Docsity
Docsity

Prepara i tuoi esami
Prepara i tuoi esami

Studia grazie alle numerose risorse presenti su Docsity


Ottieni i punti per scaricare
Ottieni i punti per scaricare

Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium


Guide e consigli
Guide e consigli


Distribuzioni Probabilistiche: Binomiale, Poisson, Geometrica e Speciali (Dimostrazioni), Esercizi di Lingua Spagnola

Le dimostrazioni per le distribuzioni binomiale, poisson, geometrica e speciali. Vengono calcolate le medie, momenti quadrati e varianze per ognuna di queste distribuzioni. Inoltre, vengono presentate le approssimazioni delle distribuzioni binomiali con quelle poissoniane. Il documento include anche esercizi per la pratica.

Tipologia: Esercizi

2018/2019

Caricato il 05/07/2019

alvaro-molina-ocon
alvaro-molina-ocon 🇮🇹

6 documenti

1 / 7

Toggle sidebar

Questa pagina non è visibile nell’anteprima

Non perderti parti importanti!

bg1
Distribuci´on binomial (demostraciones)
P(X=x) = n
xpx(1 p)nx, x = 0,1, . . . , n;MX(t) = pet+ 1 pn, t R.
Media: E[X] = np
alculo a partir de la definici´on:
E[X] =
n
X
x=0
x n
x!px(1 p)nx=
n
X
x=1
x n
x!px(1 p)nx=1=np
n
X
x=1 n1
x1!px1(1 p)nx=m=n1
y=x1
=np
m
X
y=0 m
y!py(1 p)my=np.
alculo a partir de la funci´on generatriz de momentos:
E[X] = dMX(t)
dt t=0
=npet+ 1 pn1pett=0 =np.
Momento de orden dos: E[X2] = n(n1)p2+np
alculo a partir de la definici´on:E[X2] = E[X(X1)] + E[X] = E[X(X1)] + np
E[X(X1)] =
n
X
x=0
x(x1) n
x!px(1 p)nx=
n
X
x=2
x(x1) n
x!px(1 p)nx=2
=n(n1)p2
n
X
x=2 n2
x2!px2(1 p)nx=m=n2
y=x2=n(n1)p2
m
X
y=0 m
y!py(1 p)my=
=n(n1)p2.
alculo a partir de la funci´on generatriz de momentos:
E[X2] = d2MX(t)
dt2t=0
=nh(n1) pet+ 1 pn2p2e2t+petpet+ 1 pn1it=0 =n(n1)p2+np.
Varianza: V ar[X] = E[X2](E[X])2=np(1 p).
1x6= 0 x n
x!=n n1
x1!
2x6= 0,1x(x1) n
x!=n(n1) n2
x2!
pf3
pf4
pf5

Anteprima parziale del testo

Scarica Distribuzioni Probabilistiche: Binomiale, Poisson, Geometrica e Speciali (Dimostrazioni) e più Esercizi in PDF di Lingua Spagnola solo su Docsity!

Distribuci´on binomial (demostraciones)

P (X = x) =

n

x

p

x

(1 − p)

n−x

, x = 0, 1 ,... , n; MX (t) =

pe

t

+ 1 − p

)n

, t ∈ R.

  • Media: E[X] = np

 C´alculo a partir de la definici´on:

E[X] =

n ∑

x=

x

n

x

p

x (1 − p)

n−x

n ∑

x=

x

n

x

p

x (1 − p)

n−x

1 = np

n ∑

x=

n − 1

x − 1

p

x− 1 (1 − p)

n−x

[

m = n − 1

y = x − 1

]

= np

m ∑

y=

m

y

p

y (1 − p)

m−y = np.

 C´alculo a partir de la funci´on generatriz de momentos:

E[X] =

dMX (t)

dt

t=

= n

pe

t

  • 1 − p

)n− 1 pe

t

t=

= np.

  • Momento de orden dos: E[X

2

] = n(n − 1)p

2

+ np

 C´alculo a partir de la definici´on: E[X

2 ] = E[X(X − 1)] + E[X] = E[X(X − 1)] + np

E[X(X − 1)] =

n ∑

x=

x(x − 1)

n

x

p

x (1 − p)

n−x

n ∑

x=

x(x − 1)

n

x

p

x (1 − p)

n−x

2

= n(n − 1)p

2

∑^ n

x=

n − 2

x − 2

p

x− 2 (1 − p)

n−x

[

m = n − 2

y = x − 2

]

= n(n − 1)p

2

∑^ m

y=

m

y

p

y (1 − p)

m−y

= n(n − 1)p

2 .

