MODELOS DE DISTRIBUCIN

DE UNA VARIABLE
ALEATORIA DISCRETA
 Variable aleatoria discreta

Definicin
Una variable aleatoria se llama discreta si se puede contar su conjunto de resultados
posibles.
Las variables aleatorias discretas son variables aleatorias cuyo intervalo de valores es
finito o contablemente infinito.
 Distribucin de Probabilidad discreta

Definicin
Lista de los resultados de un experimento con las probabilidades que se esperan, se asociarn a esos
resultados.

Si x es una variable aleatoria discreta, la funcin dada por f(x) para cada x contenida en el intervalo de x se
denomina funcin de probabilidad, o distribucin de
probabilidad, de x.

Una funcin puede fungir como la distribucin de probabilidad de una variable aleatoria discreta x si y slo si
sus valores, f(x), cumple las condiciones siguientes:

a) f(x) 0 para cada valor contenido en su dominio

b) f(x) = 1, donde la sumatoria se extiende sobre todos
los valores contenidos en su dominio.
 Funcin de distribucin acumulativa

La distribucin acumulada F(x) de una variable

aleatoria discreta X, cuya distribucin de probabilidad
es f(x), es:
 Esperanza Matemtica

Sea X una variable aleatoria con distribucin de probabilidad

f(x). La media o valor esperado de X es:

Significado de la esperanza
x
Como valor medio terico de todos los valores que puede
tomar la variable. Representa una medida de centralizacin.
 Varianza

Definicin
Medida del cuadrado de la distancia promedio entre la
media y cada elemento de la poblacin.
Si X es una variable aleatoria con una distribucin de
probabilidad, f(x), y media . La varianza de X es
calculada por medio de:
 Desviacin estndar

Definicin

1. Es una medida de dispersin de la misma dimensin fsica de la

variable y que representa por medio de la letra .

2. Raz cuadrada positiva de la varianza; una medida de la dispersin,

expresada en las mismas unidades que los datos originales y no en las
unidades cuadradas de la varianza.
 Distribucin Binomial

El experimento consiste de n pruebas, siendo n fijo.

Las pruebas son idnticas y en cada prueba hay slo dos resultados posibles, que
denominaremos xito (E) y Fracaso (F). Una prueba de este tipo se denomina ensayo de
Bernoulli.
Las pruebas son independientes, es decir que el resultado de una prueba no influye
sobre el de las otras.
La probabilidad de xito (P(E)=p) se mantiene constante en todas las pruebas.
 Variable aleatoria binomial

Consideremos un experimento binomial que consiste de n repeticiones y en el cual P(E) =

p. Denominaremos v.a. binomial a la variable
Calculemos su funcin de probabilidad puntual. Para ello, observemos en primer lugar que
RX = {0,1,2,...,n}. Sea k RX, una secuencia posible con k xitos y n-k fracasos es:

y su probabilidad, dada la independencia de las repeticiones, es

pero hay secuencias posibles conteniendo k xitos:
 Funcin de distribucin

Donde x denota la parte entera

Ejemplo: Se extraen con reposicin bolillas de una urna que contiene 3 bolillas blancas y 7 rojas. Se define X:
nmero de extracciones hasta obtener la cuarta bolilla roja.
X ~ BN (4,7/10)
 DISTRIBUCIN BINOMIAL NEGATIVA

La distribucin binomial negativa es una distribucin discreta que modela el

nmero de ensayos necesarios para producir un nmero especfico de eventos.
Cada ensayo tiene dos resultados posibles. El evento es el resultado de inters en
un ensayo. La distribucin binomial negativa tambin puede modelar el nmero de
no eventos que deben ocurrir para que se observe el nmero especificado de
resultados.
EJEMPLO

Por ejemplo, una distribucin binomial negativa puede modelar el nmero de

veces que se lanza al aire una moneda para obtener cinco caras del nuevo sol. De
manera similar, para el caso de productos que se construyen en una lnea de
ensamble, la distribucin binomial negativa puede modelar el nmero de unidades
ensambladas para que se produzcan 100 unidades defectuosas. La siguiente grfica
ilustra una distribucin binomial negativa con probabilidad de eventos de 0.5 y 5
eventos necesarios.
La distribucin binomial negativa tambin se conoce como la distribucin de
Pascal.
 Distribucin Geomtrica

Cuando en una sucesin de pruebas queremos saber el numero de la prueba

en que ocurre el primer xito y si se cumple que:

1. Que existan solamente dos resultados posibles en cada ensayo,

llamados arbitrariamente, xitos y fracasos.
2. La probabilidad de un xito, representada por p permanece constante
en todos los intentos.
3. Todos los n intentos repetidos son independientes.

