Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algunas distribuciones
importantes de variables
aleatorias discretas
Vladimiro Contreras Tito
vcontrerastito@hotmail.com
22 de septiembre de 2013
ndice
ndice 1
1. Distribucin de Bernoulli 2
2. Distribucin Binomial 2
3. Distribucin Geomtrica 3
5. Distribucin Hipergeomtrica 5
6. Distribucin de Poisson 6
8. Ejecicios de aplicacin 8
1
2 DISTRIBUCIN BINOMIAL
1. Distribucin de Bernoulli
Se denomina prueba o ensayo de Bernoulli a todo experimento aleatorio que
consiste de solo dos resultados posibles mutuamente excluyentes, generalmente
llamados xito (E) y fracaso (F). El espacio muestral asociado al experimento
aleatorio de Bernoulli se puede escribir como el conjunto = {E, F }.
f (x) = P [X = x] = px q 1x , x = 0, 1
Teorema 1.1.
E(X) = p , V (X) = p q
Ejemplo 1.1.
2. Distribucin Binomial
El experimento binomial se caracteriza por ser un experimento aleatorio que
consiste en efectuar n pruebas independientes y repetidas de Bernoulli. La prob-
abilidad de xito p se mantiene constante a travs de las n pruebas.
V. Contreras T. Pgina 2
3 DISTRIBUCIN GEOMTRICA
Definicin 2.2. Se dice que la v.a. binomial X tiene distribucin binomial con
parmetros n y p y se escribe X B(n, p), si su funcin de probabilidad es:
n x nx
f (x) = P [X = x] = p q , x = 0, 1, 2, ..., n.
x
Teorema 2.1.
E(X) = n p , V (X) = n p q
Ejemplo 2.1.
Solucin
X: No de artculos defectusos en los 12 artculos del lote.
X B(12, p) donde p = 0, 1 probabilidad de xito.
a).
12
P [X = 2] = 0, 12 0, 9122 = 0, 23
2
b). Y : No de lotes con 2 artculos defectuosos de los 6 lotes revisados.
X B(6, p) donde p = 0, 23 y q = 0, 77.
6
P [X 1] = 1 P [Y = 0] = 1 0, 230 0, 776 = 0, 79
0
3. Distribucin Geomtrica
Consideremos una sucesin de ensayos de Bernoulli, Si X representa el No
de pruebas hasta conseguir el primer xito despus de x 1 fracasos,
se llama v.a.geomtrica.
Teorema 3.1.
V. Contreras T. Pgina 3
4 DISTRIBUCIN BINOMIAL NEGATIVA O PASCAL
Si X G(p) entonces
1 q
E(X) = , V (X) =
p p2
Ejemplo 3.1.
Solucin
X: No de artculos que se necesita revisar para encontrar el primer defectuoso.
a). X G(0, 1)
b).
1 0, 9
E(X) = = 10 , V (X) = = 90
0, 1 0, 12
Definicin 4.1. Se dice que la v.a. binomial negativa o Pascal X tiene dis-
tribucin Pascal con parmetros p y r (r > 0 , 0 < p < 1) y se escribe
X P ascal(p, r), si su funcin de probabilidad es:
x1
f (x) = P [X = x] = (1 p)xr pr , x = r, r + 1, r + 2, ....
r1
Teorema 4.1.
Si X P ascal(p, r) entonces
r r (1 p)
E(X) = , V (X) =
p p2
Ejemplo 4.1.
V. Contreras T. Pgina 4
5 DISTRIBUCIN HIPERGEOMTRICA
Una mquina se utiliza para fabricar cierto tipo de objetos en serie. Se sabe
que la probabilidad de que cada objeto sea defectuoso es 1/10. Si se controla la
calidad de cada objeto producido y si la mquina se apaga cuando se producen
4 objetos defectuosos, cul es la probabilidad de que se pare la mquina en el
dcimo objeto producido?
Solucin
X: No de objetos producidos hasta controlar 4 defectuosos.
Los posibles valores de X son 4,5,6,... cada onjeto se produce independien-
temente con probabilidad p = 1/10 = 0, 1 de que sea defectuoso. La mquina
se para si se encuentran r = 4 defectuosos. La probabilidad de que se pare la
mquina en el dcimo objeto producido es:
10 1
f (10) = P [X = 10] = (1 0, 1)104 0, 14 = 0, 00446
41
5. Distribucin Hipergeomtrica
Un conjunto de N objetos contiene r objetos clasificados como xitos y N r
objetos clasificados como fracasos. Se selecciona una muestra con tamao de n
objetos al azar (sin reemplazo) de los N objetos, donde r N y n N .
Teorema 5.1.
