Algunas distribuciones 2do C.

teóricas discretas 2018

Clase Nº 6
Mg. Stella Figueroa
Variable estadística –Variable Aleatoria
 ¿Cuál es la relación entre una variable
estadística y su variable aleatoria
asociada?
• Variable estadística • Variable aleatoria

xi fr xi P(Xi)
1 0,183 1 1/6= 0,1667
2 0,1961 2 1/6= 0,1667
3 0,1765 3 1/6= 0,1667
4 0,1242 4 1/6= 0,1667
5 0,1765 5 1/6= 0,1667
6 0,1438 6 1/6= 0,1667
Resultados
de una
Resultados de todas las
muestra de
muestras posibles de la
tamaño 153
población
 Variable aleatoria

Es toda función X que asigna a c/u de los elementos del espacio

muestral, un número Real.

S
Rx Si el recorrido o
s X(s)
Imagen de la variable
es discreto, la variable
Rx es el recorrido o Imagen es discreta.
de la variable. Son los Si la Imagen de la
posibles valores de X variable es un
continuo, la variable
es continua
 Definición de Variable Aleatoria Discreta

Una variable aleatoria X es discreta, si a cada valor posible xi

que toma la variable se le puede asociar un número real p(xi )=
P (X=xi) llamado probabilidad de xi, que satisface las siguientes
condiciones:
a) p (x i )  0 i

b)  p(x i )  1
i 1

La función p definida se llama función de probabilidad de X

El conjunto de pares (xi , p(xi)) es la distribución de
probabilidades de X.
 Ejemplo de la ingeniería

En el contexto de las telecomunicaciones, cualquier señal debe

considerarse aleatoria, ya que por muchas razones, no existen
garantías de que la señal enviada sea exactamente igual a la señal
recibida.

1. De acuerdo a esta información. ¿Cuál/es podría/n ser el/los

experimento/s aleatorio/s ?
2. Considerar un solo experimento aleatorio y determinar sus
resultados posibles.
 Variable de Bernoulli

• Toma dos valores posibles :

• X1 = 1 Es el éxito (resultado esperado del
experimento) X2 = 0 Fracaso (resultado no esperado)
Se transmite una señal y se observa si se recibe erróneamente.
La probabilidad de que se reciba errónea es p = 0.4.

Escriba la distribución de probabilidades de la variable aleatoria

asociada a este experimento.
Xi P(xi)
1 0.4
0 0.6
 Experimentos aleatorios independientes o
pruebas repetidas independientes

Se transmiten 3 señales y se observa el estado de su llegada.

¿Cuál es el espacio muestral asociado?

Se define la variable aleatoria X: “ número de señales

erróneas recibidas en las tres transmisiones”

1. Determine Rx (conjunto de valores que toma la variable)

2. Analice si las pruebas repetidas son independientes.
3. ¿Son mutuamente excluyentes los sucesos (c, e, e) y
(e,e,c)?
 Actividades

a) Calcule la probabilidad de que se reciban exactamente 2

transmisiones erróneas de las tres efectuadas.

b) Encuentre la distribución de probabilidades de la

variable X: “ nº de señales erróneas recibidas en los tres
lanzamientos”.

c) Represente gráficamente
 El modelo Binomial

• Una variable binomial puede considerarse como la suma de n variables

independientes de Bernoulli.

• El resultado de cada prueba es una variable de Bernoulli; es decir, puede

resultar un éxito o un fracaso, con probabilidades p y 1-p respectivamente.

Definición : X es una variable

X  b(n,p)
aleatoria binomial con parámetros n
n k
P(x=k)=   p . 1  p 
n k
y p si su distribución de
k 
probabilidades está dada por:
 Demostrar que la variable aleatoria binomial es
una legítima distribución de probabilidad

n k
 p  1-p   1
n n

 P(x=k)    .p . 1  p  
n k n
k 0 k 0  k 

Por binomio de Newton

Para identificar el modelo binomial:
• Se efectúan n pruebas repetidas independientes y se
cuenta el número de éxitos obtenidos.
• El resultado de cada prueba es dicotómico: un suceso
éxito o su contrario.
•La probabilidad de éxito es p, constante en cada prueba.
 Características numéricas

En Estadística En Probabilidad
 Esperanza y varianza de una
variable de Bernoulli y binomial

a) Calcular la Esperanza y la Varianza de la variable

de Bernoulli

b) Demostrar que si x es binomial entonces

E(x)= np y V(x) = n.p.(1-p)

c) ¿Cuál es el número esperado de transmisiones

erróneas de las 3 enviadas?
 Problema

Si aumentamos a 10 el número de señales transmitidas del

problema anterior.

1. ¿Cuál es el número esperado de transmisiones erróneas

recibidas? ¿ Y para n=50 y n =100?

