DISTRIBUCIONES DE

PROBABILIDAD PARTE I
DISTRIBUCIN BINOMIAL
DISTRIBUCIN POISSON
PROCESO DE BERNOULLI
Es un experimento que tiene dos posibles resultados mutuamente
excluyentes, generalmente llamados xitos y fracasos.
Ejemplos
1. Experimento: Lanzar una moneda. El experimento tiene
solamente dos resultados (C, S), por lo tanto es un experimento
binomial.

2. Experimento: Probando una nueva droga contra una
enfermedad. La droga cura (xito) o no cura (fracaso) la
enfermedad. Por lo tanto es un experimento binomial.

3. Experimento: seleccin de un producto Se escoge un producto de
un lote de 500, los resultados posibles son defectuosos no
defectuosos.

DISTRIBUCION BERNOULLI. Se denomina V.A.
de Bernoulli a la V.A. X que toma solamente
dos valores 0 y 1 con funcin de probabilidad
dado por:
x 1 x
p q ; x 0,1
p( x ) P( X x )
0 ; en otro caso

=
= = =
`
)
q 1 p =
X B( 1, p)
P( X 1) p = = P( X 0 ) 1 p q = = =
E( X ) 1.p 0.q p = + =
| |
2
2
VAR( X ) E( X ) E( X ) pq = =
y
Esperanza y Varianza
DISTRIBUCION BINOMIAL
Un experimento sigue una Distribucin Binomial si satisface los
siguientes supuestos:

El experimento consiste en n ensayos de Bernoulli, donde cada ensayo
tiene slo dos resultados posibles xito y fracaso

La probabilidad de xito de un ensayo es igual a y es constante para
todos los ensayos. La probabilidad de fracaso es

Los ensayos son independientes. Es decir, el resultado (xito o fracaso) de
cualquier ensayo es independiente del resultado de cualquier otro
ensayo.

Para obtener la funcin de distribucin
Binomial primero se determina la
probabilidad de tener n ensayos, x xitos
consecutivos seguido de n-x fracasos
consecutivos, dado que los n ensayos son
independientes
x n x
p p p p p p p p

= ) 1 ( ) 1 )...( 1 )( 1 .( ... .
X trminos (n-x) trminos
Definimos la variable aleatoria X de la
siguiente manera:
N de xitos en n ensayos de Bernoulli; con:

donde: p + q = 1
{ }
0,1, 2,3,...
x
R n =
ESPERANZA MATEMTICA Y VARIANZA
Si X b( n, p ) , entonces:
i) E( X ) np =
ii) Var( X ) npq =
Ejemplo 1
Suponga que en un lote de 5000 fusibles
elctricos contiene 5% de piezas defectuosas.
Si se prueba una muestra de 5 fusibles,
encuentre la probabilidad de hallar al menos
uno defectuoso.

P(al menos un defectuoso)=
P(X1)=1- P(X=0)

P(X=0)

P(X1)=1- P(X=0)=1-0.774=0.226
Resolver:
P(X<3), P(X >2), P(1<X<5)
( )
( )
5
5 0
0
1 0.774 p p = =
Ejemplo 2
Una corredora de bolsa llama a sus 20 clientes
mas importantes. La probabilidad de que
efecte una transaccin como resultado de
dichas llamadas es de uno a tres, Cules son
las posibilidades de que maneje 10 o ms
transacciones?
Ejemplo 3
Suponga que en cierta poblacin se sabe que
el 10% es daltnica. Si se extrae una muestra
aleatoria de 25 personas de esa poblacin.
Encuentre la probabilidad de:
a) Existan o menos daltnicos
b) Existan 6 o ms daltnicos
c) Existan entre 6 y 9 daltnicos, inlusive
d) Existan dos, tres o cuatro daltnicos
DISTRIBUCIN POISSON
Llamada asi en honor de Simon Denis
Poisson, probabilista del siglo XIX quien fue el
primero en describirla, es otra distribucin
discreta de probabilidad muy til en la que la
variable aleatoria representa el nmero de
eventos independientes que ocurre a una
velocidad constante en el tiempo o en el
espacio.
DISTRIBUCION DE POISSON
La distribucin de Poisson es generalmente utilizada en
los problemas en que se cuentan el nmero de eventos
de cierto tipo, que ocurren en un intervalo de tiempo,
o en una regin, o en un volumen.
Ejemplos:
Nmero de llamadas telefnicas recibidas por la
central telefnica durante un intervalo de tiempo
determinado.
Nmero de fallas de una computadora en un da de
operacin.
Nmero de accidentes en una semana.

Definimos la variable aleatoria X de la
siguiente manera:
N de ocurrencias de eventos en t
unidades de medida; con:

{ }
0,1, 2,3,...
x
R n =
Ejemplos
Durante el estudio de cierto organismo
acutico, se tom un gran nmero de
muestras de una laguna, y se cont el nmero
de organismos en cada muestra, El nmero
promedio de organismos encontrados por
muestra fue de dos. Suponga que el nmero
de organismos sigue una distribucin de
Poisson
a. Calcule la probabilidad que la prxima que se
tome tenga exactamente tres organismo.
P(X=3)
b. Calcule la probabilidad de que la prxima que
se tome tenga un organismo o menos. P(X1)

ESPERANZA MATEMTICA Y VARIANZA
Si X es una v.a. con distribucin de Poisson con
parmetro, entonces:

APROXIMACIN DE UNA DISTRIBUCIN BINOMIAL A
POISSON
En una distribucin Binomial, cuando n es grande
(n>50) y es pequeo ( , la distribucin Binomial se
aproxima a una distribucin de Poisson con que
permanece constante.

Ejemplo
Un fabricante textil produce ciertas piezas de
dimensiones especficas. Se sabe que la
probabilidad que una pieza sea defectuosa es
0.02. En un lote de 100 piezas, Cul es la
probabilidad que no hayan piezas
defectuosas? a los sumo 3 piezas
defectuosas?
Sea X una variable definida como sigue:
X(w)=nmero de piezas defectuosas en 100
piezas.
n=100 p=0.02, lugo
La distribucin de probabilidad de la v.a X es
Binomial con parmetro 100 y 0.02.
Puesto que n es grande y p pequea
(np=100*(0.02)=2<5), se aproxima a la
Ditribucin Poisson con parmetros
2 np = =
2 np = =
2
2
( ,100, 0.02) , 0,1, 2...,100
!
x
e
P X x x
x

= = =
a)P[X=0]= e-2=0.1353

a)P*X3+= 0.8571