DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCIÓN HIPERGEOMÉTRICA

Se emplea en lugar de la binomial cuando se trata de un muestreo sin

reemplazamiento, es decir, que estamos frente al cálculo de probabilidades
condicionadas.
Supongamos tener una caja con N1 bolillas lisas y N2 bolillas rayadas, siendo N el
tamaño de la muestra igual a la suma de N1 y N2. Se realizan n extracciones, y se
quiere conocer la probabilidad de obtener x bolillas lisas:

N1 N2
C .C
x (n-x)
P(X)= N
C
n

La Esperanza será:
E(x)=n.p

La Varianza será:
N-n
V(x)=n.p.q.N-1

siendo N-n/N-1 un factor de corrección para muestreo sin reposición. Si n es muy

pequeño comparado con N , el factor de corrección tiende a 1.
Esta distribución es muy usada para control de calidad.

DISTRIBUCIÓN POLINOMIAL O MULTINOMIAL

En la distribución polinomial estamos frente a un fenómeno policotómico, es decir

que tiene más de dos alternativas.
Supongamos tener una caja con N1 bolillas lisas, N2 bolillas rayadas y N3 bolillas a
lunares, de manera que N sea igual a N1+N2+N3. Si de esta caja hacemos una
extracción de tamaño n, en un muestreo con reposición, para conocer la
probabilidad de obtener x1 bolillas lisas, x2 bolillas rayadas y x3 bolillas a lunares:
 n! x x xn
p(x ,x ,...,x )=x !.x !....x !.p 1.p 2.....p
1 2 n 1 2 n 1 2 n

Cada variable (x1; x2;...; xn), tiene su probabilidad: p1; p2;...; pn; de forma tal que la
sumatoria de las probabilidades sea igual a 1. Los valores de x pueden ser
cualesquiera de 0 a n con la condición que la sumatoria de las xi sea igual a n.
El cálculo de las probabilidades surge del desarrollo del polinomio
(p1+p2+...+pn)n

Esta distribución se usa para el estudio de control de calidad y distintos factores que
la pueden afectar, por ejemplo: rótulos mal pegados por turno en una fábrica;
medicamentos devueltos en distintas fechas de acuerdo a su vencimiento; las
distintas afecciones por sustancias tóxicas o radiactivas, etc.

DISTRIBUCIÓN POISSON

Puede ser considerada desde dos puntos de vista, como una aproximación de la
distribución binomial o como una distribución propia.

 Como aproximación de la distribución binomial surge como consecuencia de

que hay distribuciones binomiales donde el número de veces que se repite el
ensayo (n) es muy grande y el cálculo de los factoriales es complicado. Se
puede utilizar entonces el modelo Poisson, donde para el cálculo de
probabilidades no interviene n. Este cálculo da buenos resultados cuando n
es mayor a 10, y resultados prácticament iguales cuando n es mayor que 50,
siempre que la probabilidad (p) sea menor a 0,1.
μx
p(x)=e-μ. x!

El único parámetro que necesitamos conocer es μ, es decir la media de la

distribución.

 Considerar a la distribución Poisson como propia, surge cuando los sucesos

se producen en forma aleatoria en una fracción continua, ya sea tiempo,
espacio, volumen, área, de modo que se cumplan las siguientes
características:

1- Los sucesos que se cumplen en un determinado intervalo de tiempo

o región del espacio, son independientes de los que ocurren en otro
intervalo de tiempo o región del espacio, independientemente de
cómo se elija el tiempo o el espacio.
 2- La distribución Poisson es la distribución de los eventos raros, como
llamadas telefónicas equivocadas por semana. La probabilidad de
que un suceso se presente es proporcional a la longitud del
intervalo de tiempo o espacio que se elija.

3- La probabilidad que dos o más sucesos se presenten en un

intervalo de tiempo o región del espacio es muy pequeña, tan
pequeña, que se puede despreciar.

Este tipo de fenómenos se produce de acuerdo a una frecuencia constante llamada

lambda λ, que se expresa en unidad de tiempo o espacio.
En repetidas unidades de tiempo o espacio, la cantidad de veces que puede
producirse el evento es x. El valor de x tomará valores más pequeños a medida que
el intervalo de espacio o de tiempo disminuya. Cuando es pequeño, el evento se
produce raramente una sola vez, y mucho más raro es que se produzca dos veces o
más.

En esta distribución se cumple que la esperanza es igual a la varianza:

μ = λ = E(x)
E(x)= np
V(x)= npq = np(1-q);
como p0, 1-p1;
V(x)= np = μ

Para ajustar el modelo Poisson a una distribución de frecuencias observadas la

tabla de trabajo será la siguiente:

μx Ni=N.pi
xi Ni p(x)=e-μ. x!

......... ..................... ............... ...................

Σ =N Σ=1 Σ =N

Luego se realiza el gráfico de bastones, utilizando bastones de línea llena para

frecuencia observadas, y de línea de puntos para las frecuencias esperadas. La
distribución Poisson siempre es asimétrica positiva.
RESUMEN

Aconteci- Número de pruebas Probabilidad Muestra Distribución

miento
Dicotómico Una sola Constante con BERNOULLI
p reposición
Repetidas Indeter- POISSON
minada
Determinada BINOMIAL

sin HIPERGEO-
reposición METRICA

Policotómico variable con POLINOMIAL

p1, p2, p3 reposición