Varias distribuciones

discretas útiles
LA DISTRIBUCIÓN DE BERNOULLI
 DANIEL BERNOULLI
(1700-1782):
 Suizo.

 Matemático, estadístico, físico

y médico.

• En 1738 publicó “Hidrodinámica” en el que expone el

“principio de Bernoulli”.
• Hizo importantes contribuciones a la teoría de probabilidades.
 DEFINICIÓN:
 Es una variable aleatoria discreta que mide el número de
éxitos.
 Se realiza con un único experimento.

 Es dicotómica porque tiene 2 posibles resultados (éxito o

fracaso).

Un típico experimento de Bernoulli es el lanzamiento de

una moneda con probabilidad p para cara y (1-p) para
sello.
SE REPRESENTA COMO:

 Éxito “p” y fracaso “q” = (1 – p)

 Su fórmula es:
f(x) = px(1 − p)1 − x con x = {0,1}

 Su función de distribución:
 EJEMPLO: "LANZAR UNA MONEDA, PROBABILIDAD
DE CONSEGUIR QUE SALGA SELLO".

Se trata de un solo experimento, con dos resultados posibles: el

éxito (p) se considerará sacar sello. Valdrá 0,5. El fracaso (q)
que saliera cara, que vale (1 - p) = 1 - 0,5 = 0,5.
La variable aleatoria X medirá "número de sellos que salen en
un lanzamiento", y sólo existirán dos resultados posibles: 0
(ningún sello, es decir, salir cara) y 1 (un sello).
P(X = x)=f(x) = px(1 − p)1 − x con x = {0,1}
P(X = 0) = f(0) = 0,500,51 = 0,5
P(X = 1) = f(1) = 0,510,50 = 0,5
 Ejercicio: Calcular la esperanza y la varianza
de la distribución de Bernoulli.
1
E[ X ]     x P( X  x) 
x 0

0  P( X  0)  1  P( X  1)  p

1
Var ( X )  E[ X ]  ( E[ X ])   x P( X  x)  p
2 2 2 2

x 0

 0  P( X  0)  1  P( X  1)  p 
2 2 2

p  p  p (1  p )  pq
2
8
EJEMPLO
Se lanza un dado, a) Calcular la probabilidad de obtener el número 3;
b) Calcular la probabilidad de no obtener el número 3;
c) Calcular la E(x) y Var(x)
 SOLUCIÓN
El ensayo es “lanzar un dado una sola vez”
El espacio muestral es:   1,2,3,4,5,6

La variable aleatoria es : X=0,1

1
La probabilidad de éxito (obtener el 3) es p=
6
5
La probabilidad de fracaso (no obtener el 3) es q=1-p=
6
a) 1 11 Nota:
1 1
PX  1  ( ) (1 ) 
1
6 x=1 significa: obtener el número 3 una vez.
6 6
P(x=1) significa: probabilidad de obtener el número 3.
x=0 significa: no obtener el número 3.
1 0

P(x=0) significa: probabilidad de no

0
1 1
P X  0  ( ) (1 ) 
5

obtener el 3
6
6 6
b)
1
c) E(x)=p=
6
1 5 5
Var(x)=pq= ∗ =
6 6 36
¿QUÉ GENERA EL ENSAYO BERNOULLI?
El ensayo de Bernoulli va a generar a las distribuciones:
BINOMIAL
GEOMÉTRICA
HIPERGEOMÉTRICA Y LA DE
POISSON.
LA VARIABLE ALEATORIA BINOMIAL

 Elexperimento de lanzar monedas

es un ejemplo simple de una
variable aleatoria binomial. Lance
una moneda justa n = 3 veces y
registre x = número de caras.

x p(x)
0 1/8
1 3/8
2 3/8
3 1/8
 LA VARIABLE ALEATORIA BINOMIAL
 Muchas situaciones en la vida real se
parecen al lanzamiento de la moneda, pero
la moneda no es necesariamente justa, por
lo que P(C)  1/2.
• Ejemplo: un genetista toma muestras
de 10 personas y cuenta el número de
personas que tienen un gen relacionado
con la enfermedad de Alzheimer.
• Moneda: Persona • Número de n = 10

• Cara: Tiene gen • lanzamientos

• P (C): P(tiene gen) =
• Sello: No tiene gen Proporción en la
población que tiene el
gen.
EL EXPERIMENTO BINOMIAL
1. El experimento consiste en n pruebas
idénticas.
2. Cada ensayo resulta en uno de dos
resultados, éxito (E) o fracaso (F).
3. La probabilidad de éxito en un solo ensayo es
p y permanece constante de un ensayo a
otro. La probabilidad de fallo es q = 1 - p.
4. Los juicios son independientes.
5. Estamos interesados en x, el número de
éxitos en n ensayos.
¿BINOMIAL O NO?
 Muy pocas aplicaciones de la vida
real satisfacen exactamente estos
requisitos.

• Seleccione dos personas de la población de

EE. UU. Y suponga que el 15% de la
población tiene el gen del Alzheimer.
• Para la primera persona, p = P (gen) = .15
• Para la segunda persona, p ≈P (gen) = .15,
aunque una persona haya sido eliminada de
la población.
 LA DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL
 Paraun experimento binomial con n
ensayos y probabilidad p de éxito en un
ensayo dado, la probabilidad de k éxitos en
n ensayos es

nk n! k nk
P( x  k )  C p q 
n k
p q para k  0,1,2,...n.
k!(n  k )!
k

n!
recordar Ck  n

k!(n  k )!
con n! n(n  1)(n  2)...(2)1 y 0! 1.
LA MEDIA Y LA DESVIACIÓN ESTÁNDAR

 Paraun experimento binomial con n

ensayos y probabilidad p de éxito en un
ensayo dado, las medidas de centro y
propagación son:

Media :   np
Varianza :   npq
2

Desviación estándar :   npq

EJEMPLO
Supóngase que se toman 10 semillas de Panicum maximum Jacq. y
se registra el evento “germinó” o “no germinó” después de 5 días
desde su implantación. En este experimento las semillas están
suficientemente aisladas como para asegurar respuestas
independientes. Si la probabilidad de germinación es (para todas las
semillas) igual a 0.25 calculemos:
a) Probabilidad que germinen 7 de las 10 semillas,
b) Probabilidad que germinen al menos 3 de las 10 semillas,
c) Probabilidad que germinen a lo sumo 5 semillas.
d) La esperanza de esta variable aleatoria. e) La varianza.
 SOLUCIÓN
Si X~ Bin(7; 10, 0.25), luego:
10 10!
a) P(X = 7) = 7
0,257 (1 − 0.25)(10−7) = 0,257 0,753 =
7! 10−7 !
0,0185
= 0,0031
6

b) P(X ≥ 3) = P(X = 3) + P(X = 4) + ... + P(X = 10) =

= 1 - (P(X = 0) + P(X = 1) + P(X = 2)) =
= 1 - (0.0563 + 0.1877 + 0.2816) = 0.4744

c) P(X ≤ 5) = P(X = 0) + P(X = 1) + ... + P(X = 5) =

= 0.0563 + 0.1877 + 0.2816 + 0.2503 + 0.1460 + 0.0584 = 0.9803
d) E(X) = 10 (0.25) = 2.5
e) V(X) = 10 (0.25) (1 - 0.25) = 1.875
 EJEMPLO
Un tirador golpea un objetivo el 80% de la
hora. Él dispara cinco tiros al objetivo. ¿Cuál es la
probabilidad de que exactamente 3 tiros alcancen
el objetivo?

n = 5 sucesos = golpear p= .8 x = # de
golpes
5!
P( x  3)  C p q
n
3
3 n3
 (.8)3 (.2)53
3!2!

 10(.8)3 (.2)2  .2048

 EJEMPLO
¿Cuál es la probabilidad de que más de 3
disparos alcancen el objetivo?

P( x  3)  C45 p 4q54  C55 p5q55

5! 5!
 (.8) (.2) 
4 1
(.8)5 (.2) 0
4!1! 5!0!

 5(.8)4 (.2)  (.8)5  .7373

TABLAS DE PROBABILIDAD
ACUMULADA
Puede usar las tablas de probabilidad
acumulativa para encontrar probabilidades
para distribuciones binomiales seleccionadas.

Encuentra la tabla para el valor correcto de n.

Encuentra la columna para el valor correcto de p.
La fila marcada con "k" da la probabilidad
acumulada,P(x  k) = P(x = 0) +…+ P(x = k)
 EJEMPLO
k p = .80
0 .000 ¿Cuál es la probabilidad de que
1 .007 exactamente 3 tiros alcancen el objetivo?
2 .058
3 .263
4 .672 P(x = 3) = P(x  3) – P(x  2)
5 1.000 = .263 - .058
= .205 Compruebe de la
fórmula:P(x = 3) =
.2048
 EJEMPLO
k p = .80
0 .000
¿Cuál es la probabilidad de que más
1 .007
de 3 disparos alcancen el objetivo?
2 .058
3 .263
4 .672 P(x > 3) = 1 - P(x  3)
5 1.000 = 1 - .263 = .737

Check de formula:
P(x > 3) = .7373
 EJEMPLO
 Aquí está la distribución de
probabilidad para x = número
de aciertos. ¿Cuáles son la
media y la desviación estándar
para x?
Media :   np  5 (.8 )  4

Desviación estándar :   npq

 5 (.8 )(.2 )  .89


 EJEMPLO
 ¿Sería inusual encontrar que ninguno
de los disparos golpea el objetivo?

  4;   .89

• El valor x = 0 mentiras
x 04
z   4.49
 .89
• más de 4 desviaciones
estándar por debajo de
la media. Muy inusual.

Ejercicio:
¿Cuál es la probabilidad de que en una familia de 4 hijos
exactamente 2 sean niñas?

n x
p(x)    p ( 1  p)n  x
 x
p  0.5; n  4; x  2
 4
p( 2 )    ( 0.5 ) ( 1-0.5 )  0.375
2 4- 2

 2

27
Ejercicio:
Si una décima parte de las personas tienen cierto grupo
sanguíneo, ¿cuál es la probabilidad de que entre 100
personas escogidas al azar exactamente 8 de ellas
pertenezcan a este grupo sanguíneo?

n x n x
 
p(x)    p ( 1  p)
 x
p  0.1; n  100; x 8
100 
p( 8 )    ( 0.1 )8( 1-0.1 )92  0.115
 8 
28
¿Y si la pregunta es 8 como máximo?

8
 n x
p(x  8 )     p ( 1  p)n  x
x 0  x 

8
100 
   (0.1) x ( 0.9 )100 x  0.3209
x 0  x 

29
Calcula la probabilidad de obtener al menos dos seis al lanzar
un dado cuatro veces.

 n  k nk
P(k )    p q (k  0,1,....n)
k 
p = 1/6, q = 5/6, n = 4

Al menos dos seis, implica que nos valen k = 2, 3, 4.

P(2) + P(3) + P (4)

 4  1   5   4  1   5   4  1 
2 2 3 4

               

 2  6   6   3  6   6   4  6 
1 171
 4 (6  25  4  5  1)   0.132
6 1296
30
Ejemplo
La probabilidad de éxito de una determinada vacuna es 0,72. Calcula la
probabilidad de que una vez administrada a 15 pacientes:
a) Ninguno sufra la enfermedad
b) Todos sufran la enfermedad
c) Dos de ellos contraigan la enfermedad

Solución :
Se trata de una distribución binomial de parámetros B(15, 0'72)
EJEMPLO

Supongamos que lanzamos al

aire una moneda trucada. Con
esta moneda la probabilidad de
obtener cara es de 0.30.
Lanzamos la moneda 10 veces de
manera consecutiva. Calcular la
probabilidad de que observemos
6 caras o menos.
 USO DE
Supongamos que lanzamos TABLA
al aire BINOMIAL
una moneda trucada. Con esta moneda la
probabilidad de obtener cara es del 30%. La probabilidad que salga sello será,
pues del 70%. Lanzamos la moneda 10 veces de manera consecutiva. Si
queremos calcular la probabilidad de que observemos 6 caras o menos nos
fijamos en la tabal: Localizamos n=10, x=6, p=0.3 y buscamos la intersección:
0.9894
 LA VARIABLE ALEATORIA DE POISSON
 La variable aleatoria x de Poisson es un modelo
para datos que representan el número de
ocurrencias de un evento específico en una
unidad de tiempo o espacio dado.

