Вы находитесь на странице: 1из 8

1 RRLL. ESTADSTICA.

TEMA 8
TEMA 8: DISTRIBUCIONES MS USUALES
En este tema se van a describir familias especficas de distribuciones de probabilidad que ocurren
con cierta frecuencia en el mundo real y cuyo principal inters radica en la gran diversidad de
problemas y campos cientficos en los que se pueden aplicar.
1. DISTRIBUCIONES DISCRETAS MS USUALES.
1.1. DISTRIBUCIN DE BERNOUILLI
Un experimento aleatorio se dice que es de Bernouilli cuando nicamente puede tener dos
resultados mutuamente excluyentes; uno de ellos se denomina "xito" y el otro "fracaso".
Definicin: Una v.a. X asociada a un experimento de Bernouilli y que toma los valores:
X(xito) = 1 ;
X (fracaso) = 0
entonces se dice que X sigue una distribucin de Bernouilli, XB(p) y su funcin de probabilidad
es:
P (X = 1 ) = p ; P ( X = 0 ) = 1 - p = q
o de forma genrica :
P ( X = x ) = p x (1-p) 1 x ; x = 0 , 1.
Propiedades:
* Media: =p
* Varianza: VAR[X]=pq
Ejemplo:
Un agente de seguros realiza visitas a posibles clientes para contratar seguros de vida. En el 60% de
las visitas, se sabe que tiene xito. Definir la variable aleatoria asociada a este experimento y
obtener la esperanza y la varianza.
Solucin: X=1 vende seguro, X=0 no vende seguro. La media es 0,6 y la varianza 0,24.

1.2. DISTRIBUCIN BINOMIAL


Este tipo de distribucin se da cuando se repite varias veces la prueba de Bernouilli. La
probabilidad de xito ser la misma en todas las repeticiones.
Definicin: La v.a. X= nmero de xitos en n pruebas se dice que sigue una distribucin binomial
de parmetros n y p, XB(n,p).
La variable puede tomar los valores { 0,1, 2,..., n} y su funcin de probabilidad es :

1 RRLL. ESTADSTICA. TEMA 8

P(X=k)=P(k exitos en n pruebas)=

donde

n

k

n

k

pkqn-k

n!
, p la probabilidad de xito y q = 1-p.
k!( n k )!

Propiedades:
* Media : =np
* Varianza : VAR[X]=npq
* Propiedad reproductiva (para 2 variables): Si X 1 y X 2 son dos v.a. independientes
distribuidas segn una B( n1 ,p) y B( n2 ,p) respectivamente, entonces la v.a. X= X 1 + X 2 se
distribuye segn una B( n1 + n2 ,p)
Ejemplo:
El nmero de veces que aparece cara al lanzar una moneda 10 veces sigue una distribucin binomial
de media 5 y varianza 2,5.

1.5. DISTRIBUCIN DE POISSON.


La distribucin de Poisson suele emplearse para representar experimentos en los que se analiza el
nmero
de veces que ocurre cierto evento en un intervalo (en general de tiempo).
Definicin: La variable aleatoria X= nmero de veces que ocurre un evento por unidad de tiempo
decimos que sigue una distribucin de Poisson de parmetro (>0), XP(). Los valores de la
variable son {0,1,2,...} con probabilidades:
k
P(X=k)= e
k!
Propiedades:
* Media: =
* Varianza: VAR[X]=
* Propiedad reproductiva: Si X 1 y X 2 son 2 v.a. independientes distribuidas segn una ley de
Poisson, P( 1 ) y P( 2 ) respectivamente , entonces la v.a. X= X 1 + X 2 se distribuye segn una
distribucin de Poisson de parmetro 1 2 .

1 RRLL. ESTADSTICA. TEMA 8


* Distribucin de Poisson como lmite de la Binomial. Considerando un nmero n grande de
pruebas de Bernouilli independientes, con probabilidad de xito p, pequea y haciendo =np,
llegamos a obtener la distribucin de Poisson como lmite de la binomial cuando n . Es decir, si
n, p0 y =np permanece constante, entonces se verifica:
lim B(n,p)=P()
n
En la prctica la distribucin binomial se puede aproximar a una Poisson cuando n>30 y p0,1, y
como la media en la distribucin binomial es np y en la de Poisson es , entonces en esta
aproximacin se considera que la media es =n p.
Ejemplo:
El promedio de llamadas telefnicas atendidas en la centralita de una cierta Facultad es de 36
llamadas por hora. Calcular la probabilidad de que en un perodo de 5 minutos :
a) Se atiendan 5 llamadas
b) Se atiendan ms de 2 llamadas
Solucin: P[X=5]=0,1008 y P[X>2]=0,5768

