DISTRIBUCIONES DE PROBABILIDAD DISCRETAS.

Un modelo de probabilidad es una estructura matemtica que se ajusta a un determinado experimento

aleatorio, el cual posee unas caractersticas especificas que sugieren cual modelo aplicar.
En general estos modelos son simplificaciones de la realidad y aunque no se ajusten exactamente a ella
contribuyen enormemente a comprenderla mejor.
Un experimento aleatorio es el conjunto de caractersticas que rigen la realizacin de un determinado
fenmeno cuyos resultados dependen de la incertidumbre, del azar.
El proceso quedar definido por una serie de caractersticas o hiptesis que puedan aplicarse a cierta
categora de experimentos.
A partir de las caractersticas del fenmeno que analicemos (partiendo del proceso experimental del que se
trate) podremos, identificando la variable aleatoria que nos interesa, estudiar y determinar la estructura
matemtica de su distribucin.
Los modelos discretos que se estudiaran en este captulo son:
1. Distribucin binomial
2. Distribucin Geomtrica
3. Distribucin Binomial negativa
4. Distribucin Hipergeometrica
5. Distribucin Poisson
6. Distribucin Multinomial
7. Distribucin uniforme



1. DISTRIBUCION BINOMIAL

En teora de la probabilidad y estadstica, la distribucin de Bernoulli (o distribucin dicotmica), nombrada
as por el matemtico y cientfico suizo Jakob Bernoulli, es una distribucin de probabilidad discreta, que
toma valor 1 para la probabilidad de xito (p) y valor 0 para la probabilidad de fracaso q; (q = 1 p).
Si X es una variable aleatoria que mide "nmero de xitos", y se realiza un nico experimento con dos
posibles resultados (xito o fracaso), se dice que la variable aleatoria X se distribuye como una Bernoulli de
parmetro p.
X~B (p)
Su funcin de probabilidad viene definida por:
f (x) = p
x
q
1 x
con x = {0,1}

f(0)= p
0
(q)
1
=q
f(1)=p
1
q
0
=p

Ej. Se lanza una moneda normal
Sea X N de sellos; p=0.5; q=0.5

f(0)= P(X=0)=(0.5)
0
(0.5)
1
= 0.5
f(1)= P(X=1)=(0.5)
1
(0.5)
0
= 0.5
E(X)=p
V(X)=pq

En estadstica, la distribucin binomial es una distribucin de probabilidad discreta que mide el nmero de
xitos en una secuencia de n ensayos independientes de Bernoulli con una probabilidad fija p de ocurrencia
del xito entre los ensayos.
Un experimento de Bernoulli (o binomial) se caracteriza por:
1. Ser dicotmico, esto es, slo son posibles dos resultados. A uno de estos se denomina xito y
tiene una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p.
2. En la distribucin binomial el anterior experimento se repite n veces, de forma independiente, y se
trata de calcular la probabilidad de un determinado nmero de xitos.
3. La variable X que representa el nmero de xitos, est asociada con la probabilidad de xito p.
Finalmente una variable aleatoria con las anteriores caracterstica sigue una distribucin binomial cuya
funcin de probabilidad est dada por:
f (x) =

Para n = 1, la binomial se convierte, de hecho, en una distribucin de Bernoulli.
Para representar que una variable aleatoria X sigue una distribucin binomial de parmetros n y p, se escribe:
X~B (n, p)
Esperanza y Varianza:
E(X)=np
V(X)=npq
Ejemplo 2:
Cierta vacuna es efectiva en el 80% de los casos. Si se aplica la vacuna a 15 pacientes, cual es la probabilidad
de que:
a) Se curen exactamente 10 de ellos
b) Se curen cuando mucho 10
c) Se curen ms de 10
d) Se curen mnimo 10
e) Se curen entre 7 y 12
f) Se curen ms de 5 y menos de 12
g) Calcule e interprete la Esperanza de nmero de pacientes curados
h) Calcule la desviacin estndar
i) No se curen 3
j) No se curen mximo 4
k) No se curen ms de 4
l) No se curen mnimo 4
m) No se curen entre 2 y 8
n) Calcule e interprete la Esperanza de nmero de pacientes no curados
o) Calcule la desviacin estndar
Recuerden que para un valor cualquiera k:

P(X k) + P(X > k)=1

P(X< k) + P(X k)=1
_______ k ______________________________
___________________1___________________
2) DISTRIBUCION BINOMIAL NEGATIVA

En este modelo el inters se centra en la probabilidad de ocurrencia del k-simo xito en X
ensayos donde:
X: Es el numero de ensayos hasta que ocurra el k-simo xito
k: Es el numero de xitos
p: Probabilidad de xito
La funcin de probabilidad est dada por:
f(x) =P(X = x)

