Está en la página 1de 4

Universidad T

ecnica Federico Santa Mara


Departamento de Matematica

Profesor: Ronny Vallejos

Clase 10: Variables Aleatorias Discretas Especiales


Distribuci
on Binomial
Ahora nos corresponde estudiar algunos modelos discretos y contunuos especiales. Comenzaremos
con los modelos discretos mas comunes.
Definici
on 1. Un experimento de Bernoulli es aquel experimento que tiene solo dos resultados
posibles. Por ejemplo el lanzamiento de una moneda, la examinacion de un artculo para ver si es
defectuoso, etc.
Definici
on 2. Sea X : R una variable aleatoria tal que P[X(w) = 1] = p, y P[X(w) =
0] = 1 p, 0 p 1. X se llama variable aleatoria Bernoulli con parametro p y se denota por
X Ber(p).
Definici
on 3. Sea A un evento. Definimos la funcion indicatriz IA (x) como sigue:
(
1, x A
IA (x) =
0, x
/ A.
Usando la funcion indicatriz podemos escribir facilmente la funcion de cuanta de la variable
aleatoria Bernoulli. A saber,
fX (x) = (1 p)I{0} (x) + pI{1} (x).
Ademas, la funcion de distribucion acumulada esta dada por
FX (x) = (1 p)I[0,1] (x) + I[1,[ (x).
Un calculo sencillo muestra que E[X] = p, E[X 2 ] = p. Luego, V[X] = E[X 2 ] (E[X])2 = p p2 =
p(1 p).
Definici
on 4. Sea X una variable aleatoria Bernoulli tal que P[X(w) = 1] = P[exito] = p, y
P[X(w) = 0] = P[fracaso] = 1 p, 0 p 1. supongamos que repetimos el experimento de
Bermoulli en forma P
independiente n veces y contamos la cantidad de exitos que ocurren. Es decir,
sea la variable Y = ni=1 Xi cantidad de exitos de un total del n repeticiones, donde Xi representa
el exito o fracaso en la repeticion i-esima. Entonces, se dice que Y tiene una distribucion binomial
con parametros n y p. Anotaremos Y Bin(n, p).
Teorema 1. Sea Y Bin(n, p). Entonces

1. fY (y) = ny py (1 p)ny I{0,2,...,n} (y).
2. FY (y) =

P[y]

k=0

n
y

py (1 p)ny .

3. E[Y ] = p
4. V[Y ] = np(1 p).
MAT-043

Noviembre 05, 2013

Universidad T
ecnica Federico Santa Mara
Departamento de Matematica

Profesor: Ronny Vallejos

Demostraci
on.
1. Note que la probabilidad de que un exito ocurra es p. Entonces si las repeticiones se realizan en forma independiente, cuando ocurren y exitos, tambien ocurren n y
fracasos y la forma de ubicar y exitos en n casilleros es ny . Por lo tanto, la probabilidad de
tener y exisot en n repeticiones es
 
n y
P[Y = y] = fY (y) =
p (1 p)ny I{0,2,...,n} (y).
y
2. Por deficinion, FY (y) = P[Y y] =

P[y]

k=0

n
y

 y
p (1 p)ny .

3.
n
X

 
n
X
n y
E[Y ] =
yfY (y) =
y
p (1 p)ny
y
y=0
y=0


n
X n
y
py (1 p)ny
=
y
y=1
n
X
n!py (1 p)ny
=
(y 1)!(n y)!
y=1
n
X
(n 1)!py1 (1 p)ny

,j = y 1
(y 1)!(n y)!

n1 
X
n1 j
= np
p (1 p)n1j
j
j=0
= np

y=1

= np.
4.
E[Y 2 ] = E[Y (Y 1) + Y ] = E[Y ] + E[Y (Y 1)] = np + n(n 1)p2 .
Luego
V[Y ] = E[Y 2 ] (E[Y ])2 = np + n(n 1)p2 n2 p2 = np[1 + (n 1)p np] = np(1 p).
Ejemplo 1. La probabilidad que un circuito sea defectuoso es p = 0.05. Suponga que de un proceso
de manufactura cada da se seleccionan 15 circuitos con el proposito de verificar si es defectuoso.
a. Determine la probabilidad de que exactamente un circuito sea defectuoso.
b. Un lote de 15 circuitos se rechaza si existen dos o mas artculos defectuosos. Cual es la
probabilidad de rechazar un lote?
a. Definimos la variable aleatoria X : n
umero de circuitos defectuosos de una total de 15. Asumiendo que los circuitos son seleccionados en forma independiente podemos asumir que la variable
X bin(n = 15, p = 0.05). Entonces la probabilidad pedida es
 
