17/04/2018

DISTRIBUCIONES DE PROBABILIDAD
DISCRETAS

DISTRIBUCIÓN DE BERNOULLI (1)

Ejemplo:
Un estudiante intenta conectarse a un sistema
de computadoras de tiempo compartido, si
todos los puertos están ocupados (F), el Resultado
estudiante no logra tener acceso; en cambio si (espacio X p(x)
muestral)
por lo menos uno de los puertos está disponible
(E), el estudiante logra tener acceso al sistema. E 1 p
Con S = {F, E} se define una variable aleatoria X F 0 q
como la posibilidad de acceso al sistema

Características de un experimento de Bernoulli:

1. El experimento tiene solo dos resultados mutuamente excluyentes
(un resultado con E y el otro con F).
2. Los resultados son colectivamente exhaustivos, o sea, no hay otros
resultados posibles.
3. Las probabilidades de E y F se denotan por p y q, respectivamente.
Es decir, P(E) = p y P(F) = q. Nótese que p + q = 1

1
 17/04/2018

DISTRIBUCIÓN DE BERNOULLI (2)

Considere un experimento de Bernoulli donde

La distribución de probabilidad de la variable aleatoria de

Bernoulli X está dada por

Donde:
p = probabilidad de un éxito para un ensayo de Bernoulli
q = 1‒p

Si X ~ Bernoulli(p), la media y la varianza son

DISTRIBUCIÓN BINOMIAL (1)

Suponga que se realiza una serie de n ensayos de Bernoulli, cada uno con
la misma probabilidad de éxito p. Además suponga que los ensayos son
independientes.

2
 17/04/2018

DISTRIBUCIÓN BINOMIAL (1)

P(X=x) = (número de arreglos de x éxitos en n ensayos) •

Debemos plantear una expresión que indique el número de arreglos de
x éxitos en n ensayos, que es:

Definición: Si un experimento binomial puede dar por

resultado un éxito con probabilidad p y un fracaso con
probabilidad q = 1 - p, la distribución de probabilidad de la
variable aleatoria X, para el número de éxitos en n ensayos
independientes, es

DISTRIBUCIÓN BINOMIAL (2)

Ejemplo: consideremos el experimento binomial en el cual se

seleccionan al azar 3 piezas de un proceso de fabricación, se
inspeccionan y se clasifican en defectuosas (D) y no
defectuosas (N). Se designa como éxito cuando la pieza está
defectuosa. D
D
N
D D
X = número de artículos defectuosos S
N
N
D
D
N N
Rx = {0, 1, 2, 3} N D
N

S = {(D, D, D), (D, D, N), (D, N, D), (D, N, N), (N, D, D),
(N, D, N),(N, N, D), (N, N, N)}

3
 17/04/2018

DISTRIBUCIÓN BINOMIAL (3)

= P(NDN) + P(DNN) + P(NND) =

DISTRIBUCIÓN BINOMIAL (4)

= P(DDN) + P(DND) + P(NDD) =

4
 17/04/2018

DISTRIBUCIÓN BINOMIAL (5)

PROPIEDADES
1. Hay dos resultados posibles en cada ejecución (éxito y
fracaso).
2. Hay n ejecuciones independientes del experimento.
3. La probabilidad de éxito es constante para todas las
ejecuciones y es p

DISTRIBUCIÓN BINOMIAL (6)

La media y la varianza de una distribución binomial

son

5
 17/04/2018

DISTRIBUCIÓN BINOMIAL (7)

Ejercicio 1: La probabilidad de que un paciente se

recupere de una enfermedad sanguínea es 0,4.
Si se sabe que 15 personas han contraído esa
enfermedad, ¿cuál es la probabilidad de que:
a) sobrevivan exactamente 5 ?

