Distribucin de probabilidad

En teora de la probabilidad y estadstica, la distribucin de probabilidad de una variable aleatoria es una funcin que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. La distribucin de probabilidad est definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de la variable aleatoria. La distribucin de probabilidad est completamente especificada por la funcin de distribucin, cuyo valor en cada real x es la probabilidad de que la variable aleatoria sea menor o igual que x.

Distribuciones de variable discreta

Se denomina distribucin de variable discreta a aquella cuya funcin de probabilidad slo toma valores positivos en un conjunto de valores de finito o infinito numerable. A dicha funcin se le llama funcin de masa de probabilidad. En este caso la distribucin de probabilidad es la suma de la funcin de masa, por lo que tenemos entonces que:

Y, tal como corresponde a la definicin de distribucin de probabilidad, esta expresin representa la suma de todas las probabilidades desde hasta el valor . Distribuciones de variable discreta ms importantes Las distribuciones de variable discreta ms importantes son las siguientes:

Distribucin binomial Distribucin binomial negativa Distribucin Poisson Distribucin geomtrica Distribucin hipergeomtrica Distribucin de Bernoulli Distribucin uniforme discreta

Distribucin binomial
En estadstica, la distribucin binomial es una distribucin de probabilidad discreta que mide el nmero de xitos en una secuencia de n ensayos de Bernoulli independientes entre s, con una probabilidad fija p de ocurrencia del xito entre los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotmico, esto es, slo son posibles dos resultados. A uno de estos se denomina xito y tiene una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribucin binomial el anterior experimento se repite n veces, de forma independiente, y se trata de calcular la

probabilidad de un determinado nmero de xitos. Para n = 1, la binomial se convierte, de hecho, en una distribucin de Bernoulli. Para representar que una variable aleatoria X sigue una distribucin binomial de parmetros n y p, se escribe:

La distribucin binomial es la base del test binomial de significacin estadstica. Ejemplos Las siguientes situaciones son ejemplos de experimentos que pueden modelizarse por esta distribucin: Se lanza un dado diez veces y se cuenta el nmero X de tres obtenidos: entonces X ~ B(10, 1/6) Se lanza una moneda dos veces y se cuenta el nmero X de caras obtenidas: entonces X ~ B(2, 1/2)

Distribucin binomial negativa

En estadstica la distribucin binomial es una distribucin de probabilidad discreta que incluye a la distribucin de Pascal. El nmero de experimentos de Bernoulli de parmetro independientes realizados hasta la consecucin del k-simo xito es una variable aleatoria que tiene una distribucin binomial negativa con parmetros k y . La distribucin geomtrica es el caso concreto de la binomial negativa cuando k =1

Ejemplos Si la probabilidad de que un nio expuesto a una enfermedad contagiosa la contraiga es 0,40, Cul es la probabilidad de que el dcimo nio expuesto a la enfermedad sea el tercero en contraerla? En este caso, X es el nmero de nios expuestos la enfermedad y

La solucin es:

En un proceso de manufactura se sabe que un promedio de 1 en cada 10 productos es defectuoso, cual es la probabilidad que el quinto (5) articulo examinado sea el primero (1) en estar defectuoso?

La solucin es: X= artculos defectuosos P= 1/10 = 0,1 q= 1- 0,1 = 0,9 x= 5 ensayos K= 1 b*(5;1,0.1)=(5-1\1-1)(0.1)^1*(0.9)^5-1= b*(5;1,0.1)= 6.6% de probabilidad que el quinto elemento extrado sea el primero en estar defectuoso.

Distribucin de Poisson
En teora de probabilidad y estadstica, la distribucin de Poisson es una distribucin de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la probabilidad que ocurra un determinado nmero de eventos durante cierto periodo de tiempo. Fue descubierta por Simen-Denis Poisson, que la dio a conocer en 1838 en su trabajo Recherches sur la probabilit des jugements en matires criminelles et matire civile (Investigacin sobre la probabilidad de los juicios en materias criminales y civiles). La funcin de masa de la distribucin de Poisson es:

Donde: k : es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la probabilidad de que el evento suceda precisamente k veces). : es un parmetro positivo que representa el nmero de veces que se espera que ocurra el fenmeno durante un intervalo dado. Por ejemplo, si el suceso estudiado tiene lugar en promedio 4 veces por minuto y estamos interesados en la probabilidad de que ocurra k veces dentro de un intervalo de 10 minutos, usaremos un modelo de distribucin de Poisson con = 104 = 40. e : es la base de los logaritmos naturales (e = 2,71828...) Ejemplos Si el 2% de los libros encuadernados en cierto taller tiene encuadernacin defectuosa, para obtener la probabilidad de que 5 de 400 libros encuadernados en este taller tengan encuadernaciones defectuosas usamos la distribucin de Poisson. En este caso concreto, k es 5 y, , el valor esperado de libros defectuosos es el 2% de 400, es decir, 8. Por lo tanto, la probabilidad buscada es

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 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

Distribucin geomtrica
En teora de probabilidad y estadstica, la distribucin geomtrica es cualquiera de las dos distribuciones de probabilidad discretas siguientes:

la distribucin de probabilidad del nmero X del ensayo de Bernoulli necesaria para obtener un xito, contenido en el conjunto { 1, 2, 3,...} o

la distribucin de probabilidad del nmero Y = X 1 de fallos antes del primer xito, contenido en el conjunto { 0, 1, 2, 3,... }.

