Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1Distribución de Probabilidades
Daniel Hernández.
2022.
2
Capítulo 1
Definiciones y objetivos
Distribución Binomial
aleatoria.”
Por lo tanto, la distribución binomial se entiende como una serie de pruebas o ensayos
en la que solo podemos tener 2 resultados (éxito o fracaso), siendo el éxito nuestra
variable aleatoria.
En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito o
fracaso).
letra p. La probabilidad de que salga cara al lanzar una moneda es 0,5 y esta es
probabilidad de éxito.
como el éxito. Si lanzamos 5 veces la moneda y contamos los éxitos (sacar cara) que
binomial.
Con esto concluimos que la distribución binomial se lleva a cabo con las variables
Donde:
n = Número de ensayos/experimentos
Distribución de Poisson
su probabilidad. La variable que usamos con esta distribución sería la variable aleatoria
en un intervalo determinado, el cual podrá ser tiempo, distancia, área, volumen o alguna
μ x . e− μ
P ( x) =
x!
Donde:
valores:
ya sea de tiempo, distancia, volumen, etc. Es importante entender que este valor
calculará mediante dicha expresión y no debe calcularse nunca con una regla de
Las ocurrencias deben ser aleatorias y no contener ningún vicio que favorezca
Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo que
se emplee.
Distribución geométrica
Cuando usted realiza un experimento que solo tiene dos resultados posibles, la
ensayos consecutivos necesarios para observar el resultado de interés por primera vez. La
Por ejemplo, una distribución geométrica puede modelar el número de veces que se
debe lanzar al aire una moneda para obtener el primer resultado de "cara". De manera
f ( x )=¿
1
E ( x )=
p
1−p
V ( x )=
p2
Distribución hipergeométrica.
la situación de partida.
Cada una de las pruebas puede dar únicamente dos resultados mutuamente
excluyentes.
P ( X=x )=
( x ) ( n−x )
k ∗ N −k
( Nn )
La media, varianza y desviación típica de esta distribución vienen dadas por:
2 npq∗N −n
μ=npσ =
N −1
σ=
√ npq∗N −n
N−1
Cuando N es muy grande, como criterio se suele considerar N > 10n, la distribución
Distribución uniforme.
principalmente del proceso de medición.
El tiempo dedicado a estudiar
Es una distribución en el intervalo [a,b] en la cual las probabilidades son las mismas
para todos los posibles resultados, desde el mínimo de a hasta el máximo de b. El
Distribución exponencial.
probabilidad
La función de densidad como tal no permite calcular la probabilidad, pero una vez
f(x) es positiva.
las probabilidades de ocurrencia de todos los valores de la variable tiene que ser
9
1. Esta es una condición que cumplen las funciones de densidad. Dicha área se
Capítulo 2
Esperanzas y varianzas.
Distribución Binomial
aleatorio.
siguiente formula:
μ=n∗p
Ahora, la varianza es una medida de dispersión que nos indica que tan lejos se
de fracaso.
Si una persona compra una papeleta en una rifa, en la que puede ganar de 5000Bs ó un
μ=5000∗0.001+2000∗0.003=11 Bs
Un jugador lanza un dado corriente. Si sale 1 o número primo, gana tantos cientos de
bolívares como marca el dado, pero si no sale número primo, pierde tantos cientos de
100
μ= =≈ 16.667
6
La probabilidad de que un artículo producido por una fábrica sea defectuoso es 0.02.
μ=10.000∗0.02=200
2
σ =10.000∗0.02∗0,98=196
Distribución de Poisson.
formula:
E[X] = λ
∞ −λ k
e λ
E [ X ]= ∑ k ( )
K=0 k!
Var ( X )= λ
Distribución Geométrica.
12
1
E ( x )=
p
1−p
V ( x )=
p2
seria:
1
E ( x )= =50
0.02
13
.
14
Capítulo 4
Ejemplos.
Distribución Binomial
x = número de éxitos, que en este caso es igual a 3, dado que buscamos la
4! 3 4−3
P ( 3 )= 0,8 0,2
3 ! ( 4−3 ) !
24/6=4.
Fuera del corchete tenemos dos números. El primero sería 0,8^3=0,512 y el segundo 0,2
Por tanto, nuestro resultado final sería: 4*0,512*0,2 = 0,4096. Si multiplicamos por
100 tenemos que hay una probabilidad del 40,96% de que 3 de los 4 amigos haya visto el
Distribución de Poisson
La veterinaria de Jorge recibe un promedio de μ = 4 pacientes por día. Sabiendo que el
número de pacientes que llegan en un día sigue una distribución de Poisson, calcular:
Además, nos indican que esta variable aleatoria X sigue una distribución de Poisson,
e−μ−μ x
f ( x )=P ( X =x )=
x!
Además, el enunciado nos indica que llegan en promedio 4 pacientes por día, es decir, μ
= 4.
−4 3
e −4
f ( 3 )=P ( X=3 )=
3!
0,01832∗64
f ( 3 )=P ( X=3 )=
3∗2∗1
Distribución geométrica.
16
Supongamos que cada una de las llamadas a una estación de radio popular tiene
una probabilidad de 0.02 de ser respondida. Asumiendo que las llamadas son
f ( x )=¿
f ( x )=0.0167
Distribución hipergeométrica.
elementos totales (cartas baraja española) de los cuales 10 son del tipo A (salir oro) y 30
número de elementos del tipo A (oros obtenidos) que extraemos en las 8 cartas; X seguirá
P ( X=4 )=
( 4) (4)
10 ∗ 30
=0,07
(8)
40
Distribución exponencial.
Suponga que los conteos registrados por un contador Geiger siguen un proceso de
segundos?
17
P ( X > x )=e− λx
λ=2 conteos/min
x = 0.5 min
−(2)(0.5)
P ( X >0.5 ) =e
P ( X >0.5 ) =0.368
18
Lista de referencias