Universidad Nacional Agraria La Molina - Dpto. de Estadistica e Informatica
CAPITULO IX
PRINCIPALES DISTRIBUCIONES DISCRETAS
Objetivos
Al finalizar este capitulo el lector conocerd los conceptos y aplicaciones de las principales
distribuciones discretas.
Paeeirt
Cuando se utiliza el término “distribucién” se esté haciendo referencia al comportamiento que
tienen las observaciones (datos) de una variable en estudio. Muchos de estos comportamientos
se expresan mediante funciones matematicas que permiten el célculo de probabilidad para el
valor 0 valores que toma la variable aleatoria asociada a dicho comportamiento. En el caso de
variables aleatorias discretas se les denominan funciones de probabilidad y en el caso de las
continuas funciones de densidad, Para el célculo de probabilidades cuando la variable aleatoria
es discreta se aplica el operador matemético de “sumatoria” y en el caso de las continuas el de
“integral”. El concepto de distribucién incluye al de funcién (probabilidad o densidad) en la
medida que corresponde a los pares ordenados constituidos en el primer término por un valor
de la variable aleatoria y el segundo por su respectivo valor de probabilidad.
Acontinuacién se presentan las principales distribuciones discretas:
* Ladistribucién de probabilidad uniforme discreta
* Ladistribuci6n de probabilidad binomial
* Ladistribucién de probabilidad hipergeométrica
* Ladistribucién de probabilidad Poisson
9.4La ucién Uniforme Discreta
La v.a.d. X tiene distribucién uniforme discreta con parémetro N si su funcién de probabilidad
es:
x=1,2,3,0N
Notacién: XY ~Unif (V)
Teorema
Si_X~Unif (N) entonces 26-0)
Ejemplo1
Enuna caja hay 8 bolillas enumeradas del 1 al 8. Sise selecciona una bolilla al azar y se registra
su numero, halle la probabilidad de seleccionar un numero menor o igual que 3.
Solucién
Seala v.a.d. X definida como el niimero de la bolilla seleccionada, entonces X ~Unif(@) y
f)= Pt =2)=4 x=1,2,3,--8
PGC <3)= f+ SO) f= i+
a
88Universidad Nacional Agraria La Molina - Dpto. de Estadistica e Informatica
9.2 La Distribucién Binomial
9.2.1 Experimento Binomial ;
Hay muchos experimentos que se ajustan ya sea exacta 0 aproximadamente a las siguientes
propiedades:
1. El experimento consiste en una secuencia de n intentos (experimentos de Bernoulli),
donde n se fija antes del experimento.
2. Los intentos son idénticos, y cada uno de ellos puede dar lugar a dos posibles
resultados, llamados: éxito (E) 0 fracaso (F).
3. Los intentos son independiente, por lo que el resultado de cualquier intento particular
no afecta el resultado de cualquier otro intento.
4. La probabilidad de éxito es constante de un intento a otro; se denota esta probabil
por P(E)=7 «La probabilidad defracasoes P(F)=
Ejemplo2
En una tienda la llegada de un cliente y determinar si compra 0 no es un experimento de
Bernoulli donde éxito = E = {un cliente compra}y fracaso = F = {un cliente no compra}. Se
sabe que el 75% de los clientes que llegan hacen una compra, entonces P(E
Sia la tienda llegan 20 clientes, este seria un experimento binomial donde n=20 ym = 0.75
9.2.2 La Funcién de Probabilidad Binomial /
Dado un experimento binomial entonces la v.a.d. binomial X se define como el numero de
éxitos en n intentos, y su funcién de probabilidad esté dada por:
("ety # ¥20,1,2-
0 de otro modo
nm
¥ f@)=P&
Obtencién de la funcién de probabilidad:
La probabilidad de tener k éxitos en n intentos es:
P(X=k)= Aetot +E FFFF eap8 |= PEPE) PP) PF, « =" 0 - (7)
1 Cater 8) pooner
Demostracién de que f (x ) esuna funcién de probabilidad
Ere-ZL"}e ny
eh =
Notacién: X ~ Bin(n,n)
9.2.3 La Media y la Variancia de X
Si X~ Bin(a,x) entonces E(X)=nn yy _~—-Var (X)=nn(\-x)
Nota: Cuando n = 1 ladistribucién recibe el nombre de distribucién Bernoulli.
