DISTRIBUCIONES

DISCRETAS
VARIABLE ALEATORIA DISCRETA:  

Se dice que una variable aleatoria X es discreta si el número de valores

que puede tomar es contable (ya sea finito o infinito), y si estos pueden
arreglarse en una secuencia que corresponde con los enteros positivos.
Ejemplo: se lanza una moneda tres veces. Definimos la variable aleatoria X
como el número de caras en los tres lanzamientos.

X: 0 1 1 1 2 2 2 3
DISTRIBUCIONES DE PROBABILIDAD DE
V.A DISCRETAS
Definición: Sea X una variable aleatoria discreta.
  Se llamará a p(x)= P(X=x) función de
probabilidad de la variable aleatoria X, si satisface las siguientes propiedades:
1. ≥ 0 para todos los valores x de X;

Definición: La función de distribución acumulativa de la variable aleatoria X es la

probabilidad de que X sea menor o igual a un valor específico x y está dada por:

Propiedades: 1. 2.
3. 4.
 Para el ejemplo de los tres lanzamientos:
La tabla de distribución de probabilidad para la variable aleatoria X queda así:
x 0 1 2 3
P(x) 1/8 3/8 3/8 1/8

Ejemplo 2. X= “El resultado de lanzar un dado” (hacer la tabla de distribución de

probabilidad)
P(X=5)= 1/6
P(1<X≤4)= P(X=2)+ P(X=3)+ P(X=4)= 3/6= ½
P(X>4)= P(X=5)+P(X=6)=2/6=1/3
P(X≥4)=P(X=4)+P(X=5)+P(X=6) =3/6= ½
P(X<6)=1-P(X≥6)=1-P(X=6)=1-1/6=5/6
 DISTRIBUCIÓN BINOMIAL
Es una de las distribuciones discretas de probabilidad más útiles. Sus áreas de
aplicación incluyen inspección de calidad, ventas, mercadotecnia, medicina,
investigación de opiniones y otras. Un experimento binomial tiene las
siguientes características:

1. El experimento consta de n pruebas idénticas.

2. Cada prueba tiene dos resultados posibles: “Éxito” o “Fracaso”.
3. La probabilidad de tener éxito en una sola prueba es p y permanece
constante de prueba en prueba. La probabilidad de un fracaso es 1-p=q.
4. Las pruebas son independientes-
5. La variable aleatoria bajo estudio es X, el número de éxitos observados
en las n pruebas.
 Su función de probabilidad está dada por:
 

La función de distribución acumulativa:

Los parámetros de esta distribución son n y p.

La media
Varianza Desv.est
 DISTRIBUCIÓN DE POISSON
Definición: Sea X una variable aleatoria  que representa el número de eventos
aleatorios independientes que ocurren a una rapidez constante sobre el tiempo o
el espacio. Se dice entonces que la variable aleatoria X tiene una distribución de
Poisson con función de probabilidad:

El parámetro de la distribución es el número promedio de ocurrencias del evento

aleatorio por unidad de tiempo o espacio.
Media y varianza. En esta distribución tenemos que:
entonces, dsv.est
 DISTRIBUCIÓN HIPERGEOMÉTRICA
 
Definición: Sea N el número total de objetos en una población finita, de manera que k
de éstos es de un tipo y N-k de otros. Si se selecciona una muestra aleatoria de la
población constituida por n objetos, la probabilidad de que x sea de un tipo
exactamente i n-x de otros está dada pór la función de probabilidad hipergeométrica.