Professional Documents
Culture Documents
Ensayo Bernoulli.
Definición. Un ensayo de Bernoulli es un experimento que tiene dos posibles resultados, a
uno de ellos se le llama ÉXITO y al otro FRACASO. (El investigador indica a qué
resultado posible le llamará éxito).
Ejemplo
Se lanza un dado y se observa si la cara que cae hacia arriba posee o no posee el Nro. 3.
Exp.
Acc.. Lanzar un dado.
Int. Observar si la cara que cae hacia arriba posee o no posee el número 3.
= , donde: t: la cara del dado muestra el Nro. 3 (sale el tres)
: la cara del dado no muestra el Nro. 3 (no sale el tres)
Sea t: éxito (E)
Ejemplo
De los alumnos que llevan el curso de Estadística II, la profesora selecciona un alumno y le
pregunta si presentó o no presentó los problemas desarrollados de la primera práctica
calificada.
Exp.
Acc. Seleccionar un alumno.
Int. Saber si presentó o no los problemas desarrollados de la primera práctica calificada.
= { s, n } , donde: s: presentó los problemas desarrollados.
n: no presentó los problemas desarrollados.
Sea s: éxito(E)
Ejemplo
De un lote de piezas, se selecciona una pieza y se observa si es defectuoso o no defectuoso.
Exp.
Acc Seleccionar una pieza.
Int. Observar si es defectuoso o no defectuoso.
= { b , m } donde: b: pieza buena.
m: pieza defectuosa.
Sea b: éxito.(E)
Distribución Bernoulli
Para cada experimento o ensayo Bernoulli dados líneas arriba podemos definir una variable
aleatoria X que toma solamente dos posibles valores, el valor cero o el valor uno, esto es:
X: Número de éxitos en una sola selección. (nombre de la variable)
X( E ) = 1
X( F ) = 0
RX : 0, 1
La función de cuantía es:
P( X = 0 ) = P( {F} ) = 1 – P
P( X = 1 ) = P( {E} ) = P
Si bien en las dos líneas anteriores se indica en forma explicita la probabilidad de cada uno de
los valores de la variable, sin embargo también puede expresarse en forma resumida a través
de una fórmula que es la siguiente:
P( X = k ) = Pk ( 1 – P )1 – k , k = 0, 1
Nota.
El ensayo Bernoulli generalmente esta en relación a una población finita con N elementos,
divididos en dos clases. Una de las clase tiene S elementos(S < N) y la otra tiene N – S
elementos,
Consideremos el ejemplo.
X: Número de veces que sale el tres en un solo lanzamiento.
X( t ) = 1, X( )=0
Rx : 0 , 1
Función de Cuantía.
P( X = 0 ) = P({ }) = P( {F ) = 5 / 6
P( X = 1 ) = P( { t }) = P({E}) = 1/ 6
P(X = k) = k = 0 , 1.
La variable X, su recorrido RX y la función de cuantía, P(X=k) nos proporcionan el
comportamiento probabilistico de la variable aleatoria, que se representa mediante la siguiente
gráfica:
Características Numéricas de la distribución Bernoulli
E( X ) = P V( X ) = P ( 1 – P )
Demostración.
Esperanza: E( X ) = 0( 1 – P ) + 1 ( P ) = P
Varianza: V( X ) = E( X2) - [ E ( X ) ]2
Previamente calcularemos
E( X2) = 02( 1 – P ) + 12 ( P ) = P
[ E ( X ) ]2 = P2
V ( X ) = P – P2 = P( 1 – P ) = PQ
V(X) = 1 / 6 + 1 / 36 = 1 / 6 ( 1 – 1 / 6 ) = (1 / 6) ( 5 / 6) = 0.14
DISTRIBUCIÓN BINOMIAL
Si un "experimento" consta:
1. De n ensayos Bernoulli
2. Los resultados de los ensayos son independientes
3. La probabilidad de éxito (P(éxito)=P) es constante, es decir es la misma de ensayo a
ensayo.
4. Interesa observar el número de éxitos
Al experimento que cumple estas condiciones se le llama experimento Binomial.
Cómo, sobre el espacio muestral generado por el experimento Binomial se define la variable:
X: Número de éxitos.
