DISTRIBUCIONES DE PROBABILIDAD

SEMANA 11

Ing. Luis Enrique Vilca

PRESENTACIN
En los ejemplos de distribuciones de frecuencias
estudiados en las primeras sesiones, as como en las
probabilidades se ha tenido cuidado de trabajar con
datos basados en la observacin o en la
experiencia.
Sin embargo es posible, que partiendo de ciertas
hiptesis o condiciones de carcter general, deducir
matemticamente
cmo
pueden
ser
las
distribuciones de frecuencia de ciertos colectivos
o de las distribuciones de probabilidad del espacio
muestral, o de la variable aleatoria.
A estas distribuciones por sus caractersticas tan
especiales
se
les
llama
DISTRIBUCIONES
TERICAS.
2

OBJETIVOS

Identificar los conceptos de funcin de probabilidad y

funcin de densidad para variables
discretas y continuas, respectivamente.

aleatorias

Reconocer la distribucin binomial y el contexto de su

aplicacin.

Calcular

probabilidades
binomiales.

Reconocer

aplicacin.

para

variables

aleatorias

la distribucin normal y el contexto de su

Calcular

probabilidades para variables aleatorias

normales mediante tipificacin y uso de tablas.

Identificar

cundo es aceptable aproximar una

distribucin binomial por una normal y cmo hacerlo.
3

DISTRIBUCIONES DISCRETAS DE
PROBABILIDAD

Las distribuciones de probabilidad discreta son aquellas

en las que la variable aleatoria solo puede asumir ciertos
valores claramente separados, y son resultado de un conteo.
Por ejemplo, el nmero de caras en dos lanzamientos de
una moneda.

N Caras

SS
0

P(x) = 1/4

SC
1

1/4

CS
1

CC
2

1/4 1/4

Si se lanza una moneda al aire puede salir: cara o sello.

Si se tira un dado puede salir un nmero: del 1 al 6.

Hay varios tipos de distribuciones de probabilidad

discreta, tales como:
Distribucin Binomial,
Distribucin Poisson,
Distribucin Hipergeomtrica.

I-4

DISTRIBUCIN DE BERNOULLI
DEFINICIN:

Es una variable aleatoria discreta que

mide el nmero de xitos.

Se realiza con un nico experimento.

Es dicotmica porque tiene 2 posibles

resultados: xito o fracaso.

1.
Cuando es acierto la variable toma el
valor:
Cuando es fracaso la variable toma el valor: 0.

DISTRIBUCIN DE BERNOULLI
EJEMPLOS:
1) Probabilidad de salir cara al lanzar una
moneda al aire: o sale cara o no sale cara.
2) Probabilidad de ser admitido en una
universidad: o te admiten o no te admiten.
3) Probabilidad de acertar con la Tinka:
o aciertas o no aciertas.

Se representa como:

xito p y fracaso q = (1 p)

Su frmula es:

f(x)=px(1p)1x ; con x={0,1}

Su funcin de distribucin:

Ejemplos de su uso:
Lanzamiento

de monedas:

"Lanzar una moneda, probabilidad de

conseguir que salga sello".
SOLUCION
:
x

f(x)=p (1 p)1x ; con x={0,1}

Se trata de un solo
resultados posibles:

experimento,

xito(p) se considerar sacar sello. Valdr=

0.5

Fracaso(q) si saliera cara, que vale=10.5=

La variable aleatoria X medir "nmero de sellos

que salen en un lanzamiento.

P(X=0)=f(0)=0.50.0.51=0.5
P(X=1)=f(1)=0.51.0.50=0.5

con

dos

0.5.

