Está en la página 1de 27

DISTRIBUCION DE PROBABILIDAD

ANDRES FELIPE BERNAL V.


SANDRA MARCELA BLANCO P.
ANGELA ROCIO CHAPARRO V.

(Bernoulli, binomial, Poisson, geomtrica, binomial
negativa, hipergeomtrica, uniforme y multinomial.)
ING MSc. MELQUICEDEC CORTES
SEMINARIO II
UNIVERSIDAD PEDAGOGICA Y TECNOLOGICA DE COLOMBIA
FACULTAD DE INGENIERIA
MAESTRIA EN GEOTECNIA
TUNJA
2014
OBJETIVOS

DISTRIBUCION DE
PROBABILIDAD
Una distribucin de probabilidad indica toda la gama de valores que
pueden representarse como resultado de un experimento si ste se
llevase a cabo.
Es decir, describe la probabilidad de que un evento se realice en el
futuro, constituye una herramienta fundamental para la prospectiva,
puesto que se puede disear un escenario de acontecimientos futuros
considerando las tendencias actuales de diversos fenmenos naturales
Toda distribucin de probabilidad es generada por una variable (porque
puede tomar diferentes valores) aleatoria x (porque el valor tomado es
totalmente al azar), y puede ser de dos tipos:

VARIABLE ALEATORIA DISCRETA (x).
PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)



VARIABLE ALEATORIA DISCRETA (x).
Porque solo puede tomar valores enteros y un
nmero finito de ellos.

PROPIEDADES
p(xi)<1 Las probabilidades asociadas a cada uno de
los valores que toma x deben ser mayores o iguales
a cero y menores o iguales a 1.
DISTRIBUCION DE
PROBABILIDAD
VARIABLE ALEATORIA CONTINUA (x).
Puede tomar tanto valores enteros como fraccionarios y un
nmero infinito de ellos dentro de un mismo intervalo.

PROPIEDADES
p(x) Las probabilidades asociadas a cada uno de los valores
que toma x deben ser mayores o iguales a cero. Dicho de otra
forma, la funcin de densidad de probabilidad deber tomar
solo valores mayores o iguales a cero.
El rea definida bajo la funcin de densidad de probabilidad
deber ser de 1.
DISTRIBUCION DE
PROBABILIDAD
DISTRIBUCION DE
BERNOULLI
Consiste en realizar un experimento aleatorio una sola
vez y observar si cierto suceso ocurre o no, siendo p la
probabilidad de que esto sea as (xito) y q=1-p el que
no lo sea (fracaso). En realidad no se trata ms que de
una variable dicotmica, es decir que nicamente puede
tomar dos modalidades, es por ello que el hecho de
llamar xito o fracaso a los posibles resultados de las
pruebas obedece ms una tradicin literaria o histrica,
en el estudio de las variables aleatorias., que a la
situacin real que pueda derivarse del resultado.
DISTRIBUCION DE
BERNOULLI
1 , 0 ) 1 ( ) (
1


x p p x P
x x
Si la probabilidad de xito es p y la de fracaso 1 p,
entonces se tiene que
Donde
x= 0 para fracaso
x= 1 para xito
P= probabilidad de ocurrencia
PARMETROS A PARTIR DE
DISTRIBUCIN DE BERNOULLI
Media

Esperanza:


Varianza:


p X P X P
x X P x X E
x


) 1 ( 1 ) 0 ( 0
) ( ] [
1
0

) 1 (
) 1 ( 1 ) 0 ( 0
) ( ]) [ ( ] [ ) (
2
2 2 2
1
0
2 2 2 2
p p p p
p X P X P
p x X P x X E X E X Var
x



=
Coeficiente de asimetra:


Varianza

Curtosis:

PARMETROS A PARTIR DE
DISTRIBUCIN DE BERNOULLI
. =



=
=
6
2
6 + 1
(1


EJEMPLO
Para un estudio de estabilidad geotcnica de un
talud, se realizaron dos perforaciones cada una con
una profundidad de 18 m, de las cuales, cada 1,50
se recuperaban muestras alteradas o inalteradas.
En el momento de la identificacin de muestras, se
tiene que por cada dos muestras alteradas, se
tiene una muestra alterada. Cual es la probabilidad
de tener 4 muestras inalteradas en una sola
perforacin?
DISTRIBUCION DE
BERNOULLI
SOLUCION:
Total de muestras por sondeo:
=
18
1,5/


= 12
Si por cada 2 muestras alteradas se tiene 1
inalterada, entonces
8 muestras alteradas
4 muestras inalteradas
DISTRIBUCION DE
BERNOULLI
=4/12
=1/3
q=1-p
q=1-(1/3)
q=2/3




DISTRIBUCION DE
BERNOULLI
=

1
1

= 1/3
1
2/3
0

=
1
3
= 33.3%
la distribucin binomial es una distribucin de probabilidad
discreta que mide el nmero de xitos en una secuencia de n
ensayos de Bernoulli independientes entre s, con una
probabilidad fija p de ocurrencia del xito entre los ensayos.
Un experimento de Bernoulli se caracteriza por ser dicotmico,
esto es, slo son posibles dos resultados. A uno de estos se
denomina xito y tiene una probabilidad de ocurrencia p y al
otro, fracaso, con una probabilidad q = 1 - p. En la distribucin
binomial el anterior experimento se repite n veces, de forma
independiente, y se trata de calcular la probabilidad de un
determinado nmero de xitos. Para n = 1, la binomial se
convierte, de hecho, en una distribucin de Bernoulli.
Para representar que una variable aleatoria X sigue una
distribucin binomial de parmetros n y p, se escribe:

DISTRIBUCION
BINOMIAL
DISTRIBUCION
BINOMIAL
Esta distribucin corresponde a la realizacin de un experimento aleatorio
que cumple con las siguientes condiciones:
Al realizar el experimento slo son posible dos resultados: el suceso A,
llamado xito, y el suceso B , llamado fracaso.
Al repetir el experimento, el resultado obtenido es independiente de los
resultados obtenidos anteriormente.
La probabilidad del suceso A es constante, es decir, no vara de una
prueba del experimento a otra.
Funcin de probabilidad binomial
para diferentes tamaos de
muestras y diferentes
probabilidades de ocurrencia.
Fuente:
http://commons.wikimedia.org
/wiki/File:Binomial_distribution_pmf.
svg
En cada experimento se realizan n pruebas idnticas.
Todo experimento que tenga estas caractersticas se dice que
sigue el modelo de la distribucin Binomial o distribucin de
Bernoulli.
En general, si se tienen n ensayos Bernoulli con probabilidad
de xito p y de fracaso q, entonces la distribucin de
probabilidad que la modela es la distribucin de probabilidad
binomial y su regla de correspondencia es:

DISTRIBUCION
BINOMIAL
Funcin de distribucin de
probabilidad binomial para
diferentes tamaos de muestras y
diferentes probabilidades de
ocurrencia.
Fuente:
http://commons.wikimedia.org
/wiki/File:Binomial_distribution_pmf.
svg
DISTRIBUCION
BINOMIAL
P(X)= es la probabilidad de ocurrencia del
evento
p = es la probabilidad de xito del evento (en un intento)

q = es la probabilidad de fracaso del evento (en un intento)
(se define como q = 1 p )

X = ocurrencia del evento o xitos deseados
n = nmero de intentos
= =
!
! !


EJEMPLO:

De una exploracin Geotcnica a una profundidad de 10
m, se obtuvieron 8 muestras inalteradas, las cuales
corresponden a arcillas de baja plasticidad. Para
establecer el valor de cohesin del material, se realiz el
ensayo de corte directo en condiciones consolidadas no
drenadas. Debido a que todas las muestras corresponden
a un mismo estrato, Cual es la probabilidad de que se
obtengan dos valores de cohesin igual en la totalidad de
las muestras?


DISTRIBUCION
BINOMIAL
SOLUCION:
X: 2
n: 8
=

=
2
8
= 0,25

P=1/3
= 1

= 1 0,25

= 0,75

DISTRIBUCION
BINOMIAL
=
!
! !



2 =
8!
2! 8 2 !
0,25
2
0,75
82


2 =0,3115

2 =31,15%
DISTRIBUCION
BINOMIAL
DISTRIBUCION
BINOMIAL
DISTRIBUCIN DE
POISSON
Es una distribucin de probabilidad discreta que
expresa, a partir de una frecuencia de ocurrencia
media, la probabilidad de que ocurra un determinado
nmero de eventos durante cierto perodo de tiempo.
Funcin de probabilidad
de Poisson, para
diferentes promedios de
xitos .
Fuente:
http://es.wikipedia.
org/wiki/Distribuci%C3%
B3n_de_Poisson
Esta distribucin es una de las
ms importantes distribuciones
de variable discreta. Sus
principales aplicaciones hacen
referencia a la modelizacin de
situaciones en las que nos
interesa determinar el nmero de
hechos de cierto tipo que se
pueden producir en un intervalo de
tiempo o de espacio, bajo
presupuestos de aleatoriedad y
ciertas circunstancias restrictivas.
Otro de sus usos frecuentes es la
consideracin lmite de procesos
dicotmicos reiterados un gran
nmero de veces si la probabilidad
de obtener un xito es muy
pequea .
DISTRIBUCIN DE
POISSON
Funcin de distribucin de
probabilidad de Poisson,
para diferentes promedios
de xitos .Fuente:
http://es.wikipedia.
org/wiki/Distribuci%C3%B3
n_de_Poisson
,

!

p(X) = probabilidad de que ocurran x xitos, cuando el
nmero promedio de ocurrencia de ellos es
= media o promedio de xitos por unidad de tiempo,
rea o producto
e = 2.718 (base de logaritmo neperiano o natural)
X = variable que nos denota el nmero de xitos que se
desea que ocurra
DISTRIBUCIN DE
POISSON
EJEMPLO
Para el estudio de estabilidad de una ladera se instalaron
una serie de piezmetros, estos con la finalidad de
establecer las variaciones del nivel fretico durante un
periodo de un mes. El piezmetro principal se encuentra
localizado en la mitad del cuerpo del posible movimiento,
para el cual se toman registros diarios, en donde en
ocasiones no se presenta variacin del nivel, teniendo un
promedio de ocurrencia de 7 registros al mes. Ante esta
condicin, cual es la posibilidad de que se registren 4
lecturas con una variacin cero en el nivel del piezmetro,
en un mes cualquiera?

DISTRIBUCIN DE
POISSON
DISTRIBUCIN DE
POISSON
SOLUCION

a)
X: 4
: 7


, =

!

4,7 =
7
4

7
4!

4,7 = 0.0912
4,7 = 9,12
DISTRIBUCIN DE
POISSON
CONVERGENCIA DE LA
DISTRIBUCIN BINOMIAL A LA
POISSON
Se puede probar que la distribucin binomial tiende a
converger a la distribucin de Poisson cuando el parmetro n
tiende a infinito y el parmetro p tiende a ser cero, de manera
que el producto de n por p sea una cantidad constante. De
ocurrir esto la distribucin binomial tiende a un modelo de
Poisson de parmetro l igual a n por p