=
x-1
C
k-1
p
k
q
x-k


(

Ejemplo 3.
Se inspecciona un lote de produccin cuya especificacin informa que el 3 % es No Conforme (o
defectuoso)
Cul es la probabilidad de que:
a) El 7 bueno aparezca en la decima extraccin
b) El tercer defectuoso aparezca en la 12 extraccin
c) Mximo aparezcan tres defectuosos en trece extracciones
d) Mximo aparezcan 10 buenos en 17 extracciones
e) Cul es el numero esperado de buenos en 20 extracciones
f) Cul es el numero esperado de defectuosos en 20 extracciones

3) DISTRIBUCION GEOEMETTRICA
Este modelo es un caso particular de la Binomial Negativa donde el inters se centra en la ocurrencia del
primer xito, de aqu que k=1, por consiguiente la funcin de probabilidad est dada por:
f(x) =P(X = x)

= pq
x

Ejemplo 4. Del ejemplo 3:
a. Cul es la probabilidad de que el primer defectuoso ocurra en la sptima extraccin
b. Cul es la probabilidad de que el primer bueno ocurra en la tercera extraccin

4) DISTRIBUCION HIPERGEOMETRICA

Este modelo se aplica cuando las extracciones se hacen sin reposicin de una poblacin finita de tamao N.

n: es el tamao de la muestra.
k: es el nmero total de xitos en la poblacin
X: es la variable aleatoria que representa el nmero de xitos en la muestra.

La funcin de probabilidad est dada por:

(
(

)(

)
(

)



(

) (


)



Ejemplo 5:
Un lote contiene 30 artculos de los cuales 20 son tipo A y 10 son tipo B. Si se extraen sin reposicin 7
artculos:
a) Cul es la probabilidad de que 4 sean tipo A y 3 sean tipo B?
b) Todas sean tipo A
c) Todas sean tipo B
d) Salgan cuando mucho 4 tipo A
e) Mnimo cuatro tipo A




5) DISTRIBUCION POISSON

En teora de probabilidad y estadstica, la distribucin de Poisson es una distribucin de probabilidad discreta
que expresa, a partir de una frecuencia de ocurrencia o promedio (), la probabilidad que ocurra un
determinado nmero de eventos durante cierto periodo de tiempo o espacio.
En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc.
Ejemplos:
- N de defectos en un rollo de tela por m
2

- N de aviones que aterrizan en un aeropuerto por da.
- N de bacterias por cm
2
de cultivo
- N de llamadas telefnicas a un conmutador por hora o por minuto,
- N de llegadas de embarcaciones a un puerto por da.
- N de accidentes en un cruce por mes
- N de clientes que entran a un banco por minuto
- N de errores por hoja que comete una digitadora
La funcin de probabilidad est dada por:
(

E(X)=V(X)=

Ejemplo 6:
El N de clientes que llegan a un banco sigue una distribucin poisson con una frecuencia de 2 clientes por
minuto. Cul es la probabilidad de que lleguen
a) Exactamente 3 clientes en un minuto
b) Exactamente 10 clientes en 6 minutos
c) Cuando mucho 15 en 9 minutos
d) P(X>15) en 9 minutos
e) P(X<15) en 9 minutos
f) P(X15) en 9 minutos
g) P( 9 X 20) en 9 min
h) P(9 < X < 20) en 9 minutos
i) P(9 X < 20) en 9 minutos
j) P(9 < X 20) en 9 minutos

6) DISTRIBUCION MULTINOMIAL


Este modelo es una extensin de la Binomial donde:
X
1
: N de xitos de la clase 1, con probabilidad de xito: p
1
X
2
: N de xitos de la clase 2, con probabilidad de xito: p
2
.
.
.
X
k
: N de xitos de la clase k, con probabilidad de xito: p
k


Probabilidad de que ocurra: x
1
xitos de la clase 1; x
2
xitos de la clase 2.X
k
: xitos de la clase k

Esta dada por:
P(X
1
=x
1
, X
2
=x
2
,, X
k
= x
k
) =

Ejemplo 7:

En la produccin de lminas de material procesado el nivel de calidad est clasificado as:

Laminas con defectos menores
Laminas con defectos medios
Laminas con defectos mayores

El porcentaje esta registrado as:
Con defectos menores: El 60%
Con defectos medios: El 30%
Con defectos mayores: El 10%

Si se inspeccionan un lote que contiene una docena de lminas, cual es la probabilidad de que:
a) 7 laminas tengan defectos menores, 3 tengan defectos medios, 2 tengan defectos mayores

X
1
: N de laminas con defectos menores; p
1
=0.60
X
2
: N de laminas con defectos medios; p
2
=0.30
X
3
: N de laminas con defectos mayores; p
3
=0.10

