DISTRIBUCIONES DE PROBABILIDAD

CURSO: PROCESOS ESTOCASTICOS

PROFESOR: JULIO CESAR DUARTE

ESTUDIANTE: JONATHAN RAMIREZ

MATEMATICAS APLICADA
FACULTAD CIENCIAS NATURALES Y EXACTAS
UNIVERSIDAD SURCOLOMBIANA
NEIVA HUILA

DISTRIBUCION BINOMIAL

Es una de las distribuciones de probabilidad ms tiles con experimento aleatorio

que produce en cada ensayo o prueba uno de dos resultados posibles
mutuamente excluyentes: ocurrencia de un criterio o caracterstica especfico
(llamado xito) y no ocurrencia de ste (llamado fracaso).

Propiedades
1- El experimento consiste en

pruebas que se repiten

2- La probabilidad de un xito , se denota con p , permanece constante en
cada prueba
3- Las pruebas que se repiten son independientes

Un experimento de distribucin binomial puede tener como resultado un xito con

probabilidad p y un fracaso con probabilidad,
q=1 p
En la distribucin

Es la variable aleatoria binomial

El nmero de xitos en

pruebas independientes es:

b ( x ; n , p )= n p x q nx , x=0,1,2, , n
x

()

Ejemplo
La probabilidad de que un paciente se recupere de una rara enfermedad
sangunea es 0.4 si se sabe que 15 personas contraen esta enfermedad Cul es
la probabilidad de que?
a) Sobrevivan al menos 10
b) Sobrevivan de 3 a 8
c) Sobrevivan exactamente 5
Solucin
9

P ( X 10 ) =1 p ( X <10 )=1 b ( x ; 15 ; 0.4 )=10.9662

x=0

=0.0338
8

P (3 X 8 )= b( x ; 15; 0.4)
x=0

x=0

x=0

b (x ; 15 ; 0.4) b ( x ; 15,0.4 )=0.90500.0271=0.8779

x ; 15,0.4
b( )=0.40320.2173=0.1859
4

b ( x ; 15,0.4 )
x=0

P ( X=5 ) =b ( 5 ; 15,0.4 )=
x=0

Ejercicio
Un agente de seguros vende polizas a cinco personas de la misma edad y que
disfrutan de buna salud. Segn los datos actuales , la probabilidad de que una
persona viva 30 aos o mas , es de (2/3) . hallese la probabilidad de que ,
transcurridos 30 aos vivan :
a) las cinco personas
b) al menos tres personas
c) exactamente dos personas

DISTRIBUCION DE POISSON

Es una generalizacin de la distribucin binomial cuando se define una variable

aleatoria X
que representa el nmero de xitos independientes que ocurren
para intervalos de medida especficos ( tiempos, lugares, espacios) , ademas con
una probabilidad de ocurrencia pequea.
Se le llama distribucin de los "eventos raros" pues se usa como aproximacin a la
binomial cuando el tamao de muestra es grande y la proporcin de xitos es
pequea.
Esos intervalos de medida pueden referirse a: Tiempo: (Segundo , minuto, hora,
dia, semana, etc.) Area: (Segmento de linea, pulgada cuadrada, Centimetro
cuadrado, etc). Volumen:( Litro, galn, onza, etc.)

propiedades
1. Se da un intervalo de medida que divide un todo de nmeros reales y
donde el conto de ocurrencias es aleatorio. Esa divisin puede ser un
subintervalo de medida.
2. El nmero de ocurrencias de resultados en el intervalo subintervalo de
medida, es independiente de los dems intervalos subintervalos. por eso
se dice que el proceso de Poisson no tiene memoria.
3. La probabilidad de que un solo resultado ocurra en un intervalo de medida
muy corto pequeo es la misma para todos los dems intervalos de igual
tamao y es proporcional a la longitud del mismo al tamao de medida.
4. La probabilidad de que ms de un resultado ocurra en un intervalo
subintervalo corto es tan pequea que se considera insignificante (cercana
igual a cero).

Sea

una variable aleatoria que representa el nmero de eventos

aleatorios independientes que ocurren con igual rapidez en un intervalo de

medida. Se tiene entonces que la funcin de probabilidad de esta variable, se
expresa por:
e x
x=0,1,2, , n
P ( X=x )=
x!
0 en cual quier otro punto

Donde

es parmetro de tendencia central de la distribucin y representa el

nmero promedio cantidad esperada de ocurrencias (xitos) del evento aleatorio

por unidad de medida por muestra e=2,72828 ; y X es nmero de
ocurrencias especificas para el cual se desea conocer la probabilidad respectiva.
Segun sea el valor de de >0 , se define toda una familia de probabilidades de
Poisson. La probabilidad de que una variable aleatoria de Poisson
menor igual a un valor de

sea

se halla por la funcin de distribucin

acumulativa.

Ejemplo :
1. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son
las probabilidades de que reciba, a) cuatro cheques sin fondo en un da
dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos?
Solucin:
a)

x = variable que nos define el nmero de cheques sin fondo que

llegan al banco en un da cualquiera = 0, 1, 2, 3, ..., etc.
l = 6 cheques sin fondo por da
e = 2.718

p ( x=4, =6 )=

(6) (2.718)
(1296)(0.00248)
=
=0.13392
4!
24

b)
x= variable que nos define el nmero de cheques sin fondo que llegan al
banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en
dos das consecutivos
Nota: l siempre debe de estar en funcin de x siempre o dicho de otra
forma, debe hablar de lo mismo que x.

