DISTRIBUCIONES

DE
PROBABILIDAD
MS USADAS



Resumen






Escrito por Prof. A. Rodrigo Farinha

Publicado en [Octubre de 2010] en mi sitio
www.arfsoft.com.uy

Queda absolutamente prohibido el uso total o parcial de este
material sin dar crdito a su autor. Solamente se puede imprimir y
sin modificacin alguna.
DIST. DE PROB. MS USADAS Escrito por Prof. A. Rodrigo Farinha

2

Distribucin Binomial

Situacin
Sea un experimento en el cual solo puede suceder uno de dos resultados posibles (uno denominado
xito de probabilidad p y el otro denominado fracaso de probabilidad 1 - p ).
Sean n experimentos como ese, independientes entre s.
Sea una variable aleatoria que cuenta la cantidad de xitos sucedidos al hacer esos n experimentos.
Dicha VA tendr una distribucin de probabilidad Binomial.

Notacin

( )
, B n p
n cantidad de experimentos
p probabilidad de xito en un experimento

Tipo de distribucin
discreta

Probabilidad
La probabilidad de obtener exactamente k xitos en n experimentos se calcula mediante la frmula:










Probabilidades Acumuladas
( )
( )
0
( )
( ) 1 ( 1)
k
i
n
i k
P x k P x i
P x k P x i P x k
=
=
= =
= = =

Valores Destacados










* Explicacin de lo que es Sesgo y Curtosis en pg. 7
( ) .(1 ) .
n k n k
k
P x k C p p

= =
( )
!
! !
:
/ 0 1
/ 0
n
k
n
C
n k k
Condiciones de aplicacin
n N
p R p
k N k n
+
=

< <

Media (Esperanza, Valor Esperado)
Varianza (1 )
Desviacin Estndar (1 )
1 2
Sesgo *
(1 )
1 6 (1 )
Curtosis * 3
(1 )
np
np p
np p
p
np p
p p
np p

DIST. DE PROB. MS USADAS Escrito por Prof. A. Rodrigo Farinha

3

Distribucin Hipergeomtrica

Consideraciones previas
La distribucin Binomial se caracteriza por presentar experimentos de Bernoulli: situaciones
dicotmicas (xito fracaso) y son considerados independientes entre s debido a que las
extracciones son:
con reposicin o
sin reposicin y la poblacin es infinita (muy grande).

La distribucin Hipergeomtrica modeliza procesos de Bernoulli tambin dicotmicos, pero
dependientes de los experimentos anteriores ya que no se reemplazan (devuelven) los objetos
extrados y la poblacin es finita (pequea).
Es decir que la distribucin Hipergeomtrica es especialmente til en todos aquellos casos en los que
se extraigan muestras o se realicen experiencias repetidas sin devolucin del elemento extrado.
Es una distribucin fundamental en el estudio de muestras pequeas de poblaciones pequeas y en el
clculo de probabilidades de juegos de azar y tiene grandes aplicaciones en el control de calidad en
procesos experimentales en los cuales no es posible retornar a la situacin de partida (los ensayos
son destructivos).

Situacin
Sea una poblacin compuesta por N objetos de los cuales r cumplen cierta caracterstica (xito).
De ella se extraen al azar y sin reposicin n objetos.
Sea una variable aleatoria que cuenta la cantidad de objetos que cumplen la caracterstica en dicha
extraccin.
Dicha VA tendr una distribucin de probabilidad Hipergeomtrica.

Notacin
( )
, , Hip N n r
N nmero total de objetos
n nmero de objetos extrados del total, sin devolverlos
r nmero de xitos en el total de objetos

Tipo de distribucin
discreta

Probabilidad
La probabilidad de obtener exactamente k xitos en los n objetos extrados se calcula mediante la
frmula:









.
( )
r N r
k n k
N
n
C C
P x k
C

= =
{ } { }
:
/ 1
/ 0
/ 0
/ 0, ,
Condiciones deaplicacin
N N N
n N n N
r N r N
k N Mx n N r k Mn n r
>
<
<
+
DIST. DE PROB. MS USADAS Escrito por Prof. A. Rodrigo Farinha

4

Probabilidades Acumuladas
( )
( )
( )
( ) 1 ( 1)
mn
mx
k
i k
k
i k
P x k P x i
P x k P x i P x k
=
=
= =
= = =

Valores Destacados


2
Media (Esperanza, Valor Esperado)
( )( )
Varianza
( 1)
n
r
N
nr N r N n
N N

DIST. DE PROB. MS USADAS Escrito por Prof. A. Rodrigo Farinha

5

Distribucin de Poisson


Situacin
Un experimento es de Poisson cuando que suceda algo (xito) es expresado por unidad de tiempo,
rea, volumen, etc.
Sea una variable aleatoria que cuenta la cantidad de veces que sucede cierto evento.
Dicha VA tendr una distribucin de probabilidad de Poisson.