2. DISTRIBUCIONES CONTINUAS MS USUALES


2.1 DISTRIBUCIN NORMAL
La distribucin normal o distribucin de Gauss es sin duda la ms importante y la de ms
aplicacin de todas las distribuciones continuas. Esta distribucin es bastante adecuada para
describir la distribucin de muchos conjuntos de datos que ocurren en la naturaleza, la industria y la
navegacin. As pues para los siguientes conjuntos de datos, se puede considerar adecuada la
distribucin normal:
- Datos meteorolgicos correspondientes a temperaturas, lluvias, etc.
- Las clasificaciones correspondientes a pruebas de aptitud.
- Las alturas de individuos de una edad y sexo dado.
- Las medidas fsicas de productos manufacturados.
- La vida media de un tipo de lmparas con un voltaje dado, etc.
Definicin: Diremos que una variable aleatoria X, de tipo continuo, sigue una distribucin normal
de parmetros y si su funcin de densidad es:
( x )2

1
2
-< x<+
f ( x)
e 2 ,
2
donde , y tales que -<<+ y >0. (=3,14159... , e=2,71828 )
Abreviadamente la indicaremos por XN(,)
Veamos ahora la representacin grfica de la funcin de densidad f(x) de la N( ,). Para ello
veremos que se cumplen las siguientes propiedades:
1. f(x) es continua en toda la recta real.
2. f(x) es simtrica respecto de x = es decir es simtrica respecto del parmetro .
3. f(x) tiene como asntota horizontal el eje de abscisas.
4. f(x) es estrictamente creciente cuando x<, y estrictamente decreciente cuando x>.
5. f(x) presenta un mximo cuando x=, ese mximo vale f()=

1
2

1 RRLL. ESTADSTICA. TEMA 8


El grfico nos muestra la representacin grfica de la funcin de densidad, f(x), de una distribucin
normal de parmetros y :

Se observa que tiene forma de campana, de aqu que frecuentemente se le llame campana de Gauss.
Tambin se pone de manifiesto que el parmetro corresponde al mximo y al centro de la
distribucin y el parmetro nos da idea del grado de apertura o aplastamiento de la curva f(x).
Relacin entre la N(,) y la N(0,1)
( x )2

1
2
Veamos pues que la expresin
nos da la funcin de densidad de una
f ( x)
e 2
2
familia de distribuciones normales para los diferentes valores de los parmetros y . Dentro de
esta familia de distribuciones normales hay una muy importante, que corresponde a los valores de
los parmetros =0 y =1, es decir la distribucin N(0, 1) y recibe el nombre de distribucin
tipificada o estndar, cuya correspondiente funcin de densidad se obtiene haciendo =0 y =1
en la expresin

1
f ( x)
e
2

( x )2
2 2

:
2

1 2x
f ( x)
e , x
2
Proposicin: Si X es una variable aleatoria con distribucin N(,), entonces la variable aleatoria
tipificada Z=(X-)/ sigue una distribucin N(0,1).
Caractersticas:
1. Funcin de distribucin correspondiente a una variable aleatoria X distribuida segn una N(,)
ser:
1
F(x)=P(X x)
2

( x )2

2 2

dx , -<x<+<

2. Media: E [X]=
3. La media, la mediana y la moda coinciden con el parmetro .
4. Varianza. VAR[X] =

1 RRLL. ESTADSTICA. TEMA 8


Utilizacin de las tablas:
En la tabla de tablas estadsticas aparece tabulada la funcin de distribucin de una N(0,1).
Como la funcin de densidad de la distribucin normal es completamente simtrica, en este caso
respecto al parmetro de media =0, se da una sola tabla de valores de Z, incluyendo solamente los
valores positivos de Z.
Para indicar el uso de la tabla consideramos las siguientes reglas bsicas:
1. P(X-a)=1-P(Xa)
2. P(X>a)=1-P(Xa)
3. P(aXb)=P(Xb)-P(Xa)
4. P(-aXa)=2P(Xa)-1
5. P(-aXb)=P(Xb)+P(Xa)-1
6. P(-aX-b)=P(Xa)-P(Xb)

3. ESQUEMA

1 RRLL. ESTADSTICA. TEMA 8


BERNOULLI

BINOMIAL

X= xito y fracaso
P (X = 1 ) = p ; P ( X = 0 ) = 1 - p = q

X= nmero de xitos en n pruebas

Propiedades:
1. =p
2. VAR[X]=pq

POISSON
X= nmero de veces que ocurre un
evento por unidad de tiempo
k
P(X=k)= e
k!
Propiedades:
1. =
2. VAR[X]=