( 12 )10 ( 2.718 )12

p ( x=10, =12 )=
10 !

(6.191736410)( 0.00006151)
= 0.104953
3628800

Ejercicio:
En la inspeccin de hojalata producida por un proceso electroltico continuo, se
identifican 0.2 imperfecciones en promedio por minuto. Determine las
probabilidades de identificar
a) una imperfeccin en 3 minutos,
b) al menos dos imperfecciones en 5 minutos,
c) cuando ms una imperfeccin en 15 minutos.

DISTRIBUCION EXPONENCIAL

A pesar de la sencillez analtica de sus funciones de definicin, la distribucin

exponencial tiene una gran utilidad prctica ya que podemos considerarla como un
modelo adecuado para la distribucin de probabilidad del tiempo de espera entre
dos hechos que sigan un proceso de Poisson. De hecho la distribucin
exponencial puede derivarse de un proceso experimental de Poisson con las
mismas caractersticas que las que enuncibamos al estudiar la distribucin de
Poisson, pero tomando como variable aleatoria , en este caso, el tiempo que tarda
en producirse un hecho ,entonces la variable aleatoria ser continua. Por otro
lado existe una relacin entre el parmetro a de la distribucin exponencial , que
ms tarde aparecer , y el parmetro de intensidad del proceso l , esta relacin
es a = 1

Propiedades del modelo Exponencial

1. Su esperanza es .
2. Su varianza es 2.
3. Una propiedad importante es la denominada carencia de memoria, que
podemos definir as: si la variable X mide el tiempo de vida y sigue una
distribucin Exponencial, significar que la probabilidad de que siga con
vida dentro de 20 aos es la misma para un individuo que a fecha de hoy
tiene 25 aos que para otro que tenga 60 aos.
4. Cuando el nmero de sucesos por unidad de tiempo sigue una distribucin
de Poisson de parmetro (proceso de Poisson), el tiempo entre dos
sucesos consecutivos sigue una distribucin Exponencial de parmetro =
1/.
La distribucin exponencial puede derivarse de un proceso de Poisson , vamos a
definirla a partir de la especificacin de su funcin. de densidad:
Dada una variable aleatoria X que tome valores reales no negativos {x 0}
diremos que tiene una distribucin exponencial de parmetro a con a 0, si y slo
si su funcin de densidad tiene la expresin:

f ( x )= . e. x

En la grafica plantean el modelo con parmetro

x exp() siendo

=0,05

la funcin de distribucin ser:

F ( x )= . ex dx=|ex|=1ex
0

Si el significado de la variable aleatoria es "el tiempo que transcurre hasta que se

produce el fallo": la funcin de distribucin ser la probabilidad de que el fallo
ocurra antes o en el instante X: y , en consecuencia la funcin de supervivencia
ser la probabilidad de que el fallo ocurra despus de transcurrido el tiempo X ;
por lo tanto, ser la probabilidad de que el elemento, la pieza o el ser considerado
"Sobreviva" al tiempo X ; de ah el nombre.

Ejemplo:

1. Suponga que un sistema contiene cierto tipo de componente cuyo tiempo

de falla en aos est dado por la variable aleatoria T, distribuida
exponencialmente con tiempo promedio de falla
. S 5 de estos
componentes se instalan en diferentes sistemas, cul es la probabilidad
de que al menos 2 continen funcionando despus de 8 aos?
Solucin:
La probabilidad de que un determinado componente est funcionando an
despus de 8 aos es:

1
p ( 8 )= E 5 dt=E
58

8
5

0.2

la | nos indica que la integral se va a evaluar desde 8 hasta

Sea x el nmero de componentes funcionando despus de 8 aos. Entonces

mediante la distribucin Binomial,
n=5
p = 0.20 = probabilidad de que un componente est funcionando despus de 8
aos
q = 1-p = 0.80 = probabilidad de que un componente no funcione despus de 8
aos
P(x 2 ) = p(x=2) + p(x=3) + p(x=4)+p(x=5) = 1 p(x = 0, 1)
1{( 5 C0 ( 0.2 )0 ( 0.8 )5 +5 C1 ( 0.2 )1 ( 0.8 ) 4 }=10.7373=0.2627

Ejercicio :
-Suponga que la vida de cierto tipo de tubos electrnicos tiene una distribucin
exponencial con vida media de 500 horas. Si X representa la vida del tubo (tiempo
q dura el tubo).
a) Hallar la probabilidad que se queme antes de las 300 horas.
b) Cul es la probabilidad que dure por lo menos 300 horas?
c) Si un tubo particular ha durado 300 horas. cal es la probabilidad de que dure
otras 400 horas?

Bibliografa :
-Walpole Ronald E . probabilidad y estadstica para ingenieros ,sexta edicin ,pag
132-135
-spiegel mac grawhill . diseo de experimentos
-serie schaum Murray. Probabilidad y estadstica