Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad

2.3. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Parámetros de un problema Saber: Explicar el concepto de variable discreta. Explicar los conceptos y métodos de la distribución binomial, hipergeométrica, de poisson. Explica el procedimiento para calcular valor esperado y varianza utilizando tablas. Hacer: Calcular el valor esperado y varianza para la distribución binomial, poisson, hipergeométrica. Introducción Se requieren definir algunos elementos del presente tema, a continuación se presentan en un mapa conceptual. Los cuadros de interés en el presente tema se indican con color; los que son complementarios solo se indican con un cuadro blanco. Variable. Valor que cambia (varía), por ejemplo: una variable puede representar las ventas de un producto el cual cambia a lo largo del tiempo; el desgaste de una tubería, la concentración de una sustancia en una reacción química. Variable continua: sus valores no presentan interrupciones entre un valor entero y otro; por ejemplo: el peso de una persona, puede tomar cualquier valor entre los 60 y 61 kilogramos; es decir una persona puede pesar 60.45 kilogramos. Muchos autores simplemente se limitan a decir que puede tener cualquier cantidad de cifras después del punto decimal. Variable discreta. Solo cambia su valor en números enteros, por ejemplo el número de hijos que puede tener una persona elegida al azar Constante. Se refieren a valores que no cambian, por ejemplo el número pi = 3.1416 es un valor que permanece igual. Variable determinística. Valor que cambia regido por ciertas leyes de forma tal que su valor puede ser determinado o predicho con exactitud; por ejemplo: la fecha cuándo ocurrirá un eclipse de sol o de luna, disminución de la concentración de un reactivo en una reacción química bajo condiciones controladas. Variable determinística discreta. Variable determinística continua. Variable aleatoria (probabilística o estocástica). Valor que cambia regido por las leyes de la probabilidad, es decir, puede tomar un valor al azar dentro de ciertos rangos de mediciones: no puede predecirse su valor; por ejemplo el número obtenido por el lanzamiento de un dado. O el porcentaje exacto de humedad relativa en un día determinado. Variable aleatoria discreta. Solo puede tomar valores enteros dentro de un rango de valores (es una cantidad finita de números). Por ejemplo el resultado de lanzar un dado solo tiene números enteros 1, 2, 3, 4, 5 y 6 Variable aleatoria continua. Toma cualquier valor posible en un rango de valores (cantidad infinita de números). Por ejemplo el porcentaje de humedad en el aire puede ser 95.555555555.. etc % Elaboró: MC. Marcel Ruiz Martínez 1

La distribución binomial Binomial indica solo dos resultados posibles de múltiples ensayos: éxito o fracaso. El número total de ensayos se conoce como la población n. y se debe conocer una probabilidad de éxito y de fracaso al realizar cada ensayo. Extraer un solo componente de una población y determinar si está o no defectuoso es ejemplo de un ensayo de Bernoulli. En la práctica, es posible extraer varios componentes de una gran población y contar el número de elementos defectuosos. Esto implica realizar diversos ensayos de Bernoulli independientes y contar el número de éxitos. El número de éxitos es una variable aleatoria, que tiene una distribución binomial. Es decir, para una población donde se extraen muestras con dos resultados posibles, se puede aplicar la distribución de binomial bajo las condiciones siguientes Los ensayos son independientes Cada ensayo tiene la misma probabilidad de éxito p X es el número de éxitos en los n ensayos La función de probabilidad binomial está dada por la siguiente función de densidad: Donde: n = Número total de elementos de la población x = Número de éxitos. p = Probabilidad de éxito A continuación se describe un ejemplo para la aplicación de la ecuación descrita. Ejemplo 1. Se lanza al aire ocho veces un dado. Determine la probabilidad de que el número 6 salga: a) Cero veces. b) Una vez c) Dos veces d) Menos de tres veces Solución: Los datos para todos los incisos incluyen: n = 8 (número total de veces que se lanza el dado) p = 1/6 (probabilidad de que al realizar un lanzamiento se obtenga el número 6, es decir el éxito). Para el inciso a) Se usa la siguiente sustitución con x = 0 (no se obtiene nunca el número 6 después de 8 lanzamientos). n! p(x) = p x ( 1- p) n -x x! n x! ( ) x 8-0 8! 1 1 p(x = 0) = 1-0! ( 8 0 )! 6 6 = 0.2326 Usando EXCEL: Datos: Usando la ecuación de la función BINOMIAL x = 0 0.232568039 RESULTADO INCISO A) n = 8 FORMULA p = 1/6 =(FACT(B3)/(FACT(B2)*FACT(B3-B2)))*(B4^B2)*(1-B4)^(B3-B2) Usando la función BINOMIAL de EXCEL 0.232568039 RESULTADO INCISO A) FORMULA: =DISTR.BINOM(B2,B3,B4,FALSO) El resto de los incisos serán resueltos por los alumnos. Puede usar el siguiente archivo de EXCEL como apoyo http://marcelrzmut.comxa.com/metodosestadisticos/23distribucionesprobabilidaddiscretas.xls Elaboró: MC. Marcel Ruiz Martínez 2

El siguiente problema será resuelto por los alumnos en clase. Ejercicio. La probabilidad de que un basquetbolista anote un tiro de tres puntos es 0.4. Si el jugador fue invitado a un concurso de tiros de tres puntos en donde se hacen 15 lanzamientos. Determine la probabilidad de encestar: a) Cero veces. b) Una vez c) Dos veces d) Menos de tres veces e) Al menos 10 tiros Problemas de probabilidad binomial: 1. Se toma una muestra de cinco elementos de una población grande en la cual 10% de los elementos está defectuoso. Determine la probabilidad de que: a) Ninguno de los elementos de la muestra esté defectuoso. b) Sólo uno de ellos tenga defectos. c) Uno o más de los elementos estén defectuosos. d) Menos de dos elementos de la muestra tenga defectos. 2. Se lanza al aire una moneda diez veces. Cuál es la probabilidad de obtener exactamente tres veces cara? 3. En un cargamento grande de llantas de automóvil, 5% tiene cierta imperfección. Se eligen aleatoriamente cuatro llantas para instalarlas en el automóvil. Cuál es la probabilidad de que: a) Ninguna de las llantas tenga imperfección? b) Sólo una de las llantas tenga imperfección? c) Una o más de las llantas tenga imperfección? 4. En un patrón aleatorio de ocho bits utilizado para probar un microcircuito, cada bit tiene la misma probabilidad de ser 0 o 1. Suponga que los valores de los bits son independientes. a) Cuál es la probabilidad de que todos los bits sean 1? b) Cuál es la probabilidad de que exactamente tres de los bits sean 1? c) Cuál es la probabilidad de que al menos seis de los bits sean 1? d) Cuál es la probabilidad de que al menos dos de los bits sean 1? 5. Un ingeniero que supervisa el control de calidad de un proceso de producción y sabe que el 92% de las varillas fabricadas satisfacen las especificaciones. Al seleccionar 15 varillas del proceso de producción determine la probabilidad de obtener: a) 15 varillas que cumplen con las especificaciones. b) 14 varillas que cumplen con las especificaciones c) 13 varillas que cumplen con las especificaciones d) Que más de 12 varillas cumplan las especificaciones. Actividad 2.3. Probabilidad Binomial. De la lista de problemas anteriores realice los ejercicios: 1 y 4. Elabore una PRÁCTICA DE EJERCICIOS de este trabajo (INDIVIDUAL), las rúbricas se indican en la liga siguiente: http://marcelrzm.comxa.com/rubricas/rubricas.htm Enviar el documento final por correo electrónico a las siguientes direcciones: marcelrzm@hotmail.com; marcelrzm@hotmail.com; marcelrzm@yahoo.com.mx y marcelrz2002@yahoo.com.mx Colocar en ASUNTO: Actividad 2.3. Probabilidad Binomial. No olvide enviarse copia a sí mismo del correo que envía, si usa Outlook solicite confirmación de entrega y de lectura. Elaboró: MC. Marcel Ruiz Martínez 3

