Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones
de probabilidad
discretas
Jhon JairoPadillaA.,PhD.
Jairo Padilla A., PhD.
Introduccin
A
Amenudo,lasobservacionesdediferentes
d l
b
i
d dif
experimentosaleatoriostienenelmismotipogeneral
de comportamiento
decomportamiento.
Lasv.a. discretasasociadasconestosexperimentosse
pueden describir esencialmente con la misma
puedendescribiresencialmenteconlamisma
distribucindeprobabilidad(lamismafrmulabsica).
Enotraspalabras,existendiferentesdistribucionesde
En otras palabras, existen diferentes distribuciones de
probabilidadtpicasquepuedenusarseparamodelar
elcomportamientodevariablesaleatoriasen
diferentesexperimentosaleatorios.
Distribucionesdeprobabilidad
discretastpicasysusaplicaciones
Distribucin
i ib i
Variable
i bl Aleatoria
l
i
Binomial
Nmero depacientescuradosconun
frmaco
Hipergeomtrica
Nmerodeartculosdefectuososenun
lotedeproduccin
Geomtrica
Nmerodemuestras
Nmero
de muestras requeridaspara
requeridas para
generarunafalsaalarmaenuncontrol
estadstico
P i
Poisson
Nmerodeleucocitos
N
d l
i deunacantidadfija
d
id d fij
deunamuestradesangre
Geomtrica
Bsquedasecuencialenunatabla
Poisson
Nmero dellegadasdellamadasaun
conmutadortelefnico
Ejemplo
Seseleccionaunabombillaalazardeunacaja
q
quecontiene4bombillas,unade40watts,
unade60w,unade75wyunade100w.
Todas las bombillas tienen igual probabilidad
Todaslasbombillastienenigualprobabilidad
deserescogidas(1/4).Portanto,setieneuna
distribucin uniforme con
distribucinuniformecon
f(x;4)=1/4;x=40,60,75,100
MediayVarianzadeladistribucin
uniformediscreta
Lamediaylavarianzadeladistribucin
( )
uniformediscretaf(x;k)son:
1 k
= xi
k i =1
1 k
2
= ( xi ) 2
k i =1
Ejemplo
Paraelejemplodelasbombillassetieneque:
1 k
1
= xi = ((40 + 60 + 75 + 100)) = 68, 75
k i =1
4
1 k
1
= ( xi ) 2 = [(40 68, 75) 2 + (60 68, 75) 2 + (75 68, 75) 2 + (100 68, 75) 2 ] = 639,58
4
k i =1
2
DISTRIBUCION BINOMIAL
Tipo de experimento
Tipodeexperimento
SSerealizanpruebasrepetidas
li
b
id
Cadapruebatienedosresultadosposibles(xitoo
f
fracaso,1ocero,correctooincorrecto,etc)
1
t i
t t )
EsteprocesosedenominaProcesodeBernoulli
Ejemplos:
l
Lneadeensambledondesepruebacadaunodelos
productos y se determina si est defectuoso o no
productosysedeterminasiestdefectuosoono.
Lanzamientodeunamoneda10veces.Elresultadopuede
sercarasello.
Setransmitenbitsenserieenuncanaldecomunicaciones,
cadabitpuedellegarerradocorrecto
Caractersticasdeunprocesode
Bernoulli
Elexperimentoconsisteden ensayosquese
repiten
Cadaensayoproduceunresultadoquesepuede
clasificar como xito o fracaso (xito y fracaso son
clasificarcomoxitoofracaso(xitoyfracasoson
sloetiquetas,notienenelsignificadodeque
algo est bien o mal)
algoestbienomal)
Laprobabilidaddeunxitosedenotacomop y
permanececonstantedeunensayoaotro
d
y q
p
p
Losensayosqueserepitensonindependientes
Distribucin binomial
Distribucinbinomial
UnexperimentodeBernoulli puedetener
p
p yy
comoresultadounxitoconprobabilidadp
unfracasoconprobabilidadq=1-p.Entonces,
la distribucin de probabilidad de la v a
ladistribucindeprobabilidaddelav.a.
binomial X,queeselnmerodexitosenn
ensayos independientes es
ensayosindependienteses,
n x n x
,x=0,1,2,, n
b( x; n, p ) = b( x) = p q
x
Nombre Binomial
Nombre
Binomial
Ladistribucinbinomial tomasunombredel
q
p
p
hechoquelaexpresinmatemticadelaf.d.p.
tieneunaformasimilaraladelaserieque
describe el polinomio:
describeelpolinomio:
n k nk
( a + b) = a b
k =0 k
n
Ejemplo
Laprobabilidaddequeciertaclasede
b bilid d d
i
l
d
componentesobrevivaaunapruebade
choquees.Encuentrelaprobabilidadde
quesobrevivanexactamente2delos
siguientes4componentesqueseprueben.
