Modelos de Probabilidad

Distribución Binomial
Consiste en un modelo de probabilidad que brinda una respuesta al número de éxitos probables.
Esta distribución depende de como la Data es producida, para los fines se deben presentar las
siguientes premisas:
1. Hay un número fijo “n” de observaciones.
2. Las “n” observaciones son todas independientes. Esto es, conociendo el resultado de una
observación no tiene influencia sobre los resultados posibles de las demás observaciones.
3. Cada observación solo puede tomar dos categorías, las cuales por conveniencia se
categorizan como “éxito” o “fracaso”.
4. La probabilidad de un suceso, llamado “p”, es la misma para cada observación.
Definición Distribución Binomial. La distribución de el conteo “X” de sucesos en un experimento
Binomial es la distribución binomial con parámetros “n” y “p”. El parámetro “n” es el número de
observaciones, y “p” es la probabilidad de un suceso para cualquier observación. Los posibles
valores de “X” son todos los números enteros desde 0 a “n”.
Definición Probabilidad Binomial. Si “X” tiene una distribución Binomial con “n” observaciones y
probabilidad “p” de éxito en cada observación, los posibles valores de “X” son 0,1,2,…,n. Si “k”
es cualquier de esos valores,
Media y Desviación Estándar Binomial. Si un conteo “X” tiene una distribución Binomial de “n”
observaciones y probabilidad de éxito “p”, la Media y la Desviación Estándar de “X” son,
Aproximación Normal a la Distribución Normal. Indica que si “X” es un conteo que tiene una
distribución binomial con parámetros “n” y “p”, entonces cuando “n” es grande, “X” es
aproximadamente “N(np,√np(1 − p))”. Esta aproximación tiene relevancia cuando np > 10 y n(1
– p) >= 10.
Ejemplo.
Un ingeniero que labora en el departamento de control de calidad de una empresa eléctrica
inspecciona una muestra al azar de 10 alternadores de un lote. Si el 20% de los alternadores del
lote están defectuosos. Cuál es la probabilidad de que, en la muestra, a) ninguno esté defectuoso,
b) uno salga defectuoso, c) al menos dos salgan defectuosos d) más de tres estén con defectos
e) no más de tres estén con defectos.
Solución usando Excel, obtenemos los resultados siguientes:
a) DISTR.BINOM.N(0,10,0.20,FALSO) = 0.10737 ≡ 0.1734
b) DISTR.BINOM.N(1,10,0.20,FALSO) = 0.26844 ≡ 0.2684
c) 1- DISTR.BINOM.N(1,10,0.20,VERDADERO) =1- 0.3758= 0.6242
d) 1 - DISTR.BINOM.N(2,10,0.20,VERDADERO) = 1 – 0.6778= 0.3222
e) DISTR.BINOM.N(3,10,0.20,VERDADERO) = 0.8791
Distribución de Poisson
La distribución de Poisson es otra distribución para contar variables aleatorias. Contar el número
de eventos (éxitos) que ocurren en alguna unidad de medida fija o un periodo de tiempo. Para
este tipo de situación la distribución de Poisson es apropiada.
Premisas para la Distribución de Poisson
1. El número de éxitos que ocurre en cualquier unidad de medida es independiente del número
de sucesos que ocurren en cualquier unidad de medida no superpuesta.
2. La probabilidad que un suceso ocurra en una unidad de medida es la misma para todas las
unidades de igual tamaño y es proporcional al tamaño de la unidad.
3. La probabilidad que 2 o más sucesos ocurran en una unidad tiende a 0 a medida que el tamaño
de la unidad se hace menor.
Definición Distribución de Poisson. La distribución de el conteo “X” de sucesos en un experimento
de Poisson es la Distribución de Poisson con media µ. El parámetro µ es la media de el número
de sucesos por unidad de medida. Los posibles valores de “X” son todos los números enteros
0,1,2,3,…,n. If “k” es cualquier número entero 0 o mayor, entonces,
La desviación estándar de la distribución es √μ.

Ejemplo.
Una empresa electrónica observa que el número de componentes que fallan antes de cumplir
100 horas de funcionamiento es una variable aleatoria de Poisson. Si el número promedio de
estos fallos es 8,
1. ¿cuál es la probabilidad de que falle un componente en 25 horas?
2. ¿y de que fallen no más de dos componentes en 50 horas?
3. ¿cuál es la probabilidad de que fallen por lo menos diez en 125 horas?
Solución usando Excel, obtenemos los resultados siguientes:
1. P(Z=1; λ=2) = POISSON.DIST(1,2,FALSO) = 0.2707
2. P(U≤2; λ=4) = POISSON.DIST(2,4,VERDADERO) = 0.2381
3. P(V≥10;λ=10) = 1 – P(V<10; λ=10) = 1- POISSON.DIST(9,10,VERDADERO) = 0.54207
Distribución Geométrica
Una variable X tiene una distribución geométrica con parámetro “p” si,
, para x = 1,2,3,…
Para una distribución Geométrica,
- La Media,
- La Varianza,
- La Desviación Estándar,
Ejemplo.
Sí la probabilidad de que un cierto dispositivo de medición muestre una desviación excesiva es
de 0.05, ¿cuál es la probabilidad de que el sexto de estos dispositivos de medición sometidos a
prueba sea el primero en mostrar una desviación excesiva?
Solución:
x = 6 que el sexto dispositivo de medición probado sea el primero que muestre una variación
excesiva
p = 0.05 =probabilidad de que un dispositivo de medición muestre una variación excesiva
q = 0.95 =probabilidad de que un dispositivo de medición no muestre una variación excesiva
p(x = 6) =
Distribución Hipergeométrica
La distribución Hipergeométrica de parámetros k, n y N (HG (k, n, N)) surge en situaciones en
donde el modelo aproximado de probabilidad se corresponde con muestreo sin reemplazamiento
de una población dicotómica (Exito y Fracaso) finita.
Concretamente, las suposiciones que llevan a considerar esta distribución son:
• La población o conjunto donde deba hacerse el muestreo consta de N individuos o elementos
a seleccionar.
• Cada individuo puede ser caracterizado como un éxito (E) o fracaso (F).
• Se selecciona una muestra de n individuos de entre los k individuos marcados como éxito y los
N − k restantes marcados como fracaso.
• Hay selección equiprobable en cada paso.
Propiedades. Distribución Hipergeométrica de parámetros k, n y N
- Media µ
- Varianza σ2
- Desviación Típica σ
Ejemplo.
Un auditor selecciona una muestra de 6 declaraciones de impuestos de personas de una
profesión particular de un total de 50. Si 2 o más de ellas indican deducciones no autorizadas,
se auditará a todo el grupo. La cantidad de declaraciones con deducciones no autorizadas sigue
una distribución hipergeométrica.
Fuentes para ejemplos:

https://jrvargas.files.wordpress.com/2010/07/ejercicios-resueltos-de-distribucic3b3n-binomial-y-
poison-usando-tablas-y-excel.pdf
http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/07Distr%20Geometrica
.htm

Modelos de Probabilidad

Cargado por

Copyright:

Formatos disponibles

Modelos de Probabilidad

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelos de Probabilidad

Cargado por

Copyright:

Formatos disponibles

Distribución Binomial

La desviación estándar de la distribución es √μ.

Fuentes para ejemplos:

También podría gustarte