MODELOS DE PROBABILIDAD DISCRETOS

CURSO DE ESTADSTICA
ESCUELA AMBIENTAL
JAIRO TORRES VELSQUEZ

DEFINICIN
FUNCIN DE PROBABILIDAD BINOMIAL: Una variable aleatoria X tiene una distribucin
binomial y se conoce como una variable aleatoria binomial si y slo si su distribucin de
probabilidad est dada por:
, Con x=Nmero de xitos en n & x=1,2,3...,n

Donde en el experimento,

Tambin,

, !#

) #

,

,

$
%
&
# #%

Nota: Tecla nCx en Calculadora

CONDICIONES PARA APLICAR DISTRIBUCIN BINOMIAL:

-

El experimento se realiza n veces de forma INDEPENDIENTE.

La probabilidad de xito p se mantiene constante para las n veces que se realiza el
experimento.

EJEMPLO DISTRIBUCIN BINOMIAL: La probabilidad de que un paciente se recupere de cierta

enfermedad viral es de 0,4. Si se sabe que 15 personas han contrado esta enfermedad. Cul es
la probabilidad de que?
a.) Sobreviva exactamente una persona.
b.) Sobrevivan si mucho 6 personas.
c.) Sobrevivan entre 3 y 8 personas.
Solucin.

,: ./012 30 45670890: ;<0 :0 106<40158

Datos del problema: +8 15 ./012 30 <873530: 0?4017/0895@0:
4 0.4 D12E5E7@7353 30 ?792 2 106<40151:0

GH
a.) D , 1
0,4G 1 0,4 GH G 0,0047
G
Nota: Cuando la probabilidad es puntal [P(X=1)], se utiliza la frmula, pero cuando es
acumulada, se utilizan las tablas de probabilidad acumuladas de la binomial. Es el caso
del siguiente numeral.

b.) D , J 6

MNOP E ?; 8, 4

c.) D 3 J , J 8

D ,J8

0,6098 (Buscado en la tabla de binomial acumulada)

D ,T3

D ,J8

D , J 2 (Buscar en tablas)

DEFINICIN
FUNCIN DE PROBABILIDAD HIPERGEOMTRICA: Una variable aleatoria X tiene una
distribucin hipergeomtrica y se conoce como una variable aleatoria hipergeomtrica si
y slo si su distribucin de probabilidad est dada por:

Donde, : !#
W: !#

VWXV!YW
Y X
!

; Para x=0,1,2n con

#%
!

J W y con n-

J!

CONDICIONES PARA APLICAR EL MODELO HIPERGEOMTRICO:

-

La seleccin de la muestra se realiza sin reemplazo.

Del total de resultados N, es posible obtener k xitos y N-k fracasos.
Del total de resultados n, es posible obtener x xitos y n-x fracasos.

EJEMPLO DISTRIBUCIN HIPERGEOMTRICO: (Esquemticamente observe el siguiente ejemplo)

Un lote de N=200 artculos contiene k=10 defectuosos, se selecciona una muestra de n=5 artculos
sin reemplazo, entonces x es el nmero de artculos defectuosos en la muestra. (n=5). Cul es
la probabilidad de encontrar 2 artculos defectuosos en la muestra [
Z ]?

k=10 Defectuosos
190 Buenas;
N=200

n=5 Sin reemplazo

X: Nmero de defectuosos en la muestra
X=0,1,2,3,4,5. (No puede sobrepasar k ni tampoco N)

Solucin.
Para esto se utiliza el modelo como sigue:

[ ,

GP
\

\PP GP
H \
\PP
H

GP
\

10_2 190_3
200_5

G]P
^
\PP
H

0,0199

Nota: Se reemplaz los datos en el modelo hipergeomtrico.

DEFINICIN
FUNCIN (MODELO) DE PROBABILIDAD POISSON: Una variable aleatoria X tiene una
distribucin poisson y se conoce como una variable aleatoria poisson s y slo si su
distribucin de probabilidad est dada por:
a

La media de la Poisson es: %

Ya

; Para x=0,1,2 Y con e=2,718.. (Constante)

a y desviacin estndar c

: !#

: !#

%

a.

/f
#
g

CONDICIONES ESPECFICAS PARA APLICAR EL MODELO POISSON:

-

El nmero de resultados que ocurren en un intervalo de tiempo (o Regin o rea especfica)

es independiente del nmero que ocurre en cualquier otro intervalo de tiempo.
La probabilidad de que un resultado sencillo ocurra en un intervalo muy corto o en una
regin muy pequea, es proporcional a la longitud del intervalo de tiempo o al tamao de la
regin.
Recuerde que j k es el nmero promedio de resultados (Por tiempo o rea o regin
especfica)

EJEMPLO DISTRIBUCIN POISSON: El nmero promedio de partculas radioactivas que pasan a

travs de un contador, durante un milisegundo determinado en un experimento de laboratorio
es de 4. Cul es la probabilidad de que:
a.) Entren 6 partculas al contador en un milisegundo determinado.
b.) Entren al menos 3 partculas al contador en un milisegundo determinado.
Solucin.

,: ./012 30 45196<@5: ;<0 45:58 / /7@7:0m<832

Datos del problema l
j 4 D12/0372 30 45196<@5: / /7@7:0m<832

Nota: La nica informacin que necesitamos para usar el modelo poisson es n.

a.)
b.)

D ,

6 =

op \,qGrYs
M!

= 0,104 (Aqu se utiliza la frmula poisson)

D , 3 =1D , < 3
D , 3 = 1 D , 2 Nota: Usamos tablas porque es una probabilidad acumulada.
\

D , 3 = 1 u D ?; n = 1 0,2381 = 0,7619
NOP