INDICE

DISTRIBUCIÓN DE POISSON ................................................................................................................ 2 DISTRIBUCIÓN GEOMÉTRICA .............................................................................................................. 3 DISTRIBUCIÓN HIPERGEOMÉTRICA..................................................................................................... 4

DISTRIBUCIÓN DE POISSON En teoría de probabilidad y estadística. la distribución de Poisson es una distribución de probabilidad discreta que expresa. a partir de una frecuencia de ocurrencia media. Una variable aleatoria de Poisson (x) se refiere al número de éxitos en un experimento de Poisson. Describe todo proceso aleatorio cuya probabilidad de ocurrencia es pequeña y constante y cuando la variable es discreta. Es una de las distribuciones de probabilidad discreta. la probabilidad que ocurra un determinado número de eventos durante cierto periodo de tiempo. entonces se aplica el modelo de distribución de Poisson: Se tiene que cumplir que: “p" < 0. cuando en una distribución binomial se realiza el experimento un número "n" muy elevado de veces y la probabilidad de éxito "p" en cada ensayo es reducida. La distribución de Poisson parte de la distribución binomial. Esta distribución se utiliza para calcular las posibilidades de un evento con la tasa media dada de valor (λ).10 “p * n" < 10 La distribución de Poisson sigue el siguiente modelo: La media µ = λ La variancia σ = λ .

siendo la probabilidad de este suceso p. el número de veces " n " que se realiza el experimento multiplicado por la probabilidad " p " de éxito en cada ensayo) “k " es el número de éxito cuya probabilidad se está calculando Ejemplo: La probabilidad de tener un accidente de tráfico es de 0. la probabilidad de tener 3 accidentes de tráfico en 300 viajes es del 8. entonces aplicamos el modelo de distribución de Poisson. que se efectúa repetidamente un experimento o prueba. P (x = 3) = 0. ¿cuál es la probabilidad de tener 3 accidentes? Como la probabilidad " p " es menor que 0.1. y el producto " n * p " es menor que 10. La distribución geométrica permite calcular la probabilidad de que tenga que realizarse un número k de repeticiones hasta obtener un éxito por primera vez. que las repeticiones son independientes y que se está interesado en la ocurrencia o no de un suceso al que se refiere como “éxito”.02 λ = 6. λ = n * p = 300 * 0.02 cada vez que se viaja.71828 “λ " = n * p (es decir.Vamos a explicarla: El número "e" es 2.0892 Por lo tanto. si se realizan 300 viajes. Así .9% DISTRIBUCIÓN GEOMÉTRICA Supóngase. Luego.

sino que es la variable aleatoria que se mide y.pues. que implica que la probabilidad de tener que esperar un tiempo t no depende del tiempo que ya haya transcurrido. Para ilustrar el empleo de esta distribución. En estadística. de manera que si los ensayos se realizan a intervalos regulares de tiempo. La distribución geométrica se utiliza en la distribución de tiempos de espera. 2...8. la distribución hipergeométrica es una de las distribuciones de probabilidad discreta. por otra parte. la variable aleatoria “intentos fallidos en la aplicación del medicamento antes del primer éxito” sigue una distribución geométrica de parámetro p=0. 1. 0<p<1 DISTRIBUCIÓN HIPERGEOMÉTRICA En teoría de la probabilidad la distribución hipergeométrica es una distribución discreta relacionada con muestreos aleatorios y sin reemplazo. esta variable aleatoria proporciona el tiempo transcurrido hasta el primer éxito. Otro ejemplo de variable geométrica es el número de hijos hasta el nacimiento de la primera niña. se diferencia de la distribución binomial en que el número de repeticiones no está predeterminado. se supone que cierto medicamento opera exitosamente ante la enfermedad para la cual fue concebido en el 80% de los casos a los que se aplica. Esta distribución se utiliza para calcular la probabilidad . Esta distribución presenta la denominada “propiedad de Harkov” o de falta de memoria. . Parámetros: p: probabilidad de éxito. el conjunto de valores posibles de la variable es ilimitado. Valores: x: 0.