DISTRIBUCIÓN BINOMIAL (8)

n = 15 - Tabla de distribución binomial puntual
x p 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,50
0 0,4633 0,2059 0,0874 0,0352 0,0134 0,0047 0,0016 0,0005 0,0000
1 0,3658 0,3432 0,2312 0,1319 0,0668 0,0305 0,0126 0,0047 0,0005
2 0,1348 0,2669 0,2856 0,2309 0,1559 0,0916 0,0476 0,0219 0,0032
3 0,0307 0,1285 0,2184 0,2501 0,2252 0,1700 0,1110 0,0634 0,0139
4 0,0049 0,0428 0,1156 0,1876 0,2252 0,2186 0,1792 0,1268 0,0417
5 0,0006 0,0105 0,0449 0,1032 0,1651 0,2061 0,2123 0,1859 0,0916
6 0,0000 0,0019 0,0132 0,0430 0,0917 0,1472 0,1906 0,2066 0,1527
7 0,0000 0,0003 0,0030 0,0138 0,0393 0,0811 0,1319 0,1771 0,1964
8 0,0000 0,0000 0,0005 0,0035 0,0131 0,0348 0,0710 0,1181 0,1964
9 0,0000 0,0000 0,0001 0,0007 0,0034 0,0116 0,0298 0,0612 0,1527
10 0,0000 0,0000 0,0000 0,0001 0,0007 0,0030 0,0096 0,0245 0,0916
11 0,0000 0,0000 0,0000 0,0000 0,0001 0,0006 0,0024 0,0074 0,0417

6
 17/04/2018

DISTRIBUCIÓN BINOMIAL (9)

b) sobrevivan a lo más 2?

c) sobrevivan al menos 10?

P(X ≥ 10) = P(X = 10) + P(X = 11) + … + P(X = 15) =

DISTRIBUCIÓN BINOMIAL (10)

d) sobrevivan entre 3 y 8 inclusive?

= 0,9050 − 0,0271 = 0,8779

n= 15, p = 0,05 n= 15, p = 0,40
0,50 0,14
0,45
0,12
0,40
0,35 0,10
0,30
0,08
0,25
0,20 0,06
0,15 0,04
0,10
0,05 0,02 x
x
0,00 0,00
0 1 2 3 4 0 1 2 3 4

7
 17/04/2018

DISTRIBUCIÓN BINOMIAL (11)

n = 15 - Tabla de distribución binomial acumulada

x p 0,10 0,20 0,25 0,30 0,40 0,50

0 0,20589 0,03518 0,01336 0,00475 0,00047 0,00003
1 0,54904 0,16713 0,08018 0,03527 0,00517 0,00049
2 0,81594 0,39802 0,23609 0,12683 0,02711 0,00369
3 0,94444 0,64816 0,46129 0,29687 0,09050 0,01758
4 0,98728 0,83577 0,68649 0,51549 0,21728 0,05923
5 0,99775 0,93895 0,85163 0,72162 0,40322 0,15088
6 0,99969 0,98194 0,94338 0,86886 0,60981 0,30362
7 0,99997 0,99576 0,98270 0,94999 0,78690 0,50000
8 1,00000 0,99922 0,99581 0,98476 0,90495 0,69638
9 1,00000 0,99989 0,99921 0,99635 0,96617 0,84912
10 1,00000 0,99989 0,99921 0,99635 0,99077 0,84912
11 1,00000 1,00000 0,99999 0,99991 0,99807 0,98242

DISTRIBUCIÓN GEOMÉTRICA (1)

Si los repetidos ensayos independientes pueden resultar

un éxito con probabilidad p y en un fracaso con
probabilidad q = 1 - p , la distribución de probabilidad de
la variable aleatoria X, el número de ensayos en que
ocurre el primer éxito esta dado por:

8
 17/04/2018

DISTRIBUCIÓN GEOMÉTRICA (2)

Si tomamos el ejemplo anterior de las tres (3) piezas del

proceso de fabricación tenemos:
F
A D (éxito) → p
B
R
I
C N (fracaso) → q
A

X = número de repeticiones independientes hasta obtener un éxito

DISTRIBUCIÓN GEOMÉTRICA (3)

Ejercicio 2: La probabilidad de que un estudiante de aviación

apruebe el examen escrito para obtener su licencia de piloto
es de 0,7. Encuentre la probabilidad de que una persona
apruebe el examen en:
a) el tercer intento

P(X = 3) = (0.3)2 (0.7) = 0.063

b) antes del cuarto intento

9
 17/04/2018

DISTRIBUCIÓN DE POISSON (1)

Los experimentos que proporcionan valores numéricos

de una variable aleatoria X, el número de éxitos que
ocurren durante un intervalo de tiempo dado o en una
región especificada, se conoce con el nombre de
experimento de Poisson.

Los ejemplos clásicos son:

1. número de llamadas telefónicas que se reciben por día.
2. número de partículas emitidas.
3. número de accidentes.
4. número de errores de impresión.

