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)

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 3 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 dos cumplan con las especificaciones?

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

Cecilia Larran - Ana Mara Daz

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

; Varianza V(X) = n p q

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

1
p(x) =
N

=
n
P(X=x)

0
,
en otro caso

N N1

N1

n
x

n- x

En donde

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

LC

N N1 = 11

N1 = 4

n=5
x

5- x

Funcin de cuanta

4 11

x 5 - x
, si x = 0, 1, 2, 3, 4
p(x) =
15

=
5
P(X=x)

0
,
en otro caso

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.
Cecilia Larran - Ana Mara Daz

3
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?
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.

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 para revisar que
tengan su fecha de vencimiento. Se sabe que en el mercado un 3% de unidades de este producto
no tiene su fecha de vencimiento. 1.- Si se revisan unidades hasta encontrar una, que no
presenta su fecha de vencimiento. Cul es la probabilidad que se tengan que revisar menos de 4
unidades?
2.- Cul es la probabilidad que se revisen a lo ms 6 unidades para encontrar 3 sin fecha de
vencimiento.

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

Cecilia Larran - Ana Mara Daz