FUNCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD DISCRETAS

Distribución de Bernoulli
Consiste en realizar un experimento aleatorio una sola vez y observar si
cierto suceso ocurre o no, siendo p la probabilidad de que esto sea así
(éxito) y q = 1−p el que no lo sea (fracaso). En realidad no se trata más que
de una variable dicotómica, es decir que únicamente puede tomar dos
modalidades. Podríamos por tanto definir este experimento mediante una
v.a. discreta X que toma los valores X = 0 si el suceso no ocurre, y X = 1 en
caso contrario, y que se denota X ~ Ber (p)

No Evaluación de una variación somaclonal: Positiva. Evento: Que una vaca esté llena . Hembra Viabilidad: Vivo. Vacía Resultado de un examen: Gana (resultado ≥3. Evento: Que una semilla a la que se le realiza una prueba de viabilidad esté muerta. Pierde (resultado < 3.0) Tamaño de una semilla: Grande (diámetro ≥ 5mm).0). Negativa Estado de la vaca: Llena. Muerto Germinación: Sí. Pequeña (diámetro < 5mm) Los eventos se definen en términos del resultado que el investigador esté interesado en evaluar.FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Sexo: Macho.

se dice que se obtuvo “Éxito”. . El uso de estas dos etiquetas tiene que ver exclusivamente con la forma en que se haya definido el evento de interés y está por encima de cualquier concepción ética. se habla de un “Fracaso”.FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Si se satisface la condición definida en el evento. en caso contrario.

FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS p: Probabilidad de éxito en un experimento Bernoulli q: Probabilidad de fracaso en un experimento Bernoulli (q=1-p) La función de probabilidad de la variables aleatoria Bernoulli puede expresarse así: .

se utiliza la siguiente notación: X ~ Bernoulli (p) .FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Esta función puede expresarse mediante la siguiente expresión general: Para indicar que la variable aleatoria X sigue una distribución de Bernoulli con parámetro p.

FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS E ( X ) 1 p 0 (1 p) E ( X 2 ) 12 V (X ) p p 0 2 (1 p) p E ( X 2 ) [ E ( X )]2 p p2 p(1 p) pq .

La variable aleatoria binomial contabiliza el número de éxitos.FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS DISTRIBUCIÓN BINOMIAL Un experimento binomial está conformado por n experimentos Bernoulli realizados de manera independiente. El supuesto de independencia se requiere para garantizar que la probabilidad p se mantenga constante a lo largo de los diferentes experimentos Considérese un experimento consistente en extraer una bola al azar de una bolsa y anotar el resultado Éxito: Bola blanca Fracaso: Bola negra X: Número de bolas blancas al realizar n extracciones .

por tanto.66 q1= 3/9=0.33 Bola negra p1= 7/9=0. manteniendo.7 q0= 3/10=0.77 q1= 2/9=0.22 Sería necesario realizar un muestreo con reemplazo. las probabilidades constantes entre extracciones .3 Primera extracción (sin reemplazo): Bola blanca p1= 6/9=0. con lo cual se garantizaría la independencia.FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Antes de iniciar las extracciones: p0= 7/10=0.

FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Si las poblaciones son muy grandes. evitando que la respuesta de una unidad experimental esté ligada a la respuesta de otras unidades . Supóngase la mismo proporción inicial de colores del presente ejemplo.70007 q1= 2999/9999=0.30003 Bola negra p1= 7000/9999=0.2999 En la práctica.6999 q1= 3000/9999=0.7 q0= 3000/10000=0. se trata de garantizar la independencia. el hecho de que el muestreo se haya realizado con reemplazo o sin reemplazo se torna irrelevante.3 Primera extracción (sin reemplazo): Bola blanca p1= 6999/9999=0. pero con 7000 bolas blancas y 3000 negras Antes de iniciar las extracciones: p0= 7000/10000=0.

vvm. la probabilidad de fracaso será q=1-p.FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Ejemplo: se someten 3 insectos a la acción de un insecticida y se evalúan sus correspondientes estados (vivo. vmm. mvm. luego. mvv. muerto) después de 10 minutos. mmv. vmv. mmm} Se sabe por información de la casa productora del insecticida que la probabilidad de éxito es p. . Éxito: vivo Fracaso: muerto El espacio muestral de este experimento es: S={vvv.

FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS .

X: Número de insectos muertos El coeficiente de cada uno de los resultados puede presentarse en términos de las combinaciones de n en x. así: .FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS La variable aleatoria binomial es aquella que contabiliza el número de éxitos.

una expresión general para calcular la probabilidad de que la variable X tome un valor determinado x está dada por: Si la variable aleatoria X tiene una función masa de probabilidad como la presentada esto se denota así: .FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Luego.

.... n n V (X ) V n xi V ( xi ) i 1 V ( xi ) pq V (X ) npq i 1 xi 1.2..2. n nE ( x i ) ....FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS n X xi i 1 n E( X ) E n xi E ( xi ) i 1 E ( xi ) p xi E( X ) np i 1 1.......

Se distribuye X ~ b(x.a.: X: número de zancudos con el virus en muestras de a 5.FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Ejemplo: Se sabe que el 40% de los mosquitos de una población están infectados con un virus.4) x (0.0.4) x (0.5.6)5 5 x x (0. Si se seleccionan 5 zancudos y se chequean uno a uno para observar la presencia del virus tendríamos un experimento binomial en el cual la v.6)5 x .4) f ( x) 5 x 5 P( X ) x 0 (0.

FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Ejemplo: Suponga que X es una variable aleatoria Binomial con parámetros n y P. por ejemplo P(a ≤ X ≤ b) . b Z {0} . a. Para calcular una probabilidad específica. observe que b P(a x b) x a n x p x q n x .

05. a) ¿Cuál es la probabilidad de que entre 20 unidades seleccionadas al azar. dos sean defectuosas? b) ¿Cuál es la probabilidad de que a lo más dos de las 20 unidades estén defectuosas? c) ¿Cuál es la probabilidad de que por lo menos 2 unidades estén defectuosas? .FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Ejemplo: Suponga que la probabilidad de tener una unidad defectuosa en una línea de ensamble es de 0.

.05) x (0.05).95) 20 1 c) P( X 2) 1 P( X 2) 1 ( P(0) P(1)) 1 x 0 20 x x 0.95) 20 x .0.95) 20 x 1 0.1887 (0. P( x) a)P( x 2) P(2) 20 2 20 x (0.1. x 0.9245 (0.05) 2 (0.05) x (0....05) x (0.2.20 (0.95) 20 2 b) P( x 2) P(0) P(1) P(2) x 0 20 x 2 0.2642 .7358 0.FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Solución: Sea X : el # de unidades defectuosas de las 20 unidades seleccionadas X ~ bin (20.

Si el estudiante adivina las preguntas. ¿Cuál es la probabilidad de reprobar el examen? c) Halle E[X] y V[X] . Cada pregunta tiene cuatro opciones de las cuáles solo una es la correcta. conteste las siguientes preguntas: a) ¿Cuál es la probabilidad de aprobar el examen? b) Si el estudiante adivina al menos tres de las preguntas. El examen se aprueba si se responden correctamente al menos seis preguntas.FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Ejemplo: Un examen de opción múltiple contiene 10 preguntas.

FUNCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Solución: Sea X : # preguntas con respuesta correcta de las 10 .