DISTRIBUCIÓN DE POISSON (2)

Definición: La distribución de probabilidad de la variable

aleatoria de Poisson X, el número de éxitos que ocurren en un
intervalo de tiempo ó en una región especificada dada, es:

donde λ es el promedio de éxitos que ocurren en un intervalo

de tiempo ó en una región especifica dada y e = 2.71828 ...

10
 17/04/2018

DISTRIBUCIÓN DE POISSON (3)

Ejercicio 3: un técnico tiene un promedio de ensamble

de un componente por minuto. En 4 minutos, ¿cuál es la
probabilidad de que ensamble?

a) exactamente 3 componentes?

α = λ t = 4 minutos → λ=4 → t = minutos

P(X = 3) =

DISTRIBUCIÓN DE POISSON (4)

Distribución de Poisson puntual
λ
x 3,10 3,20 3,30 3,40 3,50 3,60 3,70 3,80 3,90 4,00
0 0,0450 0,0408 0,0369 0,0334 0,0302 0,0273 0,0247 0,0224 0,0202 0,0183
1 0,1397 0,1304 0,1217 0,1135 0,1057 0,0984 0,0915 0,0850 0,0789 0,0733
2 0,2165 0,2087 0,2008 0,1929 0,1850 0,1771 0,1692 0,1615 0,1539 0,1465
3 0,2237 0,2226 0,2209 0,2186 0,2158 0,2125 0,2087 0,2046 0,2001 0,1954
4 0,1733 0,1781 0,1823 0,1858 0,1888 0,1912 0,1931 0,1944 0,1951 0,1954
5 0,1075 0,1140 0,1203 0,1264 0,1322 0,1377 0,1429 0,1477 0,1522 0,1563
6 0,0555 0,0608 0,0662 0,0716 0,0771 0,0826 0,0881 0,0936 0,0989 0,1042
7 0,0246 0,0278 0,0312 0,0348 0,0385 0,0425 0,0466 0,0508 0,0551 0,0595
8 0,0095 0,0111 0,0129 0,0148 0,0169 0,0191 0,0215 0,0241 0,0269 0,0298

11
 17/04/2018

DISTRIBUCIÓN DE POISSON (5)

b) más de 3 componentes?

P(X > 3) = 1 – P(X ≤ 3) = 1 –

= 1 – 0,433 = 0,567

c) Indicar la función de cuantía utilizada y su recorrido

Rx = {0, 1, 2, …}

DISTRIBUCIÓN DE POISSON (6)

Distribución de Poisson acumulada
λ
x 0 1 2 3 4 5 6 7
2,4 0,0907 0,3084 0,5697 0,7787 0,9041 0,9643 0,9884 0,9967
2,6 0,0743 0,2674 0,5184 0,7360 0,8774 0,9510 0,9828 0,9947
2,8 0,0608 0,2311 0,4695 0,6919 0,8477 0,9349 0,9756 0,9919
3 0,0498 0,1991 0,4232 0,6472 0,8153 0,9161 0,9665 0,9881
3,2 0,0408 0,1712 0,3799 0,6025 0,7806 0,8946 0,9554 0,9832
3,4 0,0334 0,1468 0,3397 0,5584 0,7442 0,8705 0,9421 0,9769
3,6 0,0273 0,1257 0,3027 0,5152 0,7064 0,8441 0,9267 0,9692
3,8 0,0224 0,1074 0,2689 0,4735 0,6678 0,8156 0,9091 0,9599
4 0,0183 0,0916 0,2381 0,4335 0,6288 0,7851 0,8893 0,9489

12
 17/04/2018

DISTRIBUCIÓN HIPERGEOMÉTRICA (1)

El experimento hipergeométrico es la probabilidad de

seleccionar x éxitos entre los k artículos denominados
éxitos y los n – x fracasos entre los N – k artículos
denominados fracasos, cuando se selecciona una
muestra de tamaño n entre los N artículos totales.
N
N-k
k
n X ~ h (x, N, n, k)
x n-x

Propiedades:
1. Una muestra de tamaño n se selecciona entre los N artículos
sin reposición (sucesos dependientes ).
2. k de los N artículos pueden clasificarse como éxito y N - k
como fracaso.

