UNIVERSIDAD CATÓLICA SAN PABLO

ESTADÍSTICA Y PROBABILIDADES

ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

TAREA 3: DISTRIBUCIÓN PASCAL Y GEOMÉTRICA
ESTADÍSTICA Y PROBABILIDADES

INTEGRANTES:
SARMIENTO NUÑEZ MARIA FERNANDA
BEGAZO ALVAREZ LUCIA ELVIRA

FERNANDEZ QUISPE SHIRLEY JANINA

QUISPE GUTIERREZ ALEXANDRA

RAMOS RAMIREZ LUIS GERARDO

IV SEMESTRE

AREQUIPA 2020

“Los alumnos declaran haber realizado el presente trabajo de

acuerdo a las normas de la Universidad Católica San Pablo”

Pág. -1-
 UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES

Contenido
DISTRIBUCIÓN PASCAL .................................................................................................................................. 1
1. DEFINICIÓN............................................................................................................................................ 1
2. VARIABLE ALEATORIA ............................................................................................................................ 1
3. PARAMETROS ........................................................................................................................................ 1
4. FUNCIÓN ............................................................................................................................................... 1
5. MEDIA.................................................................................................................................................... 1
6. VARIANZA .............................................................................................................................................. 1
7. DESVIACIÓN ESTANDAR ........................................................................................................................ 2
8. EJEMPLOS .............................................................................................................................................. 3
8.1. PROBLEMA 1 .................................................................................................................................. 3
8.2. PROBLEMA 2: ................................................................................................................................. 4
DISTRIBUCIÓN GEOMÉTRICA ........................................................................................................................ 6
1. DEFINICIÓN............................................................................................................................................ 6
2. CARACTERISTICAS.................................................................................................................................. 6
3. ESPERANZA ............................................................................................................................................ 7
4. VARIANZA .............................................................................................................................................. 7
5. DESVIACIÓN ESTÁNDAR ........................................................................................................................ 7
6. EJEMPLOS .............................................................................................................................................. 8
6.1. Problema 1: .................................................................................................................................... 8
6.2. Problema 2: .................................................................................................................................... 9

Pág. -2-
 UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES

DISTRIBUCIÓN PASCAL
1. DEFINICIÓN
También conocida como binomial negativa ,esta es una distribución de probabilidad
discreta generalización de la distribución geométrica se utiliza en procesos en los cuales
se necesita la repetición de ensayos hasta conseguir un numero de resultados exitosos
y no solo el primer éxito como en la geométrica, donde “q” es (1-p).

2. VARIABLE ALEATORIA
La variable aleatoria en esta distribución representa el número de ensayos de Bernoulli
independientes necesarios para obtener el “r” (éxitos), si en cada ensayo se tiene la
misma probabilidad de éxito. Probabilidad de éxito constante.

𝑋 #𝑒𝑛𝑠𝑎𝑦𝑜𝑠 𝑝𝑎𝑟𝑎 "r" 𝑒𝑥𝑖𝑡𝑜𝑠

3. PARAMETROS
Los parámetros de esta distribución son r y p donde:
 r: número de éxitos
 p: probabilidad de tener éxito

Se denota por X~ Pascal (r, p).

4. FUNCIÓN
Su función de probabilidad es el producto entre las combinaciones x-1 en r -1

𝒙−𝟏
{( ) 𝒑𝒓 𝒒𝒙−𝒓 ; 𝒙 = 𝒓, 𝒓 + 𝟏, … }
𝒇𝑿 (𝑿) = 𝒓−𝟏
𝟎 ; 𝒆𝒏 𝒐𝒕𝒓𝒐 𝒄𝒂𝒔𝒐
5. MEDIA
Formula 1
𝒓
𝑬(𝑿) = 𝒖(𝒙) =
𝒑

6. VARIANZA
Formula 2
𝒓𝒒𝟐
𝝈𝟐 (𝑿) =
𝒑

Pág. -1-
 UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
7. DESVIACIÓN ESTANDAR
Formula 3
𝒓(𝟏 − 𝒑)
𝝈(𝑿) = √
𝒑𝟐