Solucin:
n x n x
p=3/4
n=4
x=2
b( x; n, p ) = b( x) = p q
x
4 3 2 1 4 2
4! 32 27
b(2) = ( ) ( ) =
4 =
2!2! 4 128
2 4 4
Ejemplo
LLasposibilidadesdequeunbittransmitidoa
ibilid d d
bit t
itid
travsdeuncanaldetransmisindigitalsereciba
con error es de 0 1 Suponga adems que los
conerroresde0.1.Supongaademsquelos
ensayosdetransmisinsonindependientes.Sea
Xelnmerodebitsconerrorenlossiguientes4
g
bitstransmitidos.Determinelaprobabilidadde
quelleguendosbitsconerror.
Solucin:
n x n x
p=0.1
n=4
x=2
b( x; n, p ) = b( x) = p q
x
4
b(2) = (0.1) 2 (0.9) 4 2 = 0, 0486
2
Distribucinbinomial paradiferentes
valoresdenyp
n alto(Mayordensidadde
puntos),p=0.5(Simetra)
Aplicaciones
TTodoexperimentoquetengaresultadosbinarios
d
i
t
t
lt d bi i
(xito/fracaso,defectuoso/nodefectuoso,
enfermo/sano,hombre/mujer,etc)ycuyosensayos
/
,
/ j , )y y
y
seanindependientes.
Ejemplos:
Medicina:Ensayosdefrmacoquecura/nocura
Aplicacionesmilitares:Ensayosdeenvodeproyectilesque
dan en el blanco/fallan
danenelblanco/fallan
Comunicaciones:probabilidaddeerrordeunacadenade
bits
CalidadenLneasdeproduccin:Pruebasdeproductos
ld d
d
d
b d
d
Defectuosos/Nodefectuosos
Media y Varianza
MediayVarianza
Lamediaylavarianzadeladistribucin
di l
i
d l di ib i
binomial b(x;n,p)son
= np
2
= npq
Ejemplo:
l
Paraelejemplodelatransmisinde4bitscon
p=0.1,setiene
= (4) (0,1) = 0, 4
2 = (4) (0.1)
(0 1) (0
(0.9)
9) = 00,36
36
DISTRIBUCION GEOMTRICA
Tipo de Experimento
TipodeExperimento
SupngaseunaseriedeensayosdeBernoulli
p
p
p dexitoen
independientesconprobabilidadp
cadaensayo.
Losensayosserealizanhastaqueseobtiene
Los ensayos se realizan hasta que se obtiene
unxito.
Lav.a. X denotaelnmerodeensayoshasta
que se obtiene el primer xito.
queseobtieneelprimerxito.
Definicin
EnunaseriedeensayosdeBernoulli
p
,
p
p
independientes,conprobabilidadconstantep
deunxito,seaquelavariablealeatoriaX
denote el nmero de ensayos hasta el primer
denoteelnmerodeensayoshastaelprimer
xito.EntoncesX tieneunadistribucin
geomtrica con parmetro y
geomtricaconparmetrop
f ( x) = (1 p ) x 1 p ,x=1,2,
Comportamientodeunadistribucin
geomtricavariandop
Eldecrecimiento
def(x)concada
valordextiene
unaprogresin
geomtrica:
i
f(x)=(1-p)f(x-1)
Ejemplo
LLaprobabilidaddequeunbittransmitidoatravsde
b bilid d d
bi
i id
d
uncanaldetransmisindigitalserecibaconerrores
de 0 1 Suponga que las transmisiones son eventos
de0.1.Supongaquelastransmisionessoneventos
independientesyseaquelav.a. Xdenoteelnmerode
bitstransmitidoshastaelprimererror.Calculela
p
probabilidaddequesetransmitan4bits
correctamenteyelquintobitesterrado.
Solucin:
X=5
P ( X = 5) = (0,9)
(0 9) 4 (0,1)
(0 1) = 0,
0 066
p=0.1
q=10,1=0,9
q
,
,
Ejemplo
Enciertoprocesodefabricacin,enpromedio,
unodecada100artculosestdefectuoso.
Culeslaprobabilidaddequeelquinto
artculo que se inspecciona sea el primer
artculoqueseinspeccionaseaelprimer
artculodefectuosoqueseencuentra?
