domingo, 30 de noviembre de 2014

DISTRIBUCIÓN HIPERGEOMÉTRICA

Los experimentos que tienen este tipo de distribución tienen las siguientes características:
a)      Al realizar un experimento con este tipo de distribución, se esperan dos tipos de resultados.
b)      Las probabilidades asociadas a cada uno de los resultados no son constantes.
c)      Cada ensayo o repetición del experimento no es independiente de los demás.
d)      El número de repeticiones del experimento (n) es constante.


Ejemplo:
En una urna o recipiente hay un total de N objetos, entre los cuales hay una cantidad a de objetos que son defectuosos, si se seleccionan de esta urna n objetos al azar, y sin reemplazo, ¿cuál es la probabilidad de obtener x objetos defectuosos?
 Solución:

Luego;


                                   

donde:
p(x,n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados

muestras de n objetos en donde hay x que son defectuosos y n-x buenos

todas las muestras posibles de seleccionar de n objetos tomadas de entre N objetos en total = espacio muestral


Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son defectuosos, si de seleccionan 4 objetos al azar, ¿cuál es la probabilidad de que 2 sean defectuosos?

Solución:

N = 10 objetos en total
a = 3 objetos defectuosos
n = 4 objetos seleccionados en muestra
x = 2 objetos defectuosos deseados en la muestra
       


                 


donde:

                  probabilidad asociada a cada muestra de 4 objetos que se seleccionaron, con lo que se demuestra que las probabilidades no son constantes

                formas o maneras de obtener 2 objetos defectuosos entre los 4 seleccionados = muestras de 4 objetos entre los que 2 son defectuosos


Como se observa en el desarrollo de la solución del problema, la pretensión es demostrar que las probabilidades asociadas a cada uno de los resultados no son constantes.

Luego la probabilidad de obtener 2 objetos defectuosos entre los 4 seleccionados al azar sería:


                                                            

DISTRIBUCIÓN HIPERGEOMETRICA GENERALIZADA

Características:
a)      Al realizar un experimento con este tipo de distribución, se esperan más de dos tipos de resultados.
b)      Las probabilidades asociadas a cada uno de estos resultados no son constantes.
c)      Los ensayos o repeticiones del experimento no son independientes entre sí.
d)      El número de repeticiones del experimento n, es constante.

Entonces en este caso se tienen más de dos tipos de objetos, por lo que la fórmula a utilizar sería:


                  

donde:
N = x + y + z = total de objetos
a = total de objetos del primer tipo
b = total de objetos del segundo tipo
c = N-a-b = total de objetos del tercer tipo
n = objetos seleccionados en la muestra
x = objetos del primer tipo en la muestra
y = objetos del segundo tipo en la muestra
z = n-x-y = objetos del tercer tipo en la muestra

Ejemplos:
1.En un lote de productos se tienen 20 productos sin defectos, 3 con defectos menores y 2 con defectos mayores, se seleccionan al azar 5 productos de este lote, determine la probabilidad de que a) 3 de los productos seleccionados no tengan defectos y 1 tenga defectos menores, b) 4 de los productos seleccionados no tengan defectos y 1 tenga defectos menores.

Solución:
a)N= 20+3+2 =25 total de artículos
a=20 productos sin defectos
b= 3 productos con defectos menores
N-a-b= 2 productos con defectos mayores
n= 5 productos seleccionados en la muestra
x = 3 productos sin defectos en la muestra = variable que nos define el # de productos sin defectos en la muestra
y = 1 producto con defectos menores en la muestra = variable que nos define el #  de productos con defectos menores en la muestra
z = n-x-y = 5-3-1 = 1 producto con defectos mayores en la muestra = variable que nos define el # de productos con defectos mayores en la muestra
               

b)N= 25
a=20 productos sin defectos
b= 3 productos con defectos menores
N-a-b= 2 productos con defectos mayores
n= 5 productos seleccionados en la muestra
x = 4 productos sin defectos en la muestra = variable que nos define el # de productos sin defectos en la muestra
y = 1 producto con defectos menores en la muestra = variable que nos define el #  de productos con defectos menores en la muestra
z = n-x-y = 5-4-1 = 0 productos con defectos mayores en la muestra = variable que nos define el # de productos con defectos mayores en la muestra


                                     

DISTRIBUCIÓN DE POISSON

Características:
En este tipo de experimentos los éxitos buscados son expresados por unidad de área, tiempo, pieza, etc, etc,:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefónicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a  un puerto por día, mes, etc, etc.
Para determinar la probabilidad de que ocurran x éxitos por unidad de tiempo, área, o producto, la fórmula a utilizar sería:

                                                            
donde:
p(x, l) = probabilidad de que ocurran x éxitos, cuando el número promedio de ocurrencia de ellos es l
l = media o promedio de éxitos por unidad de tiempo, área o producto
e = 2.718
x = variable que nos denota el número de éxitos que se desea que ocurra

Hay que hacer notar que en esta distribución el número de éxitos que ocurren por unidad de tiempo, área o producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, así como cada área es independiente de otra área dada y cada producto es independiente de otro producto dado.



