MODELOS PROBABILISTICOS

 
DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
 

Las aplicaciones de las variables aleatorias discretas distribuidas uniformemente

se encuentran en el desarrollo de las loterías y otras formas de juegos al azar,
en la generación de números aleatorios, para experimentos de ingeniería o de
simulación, etc.
 LA DISTRIBUCION BINOMIAL
 
 Una distribución de probabilidad discreta de suma utilidad para la descripción de
muchos fenómenos, es la distribución Binomial.
 La distribución Binomial posee cuatro propiedades esenciales:
 1. Cada observación se puede considerar como seleccionada de una población
Infinita sin reemplazo o de una población Finita con reemplazo.
 2. Cada observación se puede clasificar en una de las dos categorías Mutuamente
Exclusiva y Colectivamente Exhaustiva:  Éxito o Fracaso.
 3. La probabilidad de que una observación se clasifique como éxito, p, es constante
de una observación a otra, por lo tanto la probabilidad de que un concepto se
clasifique como fracaso, 1 - p (q), es contante de una observación a otra.
 4. El resultado (es decir, éxito o fracaso) de cualquier observación es independiente
del resultado de cualquier otra observación.  
 La variable aleatoria discreta o fenómeno de interés que sigue a la
distribución Binomial es el número de éxitos obtenidos en una muestra de n
observaciones.

FUNCION DE PROBABILIDAD DE LA VARIABLE ALEATORIA

En donde:
n!
f  X ; n, p   p X q n X
X ! n  X !
f  X ; n, p  = Es la probabilidad de que X, conociendo n y p.

 n = Es el tamaño de la muestra.
 p = Probabilidad de éxito.
 q = Probabilidad de fracaso.
 X = Variable aleatoria en la muestra.
PARAMETROS DE LA DISTRIBUCION
BINOMIAL
 La Media o el valor esperado de la distribución Binomial se puede
obtener con facilidad como el producto de sus dos parámetros, n y p, es
decir, para datos que están distribuidos Binomial mente, se calcula;
 x  E ( X )  np
La desviación estándar de la distribución Binomial se obtiene con;

 x  VAR ( X )  npq
EJEMPLOS:

1. En control de calidad de productos ¿cuál es la probabilidad de que en una

muestra aleatoria de 5 llantas del mismo tipo, no haya ninguna defectuosa,
si el 0.30 de todas esas llantas producidas en una planta en particular salen
defectuosas?
La muestra de las llantas también se selecciona sin reemplazo en un proceso
de producción en marcha, o sea, una población infinita de las llantas
fabricadas, conforme se inspecciona cada llanta en la muestra, se categoriza
como defectuosa (éxito) o no defectuosa (fracaso). En la totalidad de la
muestra de llantas, la probabilidad, p, de que una llanta en particular se
clasifique como defectuosa es de 0.30, de modo que la probabilidad de que
cualquier llanta se categorice como no defectuosa, 1 – p, es de 0.70. Se
supone que el proceso de producción es estable. Esto ocurría sí:
El modelo matemático que representa la distribución Binomial de obtener el
número de éxitos (X), dado que se conocen los parámetros n y p, es;
 Remplazo

n!
f  X ; n, p   p X q n X
X ! n  X !
 
Solución

F (0; 5; 0.30)= ( *.) Solución por formula

 
F (0; 20; 0.30)= 1(1* 0.0024)
 
F(X=0)= 0.0024 Es la probabilidad de que no haya ninguna defectuosa.
 
Estos modelos se pueden trabajar por la tabla de la distribución binomial
2. La probabilidad de que un paciente se recupere de
una rara enfermedad de la sangre es de 0.8. Si se sabe
que 15 han contraído esta enfermedad,

a .Cuál es la probabilidad de que como máximo 7 sobrevivan

b. Cuál es la probabilidad de que exactamente 7 sobrevivan
c. Cuál es la probabilidad de que por lo menos 7 sobrevivan
d. Cuál es la probabilidad de que de 4 a 7 sobrevivan
e. Encontrar la esperanza matemática.
f. Encontrar la desviación estándar.