Solucin:
l
p
p=1/100=0,01
x=5
P( X = 5) = (0,99)
(0 99) 4 (0,
(0 01) = 0,
0 0096
Mediayvarianzadeunav.a. con
distribucingeomtrica
SiX esunav.a. geomtricaconparmetrop,
y
son
entonceslamediaylavarianzadeX
1
= E( X ) =
p
(1 p )
2
=
p2
Ejemplo
Enelejemplodelatransmisindebitscon
p
probabilidad0.1dequellegueunbiterrado,
q
g
calculeelnmeropromediodebits
transmitidos incluyendo el primer bit errado
transmitidosincluyendoelprimerbiterrado.
Calculeladesviacinestndardeestamisma
variable.
variable
1
(
)
=
E
X
=
= 10
Solucin:
0,1
p=0,1
1/ 2
(1 p )
= 2
p
1/ 2
(1 0,1)
=
0 012
0,
= 9, 49
DISTRIBUCION BINOMIAL
NEGATIVA
Tipo de Experimento
TipodeExperimento
SupngaseunaseriedeensayosdeBernoulli
p
p
p dexitoen
independientesconprobabilidadp
cadaensayo.
Losensayosserealizanhastaobtenerr
Los ensayos se realizan hasta obtener r xitos
Estaesunageneralizacindeunadistribucin
geomtrica
Definicin
EnunaseriedeensayosdeBernoulli
p
p
p
independientes,conprobabilidadconstantep
dexito,seaquelav.a. Xdenoteelnmerode
ensayos hasta que ocurran r xitos Entonces
ensayoshastaqueocurranrxitos.Entonces
Xtieneunadistribucinbinomial negativa
donde
x 1
xr r
f ( x) =
(1
p
)
p
r 1
Aclaraciones
Debidoaquesenecesitanalmenosrensayos
p
paraobtenerrxitos,elrangodeXesdera
g
infinito.
Sir=1,unav.a.
Si r=1 una v a binomial negativaseconvierte
negativa se convierte
enunav.a. geomtrica
Ejemplo
Supongaquelaprobabilidaddequeunbittransmitidoa
t d
travsdeuncanaldetransmisindigitalserecibacon
ld t
i i di it l
ib
errores0,1.Supongaquelastransmisionessoneventos
independientes,yseaquelav.a. Xdenoteelnmerode
b
bitstransmitidoshastaquesetransmiteelcuartobit
d h
l
b
errado.Calculelaprobabilidaddequeeldcimobitsea
elcuartobiterrado.
Solucin:
10 1
10 4
4
f ( x) =
(1
0,1)
0,1
r=4xitos
x=10ensayos
9
9
6
4
f ( x) = ((0,9)) 0,1 = (0,9)
( )6 0,130,11
3
3
Probabilidaddeque
q
ocurran3erroresenlos
nueveprimerosensayos
(Distribucinbinomial)
Prob.Del
cuartobit
errado
Distribucionesbinomiales negativas
paradiferentesvaloresderyp
Media y Varianza
MediayVarianza
SiXesunav.a. aleatoriabinomial negativacon
p
parmetrospyr,entonceslamediayvarianza
py
y
deXson,
r
p
r (1 p )
2
=
p2
= E( X ) =
Relacinentrelasdistribuciones
geomtricaybinomial negativa
SSedicequeunav.a.
di
geomtricanotienememoria.
t i
ti
i
Lapropiedaddefaltadememoriasignificaquecadavez
que se obtiene un xito se reinicia
queseobtieneunxitosere
iniciaelconteodelos
el conteo de los
resultadosdelosensayoshastaelsiguientexito.
SeaX1 elnmerodeensayoshastaelprimerxito,X2 el
nmerodeensayoshastaelsegundoxito,etc.
d
h
l
d i
Entonces,paraobtenerrxitosX=X1+X2++Xr
Aplicacindelasdistribuciones
binomial negativaygeomtrica
Silaprobabilidaddetenerquehacerungran
nmerodeintentosantesdeobtenerunxito
(distrib.geomtrica)orxitos(distrib.
Binomial negativa)esalta,estopodra
negativa) es alta esto podra
significarqueseemplearanmuchosesfuerzos
en lograr el objetivo (lo que podra significar
enlograrelobjetivo(loquepodrasignificar
altoscostosenunproyecto).
DISTRIBUCINHIPERGEOMTRICA
Tipo de experimento
Tipodeexperimento
SSerealizanexperimentosdeBernoulli
li
i
d B
lli
Interesacalcularlaprobabilidadparaunnmerode
observacionesquecaendentrodeunacategora(xito)
b
i
d t d
t
( it )
ennensayos.
