DISTRIBUCIONES DISCRETAS DE PROBABILIDAD

ESPECIALES
En algunos casos, no es necesario desarrollar un rbol de probabilidades para construir
una distribucin de probabilidades, en lugar de eso se utiliza una frmula, la cual
permite calcular la probabilidad que le corresponde a cada valor de la variable
aleatoria, es decir para cada x encuentra la p(x) correspondiente
.
Existen tres distribuciones discretas muy usadas, la distribucin binomial, la
distribucin de Poisson, y la distribucin Hipergeomtrica.
Para poder usarlas correctamente hay que aprender a reconocer las condiciones en que
deben ser usadas.
DISTRIBUCION BERNOULLI
Modelo que sigue un experimento que se realiza una sola vez y que puede tener
solamente dos resultados que son complementarios. Uno de ellos es XITO y el
otro fracaso.
P(EXITO)=p
P(FRACASO)=1-p
Ejemplos:
a) Lanzamiento de una moneda al aire
b) Postular a una Universidad.
DISTRIBUCIN BINOMIAL
a) Se aplica cuando se realiza un nmero n de veces un experimento BERNOULLI,
siendo cada ensayo independiente de los otros.
b) El resultado de cada ensayo dentro del experimento se clasifica en dos categoras
mutuamente excluyentes: xito o fracaso.
c) La probabilidad de xito (p), permanece igual para todos los ensayos, lo mismo
ocurre con la probabilidad de fracaso (1-p)
d) Si se cumple todo esto, la variable aleatoria se dice que es binomial, y se define
as: X: Nmero de xitos en n ensayos
Ejemplos:
1) Lanzar una moneda 5 veces
n=5
xito: obtener cara en un lanzamiento.
p=0.5
2) Visitar 10 clientes para venderles un seguro.
n=10
xito: vender un seguro a un cliente
p: depende del problema
3) Observar a los siguientes 6 clientes que entran a una tienda.
n= 6
xito: el cliente compra

p: depende del problema.

4) Inspeccionar 20 productos en una lnea de produccin.
n =20
xito: El producto es no defectuoso
p: depende del problema.
La distribucin binomial se usa cuando nos interesa la probabilidad
de que un evento ocurra x veces de n
Ejemplo: La probabilidad de que 3 de 8 clientes visitados hagan un pedido.
FRMULAS:
La expresin matemtica de este tipo de distribucin es la siguiente:
P( X

k ) Ckn p k q n

E( X )

np

V (X )

npq np (1 p)

para k

0,1, 2,..., n xitos

Dnde:
C= Denota una combinacin
N=es el nmero de ensayos
X=es el nmero p de xitos
P=es la probabilidad de xito en cada ensayo.
La distribucin binomial permite encontrar mediante una frmula las probabilidades
asociadas a los valores de la variable aleatoria en :

Sea la v.a. X : Nmero de caras que se obtiene al lanzar tres monedas

n 3
p

0.5

P( X
P( X
P( X
P( X

0)
1)
2)
3)

C 03 0.5 0 0.5 3
3
1

C 0.5 0.5

0.125 1 / 8
0.375

3/8

3
2

0.375 3 / 8

3
3

0.125 1 / 8

C 0.5 0.5
C 0.5 0.5

Se ha comprobado que la frmula obtiene los mismos resultados.

Notas:

0! 1
C0n

Ejemplo:
En una fbrica hay 12 mquinas. Cada una de ellas est averiada un da de cada 10.
Cul es la probabilidad de que un determinado da haya:

a)
Exactamente 1 mquina averiada
b)
Ms de una mquina averiada.
Sea X : Nmero de mquinasaveriadas en 10 mquinas

NOTA: Corregir en X: Nmero de mquinas averiadas en 12 mquinas.

1) Un dado se lanza 180 veces. Determinar la media y desviacin estndar de la

obtencin del nmero uno en ese experimento.
Sea X : Cantidad de " unos" en 180 lanzamientos de un dado
Los dos resultados posibles para cada ensayo (Cada lanzamiento), son
" uno" y " los otros" con probabilidades 1 / 6 y 5 / 6 respectivamente.
E ( X ) n p 180 x 1 / 6 30 " unos"
V (X )
S(X )

npq 180 x 1 / 6 x 5 / 6 25 " unos"2

25

5 " unos"

DISTRIBUCIN POISSON:
Se usa para estimar la cantidad de ocurrencias de un evento en determinado intervalo de
tiempo o espacio.
Por ejemplo la cantidad de reparaciones que necesitan 100 km de carretera, o la
cantidad de autos que llegarn a una garita de peaje en un da.
X: Nmero de ocurrencias de un evento por intervalo de .
El intervalo puede ser de tiempo, rea, longitud, etc.
Ejemplos:
X: Nmero de ACCIDENTES por semana.
Y: Nmero de FALLAS por m2 en la fabricacin de vidrio

