Cap - 5-Variables Aleatorias Especiales-Sesion 28-04-2020

CIV 271 Probabilidad y
Estadística
Capítulo 5. Variables Aleatorias EspecialeS
(Continuación)
Repaso de clase anterior
• Variable Aleatoria Bernoulli: Es un experimento cuyos resultados son solamente dos: “Éxito” (E) ó
“Fracaso” (F).
• La función de masa de probabilidad de X está dada por:

P{X=1} = p
P{X=0} = 1 – p = q
• Donde p es la probabilidad de Éxito.

Variable aleatoria Binomial:
X representa el número de éxitos obtenidos en n repeticiones de experimentos
Bernoulli.
La función de masa de probabilidad de una variable aleatoria binomial, con
parámetros (n, p), está dada por:
𝑛
P{X = x} = 𝑥
px (1 - p)n – x
Variable aleatoria de Poisson: X representa el número de resultados que ocurren
en un intervalo de tiempo dado o región específica.
La F.M.P. está dada por:
(𝜆𝑡) 𝑥
𝑃 𝑋=𝑥 = 𝑒 −𝜆𝑡 ; x =0, 1, 2, ….
𝑥!
Donde λ es el número promedio de resultados por unidad de tiempo o región
específica, y t es el intervalo de tiempo o región.
La v.a. de Poisson también se utiliza como una aproximación a la v.a. Binomial, con
parámetros (n,p), cuando n es grande y p pequeña. Con λt =np
Variable aleatoria de Poisson – Ejemplo 2
• El número de pinchazos en los neumáticos de cierto vehículo industrial tiene
una distribución de Poisson con media 0.3 por cada 50,000 kilómetros. Si el
vehículo recorre 100,000 km, determinar:
a) Probabilidad de que no tenga pinchazos.
b) Probabilidad de que tenga menos de tres pinchazos.
c) Número de km recorridos para que la probabilidad de que no tenga ningún
pinchazo sea 0.4066
Solución:
En este caso, t representa una región o tramo: t = 50,000 km, y el número de pinchazos
de los neumáticos tiene una media de λ = (0.3/50000).
Para una distancia de 100,000 km: λt = (0.3/50,000) *100,000 = 0.6
𝜆𝑡 𝑥 (0.6)0
a) P{X = 0} = 𝑒 −𝜆𝑡 = 𝑒 −0.6
𝑥! 0!
P{X =0} = 0.5488
Variable aleatoria de Poisson – Ejemplo 2
b) Encontrar la Probabilidad de que tenga menos de tres pinchazos.
c) El número de km recorridos para que la probabilidad de que no tenga ningún
pinchazo sea 0.4066
Solución:
b) P(X < 3) = P(X=0) + P(x=1) + P(X=2)
= 0.5488 + 0.3292 + 0.09878
= 0.9767
𝜆𝑡 𝑥
c) P(X =0) = 𝑒 −𝜆𝑡 = 0.4066
𝑥! 0.3
−0.3 0
(50000 𝑡) (50000𝑡)
=𝑒 = 0.4066
0!
Entonces:((-0.3/50000)* t) = ln (0.4066)
t = 150,000 km
Variable aleatoria Geométrica
• La distribución geométrica también se relaciona a una secuencia de pruebas Bernoulli,
excepto que el número de pruebas no es fijo y, de hecho, la variable aleatoria de interés,
denotada por X, se define como el número de pruebas requeridas para alcanzar el
primer éxito.
• Función de masa de probabilidad:

P{X = x} = p qx-1 ; x = 1, 2, ……
=0 ; de otra manera
Variable aleatoria Geométrica
• Media y varianza de la Variable aleatoria de Poisson
1 2 1−𝑝
μ= ; σ =
𝑝 𝑝2
• Distribución Geométrica
Variable aleatoria Geométrica - Ejemplo
• Un vendedor inmobiliario estima que la probabilidad de vender una
casa es de 0,10. Él tiene que ver a cuatro clientes hoy. Si él ha sido
exitoso con los tres primeros clientes, ¿Cuál es la probabilidad de que
con su cuarto cliente NO sea exitoso?
Solución:
p = 0.90 , q = 1-p = 0.10
p{X = 4} = p * qx – 1
= 0.9 * (0.10)3
= 0.0009
Variable aleatoria Binomial Negativa
• Es una secuencia de pruebas independientes Bernoulli con probabilidad de
éxito p. Si X es el número de fallas antes del r-ésimo éxito, entonces se dice que
X tiene una distribución Binomial Negativa, con parámetros r y p.
• Mientras que la v.a. Binomial cuenta el número de éxitos en un número fijo de
pruebas, la v.a. Binomial Negativa cuenta el número de fallas hasta un número
fijo de éxitos.
• La FMP de X esta dada por:
𝑥+𝑟−1
𝑃 𝑋=𝑥 = 𝑟−1
𝑝𝑟 𝑞 𝑥 x= 0, 1, 2, …
• Donde, q = 1 – p
Variable aleatoria Binomial Negativa-Ejemplo
• Encuentre la probabilidad de que una persona que lanza tres monedas
obtenga solo caras o solo cruces por segunda vez en el quinto lanzamiento.
• Solución:
La probabilidad de éxito es p = 2/8 = 1/4

Variable aleatoria Binomial Negativa-Ejemplo
Encuentre la probabilidad de que una persona que lanza tres monedas
obtenga solo caras o solo cruces por segunda vez en el quinto
lanzamiento.
Solución:
p = ¼, r=2. El número de fallas es: X=3. Entonces:
𝑥+𝑟−1
𝑃 𝑋=3 = 𝑟−1
𝑝𝑟 𝑞 𝑥
3+2−1 1 1
𝑃 𝑋=3 = 2−1
( )2 (1 − )3
4 4
4! 33 27
P X =3 = 1!3! 35
= 256
= 0.1055
Variable Aleatoria Uniforme
• Se dice que una variable aleatoria esta uniformemente distribuida, en
un intervalo [α, β], si su función de densidad de probabilidad esta
dada por:
1
; Si α ≤ x ≤ β
β−α
f(x)
0 ; de otra manera
• Media y Varianza:
𝛼+ 𝛽 (𝛽− 𝛼)2
μ= ; σ2 =
2 12
• La distribución uniforme aparece en la práctica cuando suponemos que se vuelve
igualmente probable que cierta variable aleatoria está cerca de cualquier valor en el
intervalo [α, β].
• La probabilidad de que X esté en cualquier intervalo [α, β], está dada por:
1 b
P{a≤ x ≤ b} =
β−α
‫׬‬a 𝑑x
𝑏−𝑎
=
β− α
Variable Aleatoria Uniforme - Ejemplo
• Unos autobuses llegan a una parada determinada a intervalos de 15 minutos a partir de las 7 a.m.
es decir llegan a las 7:00, 7:15, 7:30, 7:45, etc. Si un pasajero llega a la parada en un momento
que está distribuido uniformemente entre 7:00 y 7:30, encontrar la probabilidad de que espere al
auto.
a) Menos de 5 min.
b) Por lo menos 12 min.
Solución:
a) P{10 ≤ x ≤ 15} + P{25 ≤ x ≤ 30}
15−10 30−25
= +
30−0 30−0
1
=
3
Variable Aleatoria Uniforme - Ejemplo
a) Menos de 5 min.
b) Por lo menos 12 min.
Solución:
b)
P{0 ≤ x ≤ 3} + P{15 ≤ x ≤ 18} =
3−0 18−15
= +
30−0 30
1
=
5

Cap - 5-Variables Aleatorias Especiales-Sesion 28-04-2020

Cargado por

Copyright:

Formatos disponibles

Cap - 5-Variables Aleatorias Especiales-Sesion 28-04-2020

Cargado por

Información del documento

Título 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

Cap - 5-Variables Aleatorias Especiales-Sesion 28-04-2020

Cargado por

Copyright:

Formatos disponibles

CIV 271 Probabilidad y

• La función de masa de probabilidad de X está dada por:

• Donde p es la probabilidad de Éxito.

• Función de masa de probabilidad:

La probabilidad de éxito es p = 2/8 = 1/4

También podría gustarte