1

ALGUNOS MODELOS DE DISTRIBUCIN DE PROBABILIADA1

DISTRIBUCIN DE BERNOULLI
Considere la inspeccin de un artculo nico salido de la lnea de ensamblaje. Se decide anotar
un 1 si el artculo tiene defectos (xito, con probabilidad p) y 0 (fracaso, con probabilidad
q = 1 p) si no lo tiene. Si X es la variable aleatoria1 que representa el estado del artculo que se
inspecciona, entonces X tiene una distribucin de Bernoulli:

x=0
q ,

p(x) = p ,
x=1
0 , en otro caso

donde p es la probabilidad
de observar un artculo
defectuoso (xito).

Funcin
de
Cuanta

X: xito obtenido en la prueba

1-x

(funcin que asigna las

probabilidades)

p x q
p(x)=
0

, x=0,1
, en otro caso

p+q=1
Resumiendo, X tiene una distribucin Bernoulli si existen las condiciones siguientes:
1.- El experimento se realiza una sola vez.
2.- El resultado del experimento puede ser un xito o un fracaso.
3.- La probabilidad de xito se denota por p y la probabilidad de fracaso por q. ( p+q=1)

Ejemplos:
Lanzar una moneda y que salga cara.
p=
Elegir una persona de la poblacin y que est enfermo.
p = 1/1000 = prevalencia de la enfermedad

Si X es una v. a. Bernoulli con parmetro p (X B(1,p) ), entonces la media y la

varianza son:
= E(X) = p y 2 = V(X) = pq
DISTRIBUCION BINOMIAL
Si se repite en forma independiente un nmero fijo de veces, n, un experimento de Bernoulli con
parmetro p, el nmero de xitos sigue una distribucin Binomial.
Ejemplo: En la fabricacin de cilindros para gas, se ha observado que el 8% no cumple con las
especificaciones requeridas. Se toman 4 cilindros y se someten a un control, Cul es la
probabilidad de que 2 cumplan con las especificaciones?, Cul es la probabilidad de que por lo
menos tres cumplan con las especificaciones?
Se define la variable aleatoria
X: N de cilindros en la muestra que cumplen con las especificaciones
Se pide calcular las probabilidades P(X = 2) y P(X > 3)

Una variable aleatoria es una funcin que asigna un nmero real a cada resultado en el espacio muestral de un
experimento aleatorio. Un modelo de distrib. de prob. es la representacin simblica de una poblacin.
2

E(X) =

x p(x)

V(X) = E(X 2 ) - (E(X))2 ,

Rex X

Cecilia Larran - Ana Mara Daz

E(X 2 )

Rec X

p(x)

2
En este experimento se indica con E un cilindro cumple con las especificaciones y con D un
cilindro que no cumple con las especificaciones. Con esto, el espacio muestral (conjunto de
todos los resultados del experimento) se puede describir:
Resultado
DDDD
DDCE
DDED
DEDD

x
0
1
1
1

Resultado
DEEE
EDEE
EEDE
EEED

x
3
3
3
3

Resultado
EDDD
DDEE
DEDE
DEED

x
1
2
2
2

Resultado
EEEE
EDDE
EDED
EEDD

x
4
2
2
2

El suceso en que X = 2 est formado por seis resultados:

{(E,E,DD) ,

( D,E,D,E) , (D,E,E,D) , (E,D,D,E) , (E,D,E,D) , (D,D,E,E) } ,

E = xito,
P(E) = 0,92

D = Fracaso
P(D) = 0,08

Como debemos suponer independencia en la realizacin del experimento (se supone que la
poblacin es infinita), entonces la probabilidad de (E,E,DD) es

P( E1 E2 D3 D4 ) = P(E1)P(E2)P(D3)P(D4) = (0,92)2(0,08)2 = 0,00542

Por otra parte, la probabilidad que se presente cualquiera de los seis resultados mutuamente
excluyentes para los que X = 2, es la misma. Por lo tanto