FRMULA:

e
k 0,1, 2, 3, ....
k!
donde representa el nmero promedio de ocurrencias por unidad
de medida.
E ( x)
V(x)
P( x

k)

Ejemplo: Los automviles llegan a una salida de una carretera a razn de dos por
minuto, si la distribucin de llegadas se aproxima a una distribucin de
Poisson.
a) Cul es la probabilidad de que en un minuto especfico, no lleguen
autos?
Sea X : Nmero de autos que llegan a la salida de la carretera en un min uto.
X puede tomar los valores : 0, 1, 2,.........
P( X

0)

e 2 20
0!

0.1353

b) Cul es la probabilidad de que al menos un auto llegue durante 15

minutos?.
Sea Y : Nmero de autos que llegan a la salida de la carretera en 15 min utos.
Y puede tomar los valores : 0,1, 2,.........
El valor se mod ifica, si es 2 para un min uto ser 30 para 15 min utos
P(Y

1) 1 P(Y

0) 1

30

30 0
0!

c) Cul es la probabilidad de que a lo ms llegue un auto en 45 seg.?

Sea Z : Nmero de autos que llegan a la salida de la carretera en 45 segundos.
Z puede tomar los valores : 0,1, 2,.........
El valor

se mod ifica, si es 2 para un min uto (60seg ) ser 1.5 para 45 segundos

P( Z

P( Z

1)

0) P ( Z

1)

1.5

1.5 0
0!

1.5

1.5
1!

1.5

1.5e

1.5

2.5e

c) Cul es el nmero de autos que se espera en el lapso de un da?.

1.5

0.5578

Sea W : Nmero de autos que llegan a la salida de la carretera en 1 da.

W puede tomar los valores : 0,1, 2,.........
El valor se mod ifica, si es 2 para un min uto (60seg ) ser 2880 para 1 da
E (W )
2880 autos en un da.

Ejemplo: De un cargamento de arroz se toman muestras de 1kg para estudiar la V.A.

X definida como la cantidad de piedrecitas que contiene cada kg. Suponga ue la
muestra consta de 50 kg. Y se encontr lo siguiente:

X 0 1 2 3 4 o ms
f i 45 3 1 1 0
N=50
Si el nmero de piedrecitas por intervalo de Kg. Tiene distribucin Poisson.
a) Halle la probabilidad de que en un kg. De arroz hayan menos de 3 piedrecitas.
b) Determine la probabilidad de que en 8.5 kg de arroz se encuentren 5 piedrecitas.

DISTRIBUCIN HIPERGEOMTRICA:
Muy similar a la distribucin binomial con la diferencia de que la probabilidad de
xito cambia de un ensayo a otro.
Suponga que tiene una poblacin finita con N elementos , de los cuales A son
identificados como xitos, y por lo tanto N-A como fracasos.
De esa muestra se extrae una muestra de n elementos, uno a uno y sin reemplazo.
La variable aleatoria:
X: Nmero de xitos obtenidos en los n ensayos.

P( X

k)

C kA C nN k A
;k
C nN

desde max(n N

E( X )

nA
N

V (X )

nA( N A)( N n)
N 2 ( N 1)

N
A

N-A
x

n-x

A) hasta min( A, n)

Entre los 180 empleados de una compaa, 144 son sindicalizados y el resto no lo son.
Se debe seleccionar al azar a cinco empleados para prestar sus servicios en un comit de
consultora para el fondo de pensin. Use la distribucin hipergeomtrica para obtener
la probabilidad de que tres de los cinco empleados seleccionados para el comit sean
sindicalizados.
N=180
A=144

N-A=36
x
0
1
2
3
4
5

n-x
5
4
3
2
1
0

n=5

Sea X : Nmero de trabajadores sin dicalizados en 5 trabajadores

X puede tomar los valores 0,1,2,3,4,5 donde 5 es el mnimo entre 5 y 144
P( X
E( X )
V (X )

3)

C 3144 C 236
C5180

0.2062

5 x144
4 trab. sin dicalizados
180
5 x144x36 x175
0.7821
180 2 x179

2) Segn una encuesta hecha a un grupo de 10 personas , seis de ellas prefieren la

gaseosa Inka Kola y 4 de ellas Coca Cola. Si se seleccionan 3 personas de este grupo.
Cul es la probabilidad de que hayan 2 que les guste Inka Kola?.