Si X H(N, n, r) entonces
N n
E(X) = n p , V (X) = n p q
N 1
donde p = Nr , q = 1 p
Adems si N tiende a + entonces H(N, n, r) se aproxima a una distribucin
binomial B(n, p) (la aproximacin es buena si n 0, 1 N )
Ejemplo 5.1.
V. Contreras T. Pgina 5
6 DISTRIBUCIN DE POISSON
Solucin
X: No de piezas de la muestra del proveedor "A& B".
a).
C 100 C 200
P [X = 4] = 4 3000 = 0, 0119
C4
b).
C2100 C2200 C3100 C1200 C4100 C0200
P [X 2] = + + = 0, 408
C4300 C4300 C4300
c).
P [X 1] = 1 P [X = 0] = 0, 196
6. Distribucin de Poisson
Dado un intervalo de nmeros reales, suponga que ocurren conteos al azar a
lo largo del intervalo. Si puede hacerse la particin del intervalo en subintervalos
con una longitud suficientemente pequea tal que:
V. Contreras T. Pgina 6
6 DISTRIBUCIN DE POISSON
NOTA 6.1.
Teorema 6.1.
Si X P () entonces
E(X) = , V (X) =
Ejemplo 6.1.
Solucin
X:No de camiones que llega al muelle en una hora. En este caso = 2,
X P ( = 2).
Y :No de camiones que llega al muelle en 4 horas. En este caso = 2(4),
Y P ( = 8). Entonces:
e8 8y
f (y) = P [Y = y] = , y = 0, 1, 2, 3, ....
y!
10
X e8 8y
a). P (6 Y 10) =
y=6
y!
e8 80
b). P [Y = 0] = = e8
0!
V. Contreras T. Pgina 7
8 EJECICIOS DE APLICACIN
e x
x x
P [X = x] = p (1 p)nx tiende a P [X = x] =
n x!
NOTA 7.1.
Ejemplo 7.1.
8. Ejecicios de aplicacin
1. Se realiza el experimento de Bernoulli hasta que ocurra xito (de probabil-
idad p). Suponga que las repeticiones son independientes.
V. Contreras T. Pgina 8
8 EJECICIOS DE APLICACIN
4. Debido a que no todos los pasajeros que hacen una reservaci se presentan,
una aerolnea vende 125 asientos para un vuelo con capacidad para solo
120 pasajeros. La probabilidad de que un pasajero no se presente es 0,1 y
el comportamiento de los pasajeros es independiente
V. Contreras T. Pgina 9
8 EJECICIOS DE APLICACIN
V. Contreras T. Pgina 10
8 EJECICIOS DE APLICACIN
11. Solo uno de cada mil generadores ensamblados en una fbrica tienen unidades
defectuosas y los generadores defectuosos se distribuyen aleatoriamente e
independientemente a travs de la produccin.
V. Contreras T. Pgina 11
8 EJECICIOS DE APLICACIN
14. En una autopista pasan, en promedio 180 vehculos por hora. Se desea
obtener la distribucin de probabilidad del tiempo, en minutos, entre dos
vehculos consecutivos. Si un peatn necesita 20 segundos para cruzar la
pista, calcular la probabilidad de que sea capaz de hacerlo entre los dos
proximos vehculos.
16. Una mquina que produce cierto tipo de objeto se apaga automticamente
cuando ha llegado a producir el 5to defectuoso. Si la probabilidad de que
cada objeto producido sea defectusos es 0,05. Cul es la probabilidad de
que la mquina se apague cuando ha producido 12 objetos?
V. Contreras T. Pgina 12
8 EJECICIOS DE APLICACIN
19. Suponga que el nmero de accidentes de trabajo que se producen por sem-
ana en una fbrica sigue la ley de Poisson de manera que la probabilidad
de que se ocurran 2 accidentes es igual a 2/3 de la probabilidad de que
ocurra un accidente. Calcule la probabilidad de que no ocurran accidentes
en 3 semanas consecutivas.
20. Las fallas superficiales en ciertas placas de metal siguen una distribucin
de Poisson con una media de 0,04 fallas por placa. Una empresa solicita
un pedido grande de estas placas al fabricante y puede seguir uno de los
siguientes procesos de inspeccin.
21. 2 Las fallas en los rollos de tela de algodn de la empresa "Textiles P&C" se
producen a travs de un proceso de Poisson y con una tasa de de faila de =
0, 05 por metro. El control de calidad de los rollos de 100 metros, consiste
en escoger de cada rollo una seccin al azar de 20 metros de longitud, si
esta contiene ms de una falla, el rollo ser reemplazado por uno nuevo. En
caso contrario el rollo pasar el control y se vender en el mercado.
V. Contreras T. Pgina 13
8 EJECICIOS DE APLICACIN
V. Contreras T. Pgina 14