2. Verificar estos resultados simulando los experimentos en

Geogebra. Tabular y graficar.
 Simulación con GeoGebra para n = 10 y p = 0,4

Valores que toma

la variable estadística “número de
señales erróneas de las 10
transmitidas” y su distribución de
frecuencias relativas
 Simulación con GeoGebra para n = 50 y p = 0,4

Valores que toma

la variable estadística “número
de señales erróneas de las 50
transmitidas” y su distribución
de frecuencias relativas
Simulación con GeoGebra para n = 100 y p = 0,4

Valores que toma

la variable estadística “número de señales
erróneas de las 100 transmitidas con p = 0,4” ,su
distribución de frecuencias relativas
 Para analizar con GeoGebra

Si se disminuye la probabilidad p de que la señal

llegue errónea y se aumenta el número n de

pruebas repetidas independientes. ¿Qué ocurre con

los valores que toma la variable estadística X ?

 Simulación con GeoGebra para n = 100 y
p= 0,01

Valores que toma esta

variable estadística
X “ número de señales
erróneas en 100
transmisiones
independientes con
p=0,01”
¿Por qué esta variable
corresponde a la “ley de
sucesos raros”?
 Límite de la distribución binomial

Sea X una variable aleatoria con distribución binomial de

parámetros n y p y función de probabilidad

p( X  k )  Cn,k . p k .(1  p)nk

Si para n= 1,2,3 ….. la relación λ =n.p es cierta para alguna constante

λ > 0, entonces :

e  . k
lim  p( X  k )  k  0,1, 2,.......
n  k!
Observaciones :
El número de ocurrencias (número de errores en este caso)
puede ser cualquier entero no negativo k = 0, 1, 2, 3, …….
El valor esperado λ = n.p es un valor positivo.
 Distribución de Poisson

(1781-1840) Matemático,
Definición: astrónomo y físico francés.

Dado un intervalo de números reales, con un número aleatorio

de ocurrencias en dicho intervalo. Si el número promedio de
ocurrencias en el intervalo es λ > 0, la variable aleatoria X :
“número de ocurrencias en el intervalo”, tiene una distribución
de Poisson con parámetro λ y la función de probabilidad de X
es:

 k . e 
p( X  k )    0, k  0,1,2,3,......
k!
 Distribuciones de Poisson obtenidas para
distintos valores esperados

λ=1 λ=5

λ=8 λ=10

En la práctica, puede usarse la aproximación si n ≥50 y n.p ≤ 5

 La distribución de Poisson es una
legítima distribución de probabilidades

 k
 
e   k


k 0
P( x  k )  
k 0 k !
 e .  e .e  1


k 0 k !
 
 Experimento aleatorio como
“proceso de Poisson”

Dado un intervalo de números reales, con un número aleatorio de

ocurrencias en dicho intervalo. Si éste puede dividirse en subintervalos lo
suficientemente pequeños tales que:

1) La probabilidad de más de una ocurrencia en el subintervalo es

cero.
2) La probabilidad de una ocurrencia en un subintervalo es la misma
para todos los subintervalos y es proporcional a la longitud de
éstos.
3) El número de ocurrencias en cada subintervalo es independiente
del de los otros subintervalos.
 Problema

Las fallas de un alambre de longitud L, se presentan de manera

aleatoria. Si X cuenta el número de fallas de este alambre y si el
número promedio de fallas es λ=2,3 por m de longitud.

a) ¿Esta variable sigue una distribución de Poisson?

b) Calcular la probabilidad de encontrar al menos 1 falla en medio

metro del alambre.

c) ¿Cuál es el valor esperado y la varianza en la distribución de

Poisson?
 Problema

La producción diaria de 850 partes contiene 50 que no

cumplen con los requerimientos del cliente.

Se toman 4 partes al azar, sin sustitución, de la producción del

día y se define la siguiente variable aleatoria

X: “ número de partes que no cumplen con los requerimientos

del cliente.”

Calcular la probabilidad de que 2 partes no cumplan

con los requerimientos.
 Variable aleatoria Hipergeométrica

Contamos con: N = tamaño de la población.

k elementos poseen cierta N-k elementos no poseen

característica (no cumplir cierta característica
con los requerimientos)

x es el nº de elementos de n-x es el número de

ciertas características en n elementos del tipo de N-k
extracciones sin reposición
 Variable aleatoria Hipergeométrica

• Surge de n pruebas repetidas no independientes.

• El resultado de cada prueba es dicotómico: A o su contrario.

•La probabilidad del suceso A no es constante, varía en cada

prueba porque no hay reposición

Definición: X es una variable aleatoria hipergeométrica

con parámetros N, n y k, si su distribución de
probabilidades está dada por:
N  k k 
  
 n  x  x 
P(X=x) 
N 
 
n 
 Cuestionario

Enuncia las características que permiten reconocer a cada una de estas

variables:
1. variable de Bernoulli
2. Binomial
3. De Poisson
4. Hipergeométrica
5. Encuentra la relación entre ellas.
6. Deduce la esperanza y la varianza de una variable binomial.
7. ¿Cuál es la esperanza y varianza en Poisson?