UNIDAD IV. DISTRIBUCIONES DE PROBABILIDAD DISCRETAS. Entre las distribuciones discretas a tratar en este caso estn: 1. 2. 3. 4. 5. 6. 7. 8.

Binomial Multinomial Hipergeomtrica Hipergeomtrica generalizada Poisson Aproximacin de Poisson a la Binomial Geomtrica Binomial Negativa DISTRIBUCIN BINOMIAL Las caractersticas de esta distribucin son: En los experimentos que tienen este tipo de distribucin, siempre se esperan dos tipos de resultados, ejem. Defectuoso, no defectuoso, pasa, no pasa, etc, etc., denominados arbitrariamente xito (que es lo que se espera que ocurra) o fracaso (lo contrario del xito). Las probabilidades asociadas a cada uno de estos resultados son constantes, es decir no cambian. Cada uno de los ensayos o repeticiones del experimento son independientes entre s. El nmero de ensayos o repeticiones del experimento (n) es constante.

a)

b) c) d)

2 En estadstica, la distribucin binomial es una distribucin de probabilidad discreta que mide el nmero de xitos en una secuencia de n ensayos de Bernoulli independientes entre s, con una probabilidad fija p de ocurrencia del xito entre los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotmico, esto es, slo son posibles dos resultados. A uno de estos se denomina xito y tiene una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribucin binomial el anterior experimento se repite n veces, de forma independiente, y se trata de calcular la probabilidad de un determinado nmero de xitos. Para n = 1, la binomial se convierte, de hecho, en una distribucin de Bernoulli. Para representar que una variable aleatoria X sigue una distribucin binomial de parmetros n y p, se escribe:

La distribucin binomial es la base del test binomial de significacin estadstica.

Ejemplos Las siguientes situaciones son ejemplos de experimentos que pueden modelizarse por esta distribucin:

Se lanza un dado diez veces y se cuenta el nmero X de treses obtenidos: entonces X ~ B(10, 1/6) Se lanza una moneda dos veces y se cuenta el nmero X de caras obtenidas: entonces X ~ B(2, 1/2) Una partcula se mueve unidimensionalmente con probabilidad q de moverse de aqui para all y 1-q de moverse de all para ac

Experimento binomial Existen muchas situaciones en las que se presenta una experiencia binomial. Cada uno de los experimentos es independiente de los restantes (la probabilidad del resultado de un experimento no depende del resultado del resto). El resultado de cada experimento ha de admitir slo dos categoras (a las que se denomina xito y fracaso). Las probabilidades de ambas posibilidades han de ser constantes en todos los experimentos (se denotan como p y q o p y 1-p). Se designa por X a la variable que mide el nmero de xitos que se han producido en los n experimentos. Cuando se dan estas circunstancias, se dice que la variable X sigue una distribucin de probabilidad binomial, y se denota B(n,p). Caractersticas analticas Su funcin de probabilidad es

donde

siendo de en Ejemplo

las combinaciones de )

en

elementos tomados

Supongamos que se lanza un dado 50 veces y queremos la probabilidad de que el nmero 3 salga 20 veces. En este caso tenemos una X ~ B(50, 1/6) y la probabilidad sera P(X=20):

Propiedades

Relaciones con otras variables aleatorias Si tiende a infinito y es tal que el producto entre ambos parmetros tiende a , entonces la distribucin de la variable aleatoria binomial tiende a una distribucin de Poisson de parmetro . Por ltimo, se cumple que cuando n es muy grande (usualmente se exige que ) la distribucin binomial puede aproximarse mediante la distribucin normal. Propiedades reproductivas Dadas n variables binomiales independientes,deello sale de parmetros ni (i = 1,..., n) y , su suma es tambin una variable binomial, de parmetros n1+... + nn, y , es decir,

DISTRIBUCIN MULTINOMIAL. Caractersticas: Al llevar a cabo un experimento con esta distribucin se esperan ms de dos tipos de resultados. Las probabilidades asociadas a cada uno de los resultados son constantes. Cada uno de los ensayos o repeticiones del experimento son independientes. El nmero de repeticiones del experimento, n es constante. Al igual que hicimos con la distribucin binomial, en este caso partiremos de un ejemplo para obtener la frmula general para resolver problemas que tengan este tipo de distribucin. Ejemplos:

a) b) c) d)