Notacin
( )
Poi
promedio de xitos en el intervalo de inters


Tipo de distribucin
discreta

Probabilidad
La probabilidad de obtener exactamente k ocurrencias en un experimento de Poisson se calcula
mediante la frmula:







Probabilidades Acumuladas

( )
0
( )
( ) 1 ( 1)
k
i
P x k P x i
P x k P x k
=
= =
=

Valores Destacados












* Explicacin de lo que es Sesgo y Curtosis en pg. 7
( )
!
k
e
P x k
k

= =

: Condiciones deaplicacin
R
k N

Media (Esperanza, Valor Esperado)

Varianza
Desviacin Estndar
1
Sesgo *
1
Curtosis * 3

+

DIST. DE PROB. MS USADAS Escrito por Prof. A. Rodrigo Farinha

6

Distribucin Normal


Situacin
Una variable aleatoria X tendr una distribucin Normal si su funcin de densidad tiene la
siguiente forma:









Notacin

( )
2
, N

media de la poblacin

2
varianza de la poblacin


Tipo de distribucin
continua


Probabilidades Acumuladas

( ) ( )
( ) ( ) 1 ( )
k
k
P x k f x dx
P x k f x dx P x k

+
=
= =

Valores Destacados









* Explicacin de lo que es Sesgo y Curtosis en pg. 7

2
1
2
1
( )
2
x
f x e

| |
|
|
\

=

: Condiciones deaplicacin
R
R
x R

2
Media (Esperanza, Valor Esperado)
Varianza
Desviacin Estndar
Sesgo * 0
Curtosis * 3

DIST. DE PROB. MS USADAS Escrito por Prof. A. Rodrigo Farinha

7






Qu es el sesgo?

Es el grado de asimetra de la curva.
0 curva sesgada a la derecha
0 curva sesgada a la izquierda
0 curva simtrica
sesgo
>

<

Qu es la curtosis?

Expresa qu tan empinada se encuentra una distribucin (cunto ms curtosis, ms grande es el
pico).
Se compara con la de la distribucin Normal (3).
3 distribucin menos "puntiaguda" que la dist. Normal
3 distribucin ms "puntiaguda" que la dist. Normal
curtosis
<

>

DIST. DE PROB. MS USADAS Escrito por Prof. A. Rodrigo Farinha

8

APROXIMACIONES

Aproximacin de Poisson de la Binomial





Es decir que, si n y p cumplen las condiciones mencionadas, en lugar de la distribucin Binomial se
puede utilizar la distribucin de Poisson con
np =



Aproximacin Binomial de la Hipergeomtrica

Es decir que, si N y n cumplen las condiciones mencionadas, en lugar de la distribucin
Hipergeomtrica se puede utilizar la distribucin Binomial con
r
n y p
N
=



Aproximacin Normal de la Binomial

Es decir que, si n y p cumplen las condiciones mencionadas, en lugar de la distribucin Binomial se
puede utilizar la distribucin Normal con
np =
y
(1 ) np p =


En esta similitud no se debe olvidar que la Binomial es discreta y la Normal es continua. Debido a
eso, hay que tener en cuenta un ajuste de media unidad (0.5) como se describe a continuacin:

Sea
B
X una variable aleatoria que presenta una distribucin Binomial B(n , p).
Sea
N
X una variable aleatoria que presenta una distribucin Normal ( ) , (1 ) N np np p .

( ) ( )
( ) ( )
( ) ( )
( ) ( )
1 2 1 2
0.5 0.5
0.5
0.5
0.5 0.5
B N
B N
B N
B N
P X k P k X k
P X k P X k
P X k P X k
P k X k P k X k
= +
+

+

( ) ( )
30 0.1: , ~ Si n y p np B n p Poi

( ) ( )
5 (1 ) 5: , (1 ) , ~ Si np y n p np np p B n p N

( )
50 : ,
10
, , ~
N r
Si N y n Hip n
N
N n r B
| |

|
\

DIST. DE PROB. MS USADAS Escrito por Prof. A. Rodrigo Farinha

9


Aproximacin Normal de Poisson





Es decir que, si cumple la condicin mencionada, en lugar de la distribucin de Poisson se puede
utilizar la distribucin Normal con
=
y
=



( ) ( )
: , ~ Si es muy grande Poi N