Ejemplos:
  1. Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las probabilidades de que reciba, a) cuatro cheques sin fondo en un día dado, b) 10 cheques sin fondos en cualquiera de dos días consecutivos?


Solución:
a)      x = variable que nos define el número de cheques sin fondo que llegan al banco en un día cualquiera = 0, 1, 2, 3, ....., etc, etc.
l = 6 cheques sin fondo por día
e = 2.718

                           


b)
x= variable que nos define el número de cheques sin fondo que llegan al banco en dos días consecutivos = 0, 1, 2, 3, ......, etc., etc.
l = 6 x 2 = 12 cheques sin fondo en promedio que  llegan al banco en dos días consecutivos
Nota: l siempre debe de estar en función de x siempre o dicho de otra forma, debe “hablar” de lo mismo que x.

                         

APROXIMACIÓN DE POISSON A LA BINOMIAL

En este caso se determinarán probabilidades de experimentos Binomiales, pero que dadas sus características, es posible aproximarlas con la distribución de Poisson, estas características son, n ¥® ( n es muy grande) y p®0 (p es muy pequeña), por lo que:


                                                            

La expresión anterior solo se cumple cuando n ®¥ y  p®0, solo en este caso, si esto no se cumple, la aproximación no se puede llevar a efecto, por lo que la fórmula a utilizar en este caso sería:


                                                                       

Donde:
l =m= np = número esperado de éxitos = tasa promedio de éxitos
n = número de repeticiones del experimento
p = probabilidad de éxito = p(éxito)

Una regla general aceptable es emplear esta aproximación si n³20 y p£0.05: sí n³100, la aproximación es generalmente excelente siempre y cuando np£10.

Ejemplos:
1.       Se sabe que el 5% de los libros encuadernados en cierto taller tienen encuadernaciones defectuosas. Determine la probabilidad de que 2 de 100 libros encuadernados en ese taller, tengan encuadernaciones defectuosas, usando, a) la fórmula de la distribución Binomial, b) la aproximación de Poisson a la distribución Binomial.



Solución:
a) n = 100
p = 0.05 = p(encuadernación defectuosa) = p(éxito)
q = 0.95 = p(encuadernación no defectuosa) = p(fracaso)
 x = variable que nos define el número de encuadernaciones defectuosas en la muestra = = 0, 1, 2, 3,....,100 encuadernaciones defectuosas

                           

      b)n = 100 encuadernaciones
      p = 0.05
      l = np = (100)(0.05)= 5
x = variable que nos define el número de encuadernaciones defectuosas en la muestra = = 0, 1, 2, 3,....,100 encuadernaciones defectuosas


                                                   

Al comparar los resultados de las probabilidades con una y otra distribución, nos damos cuenta de que la diferencia entre un cálculo y otro es de tan solo 0.0031, por lo que la aproximación de Poisson es una buena opción para calcular probabilidades Binomiales.

DISTRIBUCIÓN GEOMÉTRICA

Esta distribución es un caso especial de la Binomial, ya que se desea que ocurra un éxito por primera y única vez en el último ensayo que se realiza del experimento, para obtener la fórmula de esta distribución, haremos uso de un ejemplo.

Ejemplo:
Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad de que aparezca águila es de 2/3, mientras que la probabilidad de que aparezca sello es de 1/3, Determine la probabilidad de que en el último lanzamiento aparezca una águila.

Solución:
Si nosotros trazamos un diagrama de árbol que nos represente los 8 lanzamientos de la moneda, observaremos que la única rama de ese árbol que nos interesa es aquella en donde aparecen 7 sellos seguidos y por último una águila; como se muestra a continuación:

                                                        S S S S S S S A

Sí denotamos;
x =  el número de repeticiones del experimento necesarias para que ocurra un éxito por primera y única vez = 8 lanzamientos
p = probabilidad de que aparezca una águila = p( éxito) = 2/3
q = probabilidad de que aparezca un sello = p(fracaso) = 1/3

Entonces la probabilidad buscada sería;


P(aparezca una águila en el último lanzamiento)=p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(A) =
=q*q*q*q*q*q*q*p =
Luego, la fórmula a utilizar cuando se desee calcular probabilidades con esta distribución sería;

                                                        

Donde:
p(x) = probabilidad de que ocurra un éxito en el ensayo x por primera y única vez
p = probabilidad de éxito
q = probabilidad de fracaso

Resolviendo el problema de ejemplo;
x = 8 lanzamientos necesarios para que aparezca por primera vez una águila
p = 2/3 probabilidad de que aparezca una águila
q = 1/3 probabilidad de que aparezca un sello

           p(x=8) = 

Ejemplos:
  1. Sí la probabilidad de que un cierto dispositivo de medición muestre una desviación excesiva es de 0.05, ¿cuál es la probabilidad de que;  a) el sexto de estos dispositivos de medición sometidos a prueba sea el primero en mostrar una desviación excesiva?, b) el séptimo de estos dispositivos de medición sometidos a prueba, sea el primero que no muestre una desviación excesiva?.