P(X = 2) = 6 (0,0054) = 0,03252

En general,
P(X = x) = (nmero de resultados con x xitos en ) P(X=xito)x P(X=fracaso)4-x
Determinamos P(X > 3) = P( X = 3) + P(X = 4)
= 4 (0,92)3 (0,08)1 + 1 (0,92)4(0,08)0 = 0,9656
Una variable aleatoria X se distribuye Binomial si existen las cinco condiciones siguientes:
1. El experimento de Bernoulli se realiza un numero determinado de veces (n).
2. El resultado de cada experimento puede ser un xito o un fracaso, la probabilidad de xito
se denota por p y la probabilidad de fracaso por q.
( p+q = 1)
3. La probabilidad de xito p permanece constante de experimento en experimento.
4. La poblacin es infinita (se supone quela realizacin de c/experimento es con reposicin).
5. Se define la v.a X como el n de xitos en las n pruebas o realizaciones

Notacin: X B(n , p)
La funcin de probabilidad o funcin de cuanta es
n x n-x
p q

p(x) = x

=
0
P(X = x)

Esperanza

E(X) = n p

, x = 0,1,2, ...,n
, en otro caso

; Varianza V(X) = n p q

Del ejemplo de los cilindros de gas determine:

Probabilidad de que los 4 cilindros no cumplan con las especificaciones.
Probabilidad de que a lo ms uno cumpla con las especificaciones

Cecilia Larran - Ana Mara Daz

DISTRIBUCIN HIPERGEOMETRICA1.
Se usa para modelar situaciones de poblaciones finitas, en que:
1.- El experimento se repite un nmero determinado de n veces sin reposicin.
2.- El resultado del experimento puede ser un xito (E) o un fracaso (F).
3.- La probabilidad de xito cambia de experimento en experimento.
4.- Se conoce el tamao de la poblacin.(N)
Se defina la v.a.1
X: N de casos favorables en la muestra de tamao n

Espacio muestral del exp. ()

E

La funcin de probabilidad o funcin de cuanta es

(funcin que asignas las prob.)

N1 N-N1

x n-x ,
p(x) =
N

=
n
P(X=x)

0
,

N N1

N1

n
x

n- x

En donde

si x = 0,1,2, ... n N1

en otro caso

N1 = N de casos favorables en la poblacin (n de xitos)

N N1 = N de casos desfavorables en la poblacin (n fracasos)

Factor de
correcin
para pobl.
finitas
2

E(X) = n

Esperanza

N1
N

Varianza

V(X)=

N N - N1 N - n
n 1

N N N -1

Ejemplo:
Una empresa que se dedica al rubro de la computacin, tiene para la venta 5 impresoras a color
comn; 4 impresoras lser y 6 impresoras matriciales. Una persona compre 5 impresoras Cul es
la probabilidad que i) solo 3 de ellas sean lser? ii) Por lo menos una sea lser.

Solucin:
Se define la v.a. X = N impresoras lser (L) entre las 5 vendidas
X Hipergeomtrica
L

N = 15

N N1 = 11

N1 = 4

n=5
x

Funcin de cuanta

LC

5- x

4 11

x 5 - x
,
p(x) =
15

=
5
P(X=x)

0
,

4 11

3 5-3
i) Entonces P (X = 3) = = 0,073
15

5

ii) P(

si x = 0, 1, 2, 3, 4

en otro caso

)=

Una variable aleatoria es una funcin que asigna un nmero real a cada resultado en el espacio muestral de un
experimento aleatorio. Un modelo de distrib. de prob. es la representacin simblica de una poblacin.
2

E(X) =

x p(x)

Rex X

Cecilia Larran - Ana Mara Daz

V(X) = E(X 2 ) - (E(X))2 ,

E(X 2 )

Rec X

p(x)

DISTRIBUCIN DE POISSON1
Se utiliza para describir experimentos en el que se observan la aparicin de sucesos puntuales
sobre un soporte contnuo. Por ejemplo, el nmero de llegadas de clientes por hora, el nmero de
accidentes industriales al mes, en nmero de conexiones elctricas defectuosas por milla de
cableado de un sistema. En cada uno de estos casos los sucesos que ocurren se miden en una
unidad de tiempo o distancia.
Para aplicar la distribucin de Poisson es preciso tener en consideracin:
1. La probabilidad de que ocurra el suceso es constante para dos intervalos de tiempo o espacio
cualesquiera.
2. La aparicin de un suceso en cualquier intervalo es independiente de su aparicin en
cualquier otro intervalo.
Se define la v.a.1 de Poisson como
X: N de sucesos que ocurren en una unidad
Notacin. X ()

La funcin de probabilidad1 o funcin de cuanta es (funcin que asignas las prob.) es:
x e
p ( x)
si x 0,1, 2,3, 4,........ ; : promedio de sucesos en la unidad
x!