TABLA 1: DISTRIBUCION BINOMIAL NEGATIVA

FUENTE GOOGLE SOME

Pág. -2-
 UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES

8. EJEMPLOS
8.1. PROBLEMA 1
Un científico inocula varias ratas, una a la vez, con un germen de cierta enfermedad
hasta encontrar 3 que la hayan contraído. Si la probabilidad de contraer la enfermedad
es 0.25.
a. ¿Cuál es la probabilidad de que se requieran 8 inoculaciones?
b. ¿Cuál es la probabilidad de que a lo más en la cuarta inoculación se encuentre la
tercera rata que haya contraído la enfermedad?
c. ¿Cuál es la probabilidad de que se requiera como mínimo cinco inoculaciones
para encontrar la tercera rata que haya contraído la enfermedad?
d. ¿Cuál es la probabilidad de que se requiera a lo menos cuatro y a lo más 6
inoculaciones para encontrar la tercera rata que haya contraído la enfermedad?
e. . ¿Cuántas inoculaciones se espera realizar para encontrar tres ratas que hayan
contraído la enfermedad?
f. Calcular la desviación estándar del número de inoculaciones hasta encontrar la
tercera rata que haya contraído la enfermedad.

Solución:

- Identifico el experimento
A: estudiar el número de inoculaciones hasta encontrar 3 ratas que hayan
contraído la enfermedad

- Identifico eventos de determine el éxito del experimento

𝐸 : Se encuentra una rata que haya contraído la enfermedad.
𝐸 𝑐 : No se encuentra una rata que haya contraído la enfermedad.
- Identifico las probabilidades de cada evento:
𝑃(𝐸) = 𝑝 = 0.25
𝑃(𝐸 𝑐 ) = 1 − 𝑝 = 𝑞 = 0.75
- Identifico la variable
X: número de inoculaciones hasta encontrar 3 ratas que hayan contraído la enfermedad.
- Puedo determinar usar la distribución de pascal
𝑋~𝑃𝑎𝑠𝑐𝑎𝑙(𝑟; 𝑝)
𝑋~𝑃𝑎𝑠𝑐𝑎𝑙(3; 0.25)

a. 𝑃[𝑋 = 8]
8−3 3
𝒒𝒙−𝒓 𝒑𝒓 = 0.75 ∗ 0.25 = 0.0779
La probabilidad que se requieran 8 inoculaciones hasta encontrar 3 ratas que
hayan contraído la enfermedad es de 0.0779 o 7.79%.

Pág. -3-
 UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
b. 𝑃[𝑋 ≤ 4]
𝑃[𝑋 = 3] + 𝑃[𝑋 = 4]
0.75 ∗ 0.25 + 0.753 ∗ 0.25 = 0.0508
2
La probabilidad de que se requieran a lo más 4 inoculaciones hasta encontrar 3
ratas que hayan contraído la enfermedad es de 0.0508 (5.08%).
c. 𝑃[𝑋 ≥ 5]
1 − 𝑃[𝑋 ≤ 4]
1 − ( 𝑃[𝑋 = 3] + 𝑃[𝑋 = 4])
1 − 0.0508 = 0.9492
La probabilidad de que se requiera como mínimo cinco inoculaciones para
encontrar la tercera rata que haya contraído la enfermedad es de 0.9492 o
(94.92%).
𝑟 3
d. E(x)= = =12 intentos
𝑝 0.25
Se espera realizar 12 inoculaciones para encontrar la tercer rata que haya
contraído la enfermedad.
𝑟(1−𝑝) 3∗0.75
e. V(x)=𝜎𝑥2 = = = 36
𝑝2 0.252
𝜎𝑥 = 6 𝑖𝑛𝑜𝑐𝑢𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠
La desviación estándar del número de inoculaciones hasta encontrar la tercera
rata que haya contraído la enfermedad es de 6 inoculaciones.

