D) DISTRIBUCIONES DE PROBABILIDAD.

Toda distribucin de probabilidad es generada por una variable aleatoria x, la que puede ser de dos
tipos:

1. Variable aleatoria discreta (x). Se le denomina variable porque puede tomar diferentes valores,
aleatoria, porque el valor tomado es totalmente al azar y discreta porque solo puede tomar valores
enteros y un nmero finito de ellos.

Ejemplos:
x Variable que nos define el nmero de burbujas por envase de vidrio que son generadas en un
proceso dado.
x0, 1, 2, 3, 4, 5, etc., etc. burbujas por envase
xVariable que nos define el nmero de productos defectuosos en un lote de 25 productos.
x0, 1, 2, 3,....,25 productos defectuosos en el lote

xVariable que nos define el nmero de alumnos aprobados en la materia de probabilidad en un
grupo de 40 alumnos.
x0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en probabilidad

Con los ejemplos anteriores nos damos cuenta claramente que los valores de la variable x siempre sern
enteros, nunca fraccionarios.

2. Variable aleatoria continua (x). Se le denomina variable porque puede tomar diferentes valores,
aleatoria, porque los valores que toma son totalmente al azar y continua porque puede tomar tanto
valores enteros como fraccionarios y un nmero infinito de ellos.

Ejemplos:

xVariable que nos define el dimetro de un engrane en pulgadas
x5.0, 4.99, 4.98, 5.0, 5.01, 5.0, 4.96

xVariable que nos define la longitud de un cable o circuito utilizado en un arns de auto
x20.5 cm, 20.1, 20.0, 19.8, 20,6, 20.0, 20.0

xVariable que nos define la concentracin en gramos de plata de algunas muestras de mineral
x14.8gramos, 12.0, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8

Como se observa en los ejemplos anteriores, una variable continua puede tomar cualquier valor, entero
o fraccionario, una forma de distinguir cuando se trata de una variable continua es que esta variable
nos permite medirla o evaluarla, mientras que una variable discreta no es medible, es una variable de
tipo atributo, cuando se inspecciona un producto este puede ser defectuoso o no, blanco o negro,
cumple con las especificaciones o no cumple, etc., etc.

Las variables descritas anteriormente nos generan una distribucin de probabilidad, las que pueden
ser.

1) Distribucin de probabilidad discreta.
2) Distribucin de probabilidad continua.


Las caractersticas de cada una de las distribuciones anteriores se mencionarn a continuacin:


DISTRIBUCIN DE PROBABILIDAD DISCRETA.
Caractersticas:
1. Es generada por una variable discreta (x).

xVariable que solo toma valores enteros
x0, 1, 2, 3, 4, 5, 6, 7, 8, ... etc,etc.

2. p(xi)0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o
iguales a cero.

3.p(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x
debe ser igual a 1.


DISTRIBUCIN DE PROBABILIDAD CONTINUA.
Caractersticas:
1. Es generada por una variable continua (x).

x Es una variable que puede tomar tanto valores enteros como fraccionarios.

x 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, .....,

2. f(x)0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores
o iguales a cero. Dicho de otra forma, la funcin de densidad de probabilidad deber tomar
solo valores mayores o iguales a cero. La funcin de densidad de probabilidad slo puede estar
definida en los cuadrantes I y II.

3. La sumatoria de las probabilidades asociadas a cada uno de los valores que
toma x debe ser igual a 1. El rea definida bajo la funcin de densidad de probabilidad deber ser
de 1.


1. DISTRIBUCIN BINOMIAL

Las caractersticas de esta distribucin son:
a) En los experimentos que tienen este tipo de distribucin, siempre se esperan dos tipos de
resultados, ejem. Defectuoso, no defectuoso, pasa, no pasa, etc, etc., denominados
arbitrariamente xito (que es lo que se espera que ocurra) o fracaso (lo contrario del
xito).
b) Las probabilidades asociadas a cada uno de estos resultados son constantes, es decir no
cambian.
c) Cada uno de los ensayos o repeticiones del experimento son independientes entre s.
d) El nmero de ensayos o repeticiones del experimento (n) es constante.


Ejemplos:
1. Se dice que el 75% de los accidentes de una planta se atribuyen a errores humanos. Si en un
perodo de tiempo dado, se suscitan 5 accidentes, determine la probabilidad de que; a) dos de
los accidentes se atribuyan a errores humanos, b) como mximo 1 de los accidentes se atribuya
a errores de tipo humano, c) tres de los accidentes no se atribuyan a errores humanos.

Solucin:
a) n = 5
x = variable que nos define el nmero de accidentes debidos a errores humanos
x = 0, 1, 2,...,5 accidentes debidos a errores de tipo humano
p = p(xito) = p(un accidente se deba a errores humanos) = 0.75
q = p(fracaso) = p(un accidente no se deba a errores humanos) = 1-p = 0.25




b)



c) En este caso cambiaremos el valor de p;
n =5
x = variable que nos define el nmero de accidentes que no se deben a errores de tipo
humano
x = 0, 1, 2,...,5 accidentes debidos a errores humanos
p = p(probabilidad de que un accidente no se deba a errores humanos) = 0.25
q = p(probabilidad de que un accidente se deba a errores humanos) = 1-p = 0.75






5) DISTRIBUCIN DE POISSON.

Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc,
etc,:
- # de defectos de una tela por m
2

- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc.
- # de bacterias por cm
2
de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto, la
frmula a utilizar sera:


Donde:
p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia de ellos es
= media o promedio de xitos por unidad de tiempo, rea o producto
= 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra

Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea
o producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado,
as como cada rea es independiente de otra rea dada y cada producto es independiente de otro
producto dado.
Ejemplos:
1. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de
que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de
dos das consecutivos?

Solucin:
a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un
da cualquiera = 0, 1, 2, 3, ....., etc, etc.
= 6 cheques sin fondo por da
= 2.718



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




3) DISTRIBUCIN HIPERGEOMTRICA.

Los experimentos que tienen este tipo de distribucin tienen las siguientes caractersticas:
a) Al realizar un experimento con este tipo de distribucin, se esperan dos tipos de
resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son constantes.
c) Cada ensayo o repeticin del experimento no es independiente de los dems.
d) El nmero de repeticiones del experimento (n) es constante.
3.
a)Cul es la probabilidad de que una mesera se rehse a servir bebidas alcohlicas
nicamente a dos menores de edad si verifica aleatoriamente solo 5 identificaciones de entre 9
estudiantes, de los cuales 4 no tienen la edad suficiente?, b) Cal es la probabilidad de que
como mximo 2 de las identificaciones pertenezcan a menores de edad?
Solucin:

a) N = 9 total de estudiantes
a = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el nmero de identificaciones que pertenecen a personas menores de
edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad



b) N = 9 total de estudiantes
a = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el nmero de identificaciones que pertenecen a personas menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad