Distribuciones discretas: Bernouilli Distribuciones discretas y continuas Las distribuciones discretas son aquellas en las que la variable puede

pude tomar un nmero determinado de valores: Ejemplo: si se lanza una moneda al aire puede salir cara o cruz; si se tira un dado puede salir un nmero de 1 al 6; en una ruleta el nmero puede tomar un valor del 1 al 32. Las distribuciones continuas son aquellas que presentan un nmero infinito de posibles soluciones: Ejemplo: El peso medio de los alumnos de una clase puede tomar infinitos valores dentro de cierto intervalo (42,37 kg, 42,3764 kg, 42, 376541kg, etc); la esperanza media de vida de una poblacin (72,5 aos, 7,513 aos, 72, 51234 aos). Vamos a comenzar por estudiar las principales distribuciones discretas. Distribuciones discretas: Bernouilli Es aquel modelo que sigue un experimento que se realiza una sola vez y que puede tener dos soluciones: acierto o fracaso: Cuando es acierto la variable toma el valor 1 Cuando es fracaso la variable toma el valor 0 Ejemplo: Probabilidad de salir cara al lanzar una moneda al aire (sale cara o no sale); probabilidad de ser admitido en una universidad (o te admiten o no te admiten); probabilidad de acertar una quiniela (o aciertas o no aciertas) Al haber nicamente dos soluciones se trata de sucesos complementarios: A la probabilidad de xito se le denomina "p" A la probabilidad de fracaso se le denomina "q" Verificndose que: p+q=1 Veamos los ejemplos anteriores : Ejemplo 1: Probabilidad de salir cara al lanzar una moneda al aire: Probabilidad de que salga cara: p = 0,5 Probabilidad de que no salga cara: q = 0,5 p + q = 0,5 + 0,5 = 1 Ejemplo 2: Probabilidad de ser admitido en la universidad: Probabilidad de ser admitido: p = 0,25 Probabilidad de no ser admitido: q = 0,75 p + q = 0,25 + 0,75 = 1 Ejemplo 3: Probabilidad de acertar una quiniela: Probabilidad de acertar: p = 0,00001 Probabilidad de no acertar: q = 0,99999 p + q = 0,00001 + 0,99999 = 1

Distribuciones discretas: Binomial Las distribucin binomial parte de la distribucin de Bernouilli: La distribucin de Bernouiili se aplica cuando se realiza una sola vez un experimento que tiene nicamente dos posibles resultados (xito o fracaso), por lo que la variable slo puede tomar dos valores: el 1 y el 0 La distribucin binomial se aplica cuando se realizan un nmero"n" de veces el experimento de Bernouiili, siendo cada ensayo independiente del anterior. La variable puede tomar valores entre: 0: si todos los experimentos han sido fracaso n: si todos los experimentos han sido xitos Ejemplo: se tira una moneda 10 veces: cuantas caras salen? Si no ha salido ninguna la variable toma el valor 0; si han salido dos caras la variable toma el valor 2; si todas han sido cara la variable toma el valor 10 La distribucin de probabilidad de este tipo de distribucin sigue el siguiente modelo:

Alguien entiende esta frmula? Vamos a tratar de explicarla con un ejemplo: Ejemplo 1: Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces? " k " es el nmero de aciertos. En este ejemplo " k " igual a 6 (en cada acierto decamos que la variable toma el valor 1: como son 6 aciertos, entonces k = 6) " n" es el nmero de ensayos. En nuestro ejemplo son 10 " p " es la probabilidad de xito, es decir, que salga "cara" al lanzar la moneda. Por lo tanto p = 0,5 La frmula quedara:

Luego, P (x = 6) = 0,205 Es decir, se tiene una probabilidad del 20,5% de obtener 6 caras al lanzar 10 veces una moneda. Ejemplo 2: Cul es la probabilidad de obtener cuatro veces el nmero 3 al lanzar un dado ocho veces? " k " (nmero de aciertos) toma el valor 4 " n" toma el valor 8 " p " (probabilidad de que salga un 3 al tirar el dado) es 1 / 6 (= 0,1666) La frmula queda:

Luego, P (x = 4) = 0,026 Es decir, se tiene una probabilidad del 2,6% de obtener cuatro veces el nmeros 3 al tirar un dado 8 veces.

