DISTRIBUCIONES

DISCRETAS DE
PROBABILIDAD

Formalmente, una variable aleatoria es

una funcin, que asigna eventos (p.e., los
posibles resultados de tirar un dado dos
veces: (1, 1), (1, 2), etc.) a nmeros
reales (p.e., su suma).
Unavariable
aleatoriaovariable
estocsticaes
unavariable
estadsticacuyos valores se obtienen de
mediciones en experimento aleatorio.

El comportamiento de una variable aleatoria

queda descrito por su distribucin discreta de
probabilidad sin importar que sta se represente
grficamente por un histograma, en forma
tabular o por medio de una frmula.
En consecuencia, las variables aleatorias
discretas que se asocian con estos experimentos
pueden describirse, esencialmente, por la misma
distribucin de probabilidad y por lo tanto se
representan por una sola frmula.

Distribucin discreta
uniforme
La ms simple de todas las distribuciones
discretas de probabilidad es aquella en la cual
la variable aleatoria asume cada uno de sus
valores con idntica probabilidad.
Tal distribucin de probabilidad recibe el
nombre de distribucin uniforme discreta.

Distribucin discreta
uniforme
Si la variable aleatoria X asume los
valores con iguales probabilidades,
entonces la distribucin discreta
uniforme es:

Ejemplo 1.1

Cuando un foco se selecciona al azar de una caja que

contiene un foco de 40 watts, uno de 60, uno de 75 y
uno de 100, cada elemento del espacio muestral
S={40,60,75,100} ocurre con una probabilidad de .
Por lo tanto, se tiene una distribucin uniforme con:

Ejemplo 1.2
Cuando se lanza un dado, cada elemento del
espacio muestral S={1,2,3,,5,6} ocurre con una
probabilidad de 1/6. Por lo tanto, se tiene una
distribucin uniforme con:

La representacin grfica de la distribucin

uniforme por medio de un histograma
siempre es un conjunto de rectngulos con la
misma altura. El histograma para el ejemplo
1.2 se muestra en la figura
1/6
1/6
1/7
1/8
1/9
1/9
1/9
0/1
0/1
0/1

Distribucin Binomial
Frecuentemente un experimento consiste en
ensayos repetidos, cada uno en dos posibles
resultados que pueden llamarse xito y fracaso.
La aplicacin ms obvia
artculos a medida que
produccin, donde cada
puede indicar si uno
defectuoso.

se da en la prueba de
salen de una lnea de
prueba o experimento
de ellos est o no

Puede considerarse el experimento de retirar

cartas en sucesin de un paquete cualquiera y a
cada intento se le puede designar como xito y o
fracaso, dependiendo de si la carta es de
corazones o no.
Si se reemplaza cada carta y el paquete se
baraja antes de usar nuevamente, los dos
experimentos descritos tienen propiedades
similares en el sentido de que los intentos
repetidos son independientes y la probabilidad
de xito permanece constante para cada uno de
ellos.

El proceso de Bernoulli
El experimento consiste en n intentos repetidos.
Los resultados de cada uno de los intentos pueden
clasificarse como un xito o como un fracaso.
La probabilidad de xito, representada por p,
permanece constante para todos los intentos.
Los intentos repetidos son independientes.

Ejemplo 1.3
Considrese el conjunto de experimentos
de Bernoulli donde tres artculos se
seleccionan aleatoriamente de un proceso
de manufactura; se inspeccionan y se
clasifican
como
defectuosos
o
no
defectuosos.
Un artculo defectuoso se considera un
xito. El nmero de xitos es una variable
aleatoria que asume valores enteros de
cero a 3. Los ocho posibles resultados y sus
correspondientes valores de X son:

Dado que los artculos se

seleccionan
en
forma
independiente de un proceso
que se supone produce un
25% de piezas defectuosas,

Resultado

NNN

NDN

NND

DNN

NDD

DND

DDN

DDD

Mediante clculos similares se obtienen las

probabilidades para los otros posibles
resultados. Por lo tanto, la distribucin de
probabilidad de X es:

X
F(x)

2
9/64

Ejemplo 1.4
La posibilidad de recibir de manera errnea un bit
transmitido por una canal de transmisin digital,
es 0.1. Adems, supngase que los ensayos de
transmisin son independientes.
Sea X= Nmero de bits recibidos con error en los
prximos cuatro que sern transmitidos.
Descrbase el espacio muestral de este
experimento e indquese el valor de X en cada
resultado.