Donde Rx: 0, 1, 2,…, n.
A esta variable se le llama variable aleatoria Binomial.
La probabilidad de cualquier valor de la variable, se obtiene a partir de la siguiente función de
cuantía:
Ejemplo
Durante el vuelo de un avión la probabilidad que falle cualquiera de sus 6 motores es 0.0005.
Suponiendo que los 6 motores trabajan independientemente:
a. ¿cuál es la probabilidad de que todos los motores funcionen?
b. ¿Cómo es el comportamiento probabilistico de la Variable?
c. ¿Qué valor toma E(X) y V(X)?
Solución.
Exp.
Acción. Funcionamiento de los 6 motores de un avión en vuelo.
El análisis de esta acción, nos permitirá verificar los requisitos o condiciones del experimento
binomial, así:
1. Se observa si cada motor funciona o no funciona, es decir el funcionamiento de cada
motor constituye un ensayo Bernoulli, y como el avión cuenta con 6 motores entonces
se tiene 6 ensayos Bernoulli, n = 6, consideraremos éxito al buen funcionamiento de
un motor y lo denotaremos por “f”
2. El buen o mal funcionamiento de un motor no influye en el buen o mal
funcionamiento de otro motor.
3. La probabilidad de buen funcionamiento de cada motor es decir la probabilidad de
éxito es constante, P(f) = 0.9995. Es la misma de ensayo a ensayo.
Interesa. Observar el número de motores que funcionan bien.
El cumplimiento de estas tres condiciones nos dice que estamos frente a un experimento
Binomial, por lo tanto podemos definir la variable aleatoria:
X: Número de motores que funcionan bien.
Cuyo RX , es RX : 0, 1, 2, 3, 4, 5, 6.
Y su función de cuantía es:
P( X = k ) = k = 0,1,2,3,4,5,6.
Luego P( A ) = P[ X = 6 ] = =1,5625E-20
x p( x )
0 1,56E-20
1 1,87E-16
2 9,37E-13
3 2,50E-09
4 3,74E-06
0,0029925
5
1
0,9970037
6
5
DISTRIBUCIÓN HIPERGEOMÉTRICA
Si un experimento consta:
1. De n ensayos Bernoulli.
2. Los resultados de los ensayos no son independientes.
3. La probabilidad de éxito (P) es constante.
4. Interesa observar el número de éxitos
Al experimento que cumple con estas condiciones se le llama experimento Hipergeométrico.
Sobre el espacio muestral generado por el experimento se define la variable.
X: Número de éxitos.
Cuyo recorrido es: Rx: 0,1, 2...S. Si S < n, ó Rx: 0,1...n Si n ≤ S
S
N-S
Y su función de cuantía es :
E(X)=nP, V(X)=
Ejemplo
Los alumnos que llevan el curso de Estadística II, grupo 2 de la FISI en el semestre 2006 - I
son 32, de entre estos alumnos 10 están en el quinto semestre y el resto en el cuarto semestre.
La profesora del curso selecciona 3 alumnos y les pregunta sobre el ciclo en que se
encuentran.
a. ¿Cuál es la probabilidad que dos de los alumnos seleccionados se encuentren en el quinto
ciclo?
b. Muestre el comportamiento probabilistico de la variable.
c. ¿Cuál es el valor de E( X ) y V( X )?
Solución.
Exp.
Acción. Seleccionar 3 alumnos, sin reposición.
El análisis de esta acción, nos permitirá verificar los requisitos o condiciones del experimento
hipergeométrico, así:
3. El resultado de los ensayos no son independientes, es decir la probabilidad condicional
de que un alumno seleccionado esté en el quinto ciclo depende de los resultados de
las selecciones anteriores.
El cumplimiento de estas tres condiciones nos dice que estamos frente a un experimento
Hipergeométrico, por lo tanto la variable:
P( X = k ) = k = 0,1,2,3
Cálculo de la probabilidad del evento pedido.
Sea el evento:
a. A: Por lo menos dos alumnos se encuentren en el quinto ciclo.
x p(x)
0 0,13077
1 0,36325
2 0,34413
3 0,13765
b. E( X ) = 3(10 / 32 )= 0.9375
= 3( 10 / 32)( 22 / 32)(29 / 31 ) = 1.8368
= 1.3553
Propiedad.
