DISTRIBUCIONES DE

PROBABILIDAD
Toda distribucin de probabilidad es generada
por una variable aleatoria x, la misma que
puede ser de dos tipos: Variable aleatoria
discreta y variable aleatoria continua.
Variable: Se llama variable porque puede
asumir diferentes valores
Variable aleatoria: Se llama as porque el valor
tomado es totalmente aleatorio.
Variable aleatoria discreta: porque solo puede
asumir valores enteros.
Ejemplos:
X: Variable que nos define el numero de
artculos defectuosos en un lote de 1000
artculos producidos.
X: Variable que define el numero de alumnos
aprobados en la primera practica de
Probabilidades y estadstica en un grupo de 45
estudiantes.
X: Numero de caras que aparecen al lanzarse
simultneamente tres dados sobre una
superficie plana.
Si observamos los diferentes ejemplos
considerados ninguno puede asumir valores
fraccionarios, todos son enteros.
Variable aleatoria continua: Se llama as porque
puede asumir valores enteros y fraccionarios y
un numero infinito de ellos.
Ejemplos:
X: variable que nos define la longitud de un
cable.
X: Variable que nos define la resistencia al
impacto de un metal.
X: El ingreso de los docentes en las diferentes
categoras.
Las variables que se mencionan
nos generan dos tipos de
distribuciones de probabilidad:
Distribucin de probabilidad de
variables aleatorias discretas
Distribucin de probabilidad de
variables aleatorias continuas.

CARACTERISTICAS DE UN DISTRIBUCION DE
PROBABILIDAD DE VARIABLE ALEATORIA
DISCRETA.
1. P() 0 Las probabilidades asociadas a cada
uno de los valores que asume x,
necesariamente deben ser mayores o
iguales que cero. A estas distribuciones se
les conoce como funciones de cuanta.
2. = 1 La suma de las probabilidades asociadas
a cada uno de los valores que toma x es igual a
la unidad.
CARACTERISTICAS
DE UN DISTRIBUCION DE
PROBABILIDAD DE VARIABLE ALEATORIA
CONTINUA.
1. f(x)0 Las probabilidades asociadas a cada
uno de los valores que puede asumir x,
deben ser mayores o iguales que cero. A
estas funciones se les denomina funciones
de densidad.
2. -
PROCESO
DE CALCULO DE LA ESPERANZA Y
VARIANZA DE UNA V.A DISCRETA
E(x)=u=)
Aqu:
u: Es la media de la distribucin
E(x): Valor esperado de x
: Valores que toma la variable
P(): Probabilidad asociada a los diferentes
valores de la variable.
Para
calcular la varianza de la distribucin se
utiliza la siguiente formula:
=P()
Aqu: es la varianza de la distribucin
: Media o valor esperado de la distribucin
: Valores que toma la variable x
P(): Probabilidad asociada a cada uno de los
valores que toma x.
Ejemplo: Considrese la probabilidad, de que el
motor de un auto nuevo sufra de algn
desperfecto en los 12 primeros meses de uso es
de 0,02, si se prueban tres automviles de esta
marca y modelo, encuentre el numero esperado
de autos que no sufren de algn desperfecto en
los primeros 12 meses de uso y su desviacin
estndar.

SOLUCION:

Se puede hacer uso del diagrama del rbol para

lo cual definimos:
N:No sufre algn desperfecto el motor los
primeros doce meses de uso.
S: Sufre algn desperfecto el motor los primeros
doce meses de uso.
Del rbol se determina el siguiente espacio
muestral:
=
x: Variable que nos define el numero de autos
que no sufre de algn desperfecto durante los
primeros doce meses de uso.
x: 0,1,2,3 autos que no sufren algn
desperfecto
Del motor en 12 primeros meses de uso.
P(x=0)=P(SSS)=0,02(0,02)(0,02)=0,000008
P(x=1)=P(NSS,SNS,SSN)=0,98(0,02)
(0,02)+0,02(0,98)(0,02)+(0,02)(0,02)
(0,98)=0,001176.
P(x=2)=P(NNS,NSN,SNN)=0,98(0,98)
(0,02)+0,98(0,02)(0,98)+0,02(0,98)
(0,98)=0,057624
P(NNN)=0,98(0,98)(0,98)=0,941192

Si utilizamos la formula para encontrar la
esperanza matemtica se tiene:
E(x)=E(x)=u=)
E(X)=0(0,000008)+1(0,001176)+2(0,057624)+
3(0,941192)=2,94
Por tanto se espera que tres autos no sufran
desperfecto en el motor en los primeros doce
meses de uso.

Para encontrar la varianza se procede de la
forma siguiente:
Usamos la formula: =P()
Luego si sustituimos valores se tiene que:
=(0,000008)+(0,001176)+
(0,057624)+(0,941192)=0,062396
Al sacar la raz cuadrada determinamos la
desviacin estndar cuyo valor es: 0,2497.
SIGNIFICA: Se espera que los tres autos
probados no sufran algn desperfecto en los
primeros 12 meses de uso con una variabilidad
de 0,2.
PROBLEMA DE APLICACIN
Se ha detectado en una lnea de produccin que 1 de cada 10
artculos fabricados es defectuoso; se toman de esa lnea tres
artculos uno tras otro, a) obtenga la distribucin de
probabilidad del experimento, b) encuentre el nmero
esperado de artculos defectuosos en esa muestra y su
desviacin estndar.

FUNCION DE PROB ABILIDAD
b(x, n, p)=, x: 0,1,n
Las variables que definen al proceso:
Numero de veces que se ejecuta el proceso n
p:probabilidad de xito y 1-p: fracaso
Condiciones no varan. Experimentos
independientes(probabilidad no condicional)
FUNCION DE DISTRIBUCION ACUMULATIVA
La distribucin acumulativa F(x) de una variable
aleatoria discreta x, cuya funcin de distribucin es
f(x),
puede expresarse como:
F(x)= P(Xk)=
PROBLEMAS:
La probabilidad de que un estudiante de
Sistemas obtenga el grado de bachiller en
sistemas es de 0,3 . Hallar la probabilidad de
que un grupo de 7 estudiantes que sustentan
su tesina:
a. Ninguno de los 7 obtenga su grado de
bachiller
b. Todos obtengan el grado de bachiller
c. Por lo menos dos obtengan el grado de
bachiller
d. Hallar la esperanza y desviacion tipica de
alumnos que obtengan el grado.
SOLUCION:

1. P(x=0)== 0,0824
2. P(x=7)== 0,0002
3. P(x2)=1-P(x 2)= 1-P(x1)=0,6705
4. = n p=7(0,3)=2,1 y == =1,2124
Supongamos que la probabilidad de tener una
unidad defectuosa en una lnea de ensamblaje
es de 0.05. Si el conjunto de unidades
terminadas constituye un conjunto de ensayos
independientes:
a. cul es la probabilidad de que entre diez
unidades dos se encuentren defectuosas?
b. y de que a lo sumo dos se encuentren
defectuosas?
c. cual es la probabilidad de que por lo menos
una se encuentre defectuosa?

SOLUCION:

p= =0,05 1-p= 0,95

1. P(x=2)== 0,0746

2. P(x2)= ++= 0,9884

3. P(X1)=1-P(X1)= 1-P(x=0)=1-=1-0,5987= 0,4013