Competencias
Especfica:
Identifica las funciones de distribucin de probabilidad discretas para la solucin de
problemas de aplicacin en ingeniera industrial y logstica.
Genricas:
Capacidad de anlisis y sntesis.
Solucin de Problemas.
Habilidad para bsqueda de informacin.
Capacidad para trabajar en equipo.
Comunicacin oral y escrita.
DISTRIBUCIONES DE PROBABILIDAD DISCRETAS
Proceso de Bernoulli.
Si se habla con exactitud, el proceso de Bernoulli debe tener las siguientes propiedades:
1. El experimento consiste en n pruebas que se repiten.
2. Cada prueba produce un resultado que se puede clasificar como xito o fracaso.
3. La probabilidad de un xito, que se denota con p, permanece constante en cada
prueba.
4. Las pruebas que se repiten son independientes.
Resultado
NNN 0
NDN 1
NND 1
DNN 1
NDD 2
DND 2
DDN 2
DDD 3
3 1 3 9
P( NDN ) P( N ) P( D) P( N ) .
4 4 4 64
Clculos similares dan las probabilidades para los dems resultados posibles. La
distribucin de probabilidad de es por tanto
x 0 1 2 3
f (x) 27 27 9 1
64 64 64 64
9
P( X 2) f (2) b(2; 3, 1 ) .
4 64
Distribucin binomial
Un experimento de Bernoulli puede tener como resultado un xito con una probabilidad p
y un fracaso con una probabilidad = 1 . Entonces la distribucin de probabilidad de
la variable aleatoria binomial X , el nmero de xitos en n pruebas independientes, es
n
b( x; n, p) p x q n x , x 0, 1, 2, . . . , n.
x
3 x
1 3 1
x
3
b x; 3, , x 0, 1, 2, 3
4 x 4 4
n n n n
(q p) n q n pq n 1 p n 2 p n
0 1 2 n
b( x; n, p) 1
x0
r
B(r; n, p) b( x; n, p)
x 0
Teorema 1
La media y la varianza de la distribucin binomial b( x; n, p) son
np y 2 npq
1 + 2 + + =
(1 , 2 , , : 1 , 2,. , )
!
( , , , ) =
1 2 1 ! 2 ! !
Formas. Como todas las particiones son mutuamente excluyentes ocurren con igual
probabilidad, obtenemos la distribucin multinomial al multiplicar la probabilidad para un
orden especfico por el nmero total de particiones.
Distribucin multinomial
Si una prueba dada puede conducir a los resultados 1 , 2 , , con probabilidad
1 , 2,, , entonces la distribucin de probabilidad de las variables aleatorias
1 , 2 , , , que representan el nmero de ocurrencias para 1 , 2 , , en pruebas
independientes es
(1 , 2 , , ; 1 , 2 ,, , ) = ( , , , ) 1 1 2 2
1 2
con
= y = 1
=1 =1
La distribucin multinomial deriva su nombre del hecho que los trminos de la expansin
multinomial (1 + 2 + + ) corresponden a todos los posibles valores de
(1 , 2 , , ; 1 , 2 ,, , )
Distribucin hipergeomtrica
La distribucin de probabilidad de la variable aleatoria hipergeomtrica , el nmero de
xitos en una muestra aleatoria de tamao que se selecciona de artculos de los que
se denomina xito y fracaso es
(
)( )
(; , , ) = , = 0, 1, 2, ,
()
Teorema 2
La media y la varianza de la distribucin hipergeomtrica (; , , ) son
= y 2 = (1 )
1
= = y 2 = = (1 )
Al comparar estas frmulas con las del teorema 3, vemos que la media es la misma
mientras que la varianza difiere por un factor de correccin ( )/(( 1), que es
insignificante cuando es pequea en relacin con .
probabilidad de que ocurra -simo xito en la -sima prueba. Los experimentos de este
tipo se llaman experimentos binomiales negativos.
Como ejemplo considere el uso de un medicamento que se sabe es efectivo en 60% de los
casos que se utiliza. El uso del medicamento se considerar un xito si es efectivo al
proporcionar algn grado de alivio del paciente. Nos interesa encontrar la probabilidad de
que el quinto paciente que experimente alivio sea el sptimo paciente en recibir el
medicamento en una semana dada. Designemos con y fracaso con , un orden posible c
de alcanzar el resultado que se desea es , que ocurre con probabilidad
Podramos listar todas las posibles rdenes mediante el reacomodo de la y las excepto
para el ltimo resultado, que debe ser el quinto xito. El nmero total de rdenes posibles
es igual al nmero de particiones de las primeras seis pruebas en dos grupos con dos
fracasos asignados a un grupo y los cuatro xitos asignados al otro grupo. Esto se puede
6
realizar de ( ) = 15 formas mutuamente excluyentes.
4
De aqu, si representa el resultado, en el que ocurre el quinto xito, entonces
6
( = 7) = ( ) (0.6)2 (0.4)2 = 0.1866
4
1 =
1
(; , ) = ( ) = , + 1, + 2,
1
La distribucin binomial negativa deriva su nombre del hecho de que cada trmino de la
expansin de (1 ) corresponde a los valores de (; , ) para = , +
1, + 2,
(; 1, ) = 1 , = 1, 2, 3,
Como los trminos sucesivos una progresin geomtrica, se acostumbra a referirse a este
caso especial como la distribucin geomtrica y denotar sus valores (; ).
Distribucin geomtrica
Si pruebas independientes repetidas pueden tener como resultado un xito con
probabilidad y un fracaso con probabilidad = 1 , entonces la distribucin de
probabilidad de la variable aleatoria , el nmero de la prueba en el que ocurre el primer
xito, es
(; ) = 1 , = 1, 2, 3,
podra ser un segmento de lnea, un rea o quiz una pieza de material. En tales casos X
puede representar el nmero de ratas de campo por acre, el nmero de bacterias en un
cultivo o el nmero de errores mecanogrficos por pgina.
Distribucin de Poisson
La distribucin de la variable aleatoria de Poisson X , que representa el nmero de
resultados que ocurren en un intervalo dado o regin especfica que se denota con t , es
e t (t ) x
p( x; t ) , x 0, 1, 2, ,
x!
r
P(r; t ) p( x; t )
x 0
Teorema 3
La media y la varianza de la distribucin de Poisson p(; t ) tienen el valor t.
Teorema 4
Si una variable aleatoria binomial con distribucin de probabilidad (; , ). Cuando
, 0, y = permanece constante,
(; , ) (; )
1
() =
Para una variable aleatoria discreta uniforme , que puede tomar valores 1,2, , , la
media est dada por
+1
= () =
2
y su desviacin estndar
2 1
=
12
Caractersticas
En la distribucin de probabilidad uniforme discreta, la variable aleatoria toma cada
uno de sus valores con idntica probabilidad.
El parmetro de distribucin de probabilidad uniforme discreta, viene dada por la
inversa de los valores que puede tomar la variable aleatoria.
La variable aleatoria que describe el nmero de caras obtenidas al lanzar dos monedas
legales sigue una probabilidad de distribucin uniforma.
La media de una variable aleatoria discreta uniforme, (; ) siempre coincide con
uno de los valores de la misma observados en el experimento.
La varianza de una variable aleatoria discreta uniforme (; ) no depende del
nmero de valores que puede tomar la variable.