sea 𝑋: número de unidades defectuosas seleccionadas.

• Hipergeométrica: 𝑁 = 1000; 𝑛 = 8; 𝑘 = 10.
𝑃 𝑋 < 1 = 0.9976

• Binomial: 𝑛 = 8; 𝑝 = 10Τ1000 = 0.01.

𝑃 𝑋 < 1 = 0.9973
Hipergeométrica a Binomial

Ejemplo
Comparando las dos distribuciones…

Hipergeométrica Binomial
𝑥 𝑃 𝑥 𝑥 𝑃 𝑥
0 0.9225 0 0.9227
1 0.0751 1 0.0746
2 0.0024 2 0.0026
3 0.0000 3 0.0001
4 0.0000 4 0.0000
5 0.0000 5 0.0000
Hipergeométrica a Binomial

Ejemplo
Comparando las dos distribuciones…
Hipergeométrica:
𝑛𝑘 8 10
𝜇= = = 0.08
𝑁 1000

𝑘 𝑁−𝑛 𝑘 10 1000 − 10 10
𝜎2 = 𝑛 1− = 8 1− = 0.0785
𝑁 𝑁−1 𝑁 1000 1000 − 1 1000

Binomial:
𝜇 = 𝑛𝑝 = 8 0.01

𝜎 2 = 𝑛𝑝𝑞 = 8 0.01 1 − 0.01 = 0.0792

Binomial a Poisson

Definición
• Siempre que 𝑝 sea pequeño y 𝑛 sea grande, la distribución
binomial se puede aproximar a una distribución Poisson con
𝜆 = 𝑛𝑝.
• Se considera p pequeño como 𝑝 < 0.1.
Binomial a Poisson

Ejemplo
En un proceso de fabricación de productos de vidrio ocurren
defectos o burbujas, lo que deja ocasionalmente a la pieza
indeseable para su venta. Se sabe que en promedio uno de
cada 1000 artículos que se producen tiene una o más burbujas.
¿Cuál es la probabilidad de que una muestra aleatoria de 8000
tenga menos de 7 artículos con burbuja?
Binomial a Poisson

Ejemplo
Binomial:
𝑋: Número de artículos indeseables en la muestra; 𝑛 = 8000;
𝑝 = 0.001.
8000 𝑥 8000−𝑥
𝑃 𝑥 = 0.001 1 − 0.001 , 𝑥 = 0,1,2, … , 8000
𝑥

Poisson:
𝑋: Número de artículos indeseables en 8000 artículos; 𝜆 = 1;
𝑡 = 8.
𝑒− 1 8 1 × 8 𝑥
𝑃 𝑥 = , 𝑥 = 0,1,2, …
𝑥!
Binomial a Poisson

Ejemplo
Comparando las dos distribuciones…
Binomial Poisson
𝑥 𝑃 𝑥 𝑥 𝑃 𝑥
0 0.0003 0 0.0003
1 0.0027 1 0.0027
2 0.0107 2 0.0107
3 0.0286 3 0.0286
4 0.0572 4 0.0573
5 0.0916 5 0.0916
6 0.1222 6 0.1221
Total 0.3133 Total 0.3134
Binomial y Poisson a Normal

Definición
• Si 𝑋 es una variable aleatoria binomial con 𝐸 𝑋 = 𝜇 = 𝑛𝑝 y
varianza 𝑉 𝑋 = 𝜎 2 = 𝑛𝑝𝑞, entonces 𝑋 se puede aproximar a
una distribución normal con igual media y varianza, siempre
que 𝑛 sea grande y 𝑝 no sea cercana a 0 ni a 1; es decir,
𝑛𝑝 ≥ 5 y 𝑛𝑞 ≥ 5.
• Por ende, la variable aleatoria 𝑍 sigue una distribución normal
estándar, donde 𝑍 es
𝑋 − 𝑛𝑝
𝑍=
𝑛𝑝𝑞
Binomial y Poisson a Normal

Definición
• Si 𝑋 tiene una distribución de Poisson con parámetro 𝜆, se
puede aproximar a una distribución normal siempre que 𝜆 sea
grande.
• La media y varianza serán 𝜇 = 𝜎 2 = 𝜆.
Binomial y Poisson a Normal