DISTRIBUCIN GEOMTRICA. Esta distribucin es un caso especial de la Binomial, ya que se desea que ocurra un xito por primera y nica vez en el ltimo ensayo que se realiza del experimento, para obtener la frmula de esta distribucin, haremos uso de un ejemplo. Ejemplo: Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad de que aparezca guila es de 2/3, mientras que la probabilidad de que aparezca sello es de 1/3, Determine la probabilidad de que en el ltimo lanzamiento aparezca una guila. Solucin: Si nosotros trazamos un diagrama de rbol que nos represente los 8 lanzamientos de la moneda, observaremos que la nica rama de ese rbol que nos interesa es aquella en donde aparecen 7 sellos seguidos y por ltimo una guila; como se muestra a continuacin: SSSSSSSA S denotamos; x = el nmero de repeticiones del experimento necesarias para que ocurra un xito por primera y nica vez = 8 lanzamientos p = probabilidad de que aparezca una guila = p( xito) = 2/3 q = probabilidad de que aparezca un sello = p(fracaso) = 1/3 Entonces la probabilidad buscada sera; P(aparezca una guila en el ltimo lanzamiento)=p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(A) = =q*q*q*q*q*q*q*p = qx-1p Luego, la frmula a utilizar cuando se desee calcular probabilidades con esta distribucin sera; p(X)=qx-1p Donde: p(x) = probabilidad de que ocurra un xito en el ensayo x por primera y nica vez p = probabilidad de xito q = probabilidad de fracaso Resolviendo el problema de ejemplo; x = 8 lanzamientos necesarios para que aparezca por primera vez una guila p = 2/3 probabilidad de que aparezca una guila q = 1/3 probabilidad de que aparezca un sello p(x=8) = (1/3)81(2/3)= 0.0003048 Ejemplos: 1. S la probabilidad de que un cierto dispositivo de medicin muestre una desviacin excesiva es de 0.05, cul es la probabilidad de que; a) el sexto de estos dispositivos de medicin sometidos a prueba sea el primero en mostrar una desviacin excesiva?, b) el sptimo de estos dispositivos de medicin sometidos a prueba, sea el primero que no muestre una desviacin excesiva?. Solucin: a) x = 6 que el sexto dispositivo de medicin probado sea el primero que muestre una variacin excesiva p = 0.05 =probabilidad de que un dispositivo de medicin muestre una variacin excesiva q = 0.95 =probabilidad de que un dispositivo de medicin no muestre una variacin excesiva p(x = 6) = (0.95)61(0.05)= 0.03869 b) x = 7 que el sptimo dispositivo de medicin probado, sea el primero que no muestre una desviacin excesiva p = 0.95 = probabilidad de que un dispositivo de medicin no muestre una variacin excesiva q = 0.05 = probabilidad de que un dispositivo de medicin muestre una variacin excesiva p(x = 7) = (0.05)71(0.95)= 0.0000000148

Distribucion Binomial Negativa Si X es igual al Numero de fracasos antes de obtener K xitos, entonces la variable aleatoria X tiene por funcin de densidad:

P(X=x) = funcin de densidad de la variable aleatoria binomial negativa. p = probabilidad de xito x = cantidad de fracasos La probabilidad que un alumno que no entienda binomial negativa repruebe el examen es de 75% si se pide seleccionar 5 alumnos reprobados al azar calcular la probabilidad de haber tomado 3 alumnos aprobados antes de los 5 reprobados p = 0.75 q = 0.25 K=5 x=3 q = probabilidad de fracaso K = cantidad de xitos

En el saln hay 12 mujeres y 17 hombres si extraemos alumno tras alumno hasta acompletar 7 mujeres Calcular probabilidad de que hayan salido 2 hombres? p = 12/29 q = 17/29 P(X=x)=2 k=7 x=2