8.2. PROBLEMA 2:

Un Sistema de comunicaciones que recibe mensajes digitales de ceros y unos. Cada

digito del mensaje puede ser recibido como correcto o incorrecto. La probabilidad de
recibir en un digito incorrecto es 0.01 y los dígitos se reciben de manera independiente.
a. ¿con que probabilidad un mensaje de 10 dígitos binarios se recibe
incorrectamente?
b. Si el sistema recibiera 15 mensajes de 10 dígitos cada uno ¿Cuál es la
probabilidad de que al menos 12 de ellos se reciban correctamente?
c. Si un mensaje se recibe de forma incorrecta, se repite el envió hasta que sea
recibido correctamente ¿con que probabilidad un mensaje de 10 dígitos binarios
es correctamente recibido en el cuarto intento?
d. Calculo el costo esperado del número de mensajes de 10 dígitos que se envían
al sistema hasta conseguir el mensaje correcto si este proceso se repite tres veces
y si el costo de los tres procesos, en decimos de soles, es igual al cuadrado del
número de intentos.

Pág. -4-
 UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
Solución:
a. Identificamos la variable
X= número de dígitos incorrectos recibidos de 10 dígitos que tiene el mensaje
𝑋~𝑃𝑎𝑠𝑐𝑎𝑙(𝑟; 𝑝)
𝑋~𝑃𝑎𝑠𝑐𝑎𝑙(10; 0.01)
𝑃[𝑚𝑒𝑛𝑠𝑎𝑗𝑒 𝑖𝑛𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑜] = [𝑃 ≥ 1]
1 − 𝑃[𝑋 = 0] = 0.09562
La probabilidad que un mensaje de 10 dígitos binarios se recibe incorrectamente
es de 0.09562.
b. Sea Y= número de mensajes correctos que se reciben de 15 mensajes cada uno
de 10 dígitos binarios.
Entonces Y~Pascal(15;p)
𝑝 = 1 − 0.09562 = 0.90438
𝑃[𝑌 ≥ 12] = 1 − 𝑃[𝑌 ≤ 11] = 0.951658
La probabilidad de que al menos 12 de ellos se reciban correctamente es de
0.951658
c. Sea Z= número de intento hasta conseguir el mensaje correcto.
Entonces Z~G(p)
Donde
𝑝 = 0.90438
𝑃[𝑍 = 4] = (1 − 𝑝)3 𝑝 = 0.00079
La probabilidad de que un mensaje de 10 dígitos binarios es correctamente
recibido en el cuarto intento es de 0.00079
d. Sea 𝑍𝑖 = numero de intentos hasta conseguir el i-mensaje correcto y
W=∑3𝑖−1 𝑍𝑖 =numero de mensajes recibidos hasta conseguir tres mensajes
correctos entonces
W~BN(r,p), donde, r=3 y p= 0.90438.
El costo total es de C= W², entonces:
2 2
𝐸(𝐶) = 𝐸(𝑊 2 ) = 𝜇𝑊 + 𝜎𝑊
1 𝑞
𝐸(𝐶) = (3 ∗ )2 + (3 ∗ 2 ) = 11.35 𝑑𝑒𝑐𝑖𝑚𝑜𝑠 𝑑𝑒 𝑠𝑜𝑙
𝑝 𝑝

Pág. -5-
 UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES

DISTRIBUCIÓN GEOMÉTRICA
1. DEFINICIÓN
La distribución geométrica es un modelo adecuado para aquellos procesos en los que se repiten
pruebas hasta la consecución del éxito a resultado deseado y tiene interesantes aplicaciones en
los muestreos realizados de esta manera. También implica la existencia de una dicotomía de
posibles resultados y la independencia de las pruebas entre sí.

Si una variable aleatoria discreta X definida en un espacio de probabilidad representa el número

de repeticiones necesarias de un experimento de Bernoulli para obtener el primer éxito, entonces
tiene por función de densidad: X-1.

𝑃 ( 𝑋 = 𝑥 ) = 𝑞 𝑥−1 𝑝

 P (x=x): función de densidad, de la variable aleatoria con distribución geométrica.

 X: Numero de experimentos hasta que aparece el 1er éxito.
 p : probabilidad de éxito
 q : probabilidad de fracaso (1 - p)
2. CARACTERISTICAS
Esta distribución se puede hacer derivar de un proceso experimental puro o de Bernoulli en el
que tengamos las siguientes características:

 El proceso consta de un número no definido de pruebas o experimentos

separados o separables.

