Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones Discretas
ndice
02
Distribucin Poisson.................................................................................................................................................... 6
Conclusiones.................................................................................................................................................................... 9
Distribuciones Discretas
Objetivos
1
Equiprobables: cuando hay n resultados
diferentes y todos tienen la misma
probabilidad de ocurrir
Decimos que una variable aleatoria tiene una distribucin uniforme discreta sobre el
conjunto finito de nmeros {1 , . . . , } si la probabilidad de que tome cualquiera de
estos valores es la misma, es decir, 1/. Esta distribucin, surge en espacios de
probabilidad equiprobables, esto es, en situaciones en donde tenemos resultados
diferentes y todos ellos tienen la misma probabilidad de ocurrir. Los juegos de lotera
son un ejemplo donde puede aplicarse esta distribucin de probabilidad. Escribimos
entonces {1 , 2 , . . . , } si
1/ = 1 , 2 , , .
( = ) = {
0 .
Ejemplo 1: La grfica de la funcin de probabilidad de la distribucin {1, 2, 3, 4, 5}
aparece en la Figura a continuacin, junto con la correspondiente funcin de
distribucin. Cada salto de la funcin de distribucin es de tamao 1/5. Es fcil ver que
1
1
() = =1 y () = =1( ())2 .
2
Bernoulli: aqul experimento aleatorio con
nicamente dos posibles resultados (xito y
fracaso)
Distribucin Bernoulli
Un ensayo Bernoulli se define como aquel experimento aleatorio con nicamente dos
posibles resultados, llamados genricamente xito y fracaso, con probabilidades
respectivas y 1 . Si se define la variable aleatoria como aquella funcin que lleva
el resultado xito al nmero 1 y el resultado fracaso al nmero 0, entonces decimos que
tiene una distribucin Bernoulli con parmetro (0, 1), y escribimos (). La
funcin de probabilidad es entonces:
(1 )1 = 0,1.
( = ) = {
0 .
03
Distribuciones Discretas
Distribucin Binomial
( ) (1 ) = 0,1,2, , .
( = ) = {
0
".
Ejemplo 2: Para = 10 ensayos, con probabilidad = 0.3, se puede calcular ( =
2) = (10
)(0.3)2 (0.7)102 La grfica de esta funcin de probabilidad con estos parmetros
2
aparece en la Figura mostrada a continuacin. La frmula anterior puede justificarse de
la forma siguiente. Queremos que en ensayos Bernoulli se obtengan xitos y
fracasos. La probabilidad de obtener esto es el nmero:
(1 ) (1 ) = (1 )
Pero hemos colocado los xitos en los primeros ensayos, tenemos entonces que
multiplicar por las diferentes formas en que estos xitos pueden distribuirse en los
04
Distribuciones Discretas
ensayos, este factor es el coeficiente binomial (). Para esta distribucin, puede
demostrarse que () = , y () = (1 ).
Distribucin Geomtrica
05
Distribuciones Discretas
5
Distribucin Poisson: con ello observamos
el nmero de ocurrencias de un cierto
evento dentro de un intervalo de tiempo
dado
06
Distribucin Poisson
Distribuciones Discretas
( = ) = { ! = 0, 1 , 2,
0
Puede demostrarse que la funcin () arriba definida es efectivamente una funcin de
probabilidad para cada valor de > 0. La forma de esta funcin se muestra a
continuacin cuando = 2. Despus de algunos clculos sencillo puede tambin
comprobarse que () = , y () = ".
10 1
14
+ + 1 ]
0!
4!
07
Distribuciones Discretas
+1
(
) (1 ) = 0, 1, 2,
xitos pueden aparecer en los r+x1 ensayos realizados antes del ltimo que
necesariamente fue un xito. La grfica de esta funcin aparece en la Figura mostrada a
continuacin cuando = 3 y = 0.2.
(+1
) = (1) (
). De este hecho adquiere su nombre esta distribucin.
7
Distribucin hipergeomtrica: conjunto de
08
Distribucin Hipergeomtrica
Supongamos que tenemos un conjunto de objetos de los cuales son de una primera
clase y son de una segunda clase. Supongamos, que de este conjunto tomamos
una muestra aleatoria de tamao , la muestra es sin reemplazo y el orden de los
objetos seleccionados no importa. El espacio muestral de este experimento consiste, de
todas las posibles muestras de tamao que se pueden obtener del conjunto
Distribuciones Discretas
()(
)
= 0,1, ,
(
)
El trmino () nos dice las diferentes formas en que de los K objetos de la primera
clase se pueden escoger de ellos, y el trmino (
) es nuevamente las diferentes
09
Conclusiones
Distribuciones Discretas
010
Referencias Bibliogrficas