REPBLICA BOLIVARIANA DE VENEZUELA

INSTITUTO UNIVERSITARIO POLITCNICO SANTIAGO MARIO

ESCUELA DE INGENIERA DE SISTEMAS
EXTENSIN MATURN

DISTRIBUCIN DE PROBABILIDAD
DISCRETA

Tutora:
Amelia Malav

Autor:
Jos Rojas

Distribucin de Probabilidad

Distribuciones

Es una distribucin terica de frecuencias que describe como se espera

que varen los resultados de un experimento. Existen diferentes tipos de
modelos que permiten describir el comportamiento de fenmenos
estadsticos que permiten hacer inferencias y tomar decisiones en
condiciones de incertidumbre.
Se clasifican en:

Discretas
Continuas

Distribuciones discretas
Son aquellas donde las variables asumen un nmero limitado de
valores, por ejemplo el nmero de aos de estudio. Segn Bernouilli:
Es aquel modelo que sigue un experimento que se realiza una sola
vez y que puede tener dos soluciones, acierto o fracaso: Cuando es
acierto la variable toma el valor 1 y cuando es fracaso la variable
toma el valor 0. Ejemplo: Probabilidad de salir cara al lanzar una
moneda al aire (sale cara o no sale); probabilidad de ser admitido en
una universidad (o te admiten o no te admiten); probabilidad de
acertar una quiniela (o aciertas o no aciertas)

Distribuciones Discretas

Binominal.
Hipergeomtrica.
Multinominal.
Poisson

Distribucin Binominal
Esta distribucin fue elaborada por Jacobo Bernoulli y es aplicable a un
gran nmero de problemas de carcter econmico y en numerosas
aplicaciones como:
Juegos de azar.
Control de calidad de un producto.
En educacin.
En las finanzas.

Propiedades Esenciales De La Distribucin Binomial.

1. El espacio muestral contiene n ensayos idnticos.
2. Las observaciones posibles se pueden obtener mediante dos
diferentes mtodos de muestreo.
Se puede considerar que cada observacin se ha seleccionado de
una poblacin infinita sin reposicin o de una poblacin finita
con reposicin.
3. Cada observacin se puede clasificar en una de dos categoras
conocidas como xito E o fracaso E', las cuales son mutuamente
excluyentes es decir EE' = 0.
4.Las probabilidades de xito p y de fracaso q = 1 - p en un
ensayo se mantienen constantes, durante los n ensayos.
5.- El resultado de cualquier observacin es independiente del
resultado de cualquier otra observacin.

Frmula:
La probabilidad de que el evento E ocurra x veces y el evento E' ocurra (n - x)
veces en n ensayos independientes est dado por la frmula binomial:

DONDE:
p = Probabilidad caracterstica o probabilidad de xito.
q = Probabilidad de fracaso
x = Nmero de xitos deseados
n = Nmero de ensayos efectuados

Ejemplo:

Distribucin Hipergeomtrica
Se emplea para calcular la probabilidad de obtener determinado nmero de
xitos en un espacio muestral de n ensayos; pero a diferencia de la
distribucin binomial es que los datos de la muestra se extraen sin
reemplazo en una poblacin finita. Por esto es que el resultado de una
observacin depende o es afectado por el resultado de cualquier otra u otras
observaciones anteriores.
Es decir la distribucin hipergeomtrica se emplea para muestreos sin
reemplazo de una poblacin finita cuya probabilidad de ocurrencia cambia a
lo largo del ensayo.
Dado un espacio muestral S de tamao N con los subespacios M N y (NM) N entonces, la probabilidad de que en n ensayos x pertenezca a M y
(n- x) pertenezca a (N- M) est dada por:

Frmula:
Grficamente se puede representar como:

DONDE:
N= El tamao de espacio muestral.
Sn= El nmero de ensayos.
M= El nmero de xitos en el espacio muestral.
N - M= Nmero de fracasos del espacio muestral.
x= Nmero de xitos en la muestra.
n - x= Nmero de fracasos de la muestra.

Ejemplo:
Si en una empresa se presentan para cubrir dos vacantes 13 aspirantes de
los cuales 5 son hombres y 8 son mujeres, calcular " El nmero de
hombres contratados."
N= {13 aspirantes para cubrir 2 vacantes}
A= {Nmero de hombres contratados}
E0= Se contratan
x0= 0 hombres, equivale a contratar (n - x0) = 2 mujeres.
E1= Se contratan
x1= 1 hombres, equivale a contratar (n - x1) = 1 mujeres.
E2= Se contratan
x2= 2 hombres, equivale a contratar (n - x2) = 0 mujeres.

N= 13 total de aspirantes.
M= 5 aspirantes hombres.
N-M= 8 aspirantes mujer.
n = 2 vacantes totales.
x= 0,1,2 hombres posibles a contratar.
n-x= 2,1,0 mujeres posibles a contratar.

Distribucin Multinominal
Ocurre cuando en el experimento binomial cada intento tiene ms de dos
resultados posibles. Las probabilidades de ocurrencia p1, p2, ..., pk en un solo
ensayo, la distribucin de probabilidad de las variables aleatorias k1, k2, ..., kn
que representan el nmero de ocurrencias de E1, E2, ..., En en n intentos
independientes es:

Ejemplo:
Calcular la probabilidad de obtener dos veces el nmero 4, dos veces el
nmero 5 y una vez el nmero 2, en el lanzamiento de un dado 5 veces.

Distribucin de Poisson
Esta funcin de distribucin de variable discreta se emplea para calcular las probabilidades
asociadas a la variable aleatoria dentro de un intervalo continuo de tiempo o espacio; este
intervalo es generalmente una unidad de medida conocida: cm2, km, gramos, litros, pulgadas,
entre otros.
Algunos de los problemas que presentan como un fenmeno con distribucin de Poisson son:
Los embotellamientos que se producen por da.
Nmero de llamadas por hora.
Defectos por m2de tela.
Nmero de defectos por lote de un proceso de produccin.
Nmero de negocios cerrados por semana.
A este tipo de problemas se les conoce el nmero de xitos x obtenidos por unidad de medida
en n ensayos; pero es totalmente imposible conocer el nmero de fracasos (n - x).

Frmula:

DONDE:
n= Nmero de ensayos.
x= Nmero de xitos esperados en n ensayos.
e = 2.71828...
= n p= Constante igual al nmero de xitos promedio por
unidad de medida.
p= Probabilidad constante durante el proceso igual al
nmero de xitos promedio por unidad de medida.

Ejemplo:
Un conmutador recibe en promedio 5 llamadas sobre autos extraviados
por hora. Cul es la probabilidad de que en una hora tomada al azar
reciba?
a) Ninguna llamada.
b) Exactamente 3 llamadas.
c) No ms de 3 llamadas.

Para este problema = 5, en otros casos deber calcularse con: = n p.

a) Ninguna llamada. x= 0

b) Exactamente 3 llamadas: x= 3

c) No ms de 3 llamadas: x< 4

Distribuciones Continuas
Son aquellas donde las variables en estudio pueden asumir cualquier valor
dentro de determinados lmites; como por ejemplo, la estatura de un
estudiante. Ejemplo: El peso medio de los alumnos de una clase puede
tomar infinitos valores dentro de cierto intervalo (42,37 kg, 42,3764 kg,
42, 376541kg, entre otros); la esperanza media de vida de una poblacin
(72,5 aos, 75,13 aos, 72, 51234 aos).

Distribuciones Continuas

Uniforme.
Exponencial.
Normal.

Muchas Gracias