 El proceso concluirá cuando se obtenga por primera vez el resultado deseado

(éxito).

 Cada prueba puede dar dos resultados mutuamente excluyentes: A y no A.

 La probabilidad de obtener un resultado A en cada prueba es p y la de obtener un

resultado no A es q siendo (p + q = 1).

 Las probabilidades p y q son constantes en todas las pruebas, por tanto, las
pruebas, son independientes (si se trata de un proceso de "extracción" éste se
llevará a, cabo con devolución del individuo extraído).

Pág. -6-
 UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
 (Derivación de la distribución). Si en estas circunstancias aleatorizados de forma
que tomemos como variable aleatoria X = el número de pruebas necesarias para
obtener por primera vez un éxito o resultado A, esta variable se distribuirá con una
distribución geométrica de parámetro p.

3. ESPERANZA
Formula 1
𝟏
𝑬(𝑿) =
𝒑
4. VARIANZA
Formula 2
𝒒
𝝈𝟐 (𝑿) =
𝒑𝟐
5. DESVIACIÓN ESTÁNDAR
Formula 3

𝟏−𝒑
√ 𝟐
𝒑

Pág. -7-
 UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
6. EJEMPLOS
6.1. Problema 1:
Los registros indican que una cierta vendedora tiene éxito en formular venta en 30% de
sus entrevistas. Supóngase que una venta en una entrevista es independiente de una
venta en cualquier otro momento.
a) ¿Cuál es la probabilidad de que esta vendedora tenga que tratar con 10
personas antes de hacer su primera venta?

b) ¿Cuál es la probabilidad que la primera venta se realice antes o en la décima

oportunidad?

Solución:
a) La probabilidad de realizar una venta en un solo contacto o entrevista es 𝑝 =
10 Entonces la probabilidad de que necesita exactamente 𝑥 = 10 contactos
antes de hacer su primera venta es:

𝑝(𝑥) = 𝑝𝑞 𝑥−1
O bien
𝑝(10) = (0.3)(0.7)10−1 = (0.3)(0.7)9 = 0.012

b) La probabilidad de que se realice la primera venta antes de o en la décima

entrevista, es:
𝑃(𝑥 = 10) = 𝑝(0) + 𝑝(1) + 𝑝(2) + ⋯ + 𝑝(10)

La manera más sencilla de hallar esta probabilidad es expresarla como el

complemento de una serie infinita, es decir:

𝑃(𝑥 = 10) = 1 − 𝑃(𝑥 > 10)

Donde,
𝑃(𝑥 > 10) = 𝑝(11) + 𝑝(12) + 𝑝(13) + ⋯
= 𝑝𝑞10 + 𝑝𝑞11 + ⋯

La suma de una serie geométrica infinita es igual a 𝑎/(1 − 𝑟), donde 𝑎 es el

primer término de la serie, 𝑟 es la razón, común, y 𝑟 2 < 1. Utilizando este
resultado, tenemos.
𝑝𝑞10
𝑃(𝑥 = 10) = 1 − 𝑃(𝑥 ≻ 10) = 1 − = 1 − 𝑞10 = 1 − (0.7)10 = 0.972
1−𝑞

Por lo tanto existe una alta probabilidad, específicamente 0.972, de que la

vendedora realice la primera venta antes de o en el décimo contacto.

Pág. -8-
 UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
6.2. Problema 2:
La probabilidad de una alineación óptica con éxito en el montaje de un producto óptico,
según especificaciones para su almacenamiento, es de 0.8. Suponga que los intentos de
montaje son independientes.
a) ¿Cuál es la probabilidad de que la alineación con éxito se produzca por primera
vez en el quinto ensayo?

b) ¿Cuál es la probabilidad de que la primera alineación con éxito requiera como

mínimo cuatro intentos?

c) ¿Cuál es la probabilidad de que la primera alineación con éxito requiera a lo

menos cuatro y a lo más 6 intentos?

d) ¿Cuántos intentos se espera realizar para lograr el primer éxito?

e) Calcular la desviación estándar del número de intentos hasta lograr éxito en la

alineación.