Cuando N es suficientemente grande y n es pequeño respecto de N (en la práctica cuando n
<= 0.1N), la distribución hipergeométrica H(N, S, n) se aproxima a la distribución B(n, P), en
donde P es igual a S/N.
Demostración.
Sea la v.a. X y sea la v. a. Y
E(X) = nP E(Y) = n(S/N)
= nP(1-P) = nP(1-p)
Distribución Poisson.
Proceso Poisson
Muchos problemas consisten en observar lo que se conoce como eventos discretos en un
intervalo de tiempo continuo, por ejemplo, se puede observar la llegada de autos al
supermercado Metro de la Av. La Marina entre la 1 y las 3 de la tarde de un día determinado.
La llegada del auto al establecimiento es un evento discreto debido a que su hora de llegada es
un punto en el periodo continuo de 2 horas.
Otro caso puede ser el de un fabricante de cable aislante y se observa los defectos que ocurren
en un segmento específico de 2 mt. de longitud. En este caso el intervalo continuo son los 2
mts. y los eventos discretos son los defectos que ocurren en el cable, suponiendo que se puede
considerar a cada defecto como que ocurre en un solo punto a lo largo del cable.
Cada uno de los ejemplos dados y otros análogos puede considerarse como un proceso de
Poisson, sí, las ocurrencias de los eventos discretos se generan en tal forma que satisface la
siguiente definición.
Definición.
Los eventos discretos que se generan en un intervalo continuo, forman un proceso de Poisson
con parámetro , si tiene las siguientes propiedades:
1. El número medio de eventos discretos en el intervalo continuo es conocido e igual a
2. El intervalo continuo de cierta longitud se subdivide en intervalos cuya longitud es
suficientemente corta digamos h, tal que:
i. La probabilidad de que ocurra un evento discreto en el intervalo de longitud h es h.
ii. La probabilidad de que ocurran dos ó más eventos discretos en el intervalo de longitud h
es aproximadamente cero.
3. La ocurrencia de un evento discreto en un intervalo de longitud h no afecta a la ocurrencia
o no ocurrencia de un evento discreto en el intervalo contiguo de longitud h
Considerando el primer ejemplo dado al tratar este tema tenemos: la llegada de los autos al
estacionamiento del supermercado sería razonable suponer que no llega más de uno en el
mismo millonésimo de segundo, y que la llegada o no llegada de un auto en el primer
millonésimo de segundo no afecta a que llegue o no llegue otro automóvil en el siguiente
millonésimo de segundo. A partir de estas suposiciones, las llegadas constituyen un proceso
de Poisson.
Si se observa un proceso de Poisson durante cierto tiempo, el número de eventos discretos que
ocurren, es una variable aleatoria, es decir
X: Número de eventos discretos.
RX : 0,1,2,…..
Y la función de cuantía es:
P(X = k ) = , k = 0,1,2,….
A la distribución de probabilidades de la variable X se le llama Distribución Poisson y se
Solución.
Evento discreto: la llegada de un auto. Intervalo continuo: un minuto.
La llegada de los autos en el intervalo de un minuto forman proceso Poisson de parametro λ,
por lo tanto la variable es:
RX: 0, 1, …..
λ: 5 autos / minuto.
Su p(k) =
P(A) = P(X=1) =
b. Sea el evento B: Por lo menos dos autos lleguen durante un periodo de un minuto.
P(B) = P(X≥2) = 1-P(X<2)= 1-[P(X=0)+P(X=1)]
P(B) = 1 -
P(B) = 0.9595
P(X = k ) =
Como n ∞ p 0 y nP = 1..entonces:
P(X = k) =
Sea el evento: A: Mueran más de cuatro personas.
P(A) = P(X > 4 ) = 1 – P(X<= 4) = 1 – (P(X = 0) + P(X = 1)+P(X = 2)+P(X = 3)+P(X = 4)
P(A) = 1 -
P(A) = 1 – (0,36787944 + 0,36787944 + 0,18393972 + 0,06131324 +0,01532831)= 0.00365985