 Este modelo se puede trabajar por la tabla de la distribución binomial.

n=muestra 15 pacientes
p= 0.8 probabilidad de enfermedad
q= 0.2 probabilidad de no enfermedad
  
Solución:
a. P( x 7 )= 0,0042 Es la probabilidad de que máximo pacientes siete
sobrevivan
b. P(x =7 )= P( x 7 ) - P( x ) = 0,0042-0,0008 = 0,0034 Es la probabilidad
de que exactamente siete sobrevivan.
c. P( x ≥ 7 )= 1 - P( x ) = 1 – 0,0008=0.9992 Es la probabilidad de que siete o
más pacientes se recuperen de la enfermedad.
d. P( 4 ≤ x 7 ) = P( x 7 ) - P( x ) = 0,0042-0,000=0,0042 Es la probabilidad
de que de siete a cuatro pacientes sobrevivan
e. µx = n p = ( 15 0.8) =12 En promedio 12 pacientes se recuperan.
f. = = 0.61 valor estimado de la desviación estándar
DISTRIBUCION DE POISSON

  
Sea X una variable aleatoria que representa el número de eventos
aleatorios independientes que ocurren a una rapidez constante sobre el
tiempo o el espacio. Se dice entonces que la variable aleatoria X tiene
una distribución de Poisson con función de probabilidad.
 FUNCION DE PROBABILIDAD DE LA VARIABLE ALEATORIA

 f(x ,µ ) =
En donde:
e= Es la base del logaritmo natural = (e= 2.71828).
 
X = Es la variable factorial.
µ = es el número real positivo, equivalente al número esperado de
ocurrencias durante un intervalo

PARAMETROS
  DE LA DISTRIBUCION POISSON
 Media =µ =µ
 Desviación estándar =
Ejemplo: El número de llamadas que llegan al conmutador de una universidad es
de 5 por minuto .Determine la probabilidad de:
a .Cuál es la probabilidad de que el conmutador este inactivo en un minuto dado
b. Cuál es la probabilidad de que ocurran máximo 2 llamadas por minuto
c. Cuál es la probabilidad de que ocurran mínimo 3 llamadas por minuto
d. Cuál es la probabilidad de que ocurran de 5 a 8 llamadas por minuto
e. Encontrar la esperanza matemática.
f. Encontrar la desviación estándar.
Solución:
µ=   solución por formula Remplazo
 
p (0 ,5) = =0,0057.

a. P(x )= 0,0057 la probabilidad de que el conmutador este inactivo en un

minuto dado es de 0,0057
b. P(x )= 0,1247 Es la probabilidad de que máximo entren dos llamadas
por minuto
c. P(x ≥ 3)= 1 - P(x ) = 1- 0,1247 =0,8753 Es la probabilidad de que entre
tres o más llamadas por minuto.
d. P (5 ≤ x ) = P(x ) - P(x ) =0,9319- 0,4405 = 0,4914 Es la probabilidad
de que entre de cinco a ocho llamadas por minuto.
 e. Media =µ = En promedio entran 5 llamadas por minuto a la central
telefónica de la universidad
f. Desviación estándar = = =2,23 Es la desviación típica o estándar para
este modelo
 
 
USO DE LA DISTRIBUCION DE POISSON PARA
APROXIMAR LA DISTRIBUCION BINOMIAL.

 La tabla de la distribución Binomial solo presenta las probabilidades

para n desde 1 hasta 20, de modo que para n  20, se debe emplear la
aproximación de Poisson si p es pequeña. Su aproximación es con
relación a las medias:

BINOMIAL POISSON
µx = n p µx = =µ
 Aproximación µx = n p
Ejemplo: Si la probabilidad de que una persona adquiera
la Enfermedad como consecuencia de una vacuna
contra la misma es de 0,0002; cual es la probabilidad de
que en una población de 10000 vacunados.

a. Máximo uno adquiera la enfermedad

b. Exactamente 5 adquiera la enfermedad
c. Más de 3 adquiera la enfermedad
d. De 3 a 5 personas adquieran la enfermedad.
Solución:
Aproximación
  µx = n p En este modelo se aproxima porque la muestra es
grande y no se encuentra en la tabla de la binomial y su probabilidad tiende a 0
µx = n p Solución por formula Remplazo
µx = 10000 * 0,0002= 2 En promedio dos personas adquieren la enfermedad.
Este modelo se trabaja como una distribución de poisson
a p.(x )= 0,4060 la probabilidad de que una o menos adquieran la
enfermedad
b. P(x = )= P( x ) - P( x ) =0.9834- 0.9473=0,0361 la probabilidad de que
exactamente cinco adquieran la enfermedad
c. P(x > 3)= 1 - P(x ) =1-0,6472=0,3528 la probabilidad de que más de tres
adquieran la enfermedad
d. P (3 ≤ x ) = P(x ) - P(x )= 0,9834-0,6767=0.3067 la probabilidad de que
de tres a cinco adquieran la enfermedad