INSTITUTO TECNOLOGICO DE ACAPULCO.

INGENIERIA BIOQUIMICA.
PROBABILIDAD Y ESTADISTICA.

EQUIPO 3:
FRAGOSO JIMENEZ JAVIER CUAUHTEMOC.
NAVARRETE LEYVA LUIS ENRIQUE.
PASTRANA DIAZ YURIDIANA.
JAIMES MORALES RAFAEL.
PEREZ CHACON ROSA ISELA.

DISTRIBUCION GEOMETRICA O DE PASCAL

La distribucin geomtrica es un modelo adecuado
para aquellos procesos en los que se repiten pruebas
hasta la consecucin del xito a resultado deseado y
tiene interesantes aplicaciones en los muestreos
realizados de esta manera . Tambin implica la
existencia de una dicotoma de posibles resultados y
la independencia de las pruebas entre s.

Esta distribucin se puede hacer derivar de un proceso

experimental puro o de Bernouilli en el que tengamos
las siguientes caractersticas
El proceso consta de un nmero no definido de
pruebas o experimentos separados o separables. El
proceso concluir cuando se obtenga por primera vez
el resultado deseado (xito).
Cada prueba puede dar dos resultados mutuamente
excluyentes : A y no A
La probabilidad de obtener un resultado A en cada
prueba es p y la de obtener un resultado no A es q
siendo (p + q = 1).

Las probabilidades p y q son constantes en todas las

pruebas ,por tanto , las pruebas ,son independientes
(si se trata de un proceso de "extraccin" ste se
llevar a , cabo con devolucin del individuo
extrado) .
(Derivacin de la distribucin). Si en estas
circunstancias aleatorizamos de forma que tomemos
como variable aleatoria X = el nmero de pruebas
necesarias para obtener por primera vez un xito o
resultado A , esta variable se distribuir con una
distribucin geomtrica de parmetro p.

De lo dicho anteriormente , tendremos que la

variable X es el nmero de pruebas necesarias para la
consecucin del primer xito. De esta forma la
variables aleatoria toma valores enteros a partir del
uno ; ( 1,2,)

La funcin de cuanta P(x) har corresponder a cada

valor de X la probabilidad de obtener el primer xito
precisamente en la X-sima prueba. Esto es , P(X) ser
la probabilidad del suceso obtener X-1 resultados "no
A" y un xito o resultado A en la prueba nmero X
teniendo en cuenta que todas las pruebas son
independientes y que conocemos sus probabilidades.

Consideramos una sucesin de v.a. (variable aleatoria)

independientes de Bernouilli,
Una v.a. X sigue posee una distribucin geomtrica, ,
si esta es la suma del nmero de fracasos obtenidos
hasta la aparicin del primer xito en la sucesin .

Modelo matemtico.

De este modo tenemos que la ley de probabilidad de X

es

Observacin
Es sencillo comprobar que realmente f es una ley de
probabilidad, es decir, . Para ello basta observar que la
sucesin es una progresin geomtrica de razn q, a la
que podemos aplicar su frmula de sumacin:

En la distribucin geomtrica el conjunto de posibles

valores que puede tomar la variable () es infinito
numerable, mientras que en la de Bernouilli y en la
binomial, estos eran en nmero finito.
La funcin caracterstica se calcula teniendo en cuenta
que de nuevo aparece la sumacin de los trminos de
una progresin geomtrica, pero esta vez de razn eit
q:

Ejemplo 1: 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

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

Ejemplo 2: 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

Si una variable aleatoria discreta X definida en un

espacio de probabilidad representa el numero de
repeticiones necesarias de un experimento de
Bernoulli para obtener el primer xito, entonces tiene
por funcin de densidad: X-1
P (x=x) = funcin de densidad, de la variable aleatoria
con distribucin geomtrica.
X Numero de experimentos hasta que aparece el 1er
xito.
p probabilidad de xito
q probabilidad de fracaso (1 - p)

Ejemplo 3: Calcular la probabilidad de que salga el

No. 5 a la tercera vez que lanzamos un dado.
Definir xito: sale No. 5
x=3
p = 1/6 = 0. 1666
q = (1 - 0.16660) = 0.8333
P(X=3) = (0.8333)2(0.1666) =0.1156
Ejemplo 4:
Calcular la probabilidad de que salga guila la 6ta
ocasin que lanzamos una moneda.
Definir xito: salga guila.
x=6
p = 1/2= 0.5
q = 0.5
P(X=6) = (0.5)5(0.5)= 0.0156

Ejemplo 5:
En el saln hay 8 alumnos de ojos cafs, 9 de ojos
azules, 7 de ojos negros, y 10 de ojos verdes; si
extraemos 6 alumnos, calcular la probabilidad de que
este ultimo tenga los ojos claros.
Definir xito: tenga ojos claros.
X=6
p = 0.5588
q = 1- 0.5588 = 0.4412
P(X=6) = (0.4412)5(0.5588) = 0.0093 = 9.3418 x 10

Ejemplo 6:
Una maquina detecta fallas en los productos que
elabora una fabrica. Si los productos tienen una
probabilidad de falla del 5%, calcular la probabilidad
de que la maquina encuentre su primer producto
defectuoso en la octava ocasin que selecciona un
producto para su inspeccin.
Definir xito: salga defectuoso el producto.
X=8
p = 0.05
q = 1 - 0.05 = 0.95
P(X=8) = (0.95)7(0.05) = 0.0349