Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tabla
Expresión
Fórmula
Gráfica
Que muestre los valores que toma la variable aleatoria (ya sea discreta o continua) y su
respectiva probabilidad. En todo caso se debe cumplir que:
Σpi = 1
Características
Sea B un suceso asociado con la variable aleatoria X. Esto quiere decir que B está
contenido en X(S). Específicamente, supongamos que B={xi1, xi2,…}. Por lo tanto:
De esto podemos concluir que si a < b, los sucesos (X ≤ a) y (a < X ≤ b) son
mutuamente excluyentes y, además, su unión es el suceso (X ≤ b), por lo que tenemos:
Tipos
Distribución uniforme sobre n puntos
Se dice que una variable aleatoria X sigue una distribución que se caracteriza por ser
uniforme en n puntos si a cada valor se le asigna la misma probabilidad. Su función
masa de probabilidad es:
P+q=1 p = 0,85 q= 0,15
Q=1–P
Q = 1- 0,85
Q= 0,15
Supongamos que tenemos un experimento que posee dos posibles resultados, puede ser
el lanzamiento de una moneda cuyos resultados posibles son cara o sello, o la elección
de un número entero cuyo resultado puede ser un número par o uno impar; este tipo de
experimento es conocido como pruebas de Bernoulli.
Por lo general, los dos posibles resultados son llamados éxito y fracaso, donde p es la
probabilidad de éxito y 1-p la de fracaso. Podemos determinar la probabilidad de x
éxitos en n pruebas de Bernoulli que sean independientes entre sí con la siguiente
distribución.
Distribución Binomial
Distribución de Poisson
Se dice que una variable aleatoria X tiene distribución de Poisson de parámetro λ
cuando puede tomar los valores enteros positivos 0,1,2,3,… con la siguiente
probabilidad:
En esta expresión λ es el número medio correspondiente a las ocurrencias del suceso por
cada unidad de tiempo, y x es el número de veces que ocurre el suceso.
Hasta ahora solo hemos hablado de distribuciones de probabilidad para casos en los que
los diferentes experimentos son independientes entre sí; es decir, cuando el resultado de
uno no se ve afectado por algún otro resultado.
Distribución Hipergeométrica
Sea N el número total de objetos de un conjunto finito, de los cuales podemos
identificar a k de estos de alguna manera, formando así un subconjunto K, cuyo
complemento está formado por los N-k elementos restantes.
Ejercicios
Primer ejercicio
Si X es el número de tubos que funcionan más de 500 horas, supondremos que X tiene
una distribución binomial. Entonces
n!
P ( x) = x n− x
( n−x ) ! x ! . p . q
20 !
P ( 0 )= 0
( 20−0 ) ! 0! . 0,2 .0,8
20−0
p = 0,2 q= 0,8
n = 20
x = 0,1,2,…,20
20 !
P ( 0 )= . 1. 0,8
20
20 !
Y así:
Deber
Ejemplo:
- De una población de cetáceos se sabe que el 60% son machos. Si se
extrae un conjunto de 10 de ellos,
• X = Nº de hembras en el conjunto
• n = 10
• P = 0.4
Q = 0,6
n!
P ( x) = x n− x
( n−x ) ! x ! . p . q
10 !
P ( 7 )= 7 10−7
( 10−7 ) !7 ! . 0,4 . 0,6
10 !
P ( 7 )=
3 !7 !
7
. 0,4 . 0,6
3
= 0,042
Q=1–p
Q = 1 – 0,4
Q= 0,6
P(X ≤3) P(X 0) P(X 1) P(X 2) P(X 3) 0.382
Así podemos observar cómo la probabilidad de que k de estos funcionen más de 500
horas va subiendo, hasta que alcanza su valor máximo (con k=4) y luego empieza a
disminuir.
Segundo ejercicio
Se avienta una moneda 6 veces. Cuando el resultado sea cara, diremos que es un éxito.
¿Cuál es la probabilidad de que salgan dos caras exactamente?
Solución
Para este caso tenemos que n=6 y tanto la probabilidad de éxito como de fracaso son
p=q=1/2
Tercer ejercicio
Solución
Tercer ejercicio
Solución
Para este caso podríamos aplicar la distribución binomial para n=100 y p=0,02 q= 0,98
x= 3, obteniendo como resultado:
100 C 3
n!
P ( x) = x n− x
( n−x ) ! x ! . p . q
100 !
P ( 3 )= 3 100−3
( 100−3 ) ! 3 ! . 0,02 .0,98
P ( 3 )=161700 . 0,00000112725
λ= n . p
λ= 100 x 0,02 = λ= 2
e = 2,71828
3! = 3 x 2 x 1 = 6
1. Kai Lai Chung. Elementary Proability Theory with Stochastic Processes. Springer-Verlag
New York Inc
2. Kenneth.H. Rosen .Matemáticas Discretas y sus Aplicaciones.
S.A.MCGRAW-HILL/INTERAMERICANA DE ESPAÑA.
3. Paul L. Meyer. Probabilidad y Aplicaciones Estadisticas. S.A. ALHAMBRA MEXICANA.
4. Seymour Lipschutz Ph.D. 2000 Problemas Resueltos de Matemática Discretas.
McGRAW-HILL.
5. Seymour Lipschutz Ph.D. Teoría y Problemas de Probabilidad. McGRAW-HILL.