UNIDAD III DISTRIBUCIONES DE PROBABILIDAD DISCRETAS

3.1 Variable aleatoria

En algunos casos la descripcin de los resultados posibles no es suficiente. Se
desea resumir el resultado de un experimento aleatorio en un solo nmero. Se
llama variable aleatoria a toda funcin que asocia a cada elemento del espacio
muestral S un nmero real x.
El conjunto de nmeros posibles de una variable aleatoria se llama Recorrido
de X se denota Rx. El valor medido de la variable aleatoria se denota por una
letra minscula x.
Tipos de variable aleatoria:
-

Variable Aleatoria Discreta, si sus valores forman un conjunto finito o

contablemente infinito que se limitan a puntos discretos.
Variable Aleatoria Continua, si su conjunto posible de valores abarca
todo un intervalo en R sea finito o infinito.

3.2 Distribuciones de probabilidad para variables aleatorias discretas (VAD)

La funcin de masa de probabilidad o distribucin de probabilidad de una
variable discreta X es la funcin p(x)=P(X=x)=f(x)=F(X=x).
La funcin de masa de probabilidad puede representarse por medio de un
histograma cuando los posibles valores estn espaciados uniformemente.
3.3 Funcin de distribucin acumulada
La funcin de distribucin acumulada F(x) de una VAD X con distribucin de
probabilidad p(x) se define por

t x

t x

F ( x )=P ( X x )= p ( t )= P( X=t )
Para cualquier xR, donde F(x) es la probabilidad de que el valor observado de
X sea a lo sumo x.
3.4 Valor esperado y varianza de variable aleatoria discreta

E ( X )== xp( x )

La esperanza, valor esperado o media de x es

La varianza de X es

V ( X )=E ( X 2 )[ E ( X ) ] = 2= x 2 p ( x )2

La desviacin estndar es

= 2

Teorema, Propiedades de la media y la varianza

Para cualquier VA X y constantes a y b cualesquiera.

i)

E(aX+b)=aE(X)+b

ii)

V(aX+b)= a

V(X)

3.3 Distribucin de probabilidad binomial

La variable aleatoria binomial (VAB), X, expresa el nmero de xitos
obtenidos en cada prueba del experimento.
Un experimento sigue el modelo de la distribucin binomial si:
- En cada prueba del experimento slo son posibles dos resultados: el suceso A
(xito) y su contrario A.
- La probabilidad del suceso A es constante, es decir, que no vara de una
prueba a otra..
- El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.
Llamaremos parmetro a la cantidad de la cual depende la distribucin de
probabilidad.
La distribucin binomial se suele representar por B(n, p).
n es el nmero de pruebas de que consta el experimento.
p es la probabilidad de xito.
La variable binomial es una variable aleatoria discreta, slo puede tomar los
valores x=0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas.
nx
f ( x )= n p x (1 p )
x

()

Escribimos

X Bin (n , p)

para indicar que X es la VAB basada en n ensayos de

probabilidad con p de xito.

REGLA: si el muestreo es sin reemplazo de una poblacin tamao N y n0.05N
el experimento se considera binomial.
Teorema, Media y Varianza
Si

X Bin (n , p)

entonces

E ( X )==np

V ( X )= =np q ; = npq

q=1 p

3.6 Distribucin hipergeometrica Variable aleatoria hipergeometrica y su

distribucin

Es una distribucin discreta relacionada con muestreos aleatorios y sin

reemplazo. En el muestreo sin reemplazo, las extracciones no son
independientes.
Distribucin hipergeometrica
Un conjunto de N objetos contiene k objetos clasificados como xitos, se
selecciona una muestra de tamao n al azar menor que N. Entonces

X H ( N , k , n)
k Nk
(
x ) ( nx )
x objetos entre k por nx objetos entre N k
P ( X=x )=
=
( Nn ) numero de formas de seleccionar n objetos entre N

Teorema, Media y Varianza

Si

X H ( N , k , n)

, entonces

E ( x )==

nk
N

N n
nK
(
N 1 )
k
V ( x ) = =
(1 )
2

n
( NN1
)

<- Factor de correccin para poblaciones infinitas

Aproximacin de probabilidad hipergeometrica

Si n0.05N entonces se puede hacer una aproximacin a probabilidad
binomial. Entonces

( Nk )=X

X Bin n ,

p=

k
N

H (N , k , n)

3.7 Distribucin binomial negativa

Corresponde al nmero de ensayos para obtener precisamente r xitos, de
modo que con ella el nmero de xitos es fijo y el nmero de ensayos cambia
de un experimento al otro. Lo inverso a la distribucin binomial.

p, probabilidad constante de xito; r, xitos; X, el nmero de ensayos hasta

que ocurren r xitos. Entonces X tiene una distribucin binomial negativa con
parmetros p ; r=1,2,3 ; x=r, r+1, r+2 .

P ( X=x )=f ( x ) = x1 (1 p) xr pr
r 1

( )

Escribimos

X Bin (r , p)

para indicar que X es una Variable Aleatoria

Binomial Negativa con parmetros r, p.

Si se lleva a cabo una secuencia de ensayos independientes, con la misma
posibilidad de xito c/u. Con X como nmero de experimentos hasta incluir el
primero xito. Por tanto X es una variable aleatoria discreta, la cual tiene una
distribucin geomtrica con parmetro p. Se expresa

X Geo( p) .

Teorema, Media y Varianza.

Si X Bin (r , p)

entonces:

E ( X )==

r
p

V ( x ) = 2=

r (1 p)
p2

3.8 Distribucin de probabilidad de Poisson o de los sucesos raros

Es una generalizacin de la distribucin binomial cuando sobre un Experimento
Aleatorio, se define una variable aleatoria X que representa el nmero de
xitos independientes que ocurren para intervalos de medida especficos
(tiempos, lugares, espacios) , adems 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.

Criterios 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).
Procesos que se ajustan a estos criterios, se dice, son procesos de Poisson.