Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. INTRODUCCIÓN ...................................................................................................................... 5
3. METODOLOGIA ....................................................................................................................... 8
4. RESULTADOS ......................................................................................................................... 14
5. CONCLUSIONES .................................................................................................................... 15
RESUMEN
La variable aleatoria discreta más sencilla es aquella que toma sólo un número finito de
valores posibles n, cada uno con la misma probabilidad. Ella se denomina entonces variable
aleatoria discreta uniforme y su distribución uniforme discreta está dada por:
f(x)= 1/n
Distribución binomial
Estas distribuciones permiten enfrentar circunstancias en las que los resultados pertenecen a
dos categorías relevantes: que ocurra un evento determinado o que no lo haga. Este tipo de
experimento aleatorio particular es denominado ensayo de Bernoulli. Sus dos resultados
posibles son denotados por "éxito" y "fracaso" y se define por p la probabilidad de un éxito
y 1-p la probabilidad de un fracaso.
𝑛
f(x,p,n)= ( ) .Px .(1-P)n-x para x=0,1,.....,n
𝑥
x−1
f(x,p,r)= ( ) . qx-r . pr x=r,r+1,r+r+2+....
r−1
Distribución geométrica
Considere ahora una serie de ensayos Bernoulli con una probabilidad constante de éxitos p,
en la que el número de ensayos no es fijo como en la distribución binomial si no que éstos se
realizan hasta que se obtiene el primer éxito. Sea entonces, la variable aleatoria X el número
de ensayos realizados hasta obtener un éxito, ella tiene una distribución geométricacon
parámetro p y se expresa:
f(x;p)=(1-p)x-1 .p x=1,2,...
Distribución hipergeométrica
Sea N el número de elementos de un conjunto de los cuales k son determinados como éxitos
y N-k como fallas, se trata ahora de determinar la probabilidad de x éxitos en n ensayos de
los N elementos del conjunto donde y . Sea también la variable aleatoria X el
número de éxitos en la muestra. Entonces, X tiene una distribución hipergeométrica y su
función de distribución de probabilidad está dada por:
k N−k
( )( )
x n−x
f(x,N,k,n)= N x=0,1,2,... min(k,n)
( )
n
Distribución Poisson
También se estudian sus parámetros estadísticos más usados; es decir, la media o valor
esperado, la varianza y la desviación estándar.
2. MARCO TEÓRICO
f(x) = 1/n
1. En cada prueba del experimento sólo son posibles dos resultados: éxito y fracaso.
2. La probabilidad de éxito es constante, es decir, que no varía de una prueba a otra. Se
representa por p.
3. La probabilidad de fracaso también es constante, Se representa por q,
q=1–p
4. El resultado obtenido en cada prueba es independiente de los resultados obtenidos
anteriormente.
5. La variable aleatoria binomial, X, expresa el número de éxitos obtenidos en
las n pruebas. Por tanto, los valores que puede tomar Xson: 0, 1, 2, 3, 4, ..., n.
1
http://disunidiscreta.blogspot.com.co/
2
http://www.ditutor.com/distribucion_binomial/distribucion_binomial.html
la distribución Binomial negativa. Nótese que, cuando r = 1, tenemos exactamente el
modelo geométrico.
Este modelo queda definido por dos parámetros p (la probabilidad de A: p = P(A)) y r(el
número de veces que debe producirse A para que detengamos la experiencia).
3 http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/B0C3m1t11.htm
4 http://support.minitab.com/es-mx/minitab/17/topic-library/basic-statistics-and-graphs/probability-distributions-and-
random-data/distributions/hypergeometric-distribution/
5 https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/poisson.htm
3. METODOLOGIA
La variable aleatoria discreta más sencilla es aquella que toma sólo un número finito de
valores posibles n, cada uno con la misma probabilidad. Ella se denomina entonces variable
aleatoria discreta uniforme y su distribución uniforme discreta está dada por:
f(x)= 1/n
Para una variable aleatoria discreta uniforme X, que puede tomar los valores 1, 2, ..., n, la
media es:
Estas distribuciones permiten enfrentar circunstancias en las que los resultados pertenecen
a dos categorías relevantes: que ocurra un evento determinado o que no lo haga. Este tipo
de experimento aleatorio particular es denominado ensayo de Bernoulli. Sus dos resultados
posibles son denotados por "éxito" y "fracaso" y se define por p la probabilidad de un éxito
y 1-p la probabilidad de un fracaso.
𝑛
f(x,p,n)= ( ) .Px .(1-P)n-x para x=0,1,.....,n
𝑥
x−1
f(x,p,r)= ( ) . qx-r . pr x=r,r+1,r+r+2+....
r−1
Algunos autores denotan esta distribución como b*(x,p,r) Observe que en el caso especial
donde r = 1, la variable aleatoria binomial negativa se convierte en una variable aleatoria
geométrica.
La tabla siguiente expresa la diferencia entre una variable aleatoria binomial y una variable
aleatoria binomial negativa. En este sentido, la variable aleatoria binomial negativa se
considera como el opuesto, o el negativo, de una variable aleatoria binomial.
Tabla 1. Comparación entre una variable aleatoria binomial y una variable aleatoria
binomial negativa
Considere ahora una serie de ensayos Bernoulli con una probabilidad constante de éxitos p,
en la que el número de ensayos no es fijo como en la distribución binomial si no que éstos
se realizan hasta que se obtiene el primer éxito. Sea entonces, la variable aleatoria X el
número de ensayos realizados hasta obtener un éxito, ella tiene una distribución geométrica
con parámetro p y se expresa:
f(x;p)=(1-p)x-1 .p x=1,2,...
Tomando q=1-p y denotando la distribución geométrica como g(x;p) , ella se simplifica de
la siguiente manera:
g(x,p)=qx-1 .p
Sea N el número de elementos de un conjunto de los cuales k son determinados como éxitos
y N-k como fallas, se trata ahora de determinar la probabilidad de x éxitos en n ensayos de
los N elementos del conjunto donde y . Sea también la variable aleatoria X el
número de éxitos en la muestra. Entonces, X tiene una distribución hipergeométrica y su
función de distribución de probabilidad está dada por:
k N−k
( )( )
x n−x
f(x,N,k,n)= N x=0,1,2,... min(k,n)
( )
n
M =E(x)=n.p
Un proceso Poisson constituye un mecanismo físico aleatorio en el cual los eventos ocurren
al azar en una escala de tiempo (o de distancia). Por ejemplo, la ocurrencia de accidentes en
un cruce específico de una carretera sigue dicho proceso. Cabe recordar que no es posible
predecir con exactitud la cantidad de accidentes que pueden ocurrir en determinado intervalo
de tiempo, pero sí el patrón de los accidentes en gran número de dichos intervalos.
como .