P(X
1
=7, X
2
=3, X
3
=2) =

(0.6)
7
(0.3)
3
(0.1)
2
=0.05986


b) Todos tengan defectos medios
P(X
1
=0, X
2
=12, X
3
=0) =

(0.6)
0
(0.3)
12
(0.1)
0
=5.31*

c) Seis con defectos menores y seis con defectos medios R/0.0314




7 DISTRIBUCION UNIFORME DISCRETA

La variable aleatoria discreta ms sencilla es aquella que toma solo un numero finito de valores posibles,
cada uno con la misma probabilidad, ejemplo en el lanzamiento de un dado los posibles valores de la
variable son 1, 2, 3, 4, 5, y 6, es decir es un experimento equiprobable donde cada uno de los resultados
tiene la misma probabilidad de ocurrir.
Luego si los valores de la v.a. X son x
1
, x
2
. . . . . .x
k
la probabilidad es 1/k

Definicin.
Una v.a. X discreta tiene una distribucin uniforme discreta si cada uno de los n valores x
1
, x
2
. . . . . .x
k ,

que estn en el intervalo [ ] , tienen la misma probabilidad 1/k, por lo tanto la funcin de probabilidad
viene dada por:

( {

O tambin ( {

La probabilidad es constante: 1/k

Ejemplo 1:

Para el ejemplo del dado la v.a. X es el nmero obtenido y la funcin de densidad es:
6 , 5 , 4 , 3 , 2 , 1
6
1
) ( = = x x f
Aqu k=6

Ejemplo 2:

La simulacin es un rea importante en la ingeniera. Con frecuencia deseamos generar nmeros
aleatorios. Suponga que se quiere generar 100 nmeros aleatorios del 0 al 99 por medio de un generador
diseado por un ingeniero o por Excel con la funcin =ALEATORIOENTTRE(0,99)


Si el generador est trabajando correctamente se estima que los valores del 0 al 99 deben tener una
distribucin uniforme con una probabilidad de 1/100, es decir se espera que cada digito salga 100 veces
aproximadamente.

1.1 Esperanza:
2
) (
a b
X E
+
=

Demostracin:
Suponga que los valores de la v.a. X estn definidos en el rango (a, b) con a b, entonces el nmero de
valores de la v.a. X es b-a+1 (para el ejemplo 1, el nmero de valores de X es 6-1+1=6) y la probabilidad
de ocurrencia de cada resultado es obviamente 1/k o tambin:
1
1
+ a b


Por definicin

=
= =
1
) ( ) (
i
x xf X E



= = =
+
= = =
b
a x
b
a x
b
a x
x
a b
x
k k
x X E
1
1 1 1
) (

Dado que el intervalo (a, b) corresponde a la grafica:



















La sumatoria

=
b
a x
x puede descomponerse en


= =

1
1 1
a
x
b
x
x x y dado que la sucesin

=
+
=
n
x
n n
x
1
2
) 1 (
entonces:

=
(

+
+
=
(

+
=


= =
2
) 1 (
2
) 1 (
1
1
1
1
) (
1
1 1
a a b b
a b
x x
a b
X E
a
x
b
x



( ) | | ( ) )) ( 1 (
1
1
( )
1
1
2 2
a b a b
a b
a b a b
a b
+ +
+
= + +
+


Finalmente:

2
) (
a b
X E
+
=

Nota: Si los valores de la v.a. X inician desde x =1,2.b, entonces:
a b
. . . . . . . . . f(x)
2
1
) (
+
=
b
X E

1.2 Varianza:

Por definicin: | |
2 2
) ( ) ( ) ( X E X E X V =

6
) 1 2 )( 1 ( 1 1
) ( ) (
1 1
2
+ +
= = =

= =
b b b
b
x
b
x xf X E
b
x
b
x

Recurdese que la suma de los cuadrados de los n primeros nmeros naturales est dada por:

1
2
+ 2
2
+.+ n
2
=
6
) 1 2 )( 1 ( + + n n n

Luego

2
2
1
6
) 1 2 )( 1 (
) (
|
.
|

\
| +

+ +
=
b b b b
X V


| |
12
) 3 3 2 4 )( 1 (
12
) 1 )( 1 ( 3 ) 1 2 ( ) 1 ( 2
) (
+ +
=
+ + + +
=
b b b b b b b
X V
Finalmente:
12
1
12
) 1 )( 1 (
) (
2

=
+
=
b b b
X V

Nota para cualquier intervalo (a, b):

12
) 1 (
) (
2
+
=
a b
X V


Ejemplo 1.

De 10 empleados se premia uno al azar. Para ello se introducen en una urna 10 etiquetas enumeradas del 1 al
10 y se selecciona una al azar. Encuentre la frmula para la distribucin de probabilidad de X que representa
el nmero de la etiqueta que se saca. Cul es la probabilidad de que el nmero obtenido sea menor que 4. Cul
es la media y la varianza de X.
Genere nmeros aleatorios en Excel