• Ejemplos:
• El número de llamadas recibidas por una centralita
durante un período de tiempo determinado.
• El número de averías de la máquina en un día.
• El número de accidentes de tráfico en una
intersección dada durante un período de tiempo
determinado.
 DISTRIBUCIÓN DE POISSON

35
Muchos estudios se basan en el conteo de las
veces que se presenta un evento dentro de un
área de oportunidad dada.

El área de oportunidad es una variables continua

en donde se puede presentar más de un evento.
Número de clientes que son atendidos en el banco en
una hora
Clientes: Variable discreta
Hora: Rango de tiempo
Variable continua.

Sí aplica Poisson

36
Número de personas que viven en Trujillo por
kilómetro cuadrado

Personas: Variable discreta

Kilometro: Superficie
Variable continua.

Sí aplica Poisson

37
LA DISTRIBUCIÓN DE PROBABILIDAD DE POISSON
x es el número de eventos que ocurren en un
período de tiempo o espacio durante el cual
se puede esperar que ocurra un promedio de
tales eventos. La probabilidad de k
ocurrencias de este evento es

 k e
P( x  k ) 
k!
Para valores de k = 0, 1, 2, ... La media y la
desviación estándar de la variable aleatoria de
Poisson son
Media: ʎ
desviación estándar :   
 EJEMPLO
El número promedio de accidentes de tráfico en una
determinada sección de la carretera es de dos por
semana. Encuentre la probabilidad de exactamente
un accidente durante un período de una semana.
k  2
 e
1
2e 2
P( x  1)    2e  .2707
k! 1!
TABLAS DE PROBABILIDAD
ACUMULADA
Puede usar las tablas de probabilidad
acumulada para encontrar probabilidades para
las distribuciones de Poisson seleccionadas.

Encuentra la columna para el valor

correcto de .
La fila marcada con "k" da la probabilidad
acumulada,P(x  k) = P(x = 0) +…+ P(x = k)
 EJEMPLO
k =2 ¿Cuál es la probabilidad de que
0 .135 exista exactamente 1 accidente?
1 .406
2 .677
3 .857 P(x = 1) = P(x  1) – P(x
4 .947  0)
5 .983 = .406 - .135
6 .995 = .271
7 .999
8 1.000 Check con formula:
P(x = 1) = .2707
 EJEMPLO
Si el número promedio de picaduras de gorgojo por semilla es
0.2 (es decir, por ejemplo que, en promedio, cada 100 semillas
se cuentan 20 picaduras), ¿cuántas de
100 semillas no tendrán picaduras?, ¿cuántas 1 picadura? y
¿cuántas 2 o más?
 SOLUCIÓN
Para responder a este problema se calcula la probabilidad de que una semilla
tomada al azar tenga una picadura o ninguna picadura, suponiendo
distribución Poisson para esta variable. Luego:

 k e 0.2 0 e 0.2  0.2

P ( x  0) 
k!
  0.2e  0.819
0!
0.21 e 0.2
P ( x  1)   0.164
1!
y P(X >  1  [P(X  0)  P(X  1)]  1  0.982  0.018

En consecuencia, si la probabilidad de que una semilla tomada al azar no tenga picaduras

es 0.819, deberíamos esperar que, en un grupo de 100, aproximadamente 82 no estén
picadas, y si la probabilidad de que tengan solo una picadura es de 0.164, entonces solo 16
semillas cumplirán esta condición y finalmente, aproximadamente 2 de cada 100 semillas
tendrán 2 o más picaduras.
EN ESTUDIOS ANTERIORES, EN UNA AGENCIA BANCARIA,
EN PROMEDIO LLEGAN 3 CLIENTES A UNA VENTANILLA
PARA SER ATENDIDO DURANTE LA HORA DEL ALMUERZO. SI
EN LA ACTUALIDAD QUEREMOS HACER MODIFICACIONES EN
LA VENTANILLAS, UNA DE LAS PREGUNTAS QUE SE PUEDEN
HACER LOS DEL DEPTO. DE MERCADEO ES:

¿CUÁL ES LA PROBABILIDAD DE QUE LLEGUEN DOS

CLIENTES EN UN MINUTO DADO?.

