ESTADISTICA II
Profesora: Betty Mendoza
1.-Distribuciones Discretas de Probabilidad.
Son de interés: La distribución Binomial, la distribución de Poisson y la Hipergeométrica.
1.1-La Distribución Binomial
Es una de las de mayor utilidad. Son numerosas las áreas de aplicación, tales como:
- Área de ventas
-Mercadotecnia
-Control de Calidad
-Medicina
-Administración
Esta distribución describe procesos en las que figuran datos discretos, es aplicable como modelo para
situaciones de toma de decisiones en los que puede suponerse que un proceso de muestreo responde a un
experimento o proceso de Bernoulli
Un proceso de Bernoulli debe satisfacer las siguientes condiciones:
1.- En cada ensayo u observación sólo son posibles dos resultados mutuamente excluyentes que
Son: éxito (el evento ocurre) y fracaso (el evento no ocurre). Por ejemplo:
- en el caso de personas que presentan una prueba el resultado para cada una de las personas sólo pueden
ser dos, aprobado (éxito) o aplazado (fracaso).
2.- Los ensayos o experiencias son independientes, es decir, el resultado de uno de ellos no afecta al que
tenga otro cualquiera.
3.- La probabilidad de éxito en cada ensayo, indicada por “p”es constante de un ensayo a otro y la
probabilidad de fracaso es denotada por “q”, entonces se cumple:
si
si
4.- El ensayo se puede repetir “n “veces
La variable aleatoria binomial “x” es el conteo del número de ensayos con éxito que ocurren; x puede
asumir cualquier valor entero de cero a “n”.
La probabilidad ( )de obtener exactamente x éxitos en “n “ensayos binomiales, se calcula mediante la
fórmula:
( ) ( )
Donde:
nombre de la variable aleatoria
valor posible de la variable aleatoria, 0, 1, 2, 3,4…
número de ensayos
( ) = número de formas en que “n” ensayos pueden ocurrir exactamente x éxitos.
( ) ( )
; Factorial ;
probabilidad de x éxitos
probabilidad de que en los ( ) ensayos restantes ocurrirá fracaso
*Los valores de p y q dependen del nombre que se le de a la variable x.
*La probabilidad de ocurrencia de (p ) debe estar asociada a la variable aleatoria descrita en el problema
Ejemplo 1: La probabilidad de que una persona que hace compras en cierto supermercado aproveche su
promoción especial de galletas dietéticas es 0.30. Obtenga las probabilidades de que entre seis personas
que compran en este supermercado aprovechen la promoción:
a) exactamente tres de ellas
b) al menos dos
Solución: En primer lugar se debe definir la variable aleatoria que describe el problema
Sea número de personas que compran en el supermercado y aprovechan la promoción
0.30 ; 0.70 n= 6
a) ( ) ( ) (0.30)3 (0.70)3= 0.185 Hay 18.5% de probabilidad de que 3 personas de seis que
hacen compra en el supermercado aprovechen la promoción.
Nota: Puede usar la tecla nCr de la calculadora para hallar el número combinatorio ( ), donde n=6
y r=3., 6C3=20
b) P( x )= P( x=2) +P( x= 3) + P(x= 4) + P(x = 5 )+ P ( x=6)
Los cálculos se simplifican si se usa la probabilidad complementaria:
P(x ) ( )
= 1 – (P(x= 0) + P( x= 1))
= 1 - (( ) (0.30)0(0.70)6 + ( ) (0.30)1(0.70)5)
=1 – (0.118 + 0.303)
P(x ) 1 – (0.421)= 0.579 = 57.9% de probabilidad de que al menos dos personas de seis que
hacen compra en el supermercado aprovechen la promoción.
1.2 Propiedades de la Distribución Binomial
El valor esperado de éxitos (media) y la varianza de una distribución binomial dada pueden calcularse
con las fórmulas:
E(x) = np
Si q = 1- p, la varianza del número de éxitos con: V(x) = npq
la desviación típica √
1.3 Limitaciones de la Distribución Binomial
Cuando “n” es muy grande y p es muy pequeña el empleo de la distribución puede complicarse, en ese
caso resulta conveniente aproximar la distribución binomial mediante una distribución apropiada como
la de Poisson.