 C´alculo a partir de la funci´on generatriz de momentos:

E[X

2 ] =

d

2 MX (t)

dt

2

t=

= n

[

(n − 1)

pe

t

  • 1 − p

)n− 2 p

2 e

2 t

  • pe

t

pe

t

  • 1 − p

)n− 1

]

t=

= n(n − 1)p

2

  • np.
  • Varianza: V ar[X] = E[X

2

] − (E[X])

2

= np(1 − p).

1 x 6 = 0 ⇒ x

n

x

= n

n − 1

x − 1

2 x 6 = 0, 1 ⇒ x(x − 1)

n

x

= n(n − 1)

n − 2

x − 2

Distribuci´on de Poisson (demostraciones)

P (X = x) = e

−λ

x

x!

, x = N ∪ { 0 }; MX (t) = e

λ(e

t

, t ∈ R.

Aproximaci´on de las probabilidades binomiales por las de Poisson:

Xn → B(n, pn) ⇒ l´ım

n→+∞ npn→λ

P (Xn = x) = P (Y = x), x ∈ N ∪ { 0 }, con Y → P(λ).

Demostraci´on:

P (Xn = x) =

n

x

p

x n(1^ −^ pn)

n−x

n!

x!(n − x)!

(npn)

x

nx^

(1 − pn)

n−x

(npn)

x

x!

n(n − 1) · · · (n − x + 1)

nx^

(1 − pn)

n−x

l´ım

n→+∞ npn→λ

(npn)

x

x!

x

x!

l´ım

n→+∞

n(n − 1) · · · [n − (x − 1)]

n

x

= 1 (cociente de polinomios de grado x).

l´ım

n→+∞ npn→λ

pn = 0 ⇒ l´ım

n→+∞ npn→λ

(1 − pn)

n−x

= e

l´ım n→+∞ npn→λ

(n−x)(−pn)

= e

−λ

  • Media: E[X] = λ

 C´alculo a partir de la definici´on:

E[X] =

+∞ ∑

x=

x

e

−λ λ

x

x!

+∞ ∑

x=

x

e

−λ λ

x

x!

= e

−λ

+∞ ∑

x=

x

λ

x

x(x − 1)!

= λe

−λ

+∞ ∑

x=

λ

x− 1

(x − 1)!

= [y = x − 1] = λe

−λ

+∞ ∑

y=

λ

y

y!

= λ.

 C´alculo a partir de la funci´on generatriz de momentos:

E[X] =

dMX (t)

dt

t=

= λe

t e

λ(et−1)

t=

= λ.

  • Momento de orden dos: E[X

2

] = λ

2

 C´alculo a partir de la definici´on: E[X

2 ] = E[X(X − 1)] + E[X] = E[X(X − 1)] + λ

E[X(X − 1)] =
∑^ +∞

x=

x(x − 1)

e

−λ λ

x

x!

= e

−λ

∑^ +∞

x=

x(x − 1)

λ

x

x(x − 1)(x − 2)!

= λ

2 e

−λ

∑^ +∞

x=

λ

x− 2

(x − 2)!

= [y = x − 2] = λ

2

 C´alculo a partir de la funci´on generatriz de momentos:

E[X

2 ] =

d

2 MX (t)

dt

2

t=

= λ

e

t e

λ(e

t −1)

  • λe

2 t e

λ(e

t −1)

t=

= λ(1 + λ)..

  • Varianza: V ar[X] = E[X

2

] − (E[X])

2

Distribuci´on binomial negativa (demostraciones)

P (X = x) =

x + k − 1

x

(1 − p)

x

p

k

, x ∈ N ∪ { 0 } ; MX (t) =

[

p

1 − (1 − p)e

t

]k

, t < − ln(1 − p).

MX (t) = [MY (t)]

k

, con Y → G(p).

  • Media: E[X] = k

1 − p

p

 E[X] =

dMX (t)

dt

t=

[

k (MY (t))

k− 1 dMY (t)

dt

]

t=

= k (MY (0))

k− 1 dMY (t)

dt

t=

= kE[Y ].

  • Varianza: V ar[X] = k

1 − p

p

2

 E[X

2 ] =

d

2 MX (t)

dt

2

t=

= k

[

(k − 1) (MY (t))

k− 2

dMY (t)

dt

  • (MY (t))

k− 1 d

2 MY (t)

dt

2

]

t=

= k

[

(k − 1) (MY (0))

k− 2

dMY (t)

dt

t=

2

  • (MY (0))

k− 1 d

2 MY (t)

dt^2

t=

]

= k

[

(k − 1)(E[Y ])

2

  • E[Y

2 ]

]

= k

[

k(E[Y ])

2

  • E[Y

2 ] − (E[Y ])

2

]

= k

2 (E[Y ])

2

  • kV ar[Y ]·

 V ar[X] = E[X

2 ] − (E[X])

2 = kV ar[Y ]·

Distribuci´on hipergeom´etrica (demostraciones)

P (X = x) =

N 1

x

N − N 1

n − x

N

n

) , x = 0,... , n / x ≤ N 1 , n − x ≤ N − N 1.