Adiferenciadeladistribucinbinomial,enquehayun
A diferencia de la distribucin binomial en que hay un
supuestodeindependencia(loselementosquese
sacan se reemplazan o vuelven a aparecer en el
sacansereemplazanovuelvenaaparecerenel
espaciomuestral),enestecasonohayreemplazo.
Aplicaciones:Experimentosenqueelartculoprobado
p
p
q
p
sedestruyeodesechayporellonosepuede
reemplazarenelespaciomuestral.
Ejemplo
Culeslaprobabilidaddetomar3cartasrojasen5extraccionesdeuna
Cul
es la probabilidad de tomar 3 cartas rojas en 5 extracciones de una
barajade52cartas,sihay26cartasrojasy26cartasnegras?
Solucin:
No
Nosepuedeaplicarladistribucinbinomial
se puede aplicar la distribucin binomial (amenosquecadacartaquese
(a menos que cada carta que se
sacasereemplaceyqueelpaqueteserevuelvaparalasiguienteextraccin)
Nosinteresamosenlaposibilidaddesacar3cartasrojasde26posiblesy2
cartasnegrasde26posibles
26
26
Portanto,hayposibilidadesdetomar3cartasrojas,yposibilidades
3
2
detomar2cartasnegras
26 26
Elnmerototaldeformasdeseleccionar3cartasrojasy2cartasnegrases 3 2
Elnmerototaldeformasdetomarcualesquier5cartasdelas52disponibles
El
t t ld f
d t
l
i 5 t d l 52 di
ibl
52
es
5
Portanto,laprobabilidadtotalser
Por tanto la probabilidad total ser
26 26
3 2 = 0,3251
0 3251
52
5
Definicin
UnconjuntodeNobjetoscontiene
U
j t d N bj t
ti
Kobjetosclasificadoscomoxitosy
NK
N
Kobjetosclasificadoscomofracasos
objetos clasificados como fracasos
Seseleccionaunamuestracontamaodenobjetosal
azar(sinreemplazo)delosNobjetos,dondeK<Ny
n<N.
Seaquelav.a. Xdenoteelnmerodexitosenla
muestra Entonces X tiene una distribucin
muestra.EntoncesXtieneunadistribucin
hipergeomtrica y
K N K
x
n
x
f ( x) =
N
n
mx{0,n+K-N} <x<mn{K,n}
Distribucinhipergeomtrica para
diferentesvaloresdeN,n yK
Media y varianza
Mediayvarianza
SiXesunav.a. condistribucin
p g
yyconparmetrosN,Kyn,la
p
y
hipergeomtrica
mediaylavarianzadeXson
= E ( X ) = np
N n
= np (1 p )
Dondep=K/N
D d
K/N
Factordecorreccinparapoblaciones
finitas
Lavarianzadeladistribucinhipergeomtrica
eslavarianzadeladistribucinbinomial
multiplicadaporunfactor.
Factordecorreccinpara
N n
= np (1 p )
N
1
Varianzadistribucinbinomial
poblacionesfinitas.
poblaciones
finitas
Sedebealhechodeno
hacerreemplazos.
Porreglagenerallaaproximacinesbuena
Por regla general la aproximacin es buena
cuando(n/N)<0.05
DISTRIBUCINDEPOISSON
Tipo de Experimento
TipodeExperimento
SSedeseadescribirelnmeroderesultadosqueocurren
d
d
ibi l
d
lt d
en:
Unintervalodetiempo:
p
Minutos,das,semanas,meses,aos
Unareginespecfica:
Segmentodelnea,unrea,unvolumen
Segmento de lnea, un rea, un volumen
Aplicaciones:
Nmerodellamadastelefnicasporhoraquerecibeunaoficina
Nmerodejuegossuspendidosdebidoalalluviaduranteuna
temporada
Nmeroderatasdecampoporacre
Nmerodebacteriasenuncultivodado
Nmerodeerroresmecanogrficosporpgina
Proceso de Poisson
ProcesodePoisson
tiempo
p
i t
intervalo
l
Regin
Proceso de Poisson
ProcesodePoisson
El
Elnmeroderesultadosqueocurrenenunintervaloo
d
lt d
i t
l
reginesindependientedelnmeroqueocurreen
cualquierotrointervalooregindisjunto(Notiene
q
g
j
(
memoria).
Laprobabilidaddequeocurraunsoloresultado
d
duranteunintervalomuycortoounareginpequea
t
i t
l
t
i
esproporcionalalalongituddelintervalooaltamao
g ,y
p
delaregin,ynodependedelnmeroderesultados
quecaenfueradeesteintervalooregin.
