DISTRIBUCIONES DISCRETAS DE

PROBABILIDAD
Distribuciones discretas: Bernouilli,
binomial, Poisson y multivariante.
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 9

DISTRIBUCION DE
BERNUILLI
La distribucin de Bernuilli es el 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); p robabilidad de
ser admitido en una universidad (o te admiten o no te
admiten); p robabilidad 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 antes mencionados :
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

DISTRIBUCION BINOMIAL

Las distribucin binomial parte de la distribucin de Bernouilli:

La distribucin de Bernouilli 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 Bernouilli, 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 10La distribucin de probabilidad de
este tipo de distribucin sigue el siguiente modelo:

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 8 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 nmero 3 al tirar un dado 8 veces.

Ejemplos
La probabilidad de que cierta clase de
componentes sobreviva a una prueba de
choques es . Encuentre la probabilidad de
que sobrevivan exactamente 2 de los 4
componentes que se prueben.
Sol 27/128

ejemplo
Las posibilidades de que un bit transmitido a
travs de un canal se reciba con error es de
0.1. Suponga adems que los ensayos de
transmisin son independientes. Sea x el
numero de bits con error en los siguientes 4
bits transmitidos, determine la probabilidad
de que lleguen 2 bits con error
0.0486

APLICACIONES
Todo experimento que tenga resultados binarios
(xito/fracaso, defectuoso/no defectuoso,
enfermo/sano, mujer/hombre, etc.) y cuyos
ensayos sean independientes.
Ejemplos:
Medicina: frmacos, cura/no cura
Militares: misiles dan en el blanco/no dan.
Comunicaciones: error de una cadena de bits.

MEDIA Y VARIANZA
La media y varianza de la distribucin
binomial, es:
= np
Varianza = npq
Ejemplo: en el de 4 bits, = 4 x 0.1= .4
Varianza= 4 x 0.1x0.9= 0.36

Distribucin 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
" l " = 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 recin nacidos haya 5 pelirrojos?

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

MEDIA Y VARIANZA

La media y varianza de la distribucin POISSON , es:

= np
Varianza = np
Consecuencia: Si la varianza de los conteos es mucho ms
grande que la media de los mismos, entonces la distribucin
de Poisson no es buen modelo para la distribucin de la
variable.

ejemplo
Un conmutador recibe en promedio 5 llamadas
sobre autos extraviados por hora. Cul es la
probabilidad de que en una hora tomada al azar
reciba?
a) Ninguna llamada.
b) Exactamente 3 llamadas.
c) No ms de 3 llamadas.

ejemplo

a) Ninguna llamada. x = 0 sol. 0.00674963

b) Exactamente 3 llamadas: x = 3 sol. 0.1404
No ms de 3 llamadas: x < 4
P(x < 4) = P(x 3) = P(x0 = 0) + P(x1 = 1) + P(x2
= 2) + P(x3 = 3)
Sol. P(x < 4) = 0.0067+ 0.0337 + 0.0842 + 0.1406
= 0.2652 = 26.52 %

DISTRIBUCION
HIPERGEOMETRICA
Los experimentos que tienen este tipo de distribucin
tienen las siguientes caractersticas:
a)
Al realizar un experimento con este tipo de
distribucin, se esperan dos tipos de resultados.
b)
Las probabilidades asociadas a cada uno de los
resultados no son constantes.
c)
Cada ensayo o repeticin del experimento no es
independiente de los dems.
d)
El nmero de repeticiones del experimento (n) es
constante.

hipergeomtrica

La distribucin hipergeomtrica sigue el siguiente modelo:

Donde:

Vamos a tratar de explicarlo:

N: es el nmero total experimentos
N1: es el nmero total que favorecen el evento 1
N2: es el nmero total que favorece el evento 2
k: es el nmero de eventos cuya probabilidad se est calculando
n: es el nmero de ensayos que se realiza

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%.

hipergeometrica

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:

Considerando que en la urna hay un total de 10

objetos, 3 de los cuales son defectuosos, si de
seleccionan 4 objetos al azar, cul es la
probabilidad de que 2 sean defectuosos?
Solucin:
N = 10 objetos en total
k = 3 objetos defectuosos
n = 4 objetos seleccionados en muestra
x = 2 objetos defectuosos deseados en la
muestra

Sol. 0.3

Una caja contiene 9 bateras de las cuales 4 estn en

buen estado y las restantes defectuosas. Se toma una
muestra eligiendo al azar tres bateras. Calcule la
probabilidad que en la muestra se obtengan,
A) Ninguna batera en buen estado
B) Al menos una batera en buen estado
C) No mas de dos bateras en buen estado

Respuesta:
Este es un experimento de muestreo sin reemplazo, por lo tanto es un
experimento hipergeomtrico con
N=9
(total de elementos del conjunto)
K=4
(total de elementos considerados xitos)
n=3
(tamao de la muestra)
X: cantidad de bateras en buen estado en la muestra
(variable aleatoria discreta)
Entonces la distribucin de probabilidad de X es:
f(x) =
P(X=0) = f(0) =
4

x

9 4

3 x , x 0,1,2,3
9

3

4

0

9 4

3 0
9

3

=0.119
P(X1) = 1 P(X<1) = 1 f(0) = 1 - 0.119 = 0.881
P(X2) = P(X=0) + P(X=1) + P(X=2) = f(0) + f(1) + f(2)

= 0.9523

MEDIA Y VARIANZA
La media y varianza de la distribucin
hipergeometrica es , es:

= np = nk/N
Varianza = npq= (nk/N) [N-n/ N-1 ]