  • Media: E[X] =

∑n

x=

x

N 1

x

N − N 1

n − x

N

n

) = n

N 1

N

n ∑

x=

x

N 1

x

N − N 1

n − x

5 = N 1

n ∑

x=

N 1 − 1

x − 1

N − N 1

n − x

[

y = x − 1

]
= N 1

n− 1 ∑

y=

N 1 − 1

y

N − N 1

(n − 1) − y

= N 1
N − 1

n − 1

⇒ E[X] =
N 1
N − 1

n − 1

N

n

) (^) = n

N 1
N
  • Varianza: V ar[X] = E[X

2

] − (E[X])

2

= E[X(X − 1)] + E[X] − (E[X])

2

= n

N 1

N

N 1

N

N − n

N − 1

 E[X(X − 1)] =

∑^ n

x=

x(x − 1)

N 1

x

N − N 1

n − x

N

n

N 1 (N 1 − 1)
N

n

N − 2

n − 2

∑^ n

x=

x(x − 1)

N 1

x

N − N 1

n − x

6 = N 1 (N 1 − 1)

∑^ n

x=

N 1 − 2

x − 2

N − N 1

n − x

= [y = x − 2]

= N 1 (N 1 − 1)

n− 2 ∑

y=

N 1 − 2

y

N − N 1

(n − 2) − y

= N 1 (N 1 − 1)
N − 2

n − 2

5 x 6 = 0 ⇒ x

N 1

x

= N 1
N 1 − 1

x − 1

6 x 6 = 0, 1 ⇒ x(x − 1)

N 1

x

= N 1 (N 1 − 1)
N 1 − 2

x − 2

8. A una calculadora le fallan, por t´ermino medio, dos transistores en cada hora de trabajo, y se sabe

que el n´umero de transistores que fallan durante un intervalo de tiempo tiene distribuci´on de Poisson.

La calculadora deja de funcionar si se aver´ıan al menos seis transistores. Calcular la probabilidad de

que una operaci´on de tres horas pueda realizarse.

9. Un examen consta de 20 preguntas tipo test y se sabe que un determinado alumno tiene probabilidad

0.7 de contestar bien cada una de ellas, independientemente del resto. Calcular la probabilidad de que

la primera pregunta que contesta bien sea la cuarta.

10. Una m´aquina produce piezas de alta precisi´on en serie, y la probabilidad de que cada una de ellas

salga defectuosa, independientemente del resto, es 0.15.

a) Calcular la probabilidad de que al entrar en funcionamiento, la primera pieza defectuosa sea la

n´umero cuarenta.

b) Calcular la media y la varianza del n´umero de piezas buenas fabricadas antes de la primera

defectuosa.

c) Si en la fabricaci´on de cada pieza se tardan veinte segundos, calcular el tiempo medio que hay

que esperar desde que la m´aquina entra en funcionamiento hasta que se produce la primera pieza

defectuosa.

11. Un examen consta de 20 preguntas tipo test y se sabe que un determinado alumno tiene probabilidad

0.7 de contestar bien cada una de ellas, independientemente del resto. Si para aprobar el examen es

preciso contestar bien diez preguntas, calcular la probabilidad de que el alumno apruebe al contestar la

duod´ecima.

12. En un invernadero se dispone de bulbos de tulipanes en macetas para ser transplantados. Un mes

antes de proceder al transplante se sabe que el 40 % de las macetas supera los 22 cm requeridos para

el mismo. Si se efect´ua un muestreo con reemplazamiento del conjunto total de macetas, ¿Cu´al es la

probabilidad de que haya que examinar siete macetas hasta encontrar la tercera en condiciones de ser

transplantada?

13. Veinte propietarios de una comunidad de vecinos, de los que ocho son mujeres, deben seleccionar

cinco para asistir a una reuni´on de mancomunidad. ¿Cu´al es la probabilidad de que asistan exactamente

tres mujeres a la reuni´on?

14. Se presentan cuarenta personas a un proceso de selecci´on aleatoria de veinte para aumentar la

plantilla de una empresa. ¿Cu´al es la probabilidad de que entre los seleccionados est´en los diez mejores

que se presentaron?