DISTRIBUCIN BINOMIAL

Es una de las distribuciones de probabilidad ms tiles (control de calidad, produccin,

investigacin). Tiene que ver con el experimento aleatorio que produce en cada ensayo o prueba
uno de dos resultados posibles mutuamente excluyentes: ocurrencia de un criterio o caracterstica
especfico (llamado xito) y no ocurrencia de ste (llamado fracaso). Los trminos o calificativos de
"xito y fracaso" son solo etiquetas y su interpretacin puede no corresponder con el resultado
positivo o negativo de un experimento en la realidad.
Criterios o propiedades

1- El experimento aleatorio consiste en

ensayos o pruebas repetidas, e idnticas y fijadas antes

del experimento (pruebas de Bernoulli). Son pruebas con reemplazamiento o con reposicin.

2- Cada uno de los

ensayos o pruebas arroja solo uno de dos resultados posibles resultados: xito

fracaso.

3- La probabilidad del llamado xito (

, permanece constante para cada ensayo

o prueba.
4- Cada prueba o ensayo se repite en idnticas condiciones y es independiente de las dems.
Cuando estas propiedades se cumplen en el experimento aleatorio se dice que el constituye un
proceso de Bernoulli y cada uno de los ensayos que lo conforman se llama experimento de Bernoulli.

5. El inters recae en hallar la probabilidad de obtener

nmero de xitos al realizar

mismo E.A.
La funcin de probabilidad de X en esas condiciones ser:

Para

entero y

ensayos del

Ejemplos:
Un a g en t e de s eg ur os v en d e p l i za s a c i nc o pers o n as de la m is m a ed a d y q u e
d is f rut a n d e bu e na s al ud . S e g n l as t ab l as a c tu a les , l a pr o ba b i li d a d d e qu e u n a
pers o n a en es t as c o nd ic io n es v i v a 3 0 a os o m s es 2 /3 . H l l es e l a pr ob a b il i d ad
de qu e, tr a ns c ur r id os 30 a os , v i va n :
Las c inc o p er s on as B ( 5, 2 / 3) p = 2 / 3 q = 1 / 3

A l m en os tr es p er s o n a s

Ex ac t am ent e d os p er s on as

S e l an za u n a m on e da c ua tr o v ec es . C a lc u l ar l a pr o ba b i l id a d de qu e s a lg a n
m s c ar as qu e c r uc es .

B( 4, 0 . 5) p = 0 . 5q = 0. 5

DISTRIBUCION HIPERGEOMTRICA

Muestreo sin reemplazamiento y sin independencia entre pruebas o ensayos.

En la distribucin Hipergeomtrica X= cantidad de resultados xitos en una muestra
aleatoria (sin reposicin) de tamao n, tomada de una poblacin de tamao N y de la
cual
satisface una caracterstica o propiedad (xito) antes del muestreo y
satisface (fracaso).

no la

Criterios o propiedades.

La poblacin N del conjunto de unidades o elementos es de orden finito, de los cuales

una parte:

"son xitos", y otra parte:

son "fracasos".

Cada elemento puede ser caracterizado como xito o fracaso.

Se obtiene una muestra aleatoria de n elementos todos a la vez (sin reemplazamiento) y
no de forma independiente. No son pruebas repetidas.
El tamao de la muestra aleatoria n es grande relativamente en comparacin con el
tamao de la poblacin. Generalmente:
Se busca la probabilidad de x= nmero de xitos a partir de los
elementos y (n-x) fracasos a partir de los
muestra aleatoria de tamao n.

resultados o

elementos as clasificados, al obtener una

Ejemplos:
En una florera hay 20 variedades de flores, de las cuales 8 son diferentes clases de
rosas.
Qu probabilidad hay de que al extraer una muestra al azar de 12 flores, se incluyan 3
clases de rosas?
N=tamao de poblacin =20
n=tamao de muestra=12
A=xitos en la poblacin=rosas=8
k=xitos en la muestra=rosas=3

Se sustituyen los valores en la frmula original:

Se realizan los clculos se obtiene el resultado

DISTRIBUCIN DE POISSON
Llamada as por su autor Simen Denis Poisson, probabilista del siglo XIX, pues fue el
primero en describirla. Es una generalizacin de la distribucin binomial cuando sobre un
E.A. se define una variable aleatoria X que representa el nmero de xitos
independientes que ocurren para intervalos de medida especficos (tiempos, lugares,
espacios), adems con una probabilidad de ocurrencia pequea.
Se le llama distribucin de los "eventos raros" pues se usa como aproximacin a la
binomial cuando el tamao de muestra es grande y la proporcin de xitos es pequea.
Esos intervalos de medida pueden referirse a: Tiempo: (Segundo, minuto, hora, da,
semana, etc.) rea: (Segmento de lnea, pulgada cuadrada, centmetro cuadrado, etc.).
Volumen:( Litro, galn, onza, etc.)
Criterios o propiedades.
Se da un intervalo de medida que divide un todo de nmeros reales y donde el conteo de
ocurrencias es aleatorio. Esa divisin puede ser un subintervalo de medida.
El nmero de ocurrencias o de resultados en el intervalo o subintervalo de medida, es
independiente de los dems intervalos o subintervalos, por eso se dice que el proceso de
Poisson no tiene memoria.
La probabilidad de que un solo resultado ocurra en un intervalo de medida muy corto o
pequeo es la misma para todos los dems intervalos de igual tamao y es proporcional
a la longitud del mismo o al tamao de medida.

La probabilidad de que ms de un resultado ocurra en un intervalo o subintervalo corto es

tan pequea que se considera insignificante (cercana o igual a cero).
Ejemplo:
Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades
de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin fondos en
cualquiera de dos das consecutivos?
a)

x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da
cualquiera = 0, 1, 2, 3, ....., etc, etc.
l = 6 cheques sin fondo por da
e = 2.718

b) x= variable que nos define el nmero de cheques sin fondo que llegan al banco en dos
das consecutivos = 0, 1, 2, 3, ......, etc., etc. l = 6 x 2 = 12 cheques sin fondo en promedio
que llegan al banco en dos das consecutivos
l siempre debe de estar en funcin de x siempre o dicho de otra forma, debe hablar de lo
mismo que x.