La probabilidad de que una persona la acepten para trabajar en una fabrica es de el 20 % de 10 personas no salieron seleccionadas Calcular probabilidad de que antes 3 hayan sido seleccionadas? p = 0.80 k= 10 x=3 q = 0.20

En una caja hay 8 canicas rojas, 10 verdes, 5 negras, si extraemos 6 canicas rojas al azar Calcular probabilidad de que ya hayan salido 2 canicas verdes ? p = 8 / 13 = 0.347826 q = 15 / 23 = 0.6521739 k=6 x=2

Distribuciones discretas: Poisson Las distribucin de Poisson parte de la distribucin binomial: Cuando en una distribucin binomial se realiza el experimento un nmero "n" muy elevado de veces y la probabilidad de xito "p" en cada ensayo es reducida, entonces se aplica el modelo de distribucin de Poisson: Se tiene que cumplir que: " p " < 0,10 " p * n " < 10 La distribucin de Poisson sigue el siguiente modelo:

Vamos a explicarla: El nmero "e" es 2,71828 " " = n * p (es decir, el nmero de veces " n " que se realiza el experimento multiplicado por la probabilidad " p " de xito en cada ensayo) " k " es el nmero de xito cuya probabilidad se est calculando Veamos un ejemplo: La probabilidad de tener un accidente de trfico es de 0,02 cada vez que se viaja, si se realizan 300 viajes, cual es la probabilidad de tener 3 accidentes? Como la probabilidad " p " es menor que 0,1, y el producto " n * p " es menor que 10, entonces aplicamos el modelo de distribucin de Poisson.

Luego, P (x = 3) = 0,0892 Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 300 viajes es del 8,9% Otro ejemplo: La probabilidad de que un nio nazca pelirrojo es de 0,012. Cul es la probabilidad de que entre 800 recien nacidos haya 5 pelirrojos?

Luego, P (x = 5) = 4,602 Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recien nacidos es del 4,6%

Distribuciones discretas: Hipergeomtrica Las distribucin hipergeomtrica es el modelo que se aplica en experimentos del siguiente tipo: En una urna hay bolas de dos colores (blancas y negras), cul es la probabilidad de que al sacar 2 bolas las dos sean blancas? Son experimentos donde, al igual que en la distribucin binomial, en cada ensayo hay tan slodos posibles resultados: o sale blanca o no sale. Pero se diferencia de la distribucin binomial en que los distintos ensayos son dependientes entre s: Si en una urna con 5 bolas blancas y 3 negras en un primer ensayo saco una bola blanca, en el segundo ensayo hay una bola blanca menos por lo que las probabilidades son diferentes (hay dependencia entre los distintos ensayos). La distribucin hipergeomtrica sigue el siguiente modelo:

Donde:

Vamos a tratar de explicarlo: N: es el nmero total de bolas en la urna N1: es el nmero total de bolas blancas N2: es el nmero total de bolas negras k: es el nmero de bolas blancas cuya probabilidad se est calculando n: es el nmero de ensayos que se realiza Veamos un ejemplo: en una urna hay 7 bolas blancas y 5 negras. Se sacan 4 bolas Cul es la probabilidad de que 3 sean blancas? Entonces: N = 12; N1 = 7; N2 = 5; k = 3; n = 4 Si aplicamos el modelo:

Por lo tanto, P (x = 3) = 0,3535. Es decir, la probabilidad de sacar 3 bolas blancas es del 35,3%. Pero este modelo no slo se utiliza con experimentos con bolas, sino que tambin se aplica con experimentos similares: Ejemplo: en una fiesta hay 20 personas: 14 casadas y 6 solteras. Se eligen 3 personas al azar Cul es la probabilidad de que las 3 sean solteras?

Por lo tanto, P (x = 3) = 0,0175. Es decir, la probabilidad de que las 3 personas sean solteras es tan slo del 1,75%.