DISTRIBUCIONES DE PROBABILIDAD DISCRETA

¿Que es una distribución de probabilidad?

El comportamiento de una variable aleatoria queda descrito por su distribución

de probabilidad discreta sin importar si ésta se representa de forma gráfica
mediante un histograma,, en forma tabular o con una fórmula. A menudo, las
observaciones que se generan en diferentes experimentos estadísticos tienen
el mismo tipo general de comportamiento. Y en consecuencia , las variables
aleatorias discretas asociadas con estos experimentos se pueden describir
esencialmente con la misma distribución de probabilidad y por tanto se pueden
representar mediante una sola fórmula.

Distribución Uniforme Discreta:

Esta es la más simple de todas las distribuciones de probabilidad discreta es

aquella donde la variable aleatoria toma cada uno de sus valores con una
probabilidad idéntica. Tal distribución de probabilidad se denomina
distribución uniforme discreta.

En este caso cuando la variable aleatoria la denominamos como X, toma los

valores de
x 1 , x 2 , ... , x k , con idénticas probabilidades, entonces la distribución

uniforme discreta esta dada por :

1
f  x ; k = x=x 1 , x 2 ,... , x k
k

Cabe notar que usamos la notación f  x ; k  en lugar de f  x para indicar

que la distribución uniforme depende del parámetro k.

Ejemplo:

Cuando se lanza un dado cada elemento del espacio muestral

S= {1,2,3,4,5,6 } ocurre con una probabilidad de 1/6. Por lo tanto, tenemos una

distribución uniforme, con:

1
f  x ;6= , x=1,2,3,4,5,6
6
Para el caso de la media y la varianza de esta distribución uniforme discreta
tenemos los siguientes modelos:

k k

∑ Xi ∑  X i−µ2
i=1
Γ 2= i=1
µ= y
k k

Distribución Hipergeométrica:

Esta distribución suele confundirse a menudo con la distribución

binomial pero sin embargo una de las maneras mas simples de ver la
diferencia entre ambas distribuciones está en la forma en que se realiza el
muestreo.

Los tipos de aplicaciones de la distribución hipergeométrica son muy similares

a la binomial. Nos interesamos en el cálculo de probabilidades para el número
de observaciones que caen en una categoría particular. Pero en el caso de la
binomial a , por ejemplo, tomar muestras de un lote de artículos (barajas, lotes
de artículos producidos), el muestreo se debe efectuar con reemplazo de cada
artículo después de que se observe. Por otro lado, la distribución
hipergeométrica no requiere independencia y se basa en el muestreo que se
realiza sin remplazo.

En general, nos interesa la probabilidad de seleccionar x éxitos de los k

artículos considerados como éxito y (n-x) fracasos de los (N-k )artículos que se
consideraran fracasos cuando se selecciona una muestra aleatoria de tamaño
n de N artículos. Esto se conoce como experimento hipergeométrico; es decir,
uno que posee las siguientes propiedades:

➢ Se selecciona sin remplazo una muestra aleatoria de tamaño n de N

artículos.

➢ k de los N artículos se pueden clasificar como éxitos y (N-k) se

clasifican como fracasos.

El numero X de éxitos de un experimento hipergeométrico se denomina

variable aleatoria hipergeométrica. En consecuencia, la distribución de
probabilidad de la variable hipergeométrica se llama distribución
hipergeométrica, y sus valores se denotan como h x ; N ,n , k  , debido a que

dependen del número de éxitos k en el conjunto N del que seleccionamos n

artículos.
Ejemplo:

Se selecciona al azar un comité de cinco personas entre 3 químicos,, 5 físicos.

Encuentre la distribución de probabilidad para el número de químicos en el
comité.