Cual de stas es la que uno llama "la" distribucin geomtrica, es una cuestin de convencin y conveniencia.

Propiedades
Si la probabilidad de xito en cada ensayo es p, entonces la probabilidad de que x ensayos sean necesarios para obtener un xito es

para x = 1, 2, 3,.... Equivalentemente, la probabilidad de que haya x fallos antes del primer xito es

para x = 0, 1, 2, 3,.... En ambos casos, la secuencia de probabilidades es una progresin geomtrica. El valor esperado de una variable aleatoria X distribuida geomtricamente es

y dado que Y = X-1,

En ambos casos, la varianza es

Las funciones generatrices de probabilidad de X y la de Y son, respectivamente,

Como su anloga continua, la distribucin exponencial, la distribucin geomtrica carece de memoria. Esto significa que si intentamos repetir el experimento hasta el primer xito, entonces, dado que el primer xito todava no ha ocurrido, la distribucin de probabilidad condicional del nmero de ensayos adicionales no depende de cuantos fallos se hayan observado. El dado o la moneda que uno lanza no tiene "memoria" de estos fallos. La distribucin geomtrica es de hecho la nica distribucin discreta sin memoria. De todas estas distribuciones de probabilidad contenidas en {1, 2, 3,... } con un valor esperado dado , la distribucin geomtrica Xcon parmetro p = 1/ es la de mayor entropa. La distribucin geomtrica del nmero y de fallos antes del primer xito es infinitamente divisible, esto es, para cualquier entero positivon, existen variables aleatorias independientes Y 1,..., Yn distribuidas idnticamente la suma de las cuales tiene la misma distribucin que tiene Y. Estas no sern geomtricamente distribuidas a menos que n = 1. Ejemplos: 1. S la probabilidad de que un cierto dispositivo de medicin muestre una desviacin excesiva es de 0.05, cul es la probabilidad de que; a) el sexto de estos dispositivos de medicin sometidos a prueba sea el primero en mostrar una desviacin excesiva?, b) el sptimo de estos dispositivos de medicin sometidos a prueba, sea el primero que no muestre una desviacin excesiva?.

Solucin: a) x = 6 que el sexto dispositivo de medicin probado sea el primero que muestre una variacin excesiva p = 0.05 =probabilidad de que un dispositivo de medicin muestre una variacin excesiva q = 0.95 =probabilidad de que un dispositivo de medicin no muestre una variacin excesiva p(x = 6) =

b) x = 5 que el quinto dispositivo de medicin probado, sea el primero que no muestre una desviacin excesiva p = 0.95 = probabilidad de que un dispositivo de medicin no muestre una variacin excesiva q = 0.05 = probabilidad de que un dispositivo de medicin muestre una variacin excesiva

p(x = 5) =

2. Los registros de una compaa constructora de pozos, indican que la probabilidad de que uno de sus pozos nuevos, requiera de reparaciones en el trmino de un ao es de 0.20. Cul es la probabilidad de que el quinto pozo construido por esta compaa en un ao dado sea el primero en requerir reparaciones en un ao?.

Solucin: x = 5 que el quinto pozo sea el primero que requiera reparaciones en un ao p = 0.20 = probabilidad de que un pozo requiera reparaciones en el trmino de un ao q = 0.80 = probabilidad de que un pozo no requiera reparaciones en el trmino de un ao p(x = 5) =

Distribucin hipergeomtrica
La distribucin hipergeomtrica es aplicable a muestreos sin reemplazo y la binomial a muestreos con reemplazo. En situaciones en las que el nmero esperado de repeticiones en el muestreo es presumiblemente bajo, puede aproximarse la primera por la segunda. Esto es as cuando N es grande y el tamao relativo de la muestra extrada, n/N, es pequeo. En teora de la probabilidad la distribucin hipergeomtrica es una distribucin discreta relacionada con muestreos aleatorios y sin reemplazo. Supngase que se tiene una poblacin de N elementos de los cuales, d pertenecen a la categora A y N-d a la B. La distribucin hipergeomtrica mide la probabilidad de obtener x ( ) elementos de la categora A en una muestra de n elementos de la poblacin original

