TEMA 4.

MODELOS DE PROBABILIDAD
DISCRETOS

4.1 Distribucin binomial

4.1.1 Definicin. Ejemplos
4.1.2 La media y la varianza
4.1.3 Uso de tablas
4.1.4 Aditividad

4.2 Distribucin de Poisson

4.2.1 Definicin. Ejemplos
4.2.2 La media y la varianza
4.2.3 Uso de tablas
4.2.4 Aditividad
4.2.5 Aproximacin de Binomial a Poisson

113
 4.1 Distribucin binomial

^ 4.1.1 Definicin. Ejemplos

Sea un experimento aleatorio en el que slo puedan darse

dos posibilidades: que ocurra un determinado suceso A, que
llamaremos xito, o que no ocurra dicho suceso, o sea que
ocurra su complementario, que llamaremos fracaso, A.
Se conoce la probabilidad de ocurrencia del suceso A, y
por lo tanto la de su complementario:

( )
P ( A ) = p ; P A =1 p = q

Se repite el experimento n veces en las mismas

condiciones (independencia). Se define la variable aleatoria
Binomial :
X: n de veces que ocurre el suceso A (n xitos) en n
realizaciones independientes del experimento

9 Por lo tanto, X: 0, 1, 2 , 3, n

X B (n; p )

114
 Funcin de probabilidad

P( X = r ) = n
r ()
p r qn r

pr qn r
n!
=
r !( n r )!

r : 0,1, 2,..., n

Puede comprobarse que se verifica:

( )
n n
n p r q nr = 1
P( X = r ) = r
r =0 r =0

115
 W Ejemplos

N de caras al lanzar 20 veces una moneda

N de aprobados si se presentan 80 alumnos a un

examen

N de familias con un solo hijo en una poblacin de

120 familias

N de reacciones negativas ante un frmaco

administrado a 40 pacientes

N de accidentes de trfico si han circulado 1200

automviles

N de semillas que germinan de las 20 semillas que

se han plantado en suelos de idntica composicin

116
 ^ 4.1.2 La media y la varianza

Media

n
= E[ X ] = rP( X = r ) = np
r =0

Varianza

n
2
Var[ X ] = = ( r ) 2
P( X = r ) = npq
r =0

W Ejemplo

Diez individuos, cada uno de ellos propenso a la

tuberculosis, entran en contacto con un portador de la
enfermedad. La probabilidad de que la enfermedad se
contagie del portador a un sujeto cualquiera es de 0.1.
Cuntos se espera que contraigan la enfermedad?
Solucin:
X B (10; 0.1) E( X ) = 10 0.1 = 1

117
 ^ 4.1.3 Uso de tablas

W Ejemplo

La probabilidad de que cierto antibitico presente una

reaccin negativa al administrarse a un ave rapaz en
recuperacin es de 0.15. Si se les ha administrado dicho
antibitico a 10 aves, calclense las probabilidades de que
haya reaccin negativa:
a. En dos aves
b. En ningn ave
c. En menos de 4 aves
d. En ms de 3 aves
e. Entre 2 y 5 aves
Solucin:
Suceso A : " A un ave se le presenta reaccin negativa "
X :" n de aves a las que se les presenta tal reaccin "
P ( A ) = 0.15 ; n = 10 ; X B (10 ; 0.15)

a. P( X = 2) = 0.2759

b. P( X = 0) = 0.1969

118
 c. P( X < 4) = P( X 3) = P( X = 0) + P ( X = 1) +
+ P( X = 2) + P( X = 3) = 0.1969 + 0.3474 +
+ 0.2759 + 0.1298 = 0.95

d . P( X > 3) = 1 P( X 3) = 1 ( P( X = 0) + P( X = 1) +
+ P( X = 2) + P( X = 3) ) = 1 (0.1969 + 0.3474 + 0.2759 +
+0.1298 ) = 0.05

e. P(2 X 5) = P( X = 2) + P( X = 3) + P( X = 4) +
+ P( X = 5) = 0.2759 + 0.1298 + 0.0401 + 0.0085 =
= 0.4543

119
a Un hombre y una mujer, cada uno con un gen recesivo
(Azul) y uno dominante (Marrn) para el color de los ojos,
son padres de tres hijos. Cul es la distribucin de
probabilidades para X, nmero de hijos con ojos azules?
E = {(AA), (AM), (MA), (MM)}
A = Ojos Azules; P ( A ) = p =1/4; n = 3
X = {N de hijos con ojos azules de 3 hijos}

X B(n ; p ) = B (3; 0.25)

r n r

P ( X = r ) = r p q = r
n r n r 3 1 3
; r = 0, 1, 2, 3
4 4
0 3
3
P( X = 0) = 30 1 = 0.4219
4 4

