Вы находитесь на странице: 1из 21

UNIVERSIDAD NACIONAL DE INGENIERÍA

Facultad de Ingeniería Química y Textil

MA-612
DISTRIBUCIONES
DE PROBABILIDAD

En este tema se describe las principales Leyes de Probabilidad


que encontramos en la aplicaciones del Cálculo de
Probabilidades.
Es de esta manera que de acuerdo a la clasificación de las
variables aleatorias en discretas y continuas se presentan las
Principales Leyes de Probabilidad de cada una de ellas.
Se inicia este tema con el estudio de las distribuciones notables
para cada clase de variable aleatoria.

MA-612
DISTRIBUCIONES
DISCRETAS NOTABLES

Según las formas especiales que pueden tener


las funciones de probabilidad y según las
características de la variable para cada
experimento, se conocen algunas distribuciones
especiales para las variables discretas

MA-612
Principales distribuciones de Probabilidad Discretas
son las siguientes:

Distribución Uniforme Discreta


Distribución de Bernoulli Be (p)
Distribución Binomial B (n, p)
Distribución Geométrica Geo (p)
Distribución Hipergeométrica H (n, N, NE)
Distribución de Poisson P (λ)

MA-612
DISTRIBUCIÓN BINOMIAL

Se dice que un experimento es Binomial si satisface los


siguientes supuestos:
 Experimento de Bernoulli: Que consiste en n ensayos o
repeticiones, siendo n fijado de antemano.
 Cada ensayo tiene dos resultados posibles: Éxito (E) o
Fracaso (F)
 La probabilidad de éxito en un ensayo = p, y la
probabilidad de fracaso es por lo tanto = 1 – p = q
 Los ensayos son independientes, es decir la probabilidad
de éxito p es constante en cada ensayo o repetición.
 Si el experimento consiste en un muestreo, éste será con
reposición

MA-612
DISTRIBUCIÓN BINOMIAL

Sea X: número de éxitos obtenidos en los n ensayos o


repeticiones

La función de probabilidad es la siguiente:

La X es Binomial, que se distribuye con parámetros n y p

X ~ B n ; p
MA-612
DISTRIBUCIÓN BINOMIAL

Propiedades:

Ejemplo:

Calcular la probabilidad de obtener 3 veces el N° 5 al lanzar 8


veces un dado no cargado.
Éxito = aparece el N° 5 p (éxito) = p = 1/6
X: N° de veces que aparece el número 5, al lanzar un dado 8 veces

MA-612
DISTRIBUCIÓN BINOMIAL

Entonces la función de probabilidad es:


8 
P ( X  x)    (1/ 6) x (5 / 6)8 x x  0;1; 2.....;8
 x
8
P ( X  3)    (1/ 6)3 (5 / 6)5  0,10419
 3

También se pueden usar tablas estadísticas y/o excel o


cualquier paquete estadístico.

MA-612
DISTRIBUCIÓN BINOMIAL

Ejemplo:
Se conoce que los tornillos producidos por una cierta
compañía son defectuosos con probabilidad 0,01
independiente uno del otro. La compañía vende los tornillos
En paquetes de 10 y garantiza que a lo más uno de los 10
tornillos es defectuoso.

¿Qué proporción de paquetes vendidos deberá la compañía


reemplazar?

MA-612
DISTRIBUCIÓN DE POISSON

Es una de las distribuciones discretas más importantes


cuyo nombre se debe al matemático francés Simeon Denis
Poisson (1781-1840) la introdujo en 1837.

La distribución de Poisson es generalmente utilizada en los


problemas en que se cuentan el número de eventos de
cierto tipo, que ocurren en un intervalo de tiempo, o en
una región, o en un volumen. Por lo expuesto, esta
distribución es llamada distribución de “eventos raros”,
tales como:

MA-612
DISTRIBUCIÓN DE POISSON

 Número de llamadas telefónicas recibidas por la central telefónica


durante un intervalo pequeño de tiempo.
 Número de fallas de un computador en un día de operación.
 Número de relatos de accidentes enviados a una compañía de
seguros en una semana.
 Número de clientes que entran a una oficina postal en un día
determinado.

Esta distribución se puede deducir de dos formas:

A partir de un proceso Poisson:


La característica principal de este proceso es la ocurrencia de eventos por
unidad de medida, ejemplos: número de hilos por cm2 de tela, número de
llamadas telefónicas por hora, número de bacterias por cm3 de agua, etc.

MA-612
DISTRIBUCIÓN DE POISSON

Las asunciones de este proceso Poisson son:


El número de eventos discretos (éxitos) en los espacios continuos es
grande, entonces se conoce el promedio de éxitos que ocurren en
dicha unidad de medida, definida como : 

La variable aleatoria se define:

X: Número de éxitos por unidad de medida

MA-612
DISTRIBUCIÓN DE POISSON

MA-612
DISTRIBUCIÓN DE POISSON

Como Límite de la Distribución Binomial:


Se obtiene como aproximación de una distribución binomial con la
misma media, cuando n es grande
(n > 30) y la probabilidad de éxito p es muy pequeña (p < 0,1).

MA-612
DISTRIBUCIÓN DE POISSON

Ejemplo:

Suponga que en una población grande, la proporción


de personas que tienen una cierta enfermedad en
0,01. Determine la probabilidad de que en un grupo
aleatorio de 400 personas, al menos 3 personas
tienen la enfermedad

MA-612
DISTRIBUCIÓN HIPERGEOMÉTRICA

Este modelo se utiliza cuando consideramos extracciones de una población


que está dividida en dos características y estas extracciones son hechas sin
reposición.

La distribución hipergeométrica suele aparecer en procesos muestrales sin


reemplazo:
 Una población finita de N elementos, particionados en dos clases
mutuamente excluyentes: clase éxito y clase fracaso.
 La clase éxito tiene k elementos y la clase fracaso (N – k)
 Se extrae de esta población, una muestra tamaño n.
 Si el experimento consiste en un muestreo, éste es sin reposición.

X: número de elementos de la muestra extraída que pertenecen a


la clase éxito.
MA-612
DISTRIBUCIÓN HIPERGEOMÉTRICA

La función de probabilidad está dada por:

Propiedades

MA-612
DISTRIBUCIÓN HIPERGEOMÉTRICA

Interpretación
La distribución hipergeométrica se aplica con cierta
frecuencia en el control estadístico de calidad de una
fabricación en serie. Así pues, si el lote bajo control
contiene A elementos buenos y B = N − A elementos
defectuosos, cuando tomamos una muestra de tamaño n
sin reemplazamiento estaremos interesados en saber el
número de elementos buenos que han aparecido en la
muestra de tamaño n para así determinar la calidad del
proceso de fabricación.

MA-612
DISTRIBUCIÓN HIPERGEOMÉTRICA

Ejemplo:
Un determinado producto industrial es embarcado en lotes
de 20 unidades. Para la industria es demasiado costoso llevar
una inspección al 100% de su producción para determinar los
ítems defectuosos. Un plan de muestreo diseñado para
minimizar el número de embarques defectuosos hacia los
clientes, consiste en tomar una muestra aleatoria de 5 ítems
de cada lote y rechazar el lote si se encuentra más de un
defectuoso. Si un lote contiene 4 defectuosos. ¿Cuál es la
probabilidad de que sea rechazada?

MA-612