DISTRIBUCIÓN DISCRETA

¿Qué es una distribución discreta?

Una distribución discreta describe la probabilidad de ocurrencia de cada valor de

una variable aleatoria discreta. Una variable aleatoria discreta es una variable
aleatoria que tiene valores contables, tales como una lista de enteros no
negativos.

Con una distribución de probabilidad discreta, cada valor posible de la variable

aleatoria discreta puede estar asociado con una probabilidad distinta de cero. Por
lo tanto, una distribución de probabilidad discreta suele representarse en forma
tabular y normal mente se designa por un numero entero. Ejemplo: La medida del
calzado de damas de 25 años de edad, el color de ojos de los niños, el número de
estudiantes reprobados en un grupos, estudiantes embarazadas en el instituto etc.

Ejemplo del número de quejas de clientes

Con una distribución discreta, a diferencia de una distribución continua, usted
puede calcular la probabilidad de que X sea exactamente igual a algún valor. Por
ejemplo, puede utilizar la distribución discreta de Poisson para describir el número
de quejas de clientes en un día. Supongamos que el número promedio de quejas
por día es 10 y usted desea saber la probabilidad de recibir 5, 10 y 15 quejas de
clientes en un día.

x P (X = x)

5 0.037833

10 0.12511

15 0.034718

Usted también puede visualizar una distribución discreta en una gráfica de

distribución para ver las probabilidades entre rangos
Gráfica de distribución del número de quejas de clientes

Las barras sombreadas en este ejemplo representan el número de ocurrencias

cuando las quejas diarias de los clientes son 15 o más. La altura de las barras
suma 0.08346; por lo tanto, la probabilidad de que el número de llamadas por día
sea 15 o más es 8.35%.

Las distribuciones discretas incluidas en el módulo de “cálculo de probabilidades”

son:

Bernoulli
Binomial
Poisson
Geométrica

Bernoulli
En teoría de probabilidad y estadística, la distribución de Bernoulli (o
distribución dicotómica), nombrada así por el matemático y científico suizo Jakob
Bernoulli, es una distribución de probabilidad discreta

La distribución de Bernoulli de parámetro p es el más simple de probabilidad.

Se aplica a situaciones en las que un cierto atributo aparece con probabilidad p
(éxito) y la usencia de este mismo atributo con probabilidad 1-p (fracaso), como en
el lanzamiento de una moneda. Que puede dar como resultado cara o cruz.

Recíprocamente, todo experimento aleatorio que solo admite dos resultados

posibles, (uno llamado por costumbre éxito y el otro fracaso) se llama ensayo de
Bernoulli y lleva obviamente a la distribución de Bernoulli.

Por ejemplo:
Un tratamiento médico puede ser efectivo o inefectivo
La meta de producción o ventas del mes se pueden o no lograr.
En pruebas de selección múltiples, aunque hay hay cuatro o cinco alternativas, se
pueden clasificar como correcta o incorrecta.
Un experimento al cual se aplica la distribución de Bernoulli se conoce como
Ensayo de Bernoulli o simplemente ensayo, y la serie de esos experimentos como
ensayos repetidos.

Un típico experimento de Bernoulli es el lanzamiento de una moneda con

probabilidad p para cara y (1-p) para cruz.

Experimento de Bernoulli: solo son posibles dos resultados: éxito o fracaso.

Podemos definir una variable aleatoria discreta X tal que:

Éxito →1
Fracaso →0
Entonces se dice que x tiene una distribución Bernoulli y se escribe del siguiente
modo

𝑥 ∼ 𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑙𝑖(𝑝), 0 ≤ 𝑝 ≤ 1

Tomando en cuenta que p toma los valores reales de 0 y 1 y corresponderá a la

probabilidad de obtener existo en el ensayo Bernoulli

Si la probabilidad de éxito es p y la de fracaso 1 -p, podemos construir una función

de probabilidad:

𝑃(𝑥) = 𝑝 𝑥 (1 − 𝑝)1−𝑥 𝑥 = 0,1

La fórmula será:

𝑝 𝑠𝑖 𝑥 = 1;
𝑓(𝑥); 𝑝 = {𝑞 𝑠𝑖 𝑥 = 0,
0 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Es decir,
𝑝(𝑥 = 0) = 1 − 𝑝
𝑝(𝑥 = 1) = 𝑝
La representación de la gráfica es la siguiente.

Así esta función constante de probabilidad es cero excepto en los números 0 y 1

en donde la función tiene saltos hacia arriba de magnitud 1 − 𝑝 y 𝑝

La corriente función de distribución tiene la siguiente forma:

La grafica de esta función nos queda de la siguiente manera:

Propiedades características

Esperanza matemática:

Varianza:

Función generatriz de momentos:

Función característica:

Moda:

Asimetría (sesgo):

Curtosis:

1
La Curtosis tiende a infinito para valores de p cercanos a 0 ó a 1, pero 𝑝 = 2 para la distribución de
Bernoulli tiene un valor de curtosis menor que el de cualquier otra distribución, igual a -2.
Ejemplo de distribución de Bernoulli:
Binomial
Para que funcione esta distribución debe cumplirse siempre que:

1. se sabe el número de intentos n

2. la probabilidad de éxito y como consecuencia la de fracaso, se mantienen constante en cada

intento. (Por ello algunos autores refutan que esta sea; variable y además aleatoria, si de
antemano sabemos sus valores fijos y lo que ocurrirá).

3. cada uno de los intentos es independiente del otro.

Las probabilidades de la variable aleatoria discreta elegida, la podemos determinar con el modelo
de la función de densidad binomial o función de Bernoulli para muestreos con remplazo, esta
función de probabilidad también se puede trabajar con variables continuas

Fórmulas de probabilidades de la Distribución Binomial.

𝑝(𝑥) = (𝑛𝑥)𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 = (𝑛𝑥)𝑝𝑥 𝑞 𝑛−𝑥

Donde:

x=Número de éxitos esperados de la variable

n=Número de eventos en los que aparecen

p=probabilidad de éxito

q= (1-P)= probabilidad

El número de éxitos donde aparece la variable aleatoria esperada, es modelada por la función de
probabilidad binomial y recibe este nombre debido a que, su comportamiento puede ser
representado por el binomio de newton, como:

(𝑝 + 𝑞)𝑛 = [𝑝 + (1 − 𝑝)]𝑛
Características de la distribución binomial
Ejemplos:
Ejercicio numero 1

Solucion.

Ejercicio numero 2

Solución:
Ejercicio numero 3

Solución
Poisson
Ejemplo 2
Geométrica