Solución:
a)      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) =

b)      x = 5 que el quinto dispositivo de medición probado, sea el primero que no muestre una desviación excesiva
p = 0.95 = probabilidad de que un dispositivo de medición no muestre una variación excesiva
q = 0.05 = probabilidad de que un dispositivo de medición muestre una variación excesiva

p(x = 5) =  

DISTRIBUCIÓN BINOMIAL NEGATIVA

Esta también es un caso especial de la distribución Binomial, ya que en este caso se trata de que al llevar a efecto varias veces un experimento binomial, se desea determinar la probabilidad de que ocurran r éxitos, solo que el último de ellos debe ocurrir en el k-ésimo ensayo o repetición del experimento que es el último.

Para encontrar una fórmula que nos permita calcular probabilidades con esta distribución, partiremos de un ejemplo.

Ejemplo:
Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad de que aparezca águila es de 2/3, mientras que la probabilidad de que aparezca sello es de 1/3, Determine la probabilidad de que aparezcan tres águilas, y la última que aparezca sea en el último lanzamiento.

Solución:
Sí trazamos un diagrama de árbol que nos represente los 8 lanzamientos de la moneda, encontraremos que las ramas que nos interesan son aquellas en donde aparecen 3 águilas y la última de ellas aparece en el último lanzamiento; ejemplos de una rama que nos interesa sería;
SAASSSSA, SSASSSAA, ASSASSSA, etc., etc.

Entonces la probabilidad se puede determinar de la siguiente forma:


(Probabilidad de que aparezcan Tres águilas, donde la última de ellas aparece en el último lanzamiento de la moneda)=(# de ramas del árbol en donde la tercera águila que aparece está en el octavo lanzamiento)(probabilidad asociada a cada rama)


Luego, definiendo algunos términos a utilizar;

Y = k = número de lanzamientos necesarios para que se obtenga una águila por r-ésima vez = 8 lanzamientos
r = número de veces que aparece un éxito = 3 águilas
p = probabilidad de éxito = p(aparezca águila) = 2/3
q = probabilidad de fracaso = p(aparezca sello) = 1/3

Luego, el número de ramas que nos interesan del árbol se podría determinar de la siguiente forma:

                                               # de ramas = 


¿Cual es la razón de que se tomen k-1 ensayos y r-1 éxitos al momento de calcular el número de ramas que nos interesan?

Lo anterior se debe a que en el último ensayo siempre va a haber un éxito, por lo que como éste no se va a mover como lo hacen los éxitos anteriores, entonces no se toma en cuenta para el cálculo de las ramas que nos interesan.

Y la probabilidad asociada a cada rama sería;

Probabilidad asociada a cada rama = p(S)*p(A)*p(A)*p(S)*p(S)*p(S)*p(S)*p(A)=
= q*p*p*q*q*q*q*p = 


Por lo tanto, la fórmula a utilizar sería:


                                                 

Donde:
P(Y=k) = probabilidad de que ocurran r éxitos en k ensayos y que el último de ellos que es el r-ésimo, ocurra en el k-ésimo ensayo que es el último.

r = número de éxitos
k = número de ensayos para obtener r éxitos
p = p(éxito) = p(aparezca águila)
q = p(fracaso) = p(aparezca sello) = 1-p

Problemas Propuestos

1. En una cierta área de la ciudad se da como una razón del 75% de los robos la necesidad de dinero para comprar estupefacientes. Encuentre la probabilidad que dentro de los 5 próximos asaltos reportados en esa área

a) exactamente 2 se debieran a la necesidad de dinero para comprar drogas;

b) cuando mucho 3 se debieran a la misma razón arriba indicada.

                           r. a) 0.0879
                           b) 0.3672



2. Un agricultor que siembra fruta afirma que 2/3 de su cosecha de duraznos han sido contaminada por la mosca del mediterráneo. Encuentre la probabilidad de que al inspeccionar 4 duraznos

a) los 4 estén contaminados por la mosca del mediterráneo

b) cualquier cantidad entre 1 y 3 esté contaminada.
                                           r. a) 16/81
                                           b) 64/61



3. De acuerdo con una investigación llevada a cabo por la Administrative Management Society, 1/3 de las compañías en Estados Unidos le dan a sus empleados cuatro semanas de vacaciones después de 15 años de servicio. Encuentre la probabilidad de que 6 de las compañías investigadas al azar, el número que les dan a sus empleados cuatro semanas de vacaciones después de 15 años de servicio es

a) cualquier cantidad entre 2 y 5;

b) menos de 3.
                                                            r. a) 0.647
                                                            b) 0.680