E(X) =

Esperanza

Varianza

V(X)=

Ejemplo.
Una empresa de pavimentacin tiene contrato con una municipalidad para el mantenimiento de
sus calles. Estas calles dan un promedio de 2 defectos por milla, despus de ser utilizadas durante
un ao. Si se consideran que los defectos se ajustan a una distribucin de Poisson. Cul es la
probabilidad que se presente un defecto en cualquier milla, despus de soportar trfico un ao?

Solucin:
Se define la v.a. X = N de defectos en el pavimento por milla, entonces X tiene una
distribucinn de Poisson con E(X) = 2 =
X ( = 2)

2x e-2

p(x) = x!
0
=

P(X = x)

, 0, 1, 2, ...
, en otro caso

21e -2
P(X = 1) =
= 0, 271
1!

La probabilidad que se presente un defecto en cualquier milla, despus de soportar trfico un ao

es 0,271.
Ejemplo:
Suponga que el nmero de veces que el hilo de cierta tela se rompe, en un intervalo de tiempo, es
un proceso de Poisson y que cada 10 horas de trabajo de telar se produce en promedio una
ruptura de hilo. Si se est produciendo cierto tipo de tela, que tomar 25 horas de trabajo en ese
telar, y si dos o ms rupturas hacen que el producto se vuelva no satisfactorio, obtenga la
probabilidad de que la tela se termine en calidad de satisfactorio.

X=
X ( = )
1

Una variable aleatoria es una funcin que asigna un nmero real a cada resultado en el espacio muestral de un
experimento aleatorio. Un modelo de distrib. de prob. es la representacin simblica de una poblacin.
2

E(X) =

x p(x)

Rex X

Cecilia Larran - Ana Mara Daz

V(X) = E(X 2 ) - (E(X))2 ,

E(X 2 )

Rec X

p(x)

Ejercicios
1. Una venta particular involucra cuatro artculos seleccionados al azar de un gran lote que tiene un 10%
de defectuosos.

a. Cul es la probabilidad de que entre cuatro artculos vendidos a lo ms uno sea defectuoso?.
b. El comprador de los artculos devolver los defectuosos para ser reparados, y el costo en pesos de
reparacin es C = 3X2 + 2, siendo X el nmero de defectuosos entre los cuatro artculos vendidos.
Encuentre el costo esperado de reparacin.
2. El nmero de usuarios que no pueden acceder a un determinado sitio web, en una hora, es una variable
aleatoria distribuida Poisson con promedio de 6 usuarios por hora.
Calcule la probabilidad, de que en un periodo de media hora no puedan acceder a este sitio web, tres
o ms usuarios.

3. DISTRIBUCIN GEOMETRICA (est relacionada con el exp. de Bernoulli)

1.- El experimento de Bernoulli se repite hasta obtener un xito.
2.- El resultado del experimento puede ser un xito o un fracaso.
3.- La probabilidad de xito (p) es independiente del obtenido en otro experimento
Se define la v.a.
X: N de pruebas necesarias para obtener el primer xito.
Funcin de cuanta:
Esperanza

E( X )

p ( x)
1
p

p q x1

; Varianza

si

x 1,2,3,4,............

V (X )

q
p2

Ejemplo:
Un organismo de defensa del consumidor analiza unidades de un producto hasta encontrar uno,
que no presenta su fecha de vencimiento . Se sabe que en el mercado un 3% de unidades de este
producto no tiene su fecha de vencimiento . Cul es la probabilidad que se tengan que revisar
menos de 4 unidades?

4. DISTRIBUCIN PASCAL (est relacionada con el exp. de Bernoulli)

Se defina la v.a.
X: N de pruebas de Bernoulli necesarias hasta obtener r xitos.
Funcin de cuanta:
x 1
r
x r
p ( x)
si x r , r 1, r 2, r 3......
r 1
p q

r
r q
Esperanza
E( X )
; Varianza : V ( x) 2
p
p
Ejemplo.
Usando el enunciado anterior (3), Cul es la probabilidad que se revisen a lo ms 6 unidades
para encontrar 3 sin fecha de vencimiento?

Cecilia Larran - Ana Mara Daz