2.- Distribución de Poisson
Se trata de una distribución discreta de probabilidad, ideada por Simeón Denis Poisson. Es una
variación límite de la distribución binomial y es muy usada en el sistema de control de calidad, en
cuanto a productos defectuosos, así como también en física, biología, ingeniería industrial para la
estimación de los tiempos de espera y en los negocios de seguros.
Es de gran utilidad cuando se trata de describir procesos en los cuales la variable aleatoria representa el
número de eventos independientes que se suceden a un ritmo, una velocidad constante en el tiempo o el
espacio. En este tipo de procesos los éxitos buscados son expresados por unidad de área, tiempo, espacio,
etc. La unidad de medición es continua pero la variable aleatoria, número de sucesos es discreta.
En una distribución de Poisson, la probabilidad de obtener exactamente “x” éxitos, designada por
P(X=x) es:
P(X=x)=
Donde:
λ promedio de éxitos en el intervalo de tiempo de interés
x= número de veces que ocurre el suceso durante un intervalo de tiempo dado.
e= 2,71828.. . es la base del sistema de logaritmos naturales.
Ejemplo 2.- El número promedio de demandas presentadas a una compañía de seguros es de 2
demandas por día. ¿Cuál es la probabilidad de que en un día cualquiera.
a) se presenten exactamente tres demandas
b) no se presente ninguna demanda.
Solución:
Sea X= número de demandas presentadas por día; λ demandas por día
a) P(X= 3)= = 0.18 = 18% de probabilidad de que se presenten tres demandas por día
b) P(X=0)= = 0.135 = 13.5% de probabilidad de que no se presente ninguna demanda
Ejemplo 3.- Si en un departamento de reparación de maquinarias se recibe un promedio de cinco
llamadas de servicio por hora, la probabilidad de que durante una hora aleatoriamente elegida se
reciban menos de tres llamadas es:
Sea X= número de llamadas de servicio por hora
λ 5 llamadas por hora
P(X < 3) = P(X=0) + P( X= 1) + P( X= 2)
= + + = 0.0067 + 0.0337 + 0.0842 = 0.1246 =12.46 % de
probabilidad de que se reciban menos de tres llamadas
Ejemplo 4.- En una tienda de telas, un promedio de 12 personas por hora le hacen preguntas a un
decorador. La probabilidad de que dos o más personas se acerquen al decorador para hacerle
preguntas en un período de 10minutos es la siguiente:
Sea X= número de personas que se acercan al decorador para hacerle preguntas
- λ personas por hora,
promedio en min λ x /6 x 10min= 120/60 = 2 personas por hora
P(X )= 1- P ( X < 2)= 1 – ( P(x=0) + P (x= 1)) = 0.5941 ( verifique el resultado)
2.1.-Propiedades de la distribución de Poisson
Por definición son las siguientes:
El valor esperado (media a largo plazo) es E(x) λ.
La varianza del número de eventos es V(x) λ y la desviación estándar √λ
3.-Aproximación de Poisson de Probabilidades Binomiales.
En la distribución binomial si n es grande y la probabilidad de ocurrencia de un suceso es muy pequeña,
de modo que q=1-p es casi 1, el suceso se llama un suceso raro. En la práctica un suceso se considera raro
si el número de ensayos es al menos 50 ( n 5 ), mientras np < 5. En tal caso, la distribución binomial
queda aproximada estrechamente por la distribución de Poisson con λ np.
Una regla adecuada es que esta aproximación puede efectuarse cuando n , y np < 5 o nq <5
La media de una distribución de Poisson que se utiliza para aproximar probabilidades binomiales es
λ np
Ejemplo5.- Una compañía de seguros considera la adición de cobertura de gastos médicos mayores
para una enfermedad muy rara. La probabilidad de que un individuo aleatoriamente elegido tenga esa
enfermedad es de 0.001, y el grupo asegurado es de 2000 individuos.
a) cuál es el número esperado de personas que tendrá la enfermedad en el grupo?
b) Cuál es la probabilidad de que ninguna de las 2000 personas de este grupo presente la
enfermedad?