Solución:

Sea la variable aleatoria X el número de químicos en el comité. Se

satisfacen las dos propiedades de un experimento hipergeométrico.
Por ello:

P X =0=h 0; 8,5,3=

 0  5  1
3 5
=
5 56
8

P X =1=h1 ; 8,5,3=
 1  4  15
3 5
=
5 56
8

P X =2=h2 ;8,5,3=
 2  3  30
3 5
=
 5 56
8

P X =3=h3 ; 8,5,3=
 3  2  10
3 5
=
5 56
8

La distribución hipergeométrica de X es como sigue:

X 0 1 2 3

h(x;8,5,3) (1/56) (15/56) (30/56) (10/56)

Ahora generalizando:

La distribución de probabilidad de la variable aleatoria hipergeométrica X, el

número de éxitos en una muestra aleatoria de tamaño n que se selecciona de
N artículos de los que k se denominan éxitos y (N-k) fracaso, es

h x ; N ,n , k =
 x  n−x 
k N−k
x=0,1,2,. .. , n
 Nn 
Media y Varianza de la distribución hipergeométrica

µ=
nk
N
y Γ 2=
N −n
N −1
∗ n ∗
k
N
∗ 1−
k
N  
PROBABILIDAD EN CONJUNTOS FINITOS

Cuando hablamos acerca de la probabilidad en conjuntos finitos, nos referimos

como lo dice su nombre, a que el espacio muestral sobre el que se va a
trabajar es finito. Es decir hablamos de que S se puede escribir de la forma
S={a 1 , a 2 , ... , ak } .

A fin de caracterizar en este modelo a P(A), consideramos primero el suceso

que esta constituido por un solo resultado, llamado algunas veces suceso

elemental, digamos
A={ai } . Procedemos de la siguiente manera.

A cada uno de los sucesos elementales

ai le asignamos un numero pi ,

llamado la probabilidad de
ai , que satisface las siguientes condiciones.

pi0 i=1,2,3,. .. , k
➔

p1 p2 p 3... p k =1

➔

Puesto que
ai es un suceso, estas condiciones deben de estar de acuerdo

con las postuladas para las probabilidades de sucesos en general.

Es decir, la asignación de probabilidades

pi a cada uno de los sucesos

elementales
ai determina de un modo único a P(A) para cada uno de los

sucesos A⊂S en donde P(A) esta dado por la ecuación.

P A= p1 p 2p 3... p k

Ejemplo:

Supongamos que solo son posibles tres resultados en un experimento E,

digamos
a1 , a2 , a3 . Además supongamos que la ocurrencia de a1 es dos

veces mas probable que la de

a 2 , la cual , a su vez, es dos veces mas

probable que la de
a3 . Por lo tanto:
 p1=2p2 y p 2=2p3 .

Puesto que p 1 p2 p3 =1, tenemos que 4p 32p3 p 3=1 , lo que finalmente da :

1 2 4
p3= , p2= , y p1=
7 7 7

PERMUTACIONES CON ELEMENTOS REPETIDOS

A veces suponemos que en los métodos de numeración, todos los elemento

que consideramos eran diferentes, pero esto no siempre suele ser así.

Supongamos, entonces que tenemos n objetos tales que hay

n1 de una

clase,
n2 de otra clase,
... nk de una k-ésima clase en donde

n1n2...nk =n . Entonces el número de permutaciones de objetos de este

tipo esta dado por:

n!
n1 ! ∗ n 2 ! ∗ ... ∗ n k !

Notando que si los elementos

n1=n2=...=nk =1 esto se reduce a las

permutaciones de n elementos, como n!.

Ejemplo:

¿Cual es el número de permutaciones que se puede obtener con las letras de la

palabra PROBABILIDAD ?

Solución

Primero debemos de encontrar nuestro n que es el total de elementos a

permutar, en este caso es el total de letras de la palabra PROBABILIDAD.
 n=12

Luego procedemos a separar cada una de las letras y ver cuantas veces se
repite cada una de ellas, quedando de la siguiente manera:

p=1, r=1, o=1, b=2, a=2, i=2,

l=1, d=2

Luego de acuerdo a la formula obtenemos lo siguiente:

12!
2! 2 ! 2 ! 2!