1 Recordando la distribucin geomtrica

Se dice que N Geo(p) si su funcin de probabilidad es

P (N = n) = p(1 p)n 1
,n2N

Algunas propiedades:

1. Falta de memoria: si N Geo(p); entonces P (N > n + m j N > n) = P (N > m) = (1 p)m :

2. Falta de memoria (versin 2): si N Geo(p); entonces P (N = n + m j N > n) = P (N = m) =
p(1 p)m 1 :
Esto tambin se expresa diciendo que la variable condicionada N j (N > n) = n + N 0 con N 0 Geo(p):

2 Experiencias multinomiales
Se realizan experiencias multinomiales independientes donde los resultados de cada experiencia pueden ser A; B
C; con P (A) = pA ; P (B) = pB ; P (C) = pC ; tales que pA + pB + pC = 1:

2.0.1 Distribucin multinomial

Si se realizan m experiencias multinomiales de las antes descriptas y se denen las variables:
KA : cantidad de resultados A en las m experiencias;
KB : cantidad de resultados B en las m experiencias;
KC : cantidad de resultados C en las m experiencias,
entonces el vector aleatorio (KA ; KB ; KC ) tiene distribucin Multinomial con parmetros (m; pA ; pB ; pC ):

Esto es,
(a + b + c)! a
P (KA = a; KB = b; KC = c) = pA pbB pcC
a!b!c!
Ejemplo: un motoquero recorre una avenida. A su paso puede encontrarse, independientemente uno de otro, con

semforos en verde, amarillo o rojo con probabilidades pV = 0:5; pA = 0:2; pR = 0:3: Si atraves 10 semforos, la

probabilidad de lque se hayan observado 5 verdes, 4 amarillos y 1 rojo ser igual a

10!
P (KV = 5; KA = 4; KR = 1) = 0:55 0:24 0:31 = 0:018 9
5!4!1!

2.0.2 Distribuciones geomtricas asociadas

Sean NA : cantidad de experiencias hasta observar el primer A; NB : cantidad de experiencias hasta observar el
primer B; entonces NA Geo(pA ) y NB Geo(pB ); pero no son variables independientes! Como evidencia notar
que P (NA = 1; NB = 1) = 0 pero P (NA = 1) 6= 0 ^ P (NB = 1) 6= 0:
La distribucin conjunta de ambas variables resulta

pnC 1 pA (1 pB )m n 1
pB si n < m
P (NA = n; NB = m) = m 1
pC pB (1 pB )n m 1
pA si n > m

Propiedad 1
pA pB
P (NA < NB ) = y P (NA > NB ) =
pA + p B pA + p B
Demostracin:
Notar que P (NA = NB ) = 0 porque no pueden presentarse en la misma experiencia A y B simultneamente.
P1 P1 pA
Luego, P (NA < NB ) = pnC 1 pA (1 pB )m n 1 pB =
n=1 m=n+1 pA + p B

1
 En el ejemplo: cul es la probabilidad de que el motoquero encuentre un semforo verde antes que uno rojo?
Esto ser igual a
pV 0:5
P (NV < NR ) = = = 0:625
p V + pR 0:5 + 0:3

Propiedad 2

m{nfNA ; NB g Geo(pA + pB )
Demostracin:
Si M = m{nfNA ; NB g; entonces
1
X 1
X
P (M = m) = P (NA = m; NB = k) + P (NA = k; NB = m) =
k=m+1 k=m+1
1
X X1
= pm
C
1
pA (1 pB )k m 1
pB + pm
C
1
pB (1 pA )k m 1
pA =
k=m+1 k=m+1
1
X 1
X
= pm
C
1
pB pA (1 pB )k m 1
+ pm
C
1
pA pB (1 pA )k m 1
=
k=m+1 k=m+1

= pm
C
1
(pA + pB ) = (1 pA pB )m 1
(pA + pB )
Propiedad 3
Si se dene N como la menor cantidad de experiencias necesarias hasta lograr un resultado A y un resultado B,
entonces
1 pA pB
E[N ] = f1 + + g
p A + pB pB pA
Demostracin:
Opcin 1: N = N1 + N2 con
N1 : cantidad de experiencias hasta lograr el primer xito de algn tipo (A B). Entonces N1 Geo(pA + pB )
N2 : cantidad de experiencias hasta lograr el segundo xito. Entonces N2 es una variable mezcla porque, se tiene
que
N2 j (NB > NA ) Geo(pB ) N2 j (NB < NA ) Geo(pA )
pA pB
Adems, P (NB > NA ) = y P (NB < NA ) = :
p A + pB p A + pB
Por lo tanto:
1 pA 1 pB 1
E[N ] = E[N1 ] + E[N2 ] = +f + g
p A + pB p A + pB p B pA + p B p A
Opcin 2: siguiendo el camino de la rata..
Condicionando sobre lo que ocurre en la primera experiencia puede escribirse lo siguiente:
N j (1o es A) 1 + Geo(pB ) con P (1o es A) = pA
N j (1o es B) 1 + Geo(pA ) con P (1o es B) = pB
N j (1o es C) 1 + N 0 con 0
N distribuda como N
Entonces se puede calcular E[N ] recursivamente a partir de
E[N ] = E[N j (1o es A)] P (1o es A) + E[N j (1o es B)] P (1o es B) + E[N j (1o es C)] P (1o es C) ,
1 1
E[N ] = [1 + ] pA + [1 + ] pB + [1 + E[N ]] (1 pA pB ) ,
pB pA
1 pA pB
E[N ] = f1 + + g
pA + p B pB pA

En el ejemplo: Hallar la cantidad media de semforos que debe cruzar hasta encontrarse con uno verde y uno
amarillo. Esto ser igual a
1 pA pB 1 0:2 0:5
E[N ] = f1 + + g= f1 + + g = 5: 571 4
p A + pB pB pA 0:7 0:5 0:2

2
 Propiedad 4
La cantidad de resultados tipo A que se observan antes del primero de tipo B que aparece se distribuye como
pA
KA j (NB = n) Bin(n 1; )
pA + pC

En el ejemplo: Si el primer semforo rojo que encuentra es el sptimo, cul es la probabilidad de que antes
haya encontrado dos semforos amarillos? Esto ser igual a

6 0:2 2 0:5 4
P (KA = 2 j NR = 7) = ( ) ( ) = 0:318 74
2 0:7 0:7

2.0.3 Errores comunes:

Decir que N = NA + NB : Mal!!! porque NA y NB empiezan a contar desde el ppio.
Decir que NA y NB son independientes. Mal!! por ejemplo, si NA = 2 seguro que NB 6= 2:
Es cierto que N = maxfNA ; NB g; pero est mal decir que
N = maxfNA ; NB g j (NB > NA ) = NB j (NB > NA ) Geo(pB ): La distribucin es incorrecta!!
p A + pB
por ejemplo, P [NB = 2 j (NB > NA )] = pA pB = pB (pA + pB ) lo que no corresponde a una
pA
geomtrica.