Solución:
Sea x= número de personas que padecen la enfermedad
La distribución del número de personas que tendrán la enfermedad sigue la distribución binomial con
n = 2000 y p=0.001
E(x) = np =2000(0.001)= 2 personas
Como n es muy grande y p es muy pequeña, se puede usar la distribución de Poisson para aproximar
La distribución binomial porque n , y np < 5
P(X =0) = ( )= 0.1353 = 13.53% de que ninguna padezca la enfermedad
4.- Distribución Hipergeométrica
Cuando el muestreo se realiza sin remplazo de cada elemento muestreado tomado de la población
finita de elementos no se aplica el proceso de Bernoulli, porque cuando se eliminan elementos de la
población existe un cambio sistemático en la probabilidad de éxito.
4.1Características que definen una variable Hipergeométrica.
a) El experimento consiste en extraer al azar y sin sustitución “n” elementos de un conjunto total de N
elementos; T de los cuales son éxitos y N-T son fracasos.
b) El tamaño de la muestra “n “ es grande en comparación con el número N de elementos de la
población , esto es n/N > 0.05.
c) La variable aleatoria hipergeométrica x es el número de resultados exitosos en la muestra de “n
“elementos.
La fórmula para determinar probabilidades hipergeométrica es:
( )( )
P( X=x)=
( )
Dónde:
X=número establecidos de éxito
N= número total de elementos de la población
T=número total de `éxitos incluidos de la población
.n=número de elementos de la muestra
Cuando la población es grande y la muestra es pequeña, el hecho de que el muestreo se realice sin
remplazo tiene escaso efecto en la probabilidad de éxito de cada ensayo. Por regla general, cuando
n < 0.05N puede usarse una probabilidad binomial como aproximación de un valor de probabilidad
hipergeométrica.
Ejemplo 6.-Un gerente selecciona aleatoriamente a 3 individuos de un grupo de 10 empleados de un
departamento para la formación de un equipo asignado a un proyecto .Suponiendo que cuatro de los
empleados fueron asignados anteriormente a un proyecto similar, determine la probabilidad de que
exactamente dos de los tres empleados hayan tenido experiencia previa.
Solución: Sea x = número de empleados que han tenido experiencia previa
Datos:
N= 10 empleados
T= 4
.n=3
( )( ) ( )( ) ( ) ( )
P( X=2)= = = = =0.30=30%
( ) ( )
Hay un 30% de probabilidad de que exactamente dos de los tres empleados hayan tenido experiencia
previa.
Problemas Propuestos
1.- Hay 90% de probabilidades de que un tipo especial de componente funcione adecuadamente en
condiciones de alta temperatura. si el dispositivo en cuestión incluye cuatro de esos componentes,
determine la probabilidad de cada uno de los siguientes eventos.
a) Todos los componentes funcionan adecuadamente y por lo tanto el dispositivo es operante
b) El dispositivo es inoperante porque fallan uno o más componentes.
2.- Suponga que el 40% de los empleados de una gran empresa están a favor de la representación
sindical. y que se contacta a una muestra aleatoria de 10 empleados en solicitud de una respuesta
anónima.¿ cuál es la probabilidad de que:
a) la mayoría de los interrogados estén a favor dela representación sindical
b) menos de la mitad de los interrogados estén a favor de la representación sindical
3.-) Un promedio de seis personas por hora hacen uso de una cajero automático bancario durante el
horario pico de compras en una tienda departamental. ¿Cuál es la probabilidad de que:
a) menos de cinco personas usen la caja durante una hora aleatoriamente seleccionada.
b) ninguna persona la use durante un intervalo de 5 minutos.
4.- Tras su ensamble en una fabrica, se encuentra que sólo una computadora personal por millar es
defectuosa, y que las PC defectuosa se distribuyen aleatoriamente en la corrida de producción.
a) ¿Cuál es la probabilidad de que un embarque de 500 PC no incluya ninguna computadora
defectuosa?
b) ¿Cuál es la probabilidad de que un embarque de 100 PC incluya al menos una computadora
defectuosa ¿
5.- Una empresa que fabrica baterías para automóviles, ha adoptado un sistema de control de calidad
que le garantiza un máximo del 2% de unidades defectuosas. En la ventas que efectúa a sus
distribuidores les garantiza un máximo de de 2 unidades defectuosas, en lotes de a 20 baterías. Se
desea saber, ¿Cuál es el grado de probabilidad de que se satisfaga la garantía?