Propiedades La funcin de probabilidad de una variable aleatoria con distribucin hipergeomtrica puede deducirse a travs de razonamientos combinatorios y es igual a

donde es el tamao de poblacin, es el tamao de la muestra extrada, es el nmero de elementos en la poblacin original que pertenecen a la categora deseada y es el nmero de elementos en la muestra que

pertenecen a dicha categora. La notacin hace referencia al coeficiente binomial, es decir, el nmero de combinaciones posibles al seleccionar elementos de un total . El valor esperado de una variable aleatoria X que sigue la distribucin hipergeomtrica es

y su varianza,

En la frmula anterior, definiendo

se obtiene

Ejemplos: 1. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narctico en una botella que contiene 9 pldoras de vitamina que son similares en apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para analizarlas,

a) Cul es la probabilidad de que el viajero sea arrestado por posesin de narcticos? b) Cul es la probabilidad de que no sea arrestado por posesin de narcticos?. Solucin: a) N = 9+6 =15 total de tabletas a = 6 tabletas de narctico n = 3 tabletas seleccionadas x = 0, 1, 2, o 3 tabletas de narctico = variable que nos indica el nmero de tabletas de narctico que se puede encontrar al seleccionar las 3 tabletas

p(viajero sea arrestado por posesin de narcticos) = p(de que entre las 3 tabletas seleccionadas haya 1 o ms tabletas de narctico)

b) p(no sea arrestado por posesin de narcticos)

2. De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3 proyectiles defectuosos que no explotarn, cul es la probabilidad de que , a) los 4 exploten?

b) al menos 2 no exploten?

Solucin: a) N = 10 proyectiles en total a = 7 proyectiles que explotan n = 4 proyectiles seleccionados x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el nmero de proyectiles que explotan entre la muestra que se dispara

b) N = 10 proyectiles en total a = 3 proyectiles que no explotan n = 4 proyectiles seleccionados x = 0, 1, 2 o 3 proyectiles que no explotan

p(al menos 2 no exploten) = p( 2 o ms proyectiles no exploten) = p(x = 2 o 3; n=4) =

Distribucin de Bernoulli
En teora de probabilidad y estadstica, la distribucin de Bernoulli (o distribucin dicotmica), nombrada as por el matemtico y cientfico suizo Jakob Bernoulli, es una distribucin de probabilidad discreta, que toma valor 1 para la probabilidad de xito ( ) y valor 0 para la probabilidad de fracaso ( ). Si es una variable aleatoria que mide "nmero de xitos", y se realiza un nico experimento con dos posibles resultados (xito o fracaso), se dice que la variable aleatoria se distribuye como una Bernoulli de parmetro .

La frmula ser:

Su funcin de distribucin viene definida por:

Un experimento al cual se aplica la distribucin de Bernoulli se conoce como Ensayo de Bernoulli o simplemente ensayo, y la serie de esos experimentos como ensayos repetidos.

Ejemplos:
1. Lanzar una moneda, probabilidad de conseguir que salga cruz Se trata de un solo experimento, con dos resultados posibles: el xito (p) se considerar sacar cruz. Valdr 0,5. El fracaso (q) que saliera cara, que vale (1 p) = 1 - 0,5 = 0,5. La variable aleatoria X medir "nmero de cruces que salen en un lanzamiento", y slo existirn dos resultados posibles: 0 (ninguna cruz, es decir, salir cara) y 1 (una cruz). Por tanto, la v.a. X se distribuir como una Bernoulli, ya que cumple todos los requisitos.

2. Lanzar un dado y salir un 6 Cuando lanzamos un dado tenemos 6 posibles resultados:

Estamos realizando un nico experimento (lanzar el dado una sola vez). Se considera xito sacar un 6, por tanto, la probabilidad segn la principio de indiferencia| principio de indiferencia de Laplace (casos favorables dividido entre casos posibles) ser 1/6.

Se considera fracaso no sacar un 6, por tanto, se considera fracaso sacar cualquier otro resultado.

La variable aleatoria X medir "nmero de veces que sale un 6", y solo existen dos valores posibles, 0 (que no salga 6) y 1 (que salga un 6). Por tanto, la variable aleatoria X se distribuye como una Bernoulli de parmetro = 1/6

La probabilidad de que obtengamos un 6 viene definida como la probabilidad de que X sea igual a 1.

La probabilidad de que NO obtengamos un 6 viene definida como la probabilidad de que X sea igual a 0.

Distribucin uniforme discreta

En teora de la probabilidad, la distribucin uniforme discreta es una distribucin de probabilidad que asume un nmero finito de valores con la misma probabilidad. Propiedades: Si la distribucin asume los valores reales probabilidad es , su funcin de

y su funcin de distribucin la funcin escalonada

Su media estadstica es

y su varianza

Ejemplos:
1. Cuando se selecciona al azar una bombilla de luz de 40 watts de 60, una de 75 y una de 100, cada elemento del espacio muestra S={40,60,75,100 ocurre con probabilidad de . Por tanto tenemos, una distribucin uniforme con: * F(x;4)=1/4, X=40,60,75,100

2. Para un dado perfecto, todos los resultados tienen la misma probabilidad 1/6. Luego, la probabilidad de que al lanzarlo caiga 4 es 1/6.