MODELOS PROBABILISTICOS | Ing.

Ricardo Chura Sucojayo

DISTRIBUCION DE MODELOS PROBABILISTICOS

.
DISTRIBUCION DE BERNOULLI

Se llama Prueba o ensayo de Bernoulli a todo Experimento aleatorio que contiene solo dos resultados posibles
mutuamente excluyentes, llamados Éxito y Fracaso.

El espacio muestral asociado con una Prueba de Bernoulli es: S = E, F 

Por ejemplo, al lanzar una moneda se está realizando una Prueba de Bernoulli, ya que solo hay dos posibilidades:
cara o sello. No admite otro resultado intermedio.

DISTRIBUCIÓN BINOMIAL

Se llama Experimento Binomial a un número fijo n de repeticiones independientes de una prueba de Bernoulli, por
lo tanto, se caracteriza por:

1. Las n pruebas son estadísticamente independientes.

2. Cada ensayo tiene dos resultados posibles, denominados “éxito” y “fracaso”
3. La probabilidad de éxito es invariante en cada una de las pruebas, es decir cada prueba posee la misma
probabilidad de éxito, por lo tanto, la probabilidad de éxito de cada ensayo, denotada por p, permanece
constante.
4. Se llama Variable Binomial a la variable aleatoria X definida en el espacio muestral, como el número de
éxitos que ocurren en las n pruebas de Bernoulli. Los posibles valores de X son: 0, 1, 2, …., n

Las probabilidades se calculan a través de la siguiente formula:

𝒏!
𝑷(𝒙 = 𝒓⁄𝒏, 𝒑) = 𝒑𝒙 . 𝒒𝒏−𝒙
𝒙! (𝒏 − 𝒙)!

𝑷(𝒙 = 𝒓⁄𝒏, 𝒑) = 𝒏 ∁ 𝒙 . 𝒑𝒙 . 𝒒𝒏−𝒙

La variable puede tomar los valores x = 0, 1, 2, …n

 n  x n− x
  p  q ; x = 0, 1, 2, ...., n
P(x = r / n, p ) =  x 
0 de otras formas

PROPIEDADES
La esperanza matemática
𝝁(𝒙) = 𝑬(𝒙) = 𝒏𝒑
La varianza
𝝈𝟐 (𝒙) = 𝑽(𝒙) = 𝒏(𝟏 − 𝒑)𝒑

1
MODELOS PROBABILISTICOS | Ing. Ricardo Chura Sucojayo

EJEMPLO ACLARATORIO 1

Después de una auditoría externa en una empresa financiera se determinó que el 30% de sus créditos están en
mora. Si el auditor interno toma una muestra aleatoria de cinco de esas cuentas, determine la probabilidad de que
exactamente dos créditos estén en mora.

EJEMPLO ACLARATORIO 2

Una institución universitaria establece nuevos métodos de aprendizaje y de evaluación, con el resultado donde el
85% de sus estudiantes aprueban todas las materias. Supongamos que se seleccionan 6 estudiantes de dicha
institución. ¿Cuál es la probabilidad?
a) ¿Exactamente 3 aprueben todas las materias?
b) ¿Por lo menos dos aprueben todas las materias?
c) ¿Como máximo 1 pierda alguna materia?

DISTRIBUCION DE POISSON
Dado un intervalo de números reales, suponga que el conteo de ocurrencias es aleatorio en dicho intervalo. Si este
puede dividirse en subintervalos suficientemente pequeños tales que:

1. La probabilidad de ocurrencia más de una ocurrencia en dicho subintervalo es cero.

2. La probabilidad de ocurrencia en un subintervalo es la misma para todos los subintervalos, y es proporcional
a la longitud de éstos.
3. El conteo de ocurrencias en cada subintervalo es independiente del de los demás subintervalos.
𝒆−𝝀 . 𝝀𝒙
𝑷(𝑿 = 𝒙) =
𝒙!
Donde:
e = Base del logaritmo neperiano (2, 7182)
λ = promedio
x = valor buscado

PROPIEDADES
La esperanza matemática 𝝁(𝒙) = 𝑬(𝒙) = 𝝀
La varianza 𝝈𝟐 (𝒙) = 𝑽(𝒙) = 𝝀
EJEMPLO ACLARATORIO 1
Un promedio de cinco personas por hora realiza transacciones en una ventanilla de servicios especiales de un
banco comercial. Suponiendo que el arribo de esas personas tiene una distribución independiente y es igualmente
probable a lo largo del periodo de interés ¿Cuál es la probabilidad de que exactamente diez personas deseen
realizar transacciones en la ventanilla de servicios especiales durante una hora en particular?

