UNIDAD 2:

2.1 MODELOS DE PROBABILIDAD

DISCRETOS Y CONTINUOS.
MODELOS DE PROBABILIDAD DISCRETOS:
Si tienen un número finito o infinito numerable de elementos.
a) Espacios muestrales discretos finitos. Si el espacio muestral tiene un número finito
de elementos por ejemplo Ω1, Ω2, Ω3, Ω4, Ω10; los espacios muéstrales dados por los ejemplos
3,4,5,6 y 7 también son espacios muéstrales finitos. Otro ejemplo es el siguiente.
EJEMPLO
Un lote compuesto de n artículos provenientes de una línea de producción contiene m artículos
defectuosos (m ≤ n). Los artículos son extraídos uno por uno (sin reemplazamiento) hasta que el
último artículo defectuoso sea extraído. Hallar el espacio muestral para este experimento.
SOLUCION
El número de artículos extraídos será m o m + 1 artículos, o m + 2 etc. Entonces, el espacio
muestral es
Ω = (m , m + 1 , m + 2, …,n }.
b) Espacios muestrales discretos finitos. Cuando puede establecerse una
correspondencia uno a uno con el conjunto de los enteros positivos de modo que pueda ser
enumerado como 1,2,3,... Por ejemplo, Ω5, Ω6 y Ω7. Otro ejemplo es el siguiente.
EJEMPLO
Lanzar una moneda hasta que ocurra cara. El diagrama del árbol para este experimento da la
figura 1.2.4

Entonces, el espacio muestral es: n = [C, S C, S S C, S S S C, S S S S C],...

MODELOS DE PROBABILIDAD CONTINUOS:
Un espacio muestral se dice que es continuo, si tiene un número no numerable de elementos. Es
decir, cuyos elementos son todos los puntos de algún intervalo. Son espacios muéstrales continuos
Ω 8 y Ω 9.
EJEMPLO
En un laboratorio químico, el volumen producido por día para un producto particular varía entre
un valor mínimo a, y un valor máximo b, los cuales corresponden a la capacidad. Se escoge un día
aleatoriamente y se observa la cantidad producida. Escribir el espacio muestral. El espacio muestral
es entonces:

Debe observarse también que a un experimento aleatorio podemos asociar más de un espacio
muestral; es decir, de acuerdo a la característica del fenómeno que deseamos estudiar, un
experimento aleatorio puede tener diferentes espacios muéstrales.
Por ejemplo, en el experimento lanzar tres monedas simultáneamente, si estamos interesados en
la secuencia de caras y sellos que aparecen, el espacio muestral es:
Ω = {C C C, C C S, C S C, S C C, C S S, S C S, S S C, S S S).
En cambio, si estamos interesados en el número de caras que sale, el espacio muestral es:
Ω = {0 , 1 , 2 , 3)

2.2 LA DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.

Distribución Binomial
A menudo estaremos interesados solamente en el número total de exitos "E" obtenidos
en un proceso de n ensayos de Bernoulli, al margen del orden en que se presentan. El espacio
muestral de los n ensayos, tiene 2n elementos o sucesos los cuales son, una sucesión de n símbolos
E y F.
Ω = {EEFFEF .. . EFE, . . . } → n letras
Definimos ahora una variable aleatoria X de la siguiente forma, X(ω) = números de éxitos obtenidos
en los n ensayos de Bernoulli.
Rx = (0,1,2,3, ..., n}
La variable aleatoria X así definida se llama una variable aleatoria binomial.

La distribución de probabilidad de la variable aleatoria binomial X, se llama distribución

binomial , y se denota por P[X = x |B; n, p] ó b(x, n, p) que se lee : "la probabilidad de obtener
exactamente x éxitos y n - x fracasos".
Cálculo de la distribución de probabilidad de la variable aleatoria binomial X :
(a) La probabilidad que en los n ensayos no ocurre ningún éxito es q n. Es decir

por ser independientes

(b) La probabilidad que en los n ensayos ocurre un éxito, es

Ya que una E y n - 1 efes pueden ocurrir en los n ensayos de formas diferentes.

(c) La probabilidad que en los n ensayos ocurre 2 éxitos es,

ya que en los n ensayos los dos ees y n - 2 efes ocurren de formas

diferentes.
(d) En general la probabilidad que en los n ensayos ocurre x éxitos es,

ya que las x es ocurren en los n ensayos de formas diferentes.

Por lo tanto, distribución binomial de la variable aleatoria X es

Algunas veces, escribiremos simplemente

EJEMPLO
Se lanza un dado 10 veces. Calcular la probabilidad de obtener 4 veces seis.
SOLUCION
La variable aleatoria X está definida así,
X(ω) = número de veces que aparece el número 6 en los 10 lanzamientos del dado.
RX = {0,1,2, . . ., 10}
El evento que nos interesa es "obtener un seis". Entonces definimos
E = "obtener un seis al lanzar un dado".
F = "obtener un número diferente de 6".

3. Se lanza el dado 10 veces n = 10. Cada lanzamiento puede considerarse con sólo dos resultados
posibles E y F. Las probabilidades de E y F permanecen constantes en cada ensayo. El resultado
de cualquier ensayo es independiente de los otros. Por lo tanto, X es una variable aleatoria
binomial y su distribución de probabilidad es,
Debemos calcular

EJEMPLO
En El Alto en el mes de diciembre, la lluvia cae con un promedio de uno cada cuatro días durante
los que el cielo está nublado. Determine la distribución de probabilidad del número de días con
lluvia entre los cuatro próximos días nublados, suponiendo se cumple independencia. Encuentre
la media y la varianza del número de días lluviosos. Presente también la gráfica de la distribución
de probabilidad.
SOLUCION
La variable aleatoria X está definida por
X(ω) = número de días con lluvia durante los 4 días nublados
Rx = (0,1,2,3,4}
El experimento es observar, si llueve o no cada uno de los cuatro días nublados. Obviamente cada
experimento tiene sólo dos resultados posibles:
E = "día con lluvia" y F = "día sin lluvia".

Suponiendo, que llueva o no un día determinado es independiente de que llueva o no los otros
días, se tiene que X es una variable aleatoria binomial cuya distribución de probabilidad, con

1
parámetros n = 4 y p = es, x = 0,1,2,3,4.
4

4. La media y la varianza de X están dados por,