DISTRIBUCION EN LA PROBABILIDAD:

VARIABLE ALEATORIA DISCRETA:

MULTINOMIAL
En general, si un ensayo dado puede tener como consecuencia cualquiera de
E1 , E 2 , ... , E k
p1 , p2 ,... , pk
los k resultados posibles
con probabilidades
,
la distribucin multinomial dar la probabilidad de que
E2

x2

ocurra

veces... y

Ek

ocurra

xk

E1

x1

ocurra

veces,

veces en n ensayos

independientes, donde
x 1+ x 2 + + x k =n .
Denotaremos esta distribucin de probabilidad conjunta como
f (x1 , x2 , ..., x k ; p 1 , p2 ,... , p k ,n) .
Salta a la vista que
ser uno de los

p1+ p 2+ + p k =1

, pues el resultado de cada ensayo debe

resultados posibles. Para derivar la frmula general

procedemos como en el caso binomial. Puesto que los ensayos son

x1
independientes, cualquier orden especificado que produzca
resultados
para

E1

x2

para

E2

,,

xk

para

Ek

ocurrir con probabilidad. El

nmero total de ordenamientos que producen resultados similares para los

ensayos es igual al nmero de particiones de n
x1

en el primer grupo,

x2

artculos en

en el segundo grupo,..., y

xk

grupos con

en el k simo

grupo. Esto se puede hacer en

n
n!
=
x 1 , x 2 , , x k x1 ! x 2 ! x k !
formas. Como todas las particiones son mutuamente excluyentes y tienen la
misma probabilidad de ocurrir, obtenemos la distribucin multinomial
multiplicando la probabilidad para un orden especfico por el nmero total de
particiones.

Si un ensayo dado puede producir los

probabilidades

P 1 , P2 , , P k

variables aleatorias
para

E1 , E 2 , ... , E k

resultados

E1 , E 2 , ... , E k

con

, entonces la distribucin de probabilidad de las

x 1 , x 2 , ... , x k

, que representa el nmero de ocurrencias

en n ensayos independientes, es
x

( 1 , x 2 ,... , x k ; P1 , P 2 , , Pk ,n )=(

n
) P , P , , Pk
x1 , x 2 , ... , x k 1 2

X1: indica que el suceso X1 aparezca x1 veces (en el ejemplo, que el

partido POPO lo hayan votado 3 personas)
n: indica el nmero de veces que se ha repetido el suceso (en el ejemplo, 5
veces)
n!: es factorial de n (en el ejemplo: 5 * 4 * 3 * 2 * 1)
p1: es la probabilidad del suceso

X1

Con
k

x i=n
i=1

pi=1.
i=1

La distribucin multinomial deriva su nombre del hecho de que los trminos de

P + P + + Pk
la expansin multinomial de ( 1 2
)n corresponden a todos los

posibles valores de

x
( 1 , x 2 ,... , x k ; P1 , P 2 , , Pk ,n ) .
f

EJEMPLO #1
A las elecciones se presentaron 4 partidos polticos: el POPO obtuvo un 40% de
los votos, el JEJE el 30%, el MUMU el 20% y el LALA el 10% restante. Cul es

la probabilidad de que al elegir 5 ciudadanos al azar, 3 hayan votado al POPO,

1 al MUMU y 1 al LALA?
x
( 1 , x 2 ,... , x k ; P1 , P 2 , , Pk ,n )=

n!
P , P , , Pk
x1 ! x2 ! xk ! 1 2

EJEMPLO #2
En una fiesta, el 20% de los asistentes son espaoles, el 30% franceses, el
40% italiano y el 10% portugueses. En un pequeo grupo se han reunido 4
invitados: cul es la probabilidad de que 2 sean espaoles y 2 italianos?

DISTRIBUCION CONTINUA:
EXPONENCIAL
La variable aleatoria continua X tiene una distribucin gamma, con parmetros
y , si su funcin de densidad est dada por

En la figura 6.28 se muestran grficas de varias distribuciones gamma para

ciertos valores especficos de los parmetros y . La distribucin gamma
especial para la que =1 se llama distribucin exponencial.
La variable aleatoria
continua X tiene una
distribucin exponencial,
con parmetro , si su
funcin de densidad es
dada por

La variable aleatoria continua

tiene una distribucin exponencial, con

parmetro , si su funcin de densidad es dada por

Donde

> 0 .

El siguiente teorema y corolario proporcionan la media y la varianza de la

distribucin gamma y la exponencial.
La media y la varianza de la distribucin gamma son
2

= y = .
La media y la varianza de la distribucin exponencial son
2

= y = .

EJEMPLO #1

La vida media de un televisor s es de 7 aos. Si esta vida puede considerarse

como una variable aleatoria distribuida en forma exponencial, A) Cul es la
probabilidad de que un televisor de este tipo falle despus del 7 aos de uso?
B) Si se toma una muestra aleatoria de estos 10 televisores S, Cul es la
probabilidad de que un televisor de esta muestra dure ms de 12 aos?

EJEMPLO #2

Se sabe que el tiempo de espera de una persona que llama a un

centro de atencin al publico para ser atendido por un asesor es una
variable aleatoria exponencial con =5 minutos . Encuentre la
probabilidad de que una persona que llame al azar en un momento
dado tenga que esperar:
A) A lo mucho 5 minutos
B) Al menos 10 minutos
C) Entre 3 y 10 minutos