en cada ensayo hay tan sólo dos posibles resultados: o sale blanca o no sale. al igual que en la distribución binomial. en el caso de la distribución hipergeométrica. porque hay reemplazo en la selección de la muestra. Pero se diferencia de la distribución binomial en que los distintos ensayos son dependientes entre sí: Si en una urna con 5 bolas blancas y 3 negras en un primer ensayo saco una bola blanca. el tamaño de la población es el número total de objetos en el experimento. Sin embargo. El modelo hipergeométrico es apropiado. La distribución hipergeométrica es el modelo que se aplica en experimentos del siguiente tipo: En una urna hay bolas de dos colores (blancas y negras). en el segundo ensayo hay una bola blanca menos por lo que las probabilidades son diferentes (hay dependencia entre los distintos ensayos). La función hipergeométrica es una distribución discreta de probabilidad. ¿cuál es la probabilidad de que al sacar 2 bolas las dos sean blancas? Son experimentos donde. porque la selección de la muestra se hace sin reemplazo y la probabilidad de éxito cambia de un intento a otro. La manera más simple de ver la diferencia entre las dos distribuciones radica en la forma que se hace el muestreo. . hay dependencia. cuando el muestreo es sin reemplazo de una población finita y. la cual está estrechamente ligada a la distribución binomial. La diferencia entre estas dos distribuciones es que. en la distribución binomial. los intentos son independientes. cuando se requiere la probabilidad de un número específico de éxitos y/o fracasos.de una selección aleatoria de un objeto sin repetición. Aquí.

obesidad. por ejemplo. Valores: x: max{0. en los que se investiga la presencia o ausencia de cierta característica. esta distribución es la equivalente a la binomial. R≥0 entero . N>0 entero R: número de éxitos en la población. min{R.).. etc. Parámetros: N: tamaño de la población. Cuando el tamaño de la población es grande. hábito de fumar. pero cuando el muestreo se hace sin reemplazo. Durante las pruebas. Piénsese.La distribución hipergeométrica suele aparecer en procesos muestrales sin reemplazo. El número de “éxitos” en una muestra aleatoria de tamaño n. Por tanto..n}. es una variable aleatoria con distribución hipergeométrica de parámetros N. la variable que cuenta el número de cápsulas que no cumplen los criterios de calidad establecidos sigue una distribución hipergeométrica. durante el cual se extraen muestras de las cápsulas fabricadas y se someten a análisis para determinar su composición. Esta distribución se puede ilustrar del modo siguiente: se tiene una población finita con N elementos. por lo que la distribución hipergeométrica se aproxima en tal caso a la binomial. las cápsulas son destruidas y no pueden ser devueltas al lote del que provienen. En esta situación.n-(N-R)}. en un procedimiento de control de calidad en una empresa farmacéutica. de los cuales R tienen una determinada característica que se llama “éxito” (diabetes.. los muestreos con y sin reemplazo son equivalentes. extraída sin reemplazo de la población. donde max{0.n} indica el valor mínimo entre R y n.n-(N-R)} indica el valor máximo entre 0 y n(N-R) y min {R. R y n. .

Se sacan 4 bolas ¿Cuál es la probabilidad de que 3 sean blancas? Entonces: N = 12. k = 3. n = 4 Si aplicamos el modelo: . N2 = 5.n: número de pruebas. N1 = 7. n>0 entero La distribución hipergeométrica sigue el siguiente modelo: Dónde: Vamos a tratar de explicarlo: N: es el número total de bolas en la urna N1: es el número total de bolas blancas N2: es el número total de bolas negras k: es el número de bolas blancas cuya probabilidad se está calculando n: es el número de ensayos que se realiza Veamos un ejemplo: en una urna hay 7 bolas blancas y 5 negras.

Por lo tanto. P (x = 3) = 0. . la probabilidad de sacar 3 bolas blancas es del 35.3%.3535. Es decir.

Sign up to vote on this title
UsefulNot useful