En este experimento se indica con E un bit

errneo, y con C un bit sin error, esto es recibido
correctamente. Con esto el espacio muestral de
este experimento puede describirse como una
lista de cuatro letras que indican qu bits fueron
recibidos con y sin error.
Por ejemplo , el resultado CECE indica que el
segundo y el cuarto bit son errneos, y los otros
dos
se
recibieron
correctamente,
Por
consiguiente, el espacio muestral

Resultado

Resultado

CCCC

ECCC

CCCE

ECCE

CCEC

ECEC

CCEE

ECEE

CECC

EECC

CECE

EECE

CEEC

EEEC

CEEE

EEEE

El evento en que X=2 est formado por 6

resultados.

El nmero X de xitos en n experimentos de

Bernoulli recibe el nombre de variable
aleatoria binomial.
La distribucin de probabilidad de esta
variable aleatoria discreta se llama
distribucin binomial y sus valores se
representan por b(x;n,p), dado que estos
ltimos dependen del nmero de intentos y
de la probabilidad de xito en un intento
determinado.
Entonces,
para
probabilidad de
defectuosos, es:

la
X,

distribucin
el nmero

de
de

(=2)= (2)=(2;3,1/4)

Distribucin Binomial
Un experimento puede resultar un
xito con una probabilidad p y en un
fracaso con una probabilidad q=1-p.
Entonces la distribucin de
probabilidad de la variable aleatoria
binomial X, el nmero de xitos en n
experimentos independientes, es:

Ntese que cuando n=3 y p=1/4, la distribucin de

probabilidad de X, el nmero de artculos
defectuosos, puede escribirse como:

En vez de hacerlo en la forma tabular anterior.

Ejemplo 1.5
La probabilidad de que cierta clase de
componente pase con xito una determinada
prueba de impacto es . Encuentre la
probabilidad de que exactamente 2 de los
siguientes 4 componentes que se prueban
pasen la prueba.
Suponiendo que las pruebas son
independientes y que p=3/4 para cada
una de ellas, se obtiene

 nombre de distribucin binomial se deriva del

El
hecho de que los n+1 trminos en la expansin
binomial de , corresponden a los diversos valores
de para Esto es,

Dado que p+q= 1, se observa que una condicin que

debe cumplirse para cualquier distribucin de
probabilidad.

Con
frecuencia el inters se centra en
problemas donde es necesario encontrar
P(X<r) o P(aXb). Por fortuna, se
dispone de las sumas binomiales
B(r,n,p)=
que se dan en las tablas
estadsticas.

Ejemplo 1.6
La probabilidad de que un paciente se recupere
de una rara enfermedad de la sangre es 0.4. Si
se sabe que 15 personas han contrado esta
enfermedad, cul es la probabilidad de que:
a) Al menos 10 sobrevivan.
b) Sobrevivan entre 3 y 8 personas.
c) Sobrevivan exactamente 5 personas.

Ejemplo 1.7
La posibilidad de que cada muestra de aire
contenga una molcula rara particular es de 10%.
Supngase que las muestras son independientes
con respecto a la presencia de la molcula.
Encuntrese la probabilidad de que en las 18
muestras siguientes, exactamente dos contengan la
molcula rara.
Encuntrese la probabilidad de que al menos 4
muestras contengan la molcula rara.
Encuntrese la probabilidad de que 3x<7.