UNIDAD 5: Distribuciones discretas de probabilidad

DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS

Una ​variable aleatoria ​es un evento numérico cuyo valor se determina mediante un proceso al
azar. Cuando se asignan valores de probabilidad a todos los valores numéricos posibles de una
variable aleatoria X, se obtiene como resultado una ​distribución de probabilidad. ​La suma de las
probabilidades para todos los resultados numéricos posibles debe ser igual a 1.0.

● Para una variable aleatoria discreta.

Se pueden enlistar todos los valores numéricos posibles de la variable en una tabla con las
probabilidades correspondientes. EJ. binomial, poisson e hipergeométrica.

● Para una variable aleatoria continua.

No es posible enlistar todos los posibles valores fraccionarios de la variable y, por lo tanto,
las probabilidades que se determinan a través de una función matemática se ilustran en
forma gráfica mediante una función de densidad de probabilidad o curva de probabilidad.

Una variable aleatoria es un fenómeno de interés cuyas respuestas o resultados pueden expresarse
numéricamente. Puede ser discreta o continua, originándose la primera de un proceso de conteo y
la segunda de un proceso de medición.
Una distribución de probabilidad para una variable aleatoria discreta ​es un listado mutuamente
excluyente de todos los resultados posibles para esa variable aleatoria, tal que una probabilidad
particular de ocurrencia está asociada con cada resultado.

VALOR ESPERADO Y VARIANZA DE UNA VARIABLE ALEATORIA DISCRETA

Resulta útil describir una variable aleatoria en términos de su media y su varianza.
Valor esperado de una variable discreta
La media a largo plazo d ​ e una variable aleatoria X se denomina valor esperado y se denota E(X).
Resulta ser el promedio ponderado de todos los valores numéricos posibles de la variable, utilizando
las probabilidades correspondientes como pesos.
La media ( μ ) de una distribución de probabilidad es el valor esperado de su variable aleatoria.
N
μ = E (x) = ∑ X i P (X i )
i=1
Varianza y desviación estándar en una variable aleatoria discreta
Se denota mediante V(X).
N
σ 2 = V (X) = ∑ (X i − μ) 2 P (X i )
i=1
Fórmula abreviada
V (X) = ΣX 2 P (X) − [ΣE(X)] 2

Desviación estándar de una variable aleatoria discreta

√
N
σ= ∑ (X i − μ) 2 P (X i )
i=1

DISTRIBUCIÓN BINOMIAL
Es una distribución discreta de probabilidad aplicable como modelo a situaciones de toma de
decisiones siempre y cuando pueda suponerse que el proceso de muestreo se ajusta a un proceso
Bernoulli. Este es un proceso de muestreo en el que:
1. Sólo son posibles dos resultados mutuamente excluyentes en cada ensayo u observación. A
los resultados se los denomina éxito y fracaso.
2. Los resultados del conjunto de ensayos u observaciones, constituyen eventos
independientes.
3. La probabilidad de éxito, que se denota mediante p, permanece constante de un ensayo a
otro. (estacionario)
Puede utilizarse la distribución binomial para determinar la probabilidad de obtener un número
determinado de éxitos en un proceso Bernoulli. Se requieren 3 números:
● El número específico de éxitos (X)
● El número de observaciones (n)
● Probabilidad de éxito en cada uno de los ensayos (p)
La fórmula para determinar la probabilidad de un número determinado de éxitos X para una
distribución binomial, en donde q= (1-p) es:
P (X|n, p) = nCxP x q n−x
A veces, existe interés en la probabilidad acumulada de “X o más” éxitos o “X o menos ” éxitos en n
ensayos. Para ello, debe determinarse cada uno de los resultados incluidos dentro del intervalo
designado y, entonces sumar esas probabilidades.
Los valores de p que exceden a 0.5, deben replantearse el problema para definir el evento en
términos de fracasos, en lugar de utilizar el número de éxitos.
Es posible calcular en forma directa el número esperado de éxitos:
E (X) = np
En donde q=(1-p), la varianza del número de éxitos puede calcularse:
V (X) = npq
LA DISTRIBUCIÓN BINOMIAL EXPRESADA MEDIANTE PROPORCIONES
En vez de expresar la variable aleatoria binomial como el número de éxitos, puede designarse en
︿
términos de proporción de éxitos p que es el cociente del número de éxitos entre el número de
observaciones
︿ X
p= n
La probabilidad de observar exactamente una proporción de éxitos en n ensayos de Bernoulli es:
︿
P (p = Xn |n, p) = nCxP x q n−x
El valor esperado de una distribución de probabilidad binomial, expresado mediante una proporción,
es igual a la proporción de la población
︿
E (p) = p
La varianza de la proporción de éxitos para una distribución binomial de probabilidad
︿ pq
V (p) = n
DISTRIBUCIÓN POISSON
Puede utilizarse para determinar la probabilidad de que ocurra un número designado de eventos,
cuando éstos ocurren en un continuo de tiempo o espacio. Los eventos ocurren en un continuo (ej,
intervalo de tiempo) en vez de ocurrir en observaciones fijas. Se supone que los eventos son
independientes y que el proceso es estacionario.
Sólo se requiere un valor para determinar la probabilidad:
 ● el número promedio a largo plazo para el tiempo o dimensión específica de interés. Esta
media se representa mediante λ .
La fórmula para determinar la probabilidad de un número determinado de éxitos N en una
distribución Poisson es:
λx e−λ
P (X|λ) = X!
Como se supone que un proceso Poisson es estacionario, se concluye que la media del proceso es
siempre proporcional a la longitud del continuo de tiempo o espacio. Por lo tanto, si se tiene
disponible una media para una longitud de tiempo, puede determinarse la media para cualquier otro
período de tiempo que se requiere.
Esto es importante porque el valor de λ que se utiliza debe aplicarse al período de tiempo
pertinente.
El valor esperado (la media a largo plazo) de una distribución de probabilidad Poisson es igual a la
media de la distribución.
E (X) = λ
La varianza del número de eventos de una distribución de probabilidad Poisson es igual a la media
de la distribución.
V (X) = λ
σ = √λ
Forma de la distribución
Puesto que la distribución de Poisson se define como el límite de la binomial cuando n tiende a
infinito y p es muy pequeño, ella es sesgada a la derecha. Sin embargo, el sesgo disminuye a medida
que λ crece. Para λ ≻ 10 la distribución es prácticamente simétrica con forma de campana.
APROXIMACIÓN DE POISSON A PROBABILIDADES BINOMIALES
La distribución Poisson es apropiada como aproximación de las probabilidades binomiales cuando ​n
es grande ​ y ​p o q son pequeñas. ​Puede realizarse la aproximación cuando:
● n ≥ 30
● nq ≺ 5
● np ≺ 5
La media de la distribución de probabilidades Poisson que se utiliza para aproximar probabilidades
binomiales es:
λ = np