MODELOS DE PROBABILIDAD

Distribucin de Probabilidad (MODELO BINOMIAL)

Se dice que la variable aleatoria X definida como el nmero de

xitos que ocurren en lasn pruebas independientes, tiene
distribucin binomial con parmetros n y p y se escribe
si su funcin de probabilidad es:

X ~ B ( n, p)

n k
p (1 p) n k , k 0,1,2,3,..., n.
k

f (k ) P[ X k ]

P ( X )=

n!
X
nx
n
X
nx
P q
P ( x )=C xP q
X ! ( n X ) !

Donde
N = n de ensayos.
X = n de xitos
p = Probabilidad de xito en cada ensayo
q = Probabilidad de fracaso en cada ensayo
Propiedades del modelo de distribucin binomial

El experimento consta de n pruebas independientes, lo cual significa que

el resultado de cada ensayo no afecta el resultado de algn otro.
Cada evento tiene dos posibles resultados, generalmente, xito o
fracaso
A la probabilidad de xito se le llama p y del fracaso q ,y q = 1-p

TEOREMA.

X ~ B ( n, p )

Si
a)

, entonces,

VALOR ESPERADO

Media Poblacional:

E ( X ) np
,

MATEMATICA
2 Var ( X ) np(1 p )

b) Varianza Poblacional
EJEMPLO 06

E( X )

= ESPERANZA

En una ciudad del 40% de votantes esta a favor del partido P. Se toma una
muestra aleatoria de 10 votantes y se observa entre ellos quienes apoyan a P
Cual es la probabilidad de que en dicha muestra haya 6 personas que apoyan
dicho partido?
Nota: En este problema, hablaremos de eventos independientes porque la
preferencia o no de cada uno de los votantes elegidos no depende de las
preferencias de otros votantes.
P ( X )=

n!
P Xq nx
P ( x )=C nxP Xq nx

X ! ( n X ) !

P = 40% = 0.4(probabilidad exito)

Q= 1-P =1- 0.4= 0.6(probabilidad fracaso)
X = 6 personas que se buscan
N = votantes muestra (10)
P ( X )=

P ( 6 )=

10 !
( 0.4 6 )( 0.6106 )
10 ! ( 106 ) !

3628800
( 0.004096 )( 0.1296 )=O.1114=11.14
( 720 ) (24 )

Interpretacin :La probabilidad de encontrar 6 personas que apoyan al partido

P , en una muestra de 10 , es aproximada a 0.1114, o bien a 11.14%
EJEMPLO 07
Se lanza una moneda seis veces calcular la probabilidad de que en dos de las
veces caiga cara .
N = numero de veces que se lanza la moneda 6
X = numero de xitos 2
P = probabilidad de xito 0.5
Q=probabilidad de fracaso 0.5
Sustituimos en la formula

P ( X )=

n!
X
nx
n
X
nx
P q
P ( x )=C xP q
X ! ( n X ) !

P ( x=2 )=C 620.520.562

= 0.234

En el ejemplo 07 calcular la probabilidad de que por lo menos salgan dos

veces cara .
P ( X=2 ) + P ( X =3 ) + P ( X=4 ) + P ( X =5 ) + P ( X=6 )
6

62

P ( x=2 )=C 20.5 0.5

6 3

+ P ( x =3 )=C 30.5 0.5

P ( x=4 )=C 640.540.564 + P ( x=5 ) =C650.550.565 + P ( x=6 )=C 660.560.5 66

=0.8904

EJEMPLO 08:
En cierto distrito de la ciudad la necesidad de dinero para comprar drogas se
establece como la razn de 75% de todos los robos .
Encuentre la probabilidad de que entre los sig. 5 casos de robo que se reportan
en el distrito
a) Exactamente 2 resulten de la necesidad de dinero para comprar drogas .
b) Al menos 3 resulten de la necesidad de dinero para comprar drogas .
Solucin : a
a)

n = numero de ensayos 5
p = es la probabilidad 0.75
x = numero de xitos 2

Sustituimos en la formula.
P ( x )=C nxP Xq nx

P ( x )=C 2(0.75) (0.25)

= 0.08789

Sustituimos en la formula.( P ( x ) 4)+( P ( x ) 5)

Ejemplo 09
La probabilidad de que un operario haga menos de 10 piezas en una jornada
de trabajo es de 0.2 determine la probabilidad de que la prxima semana (6
das) en tres das haga menos de de 10 piezas por jornada .