Solución:
Paso 1. Identificar el experimento:
Estudiar el número de intentos hasta lograr realizar con éxito la alineación de un
producto óptico en su montaje.
Paso 2. Identificar el suceso E que se desea estudiar y que determina el éxito
en la experiencia, y su contrario, Ec:

E: Se realiza con éxito la alineación de un producto óptico en el montaje.

Ec: No se realiza con éxito la alineación de un producto óptico en el montaje.

Paso 3. Identificar las probabilidades de E y Ec:

𝑃(𝐸) = 𝑝 = 0.8
𝑃(𝐸 𝑐 ) = 1 − 𝑝 = 0.2
Paso 4. Existe independencia entre los intentos de "alineación del
producto óptico en el montaje".

Paso 5. Identificación de la variable aleatoria:

𝑋: Número de intentos hasta lograr realizar con éxito la alineación de un

producto óptico en su montaje.

Paso 6. Deducción de la distribución:

Pág. -9-
 UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES
𝑿~ Geométrica (0.8)

Paso 7. Traducir las preguntas a una expresión matemática adecuada,

calcular y contestar:

a) 𝑃[𝑋 = 5] = (0.2)4 (0.8) = 0.0013

Resp.: La probabilidad de que la alineación se produzca con éxito por

primera vez en el quinto ensayo es de 0.0013 (0.13%).

b) 𝑃[𝑋 ≥ 4] = 1 − 𝑃[𝑋 ≤ 3] = 1 − 𝑃[𝑋 = 1] − 𝑃[𝑋 = 2] − 𝑃[𝑋 = 3]

= 1 − 0.20 (0.8) − 0.21 (0.8) − 0.22 (0.8) = 1 − 0.992 = 0.008

Resp.: La probabilidad de que la primera alineación con éxito requiera como

mínimo cuatro intentos es de 0.008 (0.8%).

c) 𝑃[4 ≤ 𝑋 ≤ 6] = 𝑃[𝑋 ≤ 6] − 𝑃[𝑋 ≤ 3] = 𝐹𝑋 (6) − 𝐹𝑋 (3)

= 0.999936 − 0.992 = 0.007936

Resp.: La probabilidad de que la primera alineación con éxito requiera a lo

menos cuatro y a lo más 6 intentos 0.0079 aprox. (0.79%, casi 0.8%).
1 1
d) 𝐸(𝑋) = 𝑝 = 0.8 = 1.25 intentos.

Resp.: Se espera realizar entre 1 y 2 intentos para lograr realizar con éxito la
alineación del producto óptico en el montaje. Esto explica las bajas
probabilidades logradas en los cálculos de las preguntas anteriores.
1−𝑝 1−0.8
e) 𝑉(𝑋) = 𝜎𝑋2 = = (0.8)2 = 0.3125 ⟹ 𝜎𝑋 = 0.5590 intentos.
𝑝2

Resp.: La desviación estándar del número de intentos hasta realizar con éxito la
alineación del producto óptico es de 0.559 intentos. Ni siquiera alcanza a ser 1.

Pág. - 10 -
 UNIVERSIDAD CATÓLICA SAN PABLO
ESTADÍSTICA Y PROBABILIDADES

REFERENCIAS

 file:///C:/Users/User/Downloads/docdownloader.com-pdf-distribucion-geometrica-
dd_d51fa5ff530d7382ec4162491f285a4f%20(1).pdf

 https://intranetua.uantof.cl/facultades/csbasicas/matematicas/academicos/jreyes/
DOCENCIA/APUNTES/APUNTES%20PDF/DISCRETAS.pdf

 http://www.spentamexico.org/v4-n1/4(1)%20149-178.pdf

 https://www.rbjlabs.com/probabilidad-y-estadistica/explicacion-ejemplos-
distribucion-geometrica/

 https://www.ugr.es/~proman/Probabilidad/PDF/P_T05_TablaBinomialNegativa.p
df

 https://www.mate.unlp.edu.ar/practicas/117_4_31102012113144.pdf

Pág. - 11 -