Se cumplen las mismas suposiciones de la distribucin binomial, excepto que

n no es fijo.
13
Distribucin Geomtrica

14
 Distribucin Geomtrica

Ejemplo

15
16
17
18
 Distribucin de Poisson

Definicin: Consideramos una v.a. X que cuenta el nmero de

veces que un determinado suceso ocurre en una unidad
(normalmente de tiempo o de espacio). Si verifica:
1) la probabilidad de que el suceso estudiado se produzca en la unidad es
constante a lo largo del tiempo.
2) El nmero de veces que ocurre un suceso durante la unidad considerada es
independiente del nmero de veces que ocurre dicho suceso en otra unidad.
3) Si se considera una unidad inferior (superior), la probabilidad de que ocurra
un determinado nmero de sucesos se reduce (aumenta) proporcionalmente.
Entonces X es una v.a. que sigue una distribucin de Poisson.
Caractersticas de la distribucin de poisson

Media
P(X) = 0.5
E(X) .6
.4
.2
0 X
Desviacin estndar 0 1 2 3 4 5

P(X) =6
.6
.4
Nota: el mximo de la distribucin .2
X
se encuentra en x 0
0 2 4 6 8 10
La distribucin de Poisson se obtiene como aproximacin de una
distribucin binomial con la misma media, para n grande (n > 30) y p
pequeo (p < 0,1). Queda caracterizada por un
nico parmetro (que es a su vez su media y varianza).

np = La distribucin de Poisson es asimtrica,

siendo en general ms probables los
valores pequeos de la variable que los
mayores (normalmente se asocia a
procesos que ocurren muy pocas veces).
Sin embargo, si crece, la distribucin
tiende a la simetra.

Distribucin de Poisson para varios valores de .

 Si la probabilidad de fabricar un televisor defectuoso es
p = 0.01, cul es la probabilidad de que en un lote de 100
televisores contenga ms de 2 televisores defectuosos?

La distribucin binomial nos dara el resultado exacto:

El suceso complementario Ac: No ms de 2 televisores

defectuosos puede aproximarse con una distribucin de Poisson
con = np = 1, sumando p(0) + p(1) + p(2).
Relacin entre las distribuciones Poisson y Binomial

La distribucin de Poisson es una aproximacin de la distribucin Binomial cuando

n es muy grande y p es pequeo
En estos casos, podremos usar tanto la distribucin de Poisson como la binomial
para calcular estas probabilidades. Cmo?
Veamos un ejemplo:
La probabilidad de que en una pgina de un libro haya una errata es
0.02. Cul es la probabilidad que en libro de 200 pginas haya 3
erratas?

Sea X = nmero de erratas en el libro.

Lo podemos interpretar como una binomial, entonces X es B(200,0.02). Por
tanto la prob. que nos piden:
Tambin podramos calcularlo usando la distribucin de Poisson. Fjate que E(X) =
np = 200*0.02 = 4. En la distribucin de Poisson, el parmetro representa la
esperanza de la variable, por tanto, para calcular la aproximacin, consideramos X
sigue una distribucin P(), Entonces:

P( X 3) 43 e4 / 3! 0.1954
Por tanto, una distribucin binomial se puede aproximar por una distribucin de
Poisson (es decir, las prob. calculadas a partir de una u otra frmula son muy
parecidas) si n es grande (consideramos n grande si n es mayor que 100) y p
pequeo, de manera que

np < 10
 MANEJO DE TABLAS ESTADISTICAS

Tabla Binomial

Cmo utilizar la tabla de la

distribucin Binomial?

Supongamos que lanzamos al aire

una moneda trucada. Con esta
moneda la probabilidad de obtener
cara es del 30%. La probabilidad
que salga cruz ser, pues, del 70%.
Lanzamos la moneda 10 veces de
manera consecutiva.
 Tabla de Poisson

Cmo utilizar la tabla de la

distribucin de Poisson?

Supongamos que X es una variable

aleatoria que sigue la ley de
Poisson con parmetro 0.9.Nos
piden calcular la probabilidad de
que X sea menor o igual que 3.
 EJERCICIOS DE APLICACION

1. Suponiendo que es equiprobable el tener hijo o hija.

a) Determinar el nmero esperado de varones en una familia de ocho hijos, as como la probabilidad de que efectivamente resulte este
nmero.

SOLUCIN
Consideramos la variable aleatoria

x = nmero de hijos varones en el total de ocho

Al ser equiprobable el tener hijo o hija, la probabilidad de xito (el tener un hijo) es p = 0.5. Por tanto, la variable x sigue una distribucin
binomial de parmetros:

n=8
p = 0.5

El nmero esperado de hijos varones viene dado por la esperanza matemtica de la variable aleatoria x, esto es:

E [ x ] = n x p = 8 x 0.5 = 4 hijos varones.

n=8
p = 0.5
Su funcin densidad es:

Remplazando

Por tanto, la probabilidad de que nazcan exactamente 4 hijos varones es:

Rpta. Se espera que en 8 hijos, 4 sean varones con una probabilidad de 0.2734