DISTRIBUCIONE

S DISCRETAS
Estadstica y Probabilidad II

Distribucin Binomial
En cada prueba del experimento slo son posibles dos
resultados: el suceso A (xito) y su contrario (fracaso) .
La probabilidad del suceso A es constante, es decir, que no
vara de una prueba a otra. Se representa por p.
El resultado obtenido en cada prueba es independiente de
los resultados obtenidos anteriormente.
La distribucin binomial se suele representar por B(n, p).
n es el nmero de pruebas de que consta el
experimento.
p es la probabilidad de xito.

Distribucin Binomial
Funcin de Probabilidad

Funcin de Distribucin

Distribucin Binomial
Media o esperanza matemtica:

Varianza:

Ejemplo
La probabilidad de que un mvil
producido
por
Sony
se
encuentre
defectuoso es del 8%. Sony realiza un
control estricto de calidad para sacar al
mercado sus mviles, rechazando un
determinado lote si encuentra ms de 1
mvil defectuoso en cada lote de 30
mviles.
Si se desea enviar el prximo lote a un
proveedor, encuentre la probabilidad de
rechazarlo.

Distribucin
Hipergeomtrica

Al realizar un experimento con este tipo de

distribucin, se esperan dos tipos de
resultados.
Las probabilidades asociadas a cada uno
de los resultados no son constantes.
Cada ensayo o repeticin del experimento
no es independiente de los dems.
El nmero de repeticiones del experimento
(n) es constante.

Funcin de Probabilidad

Funcin de Distribucin

Distribucin
Hipergeomtrica
Media:

Varianza:

Ejemplo
Si en una empresa se presentan 13
aspirantes para cubrir dos vacantes, de
los cuales 5 son hombres y 8 son mujeres
Calcular la distribucin de probabilidad
para el nmero de hombres contratados.
Encuentra la media y la d. s. de la
distribucin.

DISTRIBUCIN DE
POISSON
Un proceso poissoniano es aqul compuesto de
eventos discretos que son independientes en el
espacio y/o en el tiempo.
Si el nmero de eventos esperados, el nmero
medio de eventos en un intervalo de extensin h
es m.
Entonces = h/m, ser la tasa de eventos por
unidad de h.
La probabilidad de que ocurran x eventos en el
intervalo h vendr dada por la distribucin de
Poisson.

Distribucin de Poisson

e
p ( x)
, x 0 ,1,2 , ... 0
x!
x

Donde
: Nmero medio de sucesos esperados en una
unidad de tiempo, espacio, etc.
e:
2,71828 18284 59045 23536 02874 71352
66249 77572 47093 69995

Media y Varianza de la
distribucin de Poisson
Media
E(X) = =

Varianza
V(X) =
Nota: el mximo de la distribucin se
encuentra en x

EJEMPLO

En la inspeccin de hojalata producida por

un proceso electroltico continuo, se
identifican 0,2 imperfecciones en promedio
por minuto. Determine las probabilidades
de identificar:
a) Una imperfeccin en 3 minutos.
b) Al menos 2 imperfecciones en 5 minutos.
c) Cuando ms, una imperfeccin en 15
minutos.
d) La media y la Varianza de la distribucin.

Aproximacin de la distribucin
de Binomial a la de Poisson
Cuando n es grande podemos aproximar
una distribucin de Binomial a una
distribucin de Poisson:

n 20

p 0.05

np

Ejemplo
El 0,005% de la poblacin de un pas
muere debido a cierta clase de accidentes
cada ao. Una compaa de seguros tiene
l0 000 asegurados contra este tipo de
accidente. Encuentre la probabilidad de
que la compaa deba pagar ms de 3
plizas en un ao dado.

Aproximacin de la distribucin
hipergeomtrica a la Distribucin
Binomial
Cuando N es grande podemos aproximar
la distribucin hipergeomtrica a una
distribucin binomial:

n
0.10
N
H ( n, p , N ) ~ B ( n, p )

Ejemplo
De cada 2000 tornillos fabricados por una
determinada mquina hay 2 defectuosos. Para
realizar un control de calidad, se observa 150
tornillos y se rechaza el lote si el nmero de
tornillos defectuosos es mayor que 1.
Cul eslaprobabilidaddequeel lote sea
rechazada?

Distribuciones
Continuas

DISTRIBUCIN
UNIFORME
Es la ms sencilla de las distribuciones
continuas, surge al considerar una
variable aleatoria que toma valores con
la misma probabilidad en un intervalo
finito.
Su nombre se debe al hecho de que la
densidad de probabilidad de esta
variable aleatoria es uniforme sobre
todo su intervalo de definicin.