EJEMPLO 2
Se ha estimado que cada 10 páginas de un libro existen en promedio dos errores ortográficos.
a) Cuál es la probabilidad que en un capítulo de 10 páginas existan 4 errores ortográficos.
b) Que en un capítulo de 20 páginas como máximo haya tres errores ortográficos.
c) Que en un capítulo de 30 páginas haya por lo menos dos errores ortográficos.
d) Que en 20 páginas haya más de un error ortográfico.

2
MODELOS PROBABILISTICOS | Ing. Ricardo Chura Sucojayo

DISTRIBUCION HIPERGEOMÉTRICA

Un experimento hipergeométrico consiste en escoger al azar una muestra de tamaño n, uno a uno sin reposición,
de N elementos o resultados posibles donde x de los cuales pueden clasificarse como éxitos y los N-x restantes
como fracasos.

1. En cada extracción la probabilidad de que el elemento sea un éxito es diferente ya que tales extracciones
son sin reposición.
2. Se llama Variable hipergeométrica a la Variable Aleatoria X definida en S, como el número de éxitos en el
experimento hipergeométrico.
3. Si n  x , el Rango de X es: RX = 0,1, 2, ..........., n
Luego la probabilidad de que ocurran k éxitos es:
  A  B 
x 
 

   n − x  ; x = 0, 1, 2, ....., n

P( X = x ) =  N
 
n 

  

0 de otras formas

𝑨 = 𝑭𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔 𝒐 é𝒙𝒊𝒕𝒐
𝑫𝒐𝒏𝒅𝒆 → {
𝑩 = 𝑵𝒐 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔 𝒐 𝒇𝒓𝒂𝒄𝒂𝒔𝒐

𝐴∁𝑥 × 𝐵∁𝑛−𝑥
𝑃(𝑋 = 𝑥 ) =
𝑁∁𝑛
PROPIEDADES
La esperanza matemática 𝝁(𝒙) = 𝑬(𝒙) = 𝒏𝒑
𝑵−𝒏
La varianza 𝝈𝟐 (𝒙) = 𝑽(𝒙) = 𝒏𝒑𝒒 𝑵−𝟏
EJEMPLO ACLARATORIO 1
Una compañía recibe un envío de 20 piezas de un proceso de manufactura. El control de calidad de la compañía
consiste en tomar una muestra de 3 piezas al azar sin reposición del envío. Si en la muestra se encuentra al menos
dos piezas defectuosas, caso contrario se acepta. Determine la probabilidad de rechazar el envío si contiene un
25% de piezas defectuosas.

EJEMPLO ACLARATORIO 2
De 24 estudiantes de Investigación de Operaciones I, 10 reprobaron el primer parcial.Si se selecciona
una muestra de 5 estudiantes, cuál es la probabilidad de que:
a) Exactamente tres hayan reprobado el primer parcial.
b) Como máximo uno haya reprobado el parcial.
c) Por lo menos 4 hayan aprobado el parcial.
d) Más de 4 hayan aprobado el examen.
e) Ninguno haya aprobado el parcial.

3
MODELOS PROBABILISTICOS | Ing. Ricardo Chura Sucojayo

DISTRIBUCION NORMAL

Es sin duda la distribución más utilizada para modelar experimentos aleatorios. La distribución normal es una
distribución continua que se ajusta a las distribuciones reales observada en muchos fenómenos como ser:
• Las mediciones de velocidad de transmisión de datos.
• Las mediciones de corriente eléctrica
• Las mediciones de temperatura
• En general todo lo que se puede medir.

La distribución es simétrica con

respecto a la línea vertical que
pasa por la media µ

GRAFICA DE LA DISTRIBUCION NORMAL

No es necesario ni posible tener una tabla distinta para cada distribución normal posible, en lugar de ellos se utiliza
una distribución normal estándar para encontrar las probabilidades. Para ello se utiliza la siguiente transformación:
𝒙−𝝁
𝒁=
𝝈
PROPIEDADES
La esperanza matemática 𝑬(𝒙) = 𝝁
La varianza 𝑽(𝒙) = 𝝈𝟐
EJEMPLO ACLARATORIO 1
Las estaturas de 500 estudiantes están distribuidas normalmente con una media de 174 centímetros y una
desviación estándar de 6.9 centímetros. ¿Qué porcentaje de estudiantes?
a) Miden menos de 160 cm.
b) Entre 171 y 182 cm
c) Mayor o igual a 188 cm

EJEMPLO ACLARATORIO 1
.- Un análisis estadístico de 500 llamadas telefónicas de larga distancia hechas desde una central
telefónica indica que la duración de esas llamadas tiene una distribución normal conuna media de 129
segundos y desviación estándar de 30 segundos.
a) ¿Cuál es la probabilidad de que una llamada particular haya durado entre 89y 169
segundos?
b) ¿Qué porcentaje de llamadas duraron menos de 60 segundos?
c) ¿Cuántas llamadas duraron menos de 60 segundos?
d) Cuál debe ser la duración de una llamada en particular para que solo el 5%de las
llamadas sean más cortas que ella?