15
P[X = 1] =
0.05 09514 = 0.3657.
1
MAT-043

Noviembre 05, 2013

Universidad T
ecnica Federico Santa Mara
Departamento de Matematica

Profesor: Ronny Vallejos

b.
P[Rechazar un Lote] = P[X 2] = 1 P[X < 2] = 1 P[X 1]
= 1 P[X = 1] P[X = 2]
= 0.1709.
Ejemplo 2. Suponga que los computadores que funcionan mas de un a
no tienen probabilidad
0.001 de ser afectado por un virus. Determine cuantos computadores deben ser analizados de
manera que la probabilidad de que no mas de un computador sea hallado infectado con virus sea
por lo menos 0.95.
Sea X :cantida de computadores infectados con virus. Asumiendo independencia entre los
eventos podemos plantear X bin(n, p = 0.001). La condicion dada en el problema la prodemos
escribir como
P[X 1] 0.95
 
 
n 0
n 1
n

p (1 p) +
p (1 p)n1 0.95
0
1
0.999n + (1 p)n + n0.001(0.999)n1 0.95
Esta u
ltima ecuacion es una ecuacion no lineal en n. Podemos investigar probando diferentes valores
de n hasta encontrar cual valor de ellos satisface la ecuacion. Por simple inspeccion tenemos que
n = 356 satisface la ecuacion.
Observaci
on 1. Existen tablas para evaluar la funcion FX (x) de una distribucion binomial. Estas tablas pueden ser encontradas en cualquier libro de estadstica. Alternativamente, algunas
calculadoras tienen implementadas algunas rutinas u
tiles para este tipo de calculos.

Distribuci
on Geom
etrica
Definici
on 5. Sea E un experimento de Bernoulli tal que P[X(w) = 1] = p y P[X(w) = 0] = 1p.
Sea la variable Y : n
umero de repeticiones necesarias hasta que ocurre el primer exito. Entonces
Y se llama variable aleatoria geometrica y es denotada por Y Geo(p).
Teorema 2. Sea Y Geo(p). Entonces
1. fY (y) = (1 p)y1 pIN (y)
2. E[Y ] =

1
p

2. V[Y ] =

1p
.
p2

4. FY (y) = 1 (1 p)y .
5. Perdida de memoria de la distribucion geometrica: s, t N
P[Y > s + t/Y > s] = P[Y > t].

MAT-043

Noviembre 05, 2013

Universidad T
ecnica Federico Santa Mara
Departamento de Matematica

Profesor: Ronny Vallejos

Demostraci
on.
1. La probabilidad de obtener y 1 fracasos es py1 . La probabilidad de
obtener un exito es p, entonces la probabilidad de obtener por primera vez un exito es
py1 p, luego
fY (y) = (1 p)y1 pIN (y).
2.
E[Y ] =

X
d
(q)y , donde q = 1 p
dq
y=0


d
q
=p
dq 1 q
1
= .
p

yp(1 p)y1 = p

y=0

3. Un calculo similar nos arroja que V[Y ] =

1p
.
p2

4. El resultado es directo usando las propiedades de las sumas geometricas.


5. Note que
P[Y > t] = (1 p)t
Luego tenemos que
P[Y > s + t/Y > s] =

(1 p)s+t
P[Y > s + t]
=
= (1 p)t = P[Y > t]
P[Y > s]
(1 p)s

Ejemplo 3. En cierta region la probabilidad de que ocurra una tormenta con truenos en un da
cualquiera durante el verano (digamos Enero y Febrero) es igual a 0.1. Suponiendo la independencia
de un da con otro Cual es la probabilidad de que una tormenta ocurra el 3 de Febrero?
Note que si definimos la variable Y :cantidad de das hasta que ocurre la primera tormenta,
entonces podemos asumir que Y Geo(p = 0.1). Entonces la probabilidad pedida es
P[X = 34] = 0.933 0.1 = 0.003.

MAT-043

Noviembre 05, 2013