DISTRIBUCIÓN HIPERGEOMÉTRICA (2)

Ejemplo: se tiene un lote de 20 unidades, el cual contiene 6 que están

defectuosas; se extrae aleatoriamente 5 unidades de este lote. Sea X el
número de unidades defectuosas en la muestra. Se calculará P(X=2).
Para ello, primero se cuenta el número total de los grupos diferentes de
5 unidades que puede extraerse de la población de 20 – Se hará
referencia a cada grupo de 5 unidades como combinación. La
cantidad de combinaciones de 5 unidades es el número de muestras
diferentes que se puede extraer, y cada una es igualmente probable.
La probabilidad de que una combinación de 5 unidades contenga sólo 2
defectuosas es el cociente

El número de combinaciones de k unidades que se puede elegir de un

grupo de n unidades se denota por

13
 17/04/2018

DISTRIBUCIÓN HIPERGEOMÉTRICA (3)

Ejemplo –cont.: para determinar el número de combinaciones de 5 que

contienen sólo 2 defectuosas, se describe la construcción de dicha
combinación como una secuencia de dos operaciones. Primero, se
seleccionan 2 unidades de las 6 defectuosas; segundo, se seleccionan 3
unidades de las 14 no defectuosas.
El número de combinaciones de 2 unidades seleccionadas entre 6, y el
número de combinaciones de 3 elegidas de 14 son, respectivamente

Por lo tanto, el número total de combinaciones de 5 unidades que puede

componerse de 2 defectuosas y 3 no defectuosas es el producto

;
Se concluye

DISTRIBUCIÓN HIPERGEOMÉTRICA (4)

Definición: Dada la distribución de probabilidad de la

variable aleatoria Hipergeométrica X, el número de éxitos
en una muestra de tamaño n seleccionada entre N
artículos de los cuales k son éxitos y N − k son fracasos,
se puede denotar como X ~ h(x, N, n, k).
La función de probabilidad de masa de X es

14
 17/04/2018

DISTRIBUCIÓN HIPERGEOMÉTRICA (5)

Generalizando:
Generalizando: El total de muestras de tamaño n
tomadas de N artículos es . Se supone que estas
muestras son iguales. Hay formas de seleccionar x
éxitos de los k artículos que están disponibles y
para cada uno podemos seleccionar los n − x fracasos
en formas. Donde son las muestras
posibles y las favorables.

DISTRIBUCIÓN HIPERGEOMÉTRICA (6)

Donde es el factor de corrección. Este es

insignificante cuando n es pequeño comparado con N.

Si N es muy grande, el factor de corrección se convierte

en donde se denomina tasa de muestreo

15
 17/04/2018

DISTRIBUCIÓN HIPERGEOMÉTRICA (7)

Ejercicio 4: Un grupo de 5 personas se selecciona al

azar entre 3 químicos y 5 físicos. Encontrar la
distribución de probabilidad para el número de químicos
en el grupo.
X = número de químicos en el grupo
5F
3Q
5
P(X = 0) = h(0,8,5,3)

P(X = 1) = h(1,8,5,3)

DISTRIBUCIÓN HIPERGEOMÉTRICA (8)

P(X = 2) = h(2,8,5,3)

P(X = 3) = h(3,8,5,3)

P(X = x) = h(x,8,5,3)

16
 17/04/2018

APROXIMACIONES (1)

DE LA DISTRIBUCIÓN HIPERGEOMÉTRICA A LA
DISTRIBUCIÓN BINOMIAL

Por ejemplo N = 10000 y n = 10

n / N es pequeño

Dependencia (Hipergeométrica) → independencia

(Binomial)

APROXIMACIONES (2)

Ejercicio 5: En una producción de 200 unidades hay 8

defectuosas. Se selecciona una muestra aleatoria de 10
unidades. ¿Cuál es la probabilidad de encontrar una
unidad defectuosa?

N – k = 192
k=8
n = 10

17
 17/04/2018

APROXIMACIONES (3)

DE LA DISTRIBUCIÓN BINOMIAL A LA DISTRIBUCIÓN

DE POISSON
Ejemplo: La probabilidad de que un remache en particular en
la superficie del ala de una avioneta se defectuoso es p =
0,001. Si hay 4000 remaches en el ala, ¿cuál es la
probabilidad de que haya 6 ó menos remaches defectuosos
?.

P(X ≤ 6) =

18