Probabilidad que al lanzar un dado

salga un 6
SOLUCION
:
Cuando lanzamos un dado tenemos 6 posibles

resultados:
={1,2,3,4,5,6}
Se considera xito sacar un 6, por tanto, la
probabilidad ser p = 1/6.
Se considera fracaso no sacar un 6, por tanto, se
considera fracaso sacar cualquier otro resultado.
q=1p = 11/6 = 5/6
Por tanto, la variable aleatoria X se distribuye
como una Bernoulli de parmetro p = 1/6
XBe(1/6)

DISTRIBUCION BINOMIAL
La distribucin Binomial parte de la distribucin
de Bernoulli:
La distribucin de Bernoulli se aplica cuando se
realiza una sola vez un experimento que tiene
nicamente dos posibles resultados (xito o
fracaso), por lo que la variable slo puede tomar
dos valores: el 1 y el 0.
La distribucin binomial se aplica cuando se
realizan un nmero "n" de veces el experimento
de Bernoulli, siendo cada ensayo independiente
del anterior.
La variable puede tomar valores entre:
0: si todos los experimentos han sido fracaso.
n: si todos los experimentos han sido xitos.

EJEMPLO:

Se tira una moneda 10 veces: cuantas caras salen?

SOLUCIN:

Si no ha salido ninguna, la variable toma el valor 0;

Si han salido dos caras, la variable toma el valor 2;

Si todas han sido cara, la variable toma el valor 10.

La distribucin de probabilidad de este tipo de
distribucin sigue el siguiente modelo:

n x
n x
B(n, p) P( X x) p (1 p) , x 0,1,..., n
x
Probabilidad de obtener x xitos

 n
B(n, p ) P( X x) p x (1 p ) n x ,
x

x 0,1,..., n

Ejemplo 1:
Cul es la probabilidad de obtener 6 caras al lanzar una
moneda 10 veces?
Solucin:
x" es el nmero de aciertos. En este ejemplo x" es igual a 6
(en cada acierto decamos que la variable toma el valor 1:
como son 6 aciertos, entonces x = 6)
"n" es el nmero de ensayos. En nuestro ejemplo son n=10.
"p" es la probabilidad de xito, es decir, que salga "cara" al
lanzar la moneda. Por lo tanto p = 0.5
La frmula quedara:

10
* 0.56 * (1 0.5)106
6

P( X 6)

Luego, P (X = 6) = 0.205
Es decir, se tiene una probabilidad del 20.5% de obtener 6
caras al lanzar 10 veces una moneda.

Ejemplo 2:
Cul es la probabilidad de obtener cuatro veces el nmero 3
al lanzar un dado 8 veces?
Solucin:
x" (nmero de aciertos) toma el valor x = 4
"n" (nmero de ensayos) toma el valor n = 8
1
"p" (probabilidad de que salga un 3 al tirar el dado) es: 6 0.1666
La frmula queda:

8
P( X 4) * 0.166 4 * (1 0.166)8 4
4

Luego, P(x=4) = 0.026

Es decir, se tiene una probabilidad del 2.6% de obtener
cuatro veces el nmero 3 al tirar un dado 8 veces.

EJERCICIOS
1)

La probabilidad de que cierta clase de componentes

sobreviva a una prueba de choques es .
Encuentre la probabilidad de que sobrevivan exactamente
2 de los 4 componentes que se prueben.
Sol 27/128

2) Las posibilidades de que un bit transmitido a travs de un

canal se reciba con error es de 0.1. Suponga adems
que los ensayos de transmisin son independientes.
Sea x el nmero de bits con error en los siguientes 4 bits
transmitidos, determine la probabilidad de que lleguen 2
bits con error.
Sol 0.0486

APLICACIONES
Todo experimento que tenga resultados binarios
(xito/fracaso, defectuoso/no defectuoso, enfermo/sano,
mujer/hombre,
etc.)
y
cuyos
ensayos
sean
independientes.
EJEMPLO:
Medicina: frmacos, cura/no cura.
Militares: misiles dan en el blanco/no dan.
Comunicaciones: error de una cadena de bits.