1. Las probabilidades son de 0.40, 0.20, 0.30 y 0.10, respectivamente, de que un delegado llegue por aire a una cierta convencin, llegue en autobs, en automvil o en tren. Cul es la probabilidad de que entre 9 delegados seleccionados aleatoriamente en esta convencin a) 3 hayan llegado por aire, 3 en autobs, 1 en auto y 2 en tren?, b) 4 hayan llegado por aire, 1 en autobs y 2 en auto?, c) 5 hayan llegado en auto? Solucin: a) n = 9 x1= # de delegados que llegan por aire = 3 x2= # de delegados que llegan en autobs = 3 x3= # de delegados que llegan en auto = 1 x4= # de delegados que llegan en tren = 2 p1 = probabilidad de que un delegado llegue por aire = 0.40 p2 = probabilidad de que un delegado llegue en autobs = 0.20 p3 = probabilidad de que un delegado llegue en auto = 0.30 p4 = probabilidad de que un delegado llegue en tren = 0.10

b) n=9 x1 = 4 por aire; x2 = 1 en autobs; x3 = 2 en auto; x4 = 2 en tren;

p1 = 0.40 p2 = 0.20 p3 = 0.30 p4 = 0.10

c) n=9 x1= 5 lleguen en auto; p1 = 0.30 x2 = 4 (lleguen por aire o autobs o tren); p2 = 0.40+0.20+0.10 = 0.70

2. De acuerdo con la teora de la gentica, un cierto cruce de conejillo de indias resultar en una descendencia roja, negra y blanca en la relacin 8 : 4 : 4. Encuentre la probabilidad de que entre 8 descendientes, a) 5 sean rojos, 2 negros y un blanco, b) 3 sean rojos y 2 sean negros.

Solucin: a) n=8 x1 = 5 rojos; x2 = 2 negros; x3 = 1 blanco;

p1= prob. Sean rojos = 8/16 = 0.50 p2 = prob. Sean negros = 4/16 = 0.25 p3 = prob. Sean blancos = 4/16 = 0.25

b) n=8 x1 = 3 rojos; x2 = 2 negros; x3 = 3 blancos;

p1 = 0.50 p2 = 0.25 p3 = 0.25

3.Segn una encuesta preliminar acerca del voto que los ciudadanos darn por los candidatos para gobernador del estado se ha detectado que aproximadamente un 52% votar por el partido verde, un 40% por el partido azul y un 8% por los partidos restantes, si se seleccionan aleatoriamente 6 personas con edad de votar, determine la probabilidad de que: a) 2 voten por el partido verde, 1 por el azul y 3 por el resto de los partidos, b) 2 voten por el partido verde y 4 por el azul. Solucin: a) n = 6 x1= 2 voten por partido verde; p1= prob. de que una persona vote por partido verde = 0.52 x2= 1 vote por partido azul; p2 = prob. de que una persona vote por partido azul = 0.40 x3= 3 voten por otros partidos; p3 = prob. de que una persona vote por otros partidos = 0.08

b)n = 6 x1= 2 voten por el partido verde; p1= prob. de que una persona vote por partido verde=0.52 x2= 4 vote por partido azul; p2 = prob. de que una persona vote por partido azul = 0.40

x3= 0 voten por otros partidos; p3 = prob. de que una persona vote por otros partidos = 0.08

En teora de probabilidad, la distribucin multinomial es una generalizacin de la distribucin binomial. La distribucin binomial es la probabilidad de un nmero de xitos en N sucesos de Bernoulli independientes, con la misma probabilidad de xito en cada suceso. En una distribucin multinomial, el anlogo a la distribucin de Bernoulli es la distribucin categrica, donde cada suceso concluye en nicamente un resultado de un numero finito K de los posibles, con probabilidades (tal que

para i entre 1 y K y Entonces sea la variable aleatoria

); y con n sucesos independientes. , que indica el nmero de veces que el se ha sigue una .

dado el resultado i sobre los n sucesos. El vector distribucin multinomial con parmetros n y p, donde

Ntese que en algunos campos las distribuciones categrica y multinomial se encuentran unidas, y es comn hablar de una distribucin multinomial cuando el trmino ms preciso sera una distribucin categrica. Especificacin Funcin de probabilidad La funcin de probabilidad de la distribucin multinomial es como sigue:

Para enteros no negativos x1, ..., xk. Propiedades

La esperanza matemtica del suceso i observado en n pruebas es:

La varianza es:

DISTRIBUCIN HIPERGEOMTRICA. Los experimentos que tienen este tipo de distribucin tienen las siguientes caractersticas: Al realizar un experimento con este tipo de distribucin, se esperan dos tipos de resultados. Las probabilidades asociadas a cada uno de los resultados no son constantes. Cada ensayo o repeticin del experimento no es independiente de los dems. El nmero de repeticiones del experimento (n) es constante.

a) b) c) d)

Ejemplo: En una urna o recipiente hay un total de N objetos, entre los cuales hay una cantidad a de objetos que son defectuosos, si se seleccionan de esta urna n objetos al azar, y sin reemplazo, cul es la probabilidad de obtener x objetos defectuosos? Solucin: Luego;

donde: p(x,n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados muestras de n objetos en donde hay x que son defectuosos y n-x buenos todas las muestras posibles de seleccionar de n objetos tomadas de entre N objetos en total = espacio muestral

Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son defectuosos, si de seleccionan 4 objetos al azar, cul es la probabilidad de que 2 sean defectuosos? Solucin: N = 10 objetos en total a = 3 objetos defectuosos n = 4 objetos seleccionados en muestra x = 2 objetos defectuosos deseados en la muestra

donde:

probabilidad asociada a cada muestra de 4 objetos que se seleccionaron, con lo que se demuestra que las probabilidades no son constantes

formas o maneras de obtener 2 objetos defectuosos entre los 4 seleccionados = muestras de 4 objetos entre los que 2 son defectuosos

Como se observa en el desarrollo de la solucin del problema, la pretensin es demostrar que las probabilidades asociadas a cada uno de los resultados no son constantes.

Luego la probabilidad de obtener 2 objetos defectuosos entre los 4 seleccionados al azar sera:

Ejemplos: 1. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narctico en una botella que contiene 9 pldoras de vitamina que son similares en apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para analizarlas, a) Cul es la probabilidad de que el viajero sea arrestado por posesin de narcticos?, b) Cul es la probabilidad de que no sea arrestado por posesin de narcticos?. Solucin: a) N = 9+6 =15 total de tabletas a = 6 tabletas de narctico n = 3 tabletas seleccionadas x = 0, 1, 2, o 3 tabletas de narctico = variable que nos indica el nmero de tabletas de narctico que se puede encontrar al seleccionar las 3 tabletas p(viajero sea arrestado por posesin de narcticos) = p(de que entre las 3 tabletas seleccionadas haya 1 o ms tabletas de narctico)

otra forma de resolver; p(el viajero sea arrestado por posesin de narcticos) = 1 p(de que entre las tabletas seleccionadas no haya una sola de narctico)

b)

p(no sea arrestado por posesin de narcticos)

2. De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3 proyectiles defectuosos que no explotarn, cul es la probabilidad de que , a) los 4 exploten?, b) al menos 2 no exploten? Solucin: a) N = 10 proyectiles en total a = 7 proyectiles que explotan n = 4 proyectiles seleccionados x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el nmero de proyectiles que explotan entre la muestra que se dispara

b) N = 10 proyectiles en total a = 3 proyectiles que no explotan n = 4 proyectiles seleccionados x = 0, 1, 2 o 3 proyectiles que no explotan p(al menos 2 no exploten) = p( 2 o ms proyectiles no exploten) = p(x = 2 o 3; n=4) =

3. a)Cul es la probabilidad de que una mesera se rehse a servir bebidas alcohlicas nicamente a dos menores de edad si verifica aleatoriamente solo 5 identificaciones de entre 9 estudiantes, de los cuales 4 no tienen la edad

suficiente?, b) Cal es la probabilidad de que como mximo 2 de las identificaciones pertenezcan a menores de edad? Solucin: a) N = 9 total de estudiantes a = 4 estudiantes menores de edad n = 5 identificaciones seleccionadas x = variable que nos define el nmero de identificaciones que pertenecen a personas menores de edad x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad

b) N = 9 total de estudiantes a = 4 estudiantes menores de edad n = 5 identificaciones seleccionadas x = variable que nos define el nmero de identificaciones que pertenecen a personas menores de edad x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad

4. Una compaa manufacturera utiliza un esquema para la aceptacin de los artculos producidos antes de ser embarcados. El plan es de dos etapas. Se preparan cajas de 25 para embarque y se selecciona una muestra de 3 para verificar si tienen algn artculo defectuoso. Si se encuentra uno, la caja entera se regresa para verificarla al 100%. Si no se encuentra ningn artculo defectuoso, la caja se embarca. a)Cul es la probabilidad de que se embarque una caja que tiene tres artculos defectuosos?, b)Cul es la probabilidad de que una caja que contiene solo un artculo defectuoso se regresa para verificacin? DISTRIBUCIN HIPERGEOMETRICA GENERALIZADA.

a) b) c) d)

Caractersticas: Al realizar un experimento con este tipo de distribucin, se esperan ms de dos tipos de resultados. Las probabilidades asociadas a cada uno de estos resultados no son constantes. Los ensayos o repeticiones del experimento no son independientes entre s. El nmero de repeticiones del experimento n, es constante. Entonces en este caso se tienen ms de dos tipos de objetos, por lo que la frmula a utilizar sera:

donde: N = x + y + z = total de objetos a = total de objetos del primer tipo b = total de objetos del segundo tipo c = N-a-b = total de objetos del tercer tipo n = objetos seleccionados en la muestra x = objetos del primer tipo en la muestra y = objetos del segundo tipo en la muestra z = n-x-y = objetos del tercer tipo en la muestra Ejemplos: 1.En un lote de productos se tienen 20 productos sin defectos, 3 con defectos menores y 2 con defectos mayores, se seleccionan al azar 5 productos de este lote, determine la probabilidad de que a) 3 de los productos seleccionados no tengan defectos y 1 tenga defectos menores, b) 4 de los productos seleccionados no tengan defectos y 1 tenga defectos menores. Solucin: a)N= 20+3+2 =25 total de artculos a=20 productos sin defectos b= 3 productos con defectos menores N-a-b= 2 productos con defectos mayores n= 5 productos seleccionados en la muestra x = 3 productos sin defectos en la muestra = variable que nos define el # de productos sin defectos en la muestra y = 1 producto con defectos menores en la muestra = variable que nos define el # de productos con defectos menores en la muestra z = n-x-y = 5-3-1 = 1 producto con defectos mayores en la muestra = variable que nos define el # de productos con defectos mayores en la muestra

b)N= 25 a=20 productos sin defectos b= 3 productos con defectos menores N-a-b= 2 productos con defectos mayores n= 5 productos seleccionados en la muestra x = 4 productos sin defectos en la muestra = variable que nos define el # de productos sin defectos en la muestra y = 1 producto con defectos menores en la muestra = variable que nos define el # de productos con defectos menores en la muestra z = n-x-y = 5-4-1 = 0 productos con defectos mayores en la muestra = variable que nos define el # de productos con defectos mayores en la muestra

3.Un club de estudiantes extranjeros tiene en sus listas a 2 canadienses, 3 japoneses, 5 italianos y 2 alemanes. Si se selecciona aleatoriamente un comit de 4 estudiantes, encuentre la probabilidad de que: a)estn representadas todas las nacionalidades, b)estn representadas todas las nacionalidades, excepto la italiana. Solucin: a) N = 12 estudiantes a = 2 Canadienses b = 3 Japoneses c = 5 Italianos N-a-b-c = 2 Alemanes n = 4 estudiantes seleccionados para formar comit x = 1 estudiante Canadiense en el comit seleccionado y = 1 estudiante Japons en el comit seleccionado z = 1 estudiante Italiano en el comit seleccionado n-x-y-z = 1 estudiante Alemn en el comit seleccionado

b) N = 7 estudiantes quitando a los Italianos a = 2 Canadienses b = 3 Japoneses N-a-b = 2 Alemanes n = 4 estudiantes seleccionados para formar comit x = 1 o 2 estudiantes Canadienses en el comit seleccionado y = 1 o 2 estudiantes Japoneses en el comit seleccionado n-x-y= 1 o 2 estudiantes Alemanes en el comit seleccionado p(estn representadas todas las nacionalidades, excepto la italiana)

DISTRIBUCIN DE POISSON. Caractersticas: En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc, etc,