DISTRIBUCION DE POISSON

Esta distribución es una de las más importantes distribuciones de variable discreta. Sus
principales aplicaciones hacen referencia a la modelización de situaciones en las que nos
interesa determinar el número de hechos de cierto tipo que se pueden producir en un
intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y ciertas circunstancias
restrictivas. Otro de sus usos frecuentes es la consideración límite de procesos dicotómicos
reiterados un gran número de veces si la probabilidad de obtener un éxito es muy pequeña.

Proceso experimental del que se puede hacer derivar

Esta distribución se puede hacer derivar de un proceso experimental de observación en

el que tengamos las siguientes características

· Se observa la realización de hechos de cierto tipo durante un cierto periodo de tiempo o a

lo largo de un espacio de observación

· Los hechos a observar tienen naturaleza aleatoria ; pueden producirse o no de una manera
no determinística.

· La probabilidad de que se produzcan un número x de éxitos en un intervalo de amplitud t

no depende del origen del intervalo (Aunque, sí de su amplitud)

· La probabilidad de que ocurra un hecho en un intervalo infinitésimo es prácticamente

proporcional a la amplitud del intervalo.

· La probabilidad de que se produzcan 2 o más hechos en un intervalo infinitésimo es un

infinitésimo de orden superior a dos.

En consecuencia, en un intervalo infinitésimo podrán producirse O ó 1 hecho pero nunca

más de uno

· Si en estas circunstancias aleatorizamos de forma que la variable aleatoria X signifique o

designe el "número de hechos que se producen en un intervalo de tiempo o de espacio", la
variable X se distribuye con una distribución de parámetro l . Así :

El parámetro de la distribución es, en principio,

el factor de proporcionalidad para la probabilidad
de un hecho en un intervalo infinitésimo. Se le
suele designar como parámetro de intensidad ,
aunque más tarde vemos que se corresponde con
el número medio de hechos que cabe esperar que
se produzcan en un intervalo unitario (media de la
distribución); y que también coincide con la
varianza de la distribución.
 DISTRIBUCION GEOMETRICA

La distribución geométrica es un modelo adecuado para aquellos procesos en los que

se repiten pruebas hasta la consecución del éxito a resultado deseado y tiene
interesantes aplicaciones en los muestreos realizados de esta manera . También implica
la existencia de una dicotomía de posibles resultados y la independencia de las pruebas
entre sí.

Proceso experimental del que se puede hacer derivar

Esta distribución se puede hacer derivar de un proceso experimental puro o de Bernouilli

en el que tengamos las siguientes características

· El proceso consta de un número no definido de pruebas o experimentos separados o

separables. El proceso concluirá cuando se obtenga por primera vez el resultado deseado
(éxito).

· Cada prueba puede dar dos resultados mutuamente excluyentes : A y no A

· La probabilidad de obtener un resultado A en cada prueba es p y la de obtener un

resultado no A es q
siendo (p + q = 1).

Las probabilidades p y q son constantes en todas las pruebas ,por tanto , las pruebas ,son
independientes (si se trata de un proceso de "extracción" éste se llevará a , cabo con
devolución del individuo extraído) .

· (Derivación de la distribución). Si en estas circunstancias aleatorizamos de forma que

tomemos como variable aleatoria X = el número de pruebas necesarias para obtener por
primera vez un éxito o resultado A , esta variable se distribuirá con una distribución
geométrica de parámetro p
 DISTRIBUCION MULTINOMIAL

Características:

a) Al llevar a cabo un experimento con esta distribución se esperan más de dos

tipos de resultados.

b) Las probabilidades asociadas a cada uno de los resultados son constantes.

c) Cada uno de los ensayos o repeticiones del experimento son independientes.

d) El número de repeticiones del experimento, n es constante.

Al igual que hicimos con la distribución binomial, en este caso partiremos de un

ejemplo para obtener la fórmula general para resolver problemas que tengan este tipo
de distribución.

Ejemplo:

Se lanza al aire un dado normal, 5 veces, determine la probabilidad de que aparezca

dos números uno, dos números tres y un número cinco.

Binomial Negativa

Esta también es un caso especial de la distribución Binomial, ya que en este caso se

trata de que al llevar a efecto varias veces un experimento binomial, se desea
determinar la probabilidad de que ocurran r éxitos, solo que el último de ellos debe
ocurrir en el k-ésimo ensayo o repetición del experimento que es el último.

Para encontrar una fórmula que nos permita calcular probabilidades con esta
distribución, partiremos de un ejemplo.

Ejemplo:
Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad de que
aparezca águila es de 2/3, mientras que la probabilidad de que aparezca sello es de
1/3, Determine la probabilidad de que aparezcan tres águilas, y la última que aparezca
sea en el último lanzamiento.
 DISTRIBUCION UNIFORME DISCRETA
La variable aleatoria discreta mas sencilla, es aquella que tomo sólo un número finito de valores
posibles n, cada uno con la misma probabilidad. Ella se denomina valores entonces variable
aleatoria discreta uniforme y su distribucion uniforme discreta está dada por:

f(x) = 1/n

Para una variable aleatoria discreta uniforme X, que puede tomar los valores 1,2, ..., n, la media es:

Y su desviación estándar es:

CARACTERISTICAS

- En la distribucion de probabilidad uniforme discreta, la variable aleatoria toma cada uno de sus
valores con idéntica probabilidad.

- El parámetro de la distribucion de probabilidad uniforme discreta, viene dado por la inversa de

los valores que puede tomar la variable aleatoria.

- La variable aleatoria que describe el numero de caras obtenidas al lanzar dos monedas legales
sigue una probabilidad de distribución uniforme.

- La media de una variable aleatoria discreta uniforme, f(x;k), siempre coincide con uno de los
valores de la misma observados en el experimento.

- La varianza de una variable aleatoria discreta uniforme, f(x;k), no depende del numero de valores
que pueda tomar la variable.