DISTRIBUCIÓN

DE
BERNOULLI
- Si se realiza un experimen-
to o ensayo y ver resultado.
-con dos resultados posibles:
éxito(E ) o fracaso(F)
-con probabilidad P(E)=p ,
P(F)=q=p-1, p>0, q>1,p+q=1
Definimos la variable
aleatoria X:
x(E) = 1
x(F) = 0
X: número de éxitos en un
ensayo.
Rx = { 0,1 }
Definición.- Una variable
aleatoria X tiene distribución
de Bernoulli o modelo proba-
bilístico de Bernoulli s.s.s.su
distribución de probabilidad
esta dado por:

P(x)=P[X=x]= px q1-x x=0,1

P(x)=P[X=x]= 0 otro caso
 Bernoulli(0'8)

0.8
0.6
0.4
0.2
0.0

0 1
acumulada
0 x<0
F(x)=P[X≤x]= { q 0≤x<1
1 x≥1
Teorema.- Si la v.a. X tiene
distribución de Bernoulli de
parámetro P, entonces:
a) E(x)=p b) v(x) = pq
 Bernoulli(0'8)

1.0
0.8
0.6
0.4
0.2
0.0

-1.0 -0.5 0.0 0.5 1.0 1.5 2.0

Ejemplo .-Un agente de ase-
guros realiza visitas a domi-
cilio para vender seguros de
vida. El resultado de una
visita se clasifica como éxi-
to si vende un seguro, lo que
ocurre con probabilidad 0,8 ,
y fracaso si no lo vende.
Construir el modelo y su
función de distribución.
 DISTRIBUCION BINOMIAL
Consideremos una sucesión
de Bernoulli de n pruebas.
El experimento
E={(ε1,ε2, …,εn)/εi son pruebas
de Bernoulli }
se conoce como proceso de
Bernoulli, en las siguientes
condiciones:
a)Las pruebas son indepen-
dientes.
b)Cada experimento tiene
dos resultados posibles:E,F
c)La probabilidad de éxito
P(E)=p o probabilidad de
fracaso P(F)=q es la misma
en cada una de las pruebas.
X:número de éxitos en n
ensayos.
Rx = { 0,1,2,…,n }
Definición.- La v.a. X tiene
una distribución Binomial
s.s.s. su distr. de probab.
está dada por:
Distribución binomial con
n=20 y p = .5
l

Distribución binomial con

n =60 y p = .5
Función de distribución
acumulada
Teorema.- Si la v. a. X tiene
distribución Binomial, enton-
ces:
a) E(x)=np
b) V(x)= npq
PROPIEDADES
1) X~B(n, p), Y~B(n, 1-p),
entonces P(X=x)=P(Y=n-x).
2)Reproductividad respecto
del parámetro n.
Si X1, X2, … ,Xm son v.a. inde-
pendientes tales que:
X1~B(n1, p), … , Xm~B(nm, p)
entonces
X1 +…+Xm ~B(n1+…+nm ,p).
DISTRIBUCIÓN DE POISSON
Consideremos una sucesión
de Bernoulli de pruebas.
El experimento
E={(ε1,ε2,ε3 …)/εi son pruebas
de Bernoulli }
Un experimento que cumple
las siguientes condiciones
se llama experimento de
Poisson:
a) Los eventos ocurren en
forma independiente,es decir
la ocurrencia de un evento
en un intervalo (por unidad)
de tiempo o longitud o área o
volumen, etc, no afecta la
probabilidad de una segunda
ocurrencia de un evento en
el mismo u otro intervalo.
b)La probabilidad de que
ocurra un evento en un
intervalo es proporcional a la
longitud del intervalo.
c)Teóricamente es posible
que el evento pueda ocurrir
infinita veces en el intervalo.
Definimos la v. a.
X:número de ocurrencias de
eventos por unidad de
medida.
Ej.1)X:número de bacterias
en un cm de agua.
3

Ej.2)X:número de pacientes
que llegan a un hospital por
día.
Ej.3)X:número de llamadas
telefónicas por minuto.
Ej.4)X:número de accidentes
de tráfico en un punto de la
carretera por semana.
Ej.5)X:número de pedidos de
un artículo que recibe una
empresa por mes.
Ej.6)X:número de errores de
tipeo por página.
DEFINICIÓN.- Una v.a. X
tiene distribución de
Poisson, si y sólo si su
distribución de probabilidad
está dada por:
 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35

0
1
2
3
4
5
P(1)

6
7
8
9
10
 0.00 0.05 0.10 0.15 0.20

0
1
2
3
4
5
P(3)

6
7
8
9
10
Función de probabilidad
 FUNCIÓN DE
DISTRIBUCIÓN ACUMULADA

F( x,λ)= 0 x< 0
Función de distribución de

probabilidad
Teorema.- Si la variable
aleatoria X tiene distribución
de Poisson, entonces:
a) E(x) = λ
b) V(x) = λ