80Universidad Nacional Agraria La M
- Dpto. de Estadistica e Informatica
Ejemplo3 |
Siguiendo con el éjemplo 2
1, si el cliente compra (n=0.75)
0, si el cliente no compra (7 =0.25)
a) sixe{
x0.75 = 0.75
x0.75x0.25= 0.1875
20
Sedemuestra que X = >) ¥, ~ BIN(20,0.75)
b) Lz probabilidad de que el numero de clientes que hacen una compra sea mayor que 18
: 20) 9 750.28! 4 290,750.05"
seria iguala P(X >18)= 19 10.75"°0.25' +] 20)°75 0.25" = 0.0211 + 0.0032 = 0.0243,
donde X = ntimero de clientes que hacen una compra en un grupo de 20 clientes.
~/Ejemplo4
[Un examen consta de n = 25 preguntas, cada una de las cuales tiene 5 alternativas de las
| cuales sélo una es correcta, si una persona esta adivinando al responder y se desea saber el
nimero de respuestas correctamente respondidas, este es un experimento binomial con
éxito = {la respuesta es correcta} y frecaso =
{la respuesta noes correcta} y P(E)=
la probabilidad de que la persona acierte por lo menos 3, pero menos de 5 preguntas es:
0.1358+0,1867=0.3225 |
|
4,
Ejemplo5
Una compajiia vendedora de equipos electrénicos verifica que de todas las méquinas por ella
instaladas, el 40 % exigen nuevos ajustes después de su instalacién. Si 5 maquinas fueron
seleccionadas al azar:
a. éCudl es la probabilidad de que al menos 3 requieran trabajos de ajuste después de la
instalacién?
Solucién
El experimento aleatorio que consiste en determinar el ntimero de maquinas que requieren
ajustes, en un grupo de 5, es un experiment binomial con éxito = E = {una maquina
requiere ajustes}y P(E): 4,
lava.d. X definida como el ntimero de méquinas, que requieren ajustes, en un grupo de 5, es
una v.a. binomial. X ~ Bin(n,x )~ Bin(6,0.4) , entonces:
. f&)=' () 04" x06" x=0,1,2,3,4,5
x,
0.2304 +0.0768-+0.0102 = 0.3174
P(L23)= £6)+/4)+ £6): ¥(-oaroers
sl
aUniversidad Nacional Agraria La Molina - Dpto. de Estadistica e Informatica
b. La compafiia estima que el costo del ajuste después de la instalacién es de 100 um i
por maquina y que este costo lo debe pagar la compafiia ¢Cudl es el costo esperado
parala firma?
Solucién
Seala v.a. Y definida como el costo de las méquinas que necesitan ajuste en un grupo de 5. i
Y= 100X ycomo:
X~Bin(a,x) , entonces E(X)=nn =5x0.4=2 porlo tanto:
E(Y)=E(00 X)=100 E(X)=100x2=200 um /
Ejemplo6
En el Ejemplo 9 del capitulo de Variables Aleatorias, se eligen en forma independiente 10
técnicos, halle la probabilidad de que exactamente uno de ellos demore més de 1.8 pero menos
de 2 horas en arregiar la averia. . Jee 1 exsd
de Vo eee
Solucién :
Lo que ocurre con un técnico equivale a un ensayo de Bernoulli, entonces Exito viene a ser el
evento definido como: el técnico demora més de 1.8 pero menos de 2 horas en arreglar la
averia y la probabilidad de Exito es:
n=P(L8