1
3
2

P( X =1) = 13 1 = 0.4219
4 4

2
3
1

P( X = 2) = 32 1 = 0.1406
4 4

3 0
3
P( X = 3) = 33 1 = 0.0156
4 4

120
 ^ 4.1.4 Aditividad

Sean k variables aleatorias, X1, X2,...,XK , que verifican:

Independientes entre s
Xi B ( ni ; p ), i = 1, 2,k

Definimos la variable aleatoria X como:

X = X1 + X 2 + .... + X k

9 En estas condiciones se verifica que la variable aleatoria

X sigue una distribucin Binomial:

X B (n1 + ... + n k ; p )

121
 4.2. Distribucin de Poisson

^ 4.2.1 Definicin. Ejemplos

Se define la variable aleatoria X como el nmero de

sucesos que ocurren en un intervalo continuo de tiempo,
longitud o espacio, de un tamao determinado.
Sea el nmero medio de sucesos que ocurren en estos
intervalos.
La variable aleatoria as definida sigue una distribucin
de Poisson de parmetro

X P ( )

W Ejemplos

N de leucocitos en una gota de sangre

N de veces que una planta de energa nuclear emite

gases radiactivos en un periodo de tres meses

122
 Funcin de probabilidad

r
P( X = r) = e ; r = 0,1, 2, 3,...; > 0
r!

Puede comprobarse que se verifica:

r
P( X = r) = r ! e = 1
r =o r =o

^ 4.2.2 La media y la varianza

La media

= E[X ] =

Varianza

Var [ X ] = 2 =

123
 W Ejemplos

Nmero de bacterias nocivas por cada cm3 de agua.

Nmero de partculas radiactivas emitidas cada hora

por una cierta sustancia.

La probabilidad de reaccin negativa ante un

frmaco de un individuo es 0.05. Si hay 100
individuos, X: n individuos con reaccin negativa

La probabilidad de que un individuo tenga un

accidente es 0.01. Si hay 3500 individuos, X: n de
accidentados

Se estima que slo uno de cada 50 loros capturados

en la cuenca del Amazonas, para su utilizacin como
animales domsticos, sobrevive al cambio. Se
capturan 700 pjaros en un da, X: n de loros que
sobreviven

124
 ^ 4.2.3 Uso de tablas

En una gasolinera la llegada de vehculos sigue la

distribucin de Poisson de parmetro 1.6. Calclese la
probabilidad de que:

a. El n de vehculos que lleguen sea superior a tres

b. Est comprendido entre dos y cinco
c. Llegue algn vehculo

a. P ( X > 3) = 1- P( X 3) = 1- P ( X = 0) - P( X = 1) - P( X = 2) - P( X = 3) = 0.0789

b. P(2 X 5) = P( X = 2) + P( X = 3) + P( X = 4) + P( X = 5) = 0.4689

c. P ( X 1) = 1 P ( X < 1) = 1 P ( X = 0) = 0.7981

125
 ^ 4.2.4 Aditividad

Sean k variables aleatorias, X1, X2,...,XK , que verifican:

Independientes entre s
Xi P ( ), i = 1, 2,k
i

Definimos la variable aleatoria X como:

X = X1 + X 2 + .... + X k

9 En estas condiciones se verifica que la variable aleatoria

X sigue una distribucin de Poisson:

X P ( = 1 + ... + k )

126
^4.2.5 Aproximacin de una Binomial
a una Poisson

Sea X una v.a. con distribucin Binomial

X B (n; p )

Si se verifica que

n > 30 y p < 0.1

o bien
np 5

9 La distribucin binomial se aproxima a una

distribucin de Poisson de parmetro = np

X P ( = np )

127
 W Ejemplo

La probabilidad de que al administrrsele un antibitico a

un ave rapaz en recuperacin se le presente una reaccin
negativa es 0.05. Si se le va a administrar el antibitico a
80 de estas aves, calclese la probabilidad de que:
1. No haya reaccin negativa en ningn ave
2. Al menos haya reaccin negativa en dos de ellas
3. Como mucho la haya en 5

Solucin:
Suceso A : " A un ave se le presenta reaccin negativa "
X :" n de aves a las que se les presenta tal reaccin "

P( A ) = 0.05; n = 80; X B (80 ; 0.05)

n > 30 y p < 0.1

X P ( = np) = P ( = 80 0.05) = P ( = 4)
1. P ( X = 0) = 0.0183
2. P ( X 2) = 1 P ( X 1) = 1 P ( X = 0) P ( X = 1)
= 0.9084
3. P( X 5) = P ( X = 0) + ... + P( X = 5) = 0.7851

128