Laprobabilidaddequeocurramsdeunresultadoen
talintervalocortooquecaigaentalreginpequeaes
li
l
i
l
i
insignificante.
Distribucin de Poisson
DistribucindePoisson
ElnmeroXderesultadosqueocurren
p
sellama
duranteunexperimentodePoisson
variablealeatoriadePoisson ysudistribucin
de probabilidad se llama distribucin de
deprobabilidadsellamadistribucinde
Poisson
Si
Sin
n seincrementayp
se incrementa y p sehacemuypequea,de
se hace muy pequea, de
maneraquesemantengasiempreelproducto
pn=kte=
pn
kte (esteproductoeslamedia),entonces
(este producto es la media), entonces
n
P( X = x) =
x n
1
n
Portanto,cuandon
Por tanto cuando n esmuygrande:
es muy grande
n x
e x
lim n P ( X = x) =
x!
Definicin
Ladistribucindeprobabilidaddelav.a.
di ib i d
b bilid d d l
d
de
Poisson X,querepresentaelnmerode
resultadosqueocurrenenunintervalodadoo
reginespecficos(t)yquesepuede
representarcomot,es
e t ( t ) x
f ( x) =
x!
Donde eselnmeropromedioderesultados
por unidad de tiempo distancia rea o
porunidaddetiempo,distancia,reao
volmen.
Media y Varianza
MediayVarianza
SiXesunav.a.
i
d
dePoisson
i
conparmetro,
entonceslamediaylavarianzadeXson
= E( X ) =
2 = V (X ) =
Consecuencia:
Consecuencia:Silavarianzadelosconteoses
Si la varianza de los conteos es
muchomsgrandequelamediadelosmismos,
entonces la distribucin de Poisson noesunbuen
entoncesladistribucindePoisson
no es un buen
modeloparaladistribucindelav.a.
Ejemplo
Sepresentanimperfeccionesaleatoriamentealolargodeunalambre
f
l
l l
d
l b
delgadodecobre.SeaqueXdenotelav.a. quecuentaelnmerode
imperfeccionesenunalongituddeLmilmetrosdealambre,ysuponga
queelnmeropromediodeimperfeccionesen1milmetroses=2.3.(a)
Determinelaprobabilidaddeexactamente2imperfeccionesen1mmde
( )
p
p
cable.(b)Determinelaprobabilidadde10imperfeccionesen5mmde
alambre.
Solucin:
((2.3)(1)
)( )
2
e
((2
((2.3)(1))
3)(1))
A) 2 3i
A)=2.3imperfecc/1mm
f /1
f (2) =
= 0.265
2!
t=1mm
B)=2.3imperfecc/1mm
t=5mm
e (2.3)(5) ((2.3)(5))10
f (10) =
= 0.113
10!
Ejemplo
El
Elnmeropromediodecamionestanquequellega
di d
i
t
ll
cadadaaciertaciudadportuariaes10.Las
instalacionesenelpuertopuedenmanejaraloms15
p
p
j
camionestanqueporda.Culeslaprobabilidadde
queenundadadohayacamionesquesetenganque
regresar por no haber sido atendidos?
regresarpornohabersidoatendidos?
Solucin:
Se
SepreguntaP(X>15)
pregunta P(X>15)
PeroP(X>15)=1P(X<15)
DondeP(X<15)eslafuncindedistribucinacumulada
hastaX=15
Entonces:
)( )
15
15
e ((10)(1)
((10)(1)) x
1 f ( x) = 1
= 1 0.9513 = 0.0487
x!
x =0
x =0
Ejemplo
EEnunprocesodefabricacindondesemanufacturan
d f b i i d d
f t
productosdevidrioocurrendefectosoburbujas,locual
ocasionalmentedejaalapiezaindeseableparasuventa.
Sesabeque,enpromedio,1decada1000deestos
artculosqueseproducentieneunamsburbujas.Cul
eslaprobabilidaddequeunamuestraaleatoriade8000
p
q
tengamenosde7artculosconburbujas?
Solucin:
EEsteesunexperimentobinomial
t
i
t bi
i l conx=7,n=8000yp=0.001
7 8000
0 001
Comopescercanaaceroynesbastantegrande,sepuedeusar
ladistribucindePoisson comoaproximacin,con=pn=8.
Entonces:
6
P( X < 7)) =
x =0
e (8)(1) ((8)(1)) x
f ( x) =
= 0.3134
x!
x =0
6