La distribución hipergeométrica Cuando una población finita contiene dos tipos de unidades, que pueden ser denominados como éxitos y fracasos, y se extrae una muestra aleatoria simple de la población, cada unidad representa un ensayo de Bernoulli. A medida que se selecciona cada unidad, la proporción de éxitos en la población restante disminuye o aumenta, dependiendo si la unidad extraída es un éxito o fracaso. Por esta razón, los ensayos no son independientes, de ahí que el número de éxitos en la muestra no siga una distribución binomial. En su lugar, la distribución que describe adecuadamente el número de éxitos en esta situación se llama distribución hipergeométrica. Suponga una población finita que contiene N unidades, de ellas R son clasificadas como éxitos y N R como fracasos. Suponga que se extrae n unidades de esta población, y sea X el número de éxitos en la muestra. Entonces X sigue la distribución hipergeométrica con los parámetros N, R y n, que se puede denotar como X H(N, R, n). La función de masa de probabilidad de X es: Donde (el alumno debe rellenar el significado de las variables): R = N = n = x = Para una combinación se usa la fórmula: Ejemplo 1. De 50 edificios en un parque industrial, 12 no cumplen el código eléctrico. Si se seleccionan aleatoriamente diez edificios para inspeccionarlos, Determine la probabilidad de que: a) Tres no cumplan el código b) Cuatro no cumplan el código c) Menos de cinco no cumplan el código Datos: Los siguientes datos son genéricos para todos los incisos, ya que sus valores se encuentran en el texto del problema: N = 50 Número de elementos en la población total n = 10 Número de elementos en la muestra tomada R = 12 Dado que estamos interesados en la cantidad de elementos que no cumplen el código, se denomina éxito encontrar elementos que no cumplan el código. Solución inciso A: x = 3 (tres no cumplan el código, es el valor indicado solo para el inciso A) R N R x n x p(x) = N n 12 50 12 12! ( 50-12)! 3 10 3 3! ( 12-3 )! (10-3)! ( 50-12 - (10-3) )! p(x 3) = = = 50 50! 10 10! ( 50-10)! p(x = 3) = 0.2703 o 27.03% Elaboró: MC. Marcel Ruiz Martínez 4

Usando EXCEL: Datos N = 50 Población total n = 10 Muestra tomada R = 12 Número de éxitos en la población x = 3 Número de éxitos en la muestra RESPUESTA INCISO A) USANDO LA FUNCIÓN DE DISTRIBUCIÓN HIPERGEOMÉTRICA DE EXCEL 0.27028633 El siguiente ejercicio deberá ser resuelto por los alumnos en clase: Ejercicio: Lotes de 40 componentes cada uno se denominan aceptables si no contienen más de tres defectuosos. El procedimiento para muestrear el lote es la selección de cinco componentes al azar y rechazar el lote si se encuentra un componente defectuoso. Cuál es la probabilidad de que se encuentre exactamente un defectuoso en la muestra si hay tres defectuosos en todo el lote? A continuación se reporta la ayuda de EXCEL para dicha función: Elaboró: MC. Marcel Ruiz Martínez 5

La distribución de Poisson La distribución de Poisson se utiliza con frecuencia en el trabajo científico. Una manera de considerarla es como una aproximación de la distribución binomial cuando n es grande y p es pequeña. Esto último se muestra con un ejemplo. Una masa contiene 10 000 átomos de una sustancia radiactiva. La probabilidad de que cierto átomo decaiga en un periodo de un minuto es de 0.0002. Sea X el número de átomos que decae en un minuto. Se puede considerar a cada átomo como un ensayo de Bernoulli, en los que el éxito ocurre si el átomo decae. Por tanto, X es el número de éxitos en 10 000 ensayos de Bernoulli independientes, cada uno con probabilidad de éxito de 0.0002, de tal forma que la distribución de X es Bin(10 000, 0.0002). La media de X es µx = (10 000)(0.0002) = 2. Si X Poisson(λ), entonces X es una variable aleatoria discreta, cuyos posibles valores son enteros no negativos. El parámetro λ es una constante positiva. La función de masa de probabilidad de X es Ejemplo 1. Unas partículas están suspendidas en un medio líquido con concentración de seis partículas por ml. Se agita por completo un volumen grande de la suspensión, y después se extrae 3 ml. Cuál es la probabilidad de que sólo se retiren 15 partículas? Solución: Los datos son los siguientes: λ = (6 particulas / ml) * (3 ml) = 18 particulas x = 15 partículas x λλ p(x) = e x! 15 18 18 p(x = 15) = e = 0.0786 15! Ahora usando EXCEL: Lamda 18 particulas x = 15 particulas p ( x = 15 ) = 0.07857552 RESPUESTA =POISSON(C3,C2,FALSO) Como puede notarse lo único que debe cuidarse es identificar el promedio LAMDA y la cantidad x a estudiar. El valor de x debe estar en números enteros dado que es una variable aleatoria discreta. A continuación se muestra la información de ayuda de EXCEL sobre dicha función: Elaboró: MC. Marcel Ruiz Martínez 6

Ejemplo 2. La abuela hornea galletas de chispas de chocolates en grupos de 100. Ella agrega 300 chispas en la masa. Cuando las galletas están hechas, le ofrece una. Determine: a) Cuál es la probabilidad de que su galleta no tenga chispas de chocolate? b) Cuál es la probabilidad de que la galleta tenga 1 chispa? c) Cuál es la probablidad de que la galleta tenga mas de 2 chispas? d) Cuál es la probabilidad de que la galleta tenga menos de 3 chispas? λ= El alumno debe identificar el promedio de chispas de chocolate esperado para una galleta. x = El alumno debe identificar cual es el número de chispas de chocolate para el cual se desea identificar la probabilidad. Usando la distribución poisson se debe llegar a la respuesta (para el inciso A es: 0.0498) x λλ p(x) = e x! EL SIGUIENTE EJEMPLO TAMBIEN DEBE SER RESUELTO POR EL ALUMNO. Ejemplo 3. Suponga que el número de visitas a cierto sitio web durante un intervalo fijo sigue una distribución de Poisson. Suponga que la media de la razón de visitas es de cinco en cada minuto. Determine la probabilidad de que haya sólo: a) 17 visitas en los siguientes tres minutos. b) Menos de 15 visitas c) Más de 5 visitas. d) Igual o más de 5 visitas Elaboró: MC. Marcel Ruiz Martínez 7

Problemas de la distribución poisson: 1. La concentración de partículas en una suspensión es 2 ml. Se agita por completo la concentración, y posteriormente se extraen 3 ml. Sea X el número de partículas que son retiradas. Determine a) P(X =5) b) P(X 2) c) P(X >1) d) P(X<3) 2. Suponga que 0.03% de los contenedores plásticos producidos en cierto proceso tiene pequeños agujeros que los dejan inservibles. X representa el número de contenedores en una muestra aleatoria de 10 000 que tienen este defecto. Determine a) P(X = 3) b) P(X 2) c) P(1 X <4) d) P(2 X <4) 3. El número de mensajes recibidos por el tablero computado de anuncios es una variable aleatoria de Poisson con una razón media de ocho mensajes por hora. Determine la probabilidad de que se reciban: a) cinco mensajes en una hora b) diez mensajes en 1.5 horas c) menos de tres mensajes en 112 horas TIP: Debe pasarse la media de 8 mensajes/hora a el promedio de mensajes recibidos en 1.5 horas y en 112 horas; para usarlos en la ecuación de la distribución poisson. 4. Cierto tipo de tablero de circuitos contiene 300 diodos. Cada uno tiene una probabilidad p = 0.002 de fallar. a) Cuál es la media del número de diodos que falla? b) Cuál es la probabilidad de que fallen exactamente dos diodos? c) Un tablero funciona si ninguno de sus diodos falla. Cuál es la probabilidad de que funcione un tablero? d) Se envían cinco tableros a un cliente. Cuál es la probabilidad de que cuatro o más de ellos funcione? Actividad 2.4. Probabilidad Poisson. De la lista de problemas anteriores realice los ejercicios: 1 y 2. Elabore una PRÁCTICA DE EJERCICIOS de este trabajo (INDIVIDUAL), las rúbricas se indican en la liga siguiente: http://marcelrzm.comxa.com/rubricas/rubricas.htm Enviar el documento final por correo electrónico a las siguientes direcciones: marcelrzm@hotmail.com; marcelrzm@hotmail.com; marcelrzm@yahoo.com.mx y marcelrz2002@yahoo.com.mx Colocar en ASUNTO: Actividad 2.4. Probabilidad Poisson. No olvide enviarse copia a sí mismo del correo que envía, si usa Outlook solicite confirmación de entrega y de lectura. Elaboró: MC. Marcel Ruiz Martínez 8