Distribuciones de probabilidad

4.2 Distribucin de Probabilidad de variables discretas

La distribucin de probabilidad de una variable aleatoria discreta es una tabla, una grfica,
una frmula u otro sistema utilizado para especificar todos los valores posibles de una
variable aleatoria discreta junto con sus probabilidades respectivas.
Alternativamente, se puede presentar una distribucin de probabilidad en forma grfica. Las
caractersticas es que la longitud de la barra vertical indica la probabilidad para el valor
correspondiente en x, y que los valores de x, sern todos positivos menores que 1, y su
suma ser igual a 1. Las siguientes propiedades son indispensables en una distribucin de
probabilidad para una variable discreta:

Una vez obtenida la distribucin de la probabilidad, es posible hacer afirmaciones de la

variable aleatoria X.
Distribuciones acumuladas:
En ocasiones es ms conveniente trabajar con la distribucin de la probabilidad acumulada
de una variable aleatoria. La distribucin de probabilidad acumulada para la variable
discreta, se puede obtener sumando sucesivamente las probabilidades, P(X = x) que
aparecen en la ltima columna. La probabulidad acumulada x se escribe F(x) = P(X xi)
(Probabilidad que X sea menor o igual a un valor especfico de x). Se pueden usar ojivas
como grficas. Las distribuciones de probabilidad de muchas variables de inters se pueden
determinar o asumir sobre la base de consideraciones tericas.

4.3 Distribucin Binomial

La distribucin binomial es una de las ms usadas ampliamente en la estadstica aplicada.
Se deriva de procesos conocidos como ensayo de Bernoulli. Cuando en un proceso
aleatorio o experimento, llamado ensayo, puede ocurrir slo uno de dos resultados
mutuamente excluyentes (vida o muerte), el ensayo se llama ensayo de Bernoulli.
Proceso de Bernoulli:
1. En cada ensayo ocurre uno de dos posibles resultados, mutuamente
excluyentes. Uno de los posibles resultados, se denota como un tico el otro
como un fracaso.
2. La probabilidad de un xito, denotado por p, permanece constante de un
ensayo a otro, y la probabilidad de fracaso 1 p, se denota con q.
3. Los ensayos son independientes, es decir, el resultado de algn ensayo en
particular no es afectado por el resultado de cualquier otro ensayo.
Uso de la combinacin como procedimiento en muestras grandes:
Segn crece el tamao de la muestra, se hace ms difcil y tedioso usar listas, para lo que
se usa un mtodo sencillo para contar el nmero de secuencias. Dicho mtodo es
proporcionado por la frmula de conteo que permite determinar rpidamente cuantos
subconjuntos de objetos puede formarse cuando en diferentes subconjuntos se utilizan
nmeros de objetos que componen el conjunto del cual se extraen. Si el orden de los objetos
dentro del subconjunto es inmaterial, el subconjunto se llama combinacin de objetos. Si
un conjunto consta de n objetos y se pretende formar un subconjunto de x objetos, sin ver
el orden de los objetos dentro del subconjunto, el resultado se llama combinacin. Como
ejemplo, se define la combinacin como sigue cuando la combinacin se formac tomando
x objetos de un conjunto de n objetos. Una combinacin de n objetos tomados x a la vez
es un subconjunto desordenado de x de los n objetos.

ec 1

ec 2

Tabla binomial:

Usar la ec 1 para calcular la probabilidad puede ser tedioso si el tamao de la muestra es grande.
Para lo que las tablas de valores de n, k y x ya estn tabuladas. Con frecuencia el inters radica no
slo en determinar las probabilidades para valores especficos de X, sino para intervalos donde la
probabilidad de X est entre valores digamos 5 y 10.

Parmetros binomiales:
La distribucin binomial tiene dos parmetros, n y p. Son parmetros en
el sentido de que son suficientes para especificar una distribucin binomial. La distribucin
binomial es en realidad una familia de distribuciones con cada uno de los valores posibles
de n y p
designando a un miembro diferente de la familia. La media y la variancia de la distribucin
binomial son:
La distribucin binomial, formalmente hablando, es aplicable en situaciones
donde el muestreo se realiza a partir de una poblacin infinita o a partir de una poblacin
finita
con restitucin. Puesto que en la prctica real las muestras son normalmente seleccionadas
sin
restitucin a partir de una poblacin finita, lgicamente surge la pregunta respecto a la
conveniencia de una distribucin binomial en estas circunstancias. La conveniencia del uso
de esta
distribucin depende de que tan drstico es el efecto de esas condiciones en la
invariabilidad de p
de un ensayo a otro. Normalmente se considera que ruando n es pequeo en relacin con
N, el
modelo binomial es adecuado. Algunos autores coinciden en que n es pequeo en relacin
con N
si N es al menos 10 veces ms grande que n.
Probabilidad de poisson
Si x es el nmero de ocurrencias de algn evento aleatorio en un intervalo de espacio o
tiempo (o
algn volumen de materia), la probabilidad de que x ocurra es dada por:

La letra griega (lambda) es el parmetro de la distribuci6n y es el numero promedio de

ocurrencias
del evento aleatorio dentro del intervalo (0 volumen). EI smbolo e, es la constante (con
cuatro
decimales) 2.7183. Se puede mostrar que Z (x) ~ 0 para cada x y que r x f (x) 1; por 10 tanto,
la
distribucin satisface los requerimientos para la distribuci6n de probabilidad.

Proceso de Poisson:

Como se ha visto, la distribuci6n binomial resulta de un conjunto de suposiciones acerca de

un
proceso implcito para formar un conjunto de observaciones numricas. Lo mismo ocurre
en el
caso de la distribucin de Poisson. Las siguientes afirmaciones describen 10 que se conoce
como
proceso de Poisson.

1. Las ocurrencias de los eventos son independientes. La ocurrencia de un evento en un

intervalo
de espacio o tiempo no tiene efecto en la probabilidad de una segunda ocurrencia del
evento en el
mismo, o en algn otro intervalo.
2. Tericamente, debe ser posible la ocurrencia de un evento en un nmero infinito de veces
dentro del intervalo.
3. La probabilidad de una sola ocurrencia del evento en un intervalo dado es proporcional a
la
dimensi6n del intervalo.
4. En cualquier fracci6n infinitesimal del intervalo, la probabilidad de ms de una ocurrencia
del
evento es insignificante.
Una caracterstica interesante de la distribuci6n de Poisson es que la media y
las variancias son iguales.

Cuando utilizar el modelo de Poisson:

La distribucin de Poisson se emplea cuando se cuentan los eventos o entidades,

distribuidos al
azar en espacio o tiempo. Es facil intuir cuando cierto proceso obedece a la ley de Poisson,
y bajo
esta suposicin se puede calcular la ocurrencia de eventos o entidades en alguna unidad de
espacio o tiempo. Por ejemplo, suponiendo que la distribucin de alglin parasito entre
miembros
individuales huespedes sigue la ley de Poisson.