Definición
Para aproximar una probabilidad binomial o Poisson con una
distribución normal, se debe realizar la siguiente corrección:
• 𝑃 𝑋 = 𝑎 = 𝑃 𝑎 − 0.5 ≤ 𝑋 ≤ 𝑎 + 0.5
• 𝑃 𝑋 < 𝑎 = 𝑃 𝑋 ≤ 𝑎 − 0.5
• 𝑃 𝑋 ≤ 𝑎 = 𝑃 𝑋 ≤ 𝑎 + 0.5
• 𝑃 𝑋 > 𝑎 = 𝑃 𝑋 ≥ 𝑎 + 0.5
• 𝑃 𝑋 ≥ 𝑎 = 𝑃 𝑋 ≥ 𝑎 − 0.5
• 𝑃 𝑎 < 𝑋 < 𝑏 = 𝑃 𝑎 + 0.5 < 𝑋 < 𝑏 − 0.5
• 𝑃 𝑎 ≤ 𝑋 < 𝑏 = 𝑃 𝑎 − 0.5 < 𝑋 < 𝑏 − 0.5
• 𝑃 𝑎 < 𝑋 ≤ 𝑏 = 𝑃 𝑎 + 0.5 ≤ 𝑋 < 𝑏 + 0.5
• 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = 𝑃 𝑎 − 0.5 ≤ 𝑋 < 𝑏 + 0.5
Binomial y Poisson a Normal

Definición
¿Por qué corrección?
Binomial y Poisson a Normal

Ejemplo 1
El 10% de todos los ejes de acero producidos por cierto proceso
están fuera de las especificaciones. Se toma una muestra
aleatoria de 200 ejes. Sea 𝑋 el número de los ejes que están
fuera de las especificaciones. Calcule la probabilidad de que el
número de ejes que están fuera de las especificaciones sean:
a. Igual a 25.
b. A lo sumo 30.
c. Entre 18 y 35.
d. Más de 40.
Binomial y Poisson a Normal

Ejemplo 1
a. Igual a 25.
𝑋: número de los ejes que están fuera de las especificaciones.
𝜇 = 𝑛𝑝 = 200 × 0.1 = 20 𝜎 2 = 𝑛𝑝𝑞 = 200 × 0.1 × 0.9 = 18

Binomial:
200 𝑥 200−𝑥
𝑃 𝑋 = 25 = 0.1 1 − 0.1 = 0.0444
𝑥
Normal:
24.5 − 20 25.5 − 20
𝑃 𝑋 = 25 = 𝑃 24.5 < 𝑋 < 25.5 = 𝑃 <𝑍<
18 18
𝑃 = 1.06 < 𝑍 < 1.30 = 0.0461
Binomial y Poisson a Normal

Ejemplo 1
b. A lo sumo 30.
𝑃 𝑋 ≤ 30 = 𝑃 𝑋 ≤ 30.5

30.5 − 20
𝑃 𝑋 ≤ 30.5 = 𝑃 𝑍 < = 𝑃 𝑍 < 2.47
18

𝑃 𝑍 < 2.47 = 0.9932

Binomial y Poisson a Normal

Ejemplo 1
c. Entre 18 y 35.
𝑃 18 ≤ 𝑋 ≤ 35 = 𝑃 17.5 ≤ 𝑋 ≤ 35.5

17.5 − 20 35.5 − 20
𝑃 17.5 ≤ 𝑋 ≤ 35.5 = 𝑃 <𝑍<
18 18

𝑃 −0.59 < 𝑍 < 3.65 = 0.7189

d. Entre 18 y 35.
𝑃 𝑋 > 40 = 𝑃 𝑋 > 40.5 = 𝑃 𝑍 > 4.83 = 0
Binomial y Poisson a Normal

Ejemplo 2
El número de huracanes que cada otoño se forman en el Caribe
es en promedio 14. Determine la probabilidad que se formen
entre 10 y 18 huracanes durante un otoño.

Sea 𝜆 = 𝜇 = 𝜎 2 = 14 ℎ𝑢𝑟𝑎𝑐𝑎𝑛𝑒𝑠Τ
𝑜𝑡𝑜ñ𝑜.
9.5 − 14 18.5 − 14
𝑃 10 ≤ 𝑋 ≤ 18 = 𝑃 9.5 ≤ 𝑋 ≤ 18.5 = 𝑃 ≤𝑍≤
14 14

𝑃 −1.20 ≤ 𝑍 ≤ 1.20 = 0.7698

Aproximaciones entre Distribuciones de Probabilidad

Asignación
Un fabricante de baterías desea controlar la calidad de su
producto y rechazar cualquier lote en el que la proporción de
baterías que tengan voltaje inaceptable sea demasiado alto.
Con este fin, de cada lote grande de 10000 bateras, selecciona
y prueba 25. Si por lo menos 5 de estas generan un voltaje
inaceptable, todo el lote será rechazado.
¿Cuál es la probabilidad de rechazar el lote si 5% de las bateras
del lote tienen voltaje inaceptable?
Resuélvalo, si es posible, usando las distribuciones
Hipergeometrica, Binomial, Poisson y Normal.