PROPIEDADES DE LA DISTRIBUCIN
BINOMIAL

Funcin de Distribucin de la variable aleatoria Binomial

0
n
n
F ( xi ) p( X xi ) p q
0

1
n 1
n

p q ....
1

x
n x
n
p q
x

Siendo X el mayor nmero entero menor o igual a xi

Esta funcin de distribucin proporciona, para cada nmero
real xi, la probabilidad de que la variable X tome valores
menores o iguales que xi.

EJEMPLO:
En 50 lanzamientos de una moneda, el nmero medio
de cara es:

Solucin:
La media y varianza de la distribucin binomial, es:
Media, = n.p
Tenemos 50 ensayos, = 50x0.5 = 25
Varianza, 2 = n.p.q
2 = 50x0.5x0.5 = 12.5
Desviacin Tpica, = npq
= 50 x 0.50 x0.50 3.54

DISTRIBUCIN BINOMIAL
Resumen Distribucin Binomial
Sea X una variable aleatoria discreta correspondiente a
una distribucin binomial.

P ( X x) x, (nmero..de..xitos;..0 x n)

n x
n x
P( X x) p (1 p)
x

DISTRIBUCIN BINOMIAL
EJEMPLO:
La probabilidad de xito de una determinada vacuna es 0.72.
Calcula la probabilidad de que una vez administrada a 15
pacientes:
a) Ninguno sufra la enfermedad.
b) Todos sufran la enfermedad.
c) Dos de ellos contraigan la enfermedad.
SOLUCIN:
Se trata de una distribucin binomial de parmetros B(15, 0.72)
0.00724
5.097x10-9
0.11503

DISTRIBUCIN POISSON

Las distribucin de Poisson parte de la

distribucin Binomial.
Cuando en una distribucin Binomial se realiza el
experimento un nmero "n" muy elevado de veces
y la probabilidad de xito "p" en cada ensayo es
reducida, entonces se aplica el modelo de
distribucin de Poisson:
Se tiene que cumplir que: " p " < 0.10
" p*n " < 10
La distribucin de Poisson sigue el siguiente
modelo:

Vamos a explicarla:
El nmero "e" es 2.71828
" l " = n * p (es decir, el nmero de veces " n " que se realiza el
experimento multiplicado por la probabilidad " p " de xito en
cada ensayo)
" k " es el nmero de xito cuya probabilidad se est
calculando
Veamos un ejemplo: La probabilidad de tener un accidente de
trfico es de 0.02 cada vez que se viaja, si se realizan 300
viajes, cual es la probabilidad de tener 3 accidentes?
Como la probabilidad " p " es menor que 0.1, y el producto " n *
p " es menor que 10, entonces aplicamos el modelo de
distribucin de Poisson.

Luego,
P (x = 3) = 0.0892
Por lo tanto, la probabilidad de tener 3 accidentes de trfico en
300 viajes es del 8.9%

Otro ejemplo: La probabilidad de que un nio nazca

pelirrojo es de 0,012. Cul es la probabilidad de que
entre 800 recin nacidos haya 5 pelirrojos?

Luego,

P (x = 5) = 4,602
Por lo tanto, la probabilidad de que haya 5 pelirrojos
entre 800 recin nacidos es del 4,6%.

MEDIA Y VARIANZA
La media y varianza de la distribucin POISSON , es:

= np
Varianza = np
Consecuencia: Si la varianza de los conteos es mucho
ms grande que la media de los mismos, entonces la
distribucin de Poisson no es buen modelo para la
distribucin de la variable.

DISTRIBUCIN HIPERGEOMTRICA
Ejemplo: De un grupo de 20 productos, 10 se

seleccionan al azar para prueba. Cul es la

probabilidad de que 10 productos
seleccionados contengan 5 productos buenos?
Los productos defectivos son 5 en el lote.
N = 20, n = 10, D = 5, (N-D) = 15, x = 5
P(x=5) = 0.0183 = 1.83%
P(5)

5!

5
!
0
!

15!

5
!
10
!

0.0183
20!
10!10!
25

30

31

32