Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Robert Bocanegra
LOGRO
Al finalizar la sesión, el estudiante comprende y
encuentra aplicaciones de las distribuciones
discretas más importantes, Bernoulli, Binomial y
la Poissón
.
Distribución Bernoulli
Distribución Binomial
Distribución Poissón
Distribución hipergeométrica
Distribución Uniforme Discreta
1. DISTRIBUCIÓN DE BERNOULLI
5
EXPERIMENTO DE BERNOULLI:
solo son posibles dos resultados: éxito o fracaso. podemos
definir una variable aleatoria discreta x tal que:
éxito 1
fracaso 0
Si la probabilidad de éxito es p y la de fracaso 1 - p, podemos
construir una función de probabilidad:
x 1-x
P(x) = p (1-p) x=0,1
Un típico experimento de Bernoulli es el lanzamiento de una
moneda con probabilidad p para cara y (1-p) para sello.
x 1-x
P(x)= p (1-p) x=0, 1
Función de distribución:
1-p, para x = 0
F(x)=
1, para x =1
ESPERANZA MATEMÁTICA
1
E[X]= μ = *P(X= x) = 0*P(X=0)+1*P(X=1) = p
x=0
E[X]= μ = p
VARIANZA
1
2
Var(X) = E[X ] - (E[X]) 2
= x
x=0
2
P(X=x) -p 2
= 0 2 * P(X=0) + 12 * P(X=1) -p 2
= p - p 2 = p (1-p)
Var(X)= p. q
Ejemplo 1. Se lanza una moneda, obtener la probabilidad de obtener cara.
SOLUCIÓN
Sea X la variable aleatoria que nos indica que sale cara al lanzar la moneda.
Podemos ver que X sigue Ber(0.5)
Tenemos dos posibles resultados: Sale cara o sale sello.
Luego tenemos:
p= Probabilidad de que salga cara =1/2=0,5
q= Probabilidad de que salga sello =1/2=0,5
Sabemos que: 1 x
P ( x ) p (1 p )
x
x 0,1
La probabilidad de obtener cara será:
X=1(ÉXITO) 𝑃(𝑥) = 0.51 0,5 1−1 = 0.5
La probabilidad de obtener sello será:
X=0(FRACASO) 𝑃(𝑥) = 0.50 0,5 1−0
= 0.5
Luego tenemos:
n x n-x
B(n,p) = P(X=x) = p q
x
Donde:
x=0,1,2,3,……n
x es la incógnita
0; x 0
F ( x) n x n x
P( x) x P q , x 1, 2,3...n
Media
μ= E(x) = np
Varianza
σ 2 = n p (1-p)
σ 2 = n pq
Ejemplo 1. Se lanza un dado 10 veces. Calcular la probabilidad de obtener 4 veces el 6
SOLUCIÓN
Sea X(ω), La variable aleatoria que nos brinda el numero de veces que aparece el 6 en
los 10 lanzamientos n = 10 X=4
El caso favorable esta dado por la probabilidad que salga el “6” en un lanzamiento
de un dado, o sea: p = 1 q =1- 1 = 5
6 6 6
P(X=4) =
4 6 6 σ 2 = 10.( 16 ).( 65 ) = 50
4 6
36
10! 1 5
P(X=4) = 0.0543
10-4 !4! 6 6
Ejemplo 2: Supongamos que 10 aparatos de radar están
operando independientemente uno del otro y que la
probabilidad de que solo uno de los aparatos detecte un cohete
enemigo es de 0.80 ¿Cuál es la probabilidad de que nueve
aparatos detecten el cohete?
SOLUCIÓN Sea X la variable aleatoria de que el radar detecte un cohete
p = 0,80 n = 10
Nos piden:
P( x 9) ?
10
p ( x 9) (0,8)9 .(0.2)109 0.2684
9
3. DISTRIBUCIÓN POISSÓN
La distribución de Poisson también surge cuando un evento o suceso
“raro” ocurre aleatoriamente en el espacio o el tiempo. La variable
asociada es el número de ocurrencias del evento en un intervalo o
espacio continuo, por tanto, es una variable aleatoria discreta que
toma valores enteros no negativos (0, 1, 2,...)
Donde:
P(X=k) : Es la probabilidad de ocurrencia cuando la variable discreta X
toma un valor finito k.
λ : Número promedio de ocurrencias esperadas por unidad de tiempo o
de espacio.
e : Tiene un valor aproximado de 2.71828183…
k: Es el número de ocurrencias; k = 0, 1, 2, 3, …