P(X=k)=P(k exitos en n pruebas)=

Propiedades:
1. =np
2. VAR[X]=npq
NORMAL
1
f ( x)
e
2

n

k

pkqn-k

( x )2
2 2

Reglas para uso de las tablas:


1. P(X-a)=1-P(Xa)
2. P(X>a)=1-P(Xa)
3. P(aXb)=P(Xb)-P(Xa)
4. P(-aXa)=2P(Xa)-1
5. P(-aXb)=P(Xb)+P(Xa)-1
6. P(-aX-b)=P(Xa)-P(Xb)

1 RRLL. ESTADSTICA. TEMA 8


4. EJERCICIOS
1. Dada una v.a. X que se distribuye segn una distribucin binomial con parmetros n = 15 y
p=0,3. Obtener :
a) P ( X = 2 )
b) P ( x 2)
c) La media y la varianza
2. Un representante realiza cinco visitas cada da a los comercios de su ramo y por su experiencia
anterior sabe que la probabilidad de que le hagan un pedido en cada visita es del 0,4. Obtener:
a)
b)
c)
d)
e)

La distribucin del nmero de pedidos por da


Probabilidad de que le hagan 4 pedidos
Nmero medio de pedidos por da y varianza.
Posibilidad de que el nmero de pedidos en un da est comprendido entre 1 y 3
Probabilidad de que por lo menos realice dos pedidos.

3. En una cierta empresa constructora el nmero de accidentes es por trmino medio de 3 por mes.
Calcular:
a) Probabilidad de que no ocurra ningn accidente en un mes dado.
b) Probabilidad de que ocurran menos de 5 accidentes en un mes dado.
c) Probabilidad de que ocurran ms de 3 accidentes en un mes dado.
d) Probabilidad de que ocurran exactamente 3 accidentes en un mes dado
4. El nmero medio de personas que llegan a un cierto comercio es de 2 personas cada 5 minutos, y
admitimos que el nmero X de personas que llegan a ese comercio cada 5 minutos sigue una
distribucin de Poisson. Obtener:
a) La distribucin de probabilidades de la v.a. X.
b) La probabilidad de que en el periodo de 5 minutos no llegue ninguna persona, que llegue una
persona y que lleguen dos personas.
c) Probabilidad de que lleguen ms de dos personas.
5. Desde el ao 1980 el nmero medio de empresas que han presentado suspensin de pagos ha sido
de 6,8 por ao y admitimos que el nmero de empresas X que han presentado suspensin de pagos
durante un periodo determinado de tiempo sigue una distribucin de Poisson. Obtener:
a) Probabilidad de que ninguna empresa presente suspensin de pagos durante un trimestre.
b) Probabilidad de que por lo menos dos empresas presente suspensin de pagos durante un
determinado ao.
6. El nmero de alumnos que llegan a la primera clase de la Facultad, sigue una distribucin de
Poisson, cuya media es de dos alumnos por minuto. El nmero de alumnas que llegan a la misma
clase sigue tambin una distribucin de Poisson, cuya media es de tres alumnas por minuto.
Admitimos que ambas llegadas son independientes. Obtener la probabilidad de que lleguen menos
de 4 alumnos y alumnas en un minuto.
7. A una calculadora le fallan por trmino medio en cada hora de trabajo dos teclas. Se sabe que el
nmero de fallos de las teclas sigue una distribucin de Poisson. La calculadora deja de funcionar
7

1 RRLL. ESTADSTICA. TEMA 8


cuando se le averan seis o ms teclas. Calcular la probabilidad de que una operacin de tres horas
se pueda realizar sin avera.
8. Sea una v.a. X distribuida segn una normal con media =50 y desviacin tpica =8. Obtener:
a) Probabilidad de que X tome valores entre 38 y 58.
b) Probabilidad de que X tome un valor mayor que 66.
9. Supongamos que la demanda semanal de un artculo sigue una distribucin normal de media
=100 y desviacin tpica =20. Qu existencias deben tener al principio de la semana para poder
satisfacer la demanda con una probabilidad de 095?.
10. Consideremos una variable aleatoria X distribuida segn una distribucin normal de media 40 y
desviacin tpica 3, N(40,3) y deseamos conocer la P(43 X 46).
11. La duracin de un lser semiconductor a potencia constante tiene una distribucin normal con
media 7.000 horas y desviacin tpica de 600 horas.
a) Cul es la probabilidad de que el lser falle antes de 5.000 horas?
b) Cul es la duracin en horas excedida por el 95 % de los lseres?
c) Si se hace uso de tres lseres en un producto y se supone que fallan de manera independiente.
Cul es la probabilidad de que tres sigan funcionando despus de 7.000 horas?