Solucin :
Sea la variable aleatoria
n =Numero de ensayos 10
p =Es la probabilidad de xito 0.2
X = Numero de xitos 3
P(x =3) =
P ( X=3 )=

10!
( 0.23 ) ( 0.8 7 )=0.20131
3 ! ( 103 ) !

Nota : las tabas no siempre te dan los mismas proba exactas ya que hay que
observar si la tabla es acumulada si es a si se restan la anterior con la
probabilidad encontrada para a si poder encontrar la probabilidad .

DISTRIBUCIN DE POISSON
Definicin. Se dice que la variable aleatoria discreta X, cuyos valores
posibles son: 0,1,2,..., tiene distribucin de Poisson con parmetro (es el
nmero promedio de ocurrencias en un intervalo de tiempo o espacio)
y se escribe X~P(), si su funcin de probabilidad es:

( 0)

f ( x) P[ X x]

e ( ) x
,
x!

x 0,1,2,...

e = constante y se denomina 2.7128.EULER

NOTA.
La distribucin de Poisson se aplica a problemas donde la variable aleatoria
es el nmero de eventos independientes que ocurren en un intervalo de
tiempo, o en una regin plana (con un promedio dado), por ejemplo, entre
otros:
* Nmero de llamadas que recibe una central telefnica en el perodo de un
minuto.
* Nmero de accidentes de trabajo que ocurren en una fbrica durante una
semana.
* Nmero de fallas en la superficie de una cermica rectangular.
* Nmero de bacterias en un volumen de un mt3 de agua.

TEOREMA.

Si X ~ P(), entonces,

a) Media:
b) Varianza:

,
2

Ejemplo 16
Un cajero automtico es utilizado cada 20 minutos por 6 personas . Se desea
saber cul es la probabilidad:
a) Que el cajero sea utilizado por 5 personas en 20 minutos.
b) Que el cajero sea utilizado por 10 personas en 20 minutos.
c) Que el cajero sea utilizado por 5 personas o menos en 20 minutos.

( ) x e
P( X , )
,
x!
a)

e = NUMERO DE EULER = 2.71828..

2.718286 (6) 5 0.0025 * 7776

P( X 5) ( X , )

5!
120
P( X 5) 0.162
QUIERE DECIR QUE SI ESTE CAJERO ES UTILIZADO POR 5 PERSONAS LA
PROBABILIDAD ES DE 16.2%
b)

2.718286 (6)10 0.0025 * 60466176

P( X 10) ( X , )

10!
3628800
P( X 10) 0.0416
QUIERE DECIR QUE SI ESTE CAJERO ES UTILIZADO POR 10 PERSONAS LA
PROBABILIDAD ES DE 4.16%
c)

P( X 5) P( X 0) P ( X 1) P( X 2) P( X 3) P( X 4)
P ( X 5)
(6) 0 e 6 (6)1 e 6 (6) 2 e 6 (6) 3 e 6 (6) 4 e 6 (6) 5 e 6
P( X 5)

0!
1!
2!
3!
4!
5!
P( X 5) 0.4483

QUIERE DECIR QUE SI ESTE CAJERO ES UTILIZADO POR MENOS DE 5

PERSONAS O CINCO PERSONAS LA PROBABILIDAD ES DE 44.83%

APROXIMACIN DE LA DISTRIBUCIN BINOMIAL A LA POISSON

B ( n, p)
TEOREMA 7. Sea X una variable aleatoria con distribucin binomial
n

p0

. Si cuando

np

,
, y
, permanece constante, entonces, la distribucin binomial se
aproxima a la distribucin de Poisson con parmetro , esto es,

P[ X x] C xn p x (1 p) n x

P[ X x]

e x
.
x!

n 30

p 0.05

tiende a

La aproximacin binomial a Poisson es aceptable si

Ejemplo 18
La probabilidad de tener un accidente de trfico es de 0,02 cada vez que se
viaja, si se realizan 300 viajes, cual es la probabilidad de tener 3
accidentes?

Como la probabilidad " p " es menor que 0,1, y el producto " n * p " es menor que 10,
entonces aplicamos el modelo de distribucin de Poisson.

Luego,
P (x = 3) = 0,0892
Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 300 viajes es del 8,9%