Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISTRIBUCIONES DE
PROBABILIDAD DISCRETAS
1
PROBABILIDAD
La probabilidad es un concepto matemático, desarrollado para
obtener una medida numérica de la posibilidad de ocurrencia de
un evento de interés en un experimento aleatorio,
Ejemplos
Cuando se presenta una epidemia en una comunidad, cada
habitante puede enfermar o no enfermar (Experimento
aleatorio). No se sabe cual resultado va a ocurrir pero se
puede dar una medida de la posibilidad de que un individuo
particular enferme o que no enferme..
Cuándo se planta una semilla, puede ocurrir que la semilla
germine o no germine (Experimento aleatorio). No se sabe
con certeza cual de los posibles resultados del experimento
va a ocurrir, pero se puede dar una medida de la posibilidad
de que ocurra cada uno de los resultados (probabilidad).
EXPERIMENTO ALEATORIO
Un experimento aleatorio también denominado fenómeno
aleatorio es un experimento en el que se conoce todos los
posibles resultados (eventos elementales), no se sabe cual va
a ocurrir, pero se puede asignar una medida (probabilidad) de
la posible ocurrencia de cada uno de los posibles resultados.
EJEMPLO 1.
Un experimento aleatorio consiste en observar el sexo del primer
y segundo hijo de una mujer.
Los posibles resultados del experimento son:
M
M
F
={MM,MF, FM, FF} F M
F
EJEMPLO 2:
G
G
G N
N
G
N
N G G
N
N
G
N
Ejemplo.- Se observa un descendiente y se quiere predecir cual
alelo recibe del padre y cual de la madre es un experimento
aleatorio.
DEFINICIÓN Y CALCULO DE
PROBABILIDAD
Definición clásica.
Frecuencia relativa de ocurrencia.
Probabilidad subjetiva.
PROBABILIDAD CLÁSICA
= {w1,w2,…,wn}
0 P(w i ) 1 ; i 1,2,..., n
EXPERIMENTO ALEATORIO Y PROBABILIDAD
P(w ) 1
i 1
i
P ()=1
PROBABILIDAD CONDICIONAL E INDEPENDENCIA
p R EVENTOS Probabilidad
(w) P(w)
p R
1-p C RR p2
RC ó CR 2p(1-p)
CC (1-p)2
1-p C p
R
1-p C
EJEMPLO 2 (continuación):
RR
2
Eventos=w CC CR RC RR
X(w)= x 0 1 1 2
Ejemplo 2. (Continuación)
Experimento aleatorio :
Plantar 3 semillas de frijol (cada semilla puede germinar (G) o no germinar (N).
Experimento se repite 3 veces (n=3 semillas)
Que una semilla germine o no germine es independiente de que otra lo haga.
El número de formas en que se pueden combinar los dos resultados (G, N), en 3
repeticiones es : 23= 8.
Supongamos que la posibilidad de que una planta germine es p y de que no germine es 1-
p.
.
Definamos la variable aleatoria :
X: Número de semillas que germinan en una muestra de 3
semillas
Variable Probabilidad
aleatoria P(X=x)
Recordar que p es un
X número entre cero y uno.
0 (1-0.8)2
1 2(0.8)(1-0.8)
2 (0.8)2
EJEMPLO 1 (CONTINUACIÓN)
DISTRIBUCIÓN BERNOULLI
DISTRIBUCIÓN BINOMIAL
DISTRIBUCIÓN POISSON
EXPERIMENTO DE BERNOULLI:
.
Ejemplo: Distribución de probabilidades Binomial (3, 0.8)
X=x P(X=x)
3 x
0 0,008 P( X x) 0.8 (1 0.8)3 x ; x ,0,1, 2,3
1 0,096 x
2 0,384
3 0,512
Ejemplo 2
Suponga que se desea averiguar cuál es la probabilidad de que exactamente una semilla germine (X=1).
3 31 3!
P( X 1) 0.8(1 0.8) = (0.8)(0.2) 2 0.096
1 (3 1)!1!
3 3 3!
P( X 3) 0.8 = (0.8)3 0.512
3 (3 3)!3!
La probabilidad de éxito es
p=0.30 (distribución asimétrica).
La convergencia hacia la normal
es más lenta (a partir de n=120).
DISTRIBUCIÓN DE POISSON
DISTRIBUCIÓN DE PROBABILIDADES POISSON
La distribución poisson se utiliza como una alternativa a la
distribución binomial, en estudios en los que, el tamaño de muestra
es grande y el evento de interés es raro (lo cual se refleja en una
probabilidad de ocurrencia muy pequeña).
Esta distribución también se utiliza en :
a) Estudios longitudinales para modelar la incidencia de una
enfermedad o daño en un periodo de tiempo. Ej. Número de
personas con el síndrome de Guillain Barre en el Perú durante el año
2018.
b) Para modelar el número de ocurrencias de un evento en un área. Ej.
Ej. Número de aves de una especie en un parque ecológico.
c) Para modelar el número de ocurrencias de un evento en un volumen.
Ej. Número de bacterias en un medio de cultivo.
Aproximación de una Binomial a una Poisson
Surge como una aproximación a la binomial para experimentos aleatorios
en los cuales el tamaño de la muestra, n, es muy grande y la probabilidad,
p, de ocurrencia del evento de interés es muy pequeña (Evento raro).
X B(n,P)
Si se verifica que
e 2 2 x
P( X x) , x 0 ,1, 2 ,...
x!
A partir de este modelo se puede calcular la probabilidad de cualquier
evento aleatorio.
DISTRIBUCIÓN DE PROBABILIDADES POISSON
a) ¿Cuál es la probabilidad de encontrar exactamente dos células
de levadura?
e 2 22
P( X 2) =0.2707
2!
b) ¿Cuál es la probabilidad de encontrar no más de una célula de
levadura 2 0 2 1
e 2 e 2
P ( X 2) P ( X 0) P( X 1)
0! 1!
P ( X 2) 0.1353 0.0.2707 0, 406
P( X 2) 1 P( X 2) 1 0,4060 0.594
DISTRIBUCIÓN DE PROBABILIDADES POISSON
La distribución poisson se utiliza como una alternativa a la
distribución binomial en estudios transversales donde el tamaño
de muestra es grande y el evento de interés es raro (lo cual se
refleja en una probabilidad de ocurrencia muy pequeña).