DISTRIBUCIONES DE PROBABILIDAD

Existen distribuciones de probabilidad conocidas que se adaptan

a ciertos resultados de experimentos aleatorios, las cuales se
diferencian por el tipo de variable aleatoria y el experimento,
algunas de ellas que tienen aplicaciones usuales son
VARIABLE DISCRETA

VARIABLE CONTINUA

Bernoulli

Uniforme

Binomial

Exponencial

Geomtrica

Normal

Hipergeomtrica

Gamma

Poisson

Ji cuadrado

Pascal

t de Student

DISTRIBUCION DE
BERNOULLI
Una prueba de Bernoulli es un experimento aleatorio que
consiste de solo dos resultados posibles mutuamente
excluyentes.
Dado que los resultados pueden ser solo dos se suele llamar a
uno de ellos xito (E) y al otro fracaso(F)

EJEMPLOS:
a) Elegir un producto de un lote de artculos y
determinar su estado bueno o defectuoso
b) Lanzar una moneda y analizar su resultado, cara o
sello
c) La respuestas a un cuestionario de preguntas,
verdadero o falso

La variable aleatoria X se define como el nmero de xitos

en un ensayo de Bernoulli
={E, F}

Denotando como P(E) = p y

variable aleatoria tendramos

P(F) = q = 1 p , de acuerdo a la

P[X=1] = p
P[X=0] = q = 1 p

DISTRIBUCION BINOMIAL
Un experimento es binomial si se realizan repeticiones de un
experimento aleatorio de Bernoulli el cual se caracteriza por

a) La probabilidad de xito es invariante en cada prueba

b) Los resultados de cada prueba son mutuamente excluyentes
c) Las pruebas son independientes
Se denomina variable Binomial a la variable aleatoria X definida
como el numero de xitos que ocurren en las pruebas de
Bernoulli as los posibles valores de X son: = , , , , ,

Por consiguiente la probabilidad de obtener x xitos en n pruebas de

Bernoulli es

n x n x
f ( x) P[ X x] p q
x

donde = , , , , ,

p es la probabilidad de xito
q es la probabilidad de fracaso (q=1- p)
n numero de ensayos
Adems

E ( X ) np
2 Var( X ) npq

EJEMPLO:
Considere un experimento Binomial con = 20 y = 0.7,
entonces la funcin de distribucin de probabilidad es
20
f ( x) P[ X x] 0.7 x 0.3 20 x
x

y su grafica correspondiente es como sigue

EJEMPLO:
Se tiene un experimento binomial con
n=12 y p=0.7
Determine lo indicado y compare sus
respuestas
usando
la
grafica
proporcionada de esta funcin de
distribucin
a) f(8)
b) P[ X = 6 ]
c) [ 3]
d) [9 < 11]
e) [ 2]
f) E(X) , Var(X) y

EJEMPLO: Un fabricante de
marcos para ventanas sabe, con
base a su larga experiencia,
que el 5% de su produccin
tendr algn pequeo defecto
que requerir ajuste. Cul es
la probabilidad de que, en una
muestra de 20 marcos?
a) Ninguno requiera ajuste
b) Al menos uno requiera
ajuste
c) Ms de dos requieran ajuste

EJEMPLO: De acuerdo con la Chemical

Engineering Progress (noviembre de
1990), aproximadamente 30% de todas las
fallas de operacin de tuberas en plantas
qumicas son ocasionadas por errores de
operador
a) Cual es la probabilidad de que de las
siguientes 20 fallas al menos 10 se
deban a error del operador

b) Cual es la probabilidad de que no mas

de cuatro de 20 fallas se deban a error
del operador
c) Cual es la probabilidad de que de la
muestra aleatoria de 20 de tales fallas
exactamente cinco sean de errores de
operacin

EJEMPLO: Un fabricante de
piezas de automviles garantiza
que una caja de sus piezas
contendr, como mximo, dos
defectuosos. Si la caja contiene 20
piezas y la experiencia ha
demostrado que ese proceso de
fabricacin produce 5% de piezas
defectuosas
Cual
es
la
probabilidad de que una caja
satisfaga la garanta?

EJEMPLO: Si el 90% de todos los

solicitantes para cierto tipo de
hipoteca no llenan correctamente el
formato de solicitud en la primera
remisin Cul es la probabilidad de
que entre 15 de estos solicitantes
seleccionados al azar
a) Por lo menos 12 no la llenen a la
primera remisin?
b) Entre 10 y 13 inclusive no la llenen
a la primera remisin?
c) A lo sumo 2 llenen correctamente
sus formatos antes de la remisin
inicial?