Funcin de Densidad
f ( x)

1
a xb
ba
o en otros casos

x U (a , b)

Funcin de Distribucin
F ( x) P( X x)

b
a

f ( x )dx

0
si x a
xa
si a x b
ba
si x b
1

Media y Varianza
ab
E[X ]
2

V[X]

b a
12

DISTRIBUCIN
EXPONENCIAL
Esta distribucin se utiliza como modelo
para la distribucin de tiempos entre la
presentacin de eventos sucesivos.
Existe un tipo de variable aleatoria que
obedece a una distribucin exponencial
la cul se define como el tiempo que
ocurre desde un instante dado hasta
que ocurre el primer suceso.

Funcin de Densidad

e x
f ( x)
0

x0
en otros casos

0
x0
Funcin de Distribucin

F ( x) P( X x)

1 e

x0

Media y varianza

1
E[X]

1
V[X] 2

Distribucin Normal
Es muy conocida, dado que se presta
muy bien para el estudio de gran
cantidad de fenmenos.

Est caracterizada por dos parmetros:

la media, y la desviacin tpica, .

Funcin de densidad

1
f ( x)
e
2

( x ) 2
2 2

x N (, )

( 0)

Funcin de distribucin
Puede tomar cualquier valor (-, +)
Hay ms probabilidad para los valores
cercanos a la media
Conforme nos separamos de , la
probabilidad va decreciendo de igual forma
a derecha e izquierda (es simtrica).
Conforme nos separamos de , la
probabilidad va decreciendo dependiendo
la desviacin estndar

Funcin de distribucin
2
F ( x)

1
e
2

( x )
2 2

dx

Caractersticas
Tiene forma de campana, es asinttica al eje de las abscisas
(para x = )
Simtrica con respecto a la media () donde coinciden la
mediana (Me) y la moda (Mo )
Los puntos de inflexin tienen como abscisas los valores

La curva normal es asinttica al eje de X

Si tomamos intervalos centrados en , y cuyos extremos
estn
a distancia , tenemos probabilidad 68%
a distancia 1,96 , tenemos probabilidad 95%
a distancia 2,58 tenemos probabilidad 99%

Probabilidades bajo la
curva

Variacin de la media

Variacin de la
desviacin estndar

Distribucin normal
estndar
No depende de ningn parmetro.
Su media es 0, su varianza es 1 y su
desviacin estndar es 1.
La curva f(x) es simtrica respecto
del eje de Y
Tiene un mximo en el eje de Y.
Tiene dos puntos de inflexin en1 y-1

Estandarizacin

N(, )

N(0,1)

Estandarizacin

x
z

x : Variable aleatoria
: Media aritmtica de la poblacin.
: Desviacin estndar de la poblacin

*Margen izquierdo : Los enteros de z y

su primer decimal.
* Margen superior: segundo decimal
* Cuerpo de la tabla: reas correspondientes,
acumuladas, desde 0
hasta 3.99

La tabla consta de:

00

11

22

33

44

55

66

77

88

99

0.0
0.0
0.1
0.1
0.2
0.2
0.3
0.3
0.4
0.4

.0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359

0.5
0.5

.1915 ....

.0398 .0438 .0478 .0517 .0557 .0596 .0363 .0675 .0675 .0754
.0793 .0832 .0871 .0910 .0948 .0987 .1026 ....
.1179 .....

...... ......

.1554 ....

.....

......

......

......

....

39

Ejemplo
Los autobuses de cierta lnea van a un horario
estricto con intervalo de 8 minutos. Un pasajero
llega de imprevisto a un determinado paradero.
Hallar:

a) La funcin de densidad del tiempo de espera del

pasajero
b) La funcin de distribucin del tiempo de espera
del pasajero
c) La probabilidad de que espere el autobs menos
de 5 min.
d) La probabilidad de espere ms de 2 minutos.

Ejemplo
Suponga que el tiempo de respuesta en cierta terminal
de computadora en lnea (el tiempo transcurrido entre
el fin de la consulta del usuario y el principio de la
respuesta del sistema a esa consulta) tiene una
distribucin exponencial con tiempo esperado de
respuesta igual a 5 s.
a) Cul es la probabilidad de que el tiempo de
respuesta sea a lo sumo 10 s?
b) Cul es la probabilidad de que el tiempo de
respuesta est entre 5 y 10s?
c) Halle la funcin de densidad del tiempo de respuesta

Ejemplo
Se quiere dar una beca a uno de dos
estudiantes de sistemas educativos
diferentes y se asignar al que
tenga mejor expediente acadmico:
El estudiante A tiene una calificacin de 8 en

un sistema donde la calificacin de los

alumnos se comporta como N(6,1).
El estudiante B tiene una calificacin de 80 en
un sistema donde la calificacin de los
alumnos se comporta como N(70,10).

Ejemplo
Una fbrica produce un tipo de neumticos que
tiene una vida til media de 80000 km y una
desviacin estndar de 8000 km. Suponiendo
que esta vida til esta distribuida normalmente:
a) Cul es la probabilidad que un neumtico
dure ms de 96000 km?
b)El 50% de los neumticos duran entre x 1 y x2
km. Halle los valores de x1 y x2 si son
simtricos respecto a la media.