44
 EN EL ENUNCIADO EL PROMEDIO ES DE 3 CLIENTES
POR MINUTO; Λ=3; AL PREGUNTAR POR LA
PROBABILIDAD DE QUE 2 CLIENTES LLEGUEN EN UN
MINUTO DADO SE QUIERE CALCULAR X=2

e   x e 3 32
P( X  x)   P( X  2) 
x! 2!
(0.049787)(9)
P( X  2)   0.224
2 x1
El porcentaje que lleguen 2 clientes por minuto es 22.4%

45
DESIGUALDADES EN LA DISTRIBUCIÓN POISSON

La probabilidad de que un evento sea menor o igual

que 2, se denota así:

P( X  2)  P( X  2)  P( X  1)  P( X  0)
Cuando la población es infinita, la probabilidad en
mayor se convierten en tipo menor, de la siguiente
manera:

P( X  2)  1  P( X  2)
46
 SI Λ=3 Y N=5, CALCULAR P(X > 2)

P( X  2)  P( X  3)  P( X  4)  P( X  5)
e 3 33 e 3 34 e 3 35
P( X  2)   
3! 4! 5!
(0.049787)(27) (0.049787)(81) (0.049787)(243)
P( X  2)   
3 x 2 x1 4 x3 x 2 x1 5 x 4 x3 x 2 x1
P( X  2)  0.22404  0.16803  0.10082
P( X  2)  0.49289

El porcentaje de que x > 2 es de 49.29%

47
Ejemplo: La probabilidad de que un niño nazca pelirrojo es
de 0,012. ¿Cuál es la probabilidad de que entre 800 recién
nacidos haya 5 pelirrojos?

Luego,
P (x = 5) =0.04602
Por lo tanto, el porcentaje de que haya 5 pelirrojos
entre 800 recién nacidos es del 4,6%..
EJEMPLO

Un conmutador recibe en promedio 5 llamadas sobre autos

extraviados por hora. ¿Cuál es la probabilidad de que en
una hora tomada al azar reciba?
a) Ninguna llamada.
b) Exactamente 3 llamadas.
c) No más de 3 llamadas.
Ejemplo:
Supongamos que estamos investigando la
seguridad de una peligrosa intersección de calles,
los registros policíacos indican un media de 5
accidentes mensuales en esta intersección. El
número de accidentes esta distribuido de acuerdo
con una distribución de Poisson y el departamento
de seguridad vial desea que calculemos la
probabilidad de que en cualquier mes ocurra
exactamente 3 accidentes.

X = 3 acc/mes 53 2.71835
P( x 3)   0.14042  14.04%
 = 5 acc/mes 3!
Uso de Tablas

Solucionando el problema anterior usando la

tabla de distribución de probabilidades de
Poisson:

x 4.1 ......... 4.5 .......... 4.9 5

0 0.0067
La probabilidad de
1 0.0337 tener exactamente 3
2 0.0842
3 0.1404
accidentes en un
4 0.1755 mes cualquiera es
5 0.1755 0.1404
La aproximación de Poisson a la
distribución Binomial

Consideremos una distribución binomial con p=0.02 y n = 100.

Supongamos que nos interesa calcular la probabilidad de que X = 3
utilizando la formula binomial, podemos encontrar la probabilidad exacta
de la forma siguiente:

100!
P(X = 3) = (0,02) 3 (0,98) 97
3! 97!

 0,1823
   np = 100 (0,02) = 2  

(2)3  (2,71828) 2 8
  2
 0,1805
3! 6 (2,71828)

La respuesta es muy ¨próxima¨ a la encontrada con la

distribución binomial. La aproximación se considera
válida cuando

p  0.05 y n  20
Los cálculos son muy tediosos. Cuando p es pequeño y n es lo
suficientemente grande, la formula binomial puede aproximarse
mediante una distribución de Poisson con  = np

Luego, utilizando una distribución de Poisson

encontramos que la probabilidad de que X=3 es:

x e  
P(X = 3) =
x!
 Aplicación
La probabilidad de llamar a un “número equivocado” a pesar de haber
marcado correctamente es 0,03. Si se toma una muestra de 100 llamadas,
¿cuál es la probabilidad de tener 2 “número equivocado”?

Solución:
p = 0.03
n = 100

  np  100 * 0.03  3 32  (2.71828) 3

P(X = 2) =
 3 2!

= 0.2240
Si te rindes cuando las cosas se empiezan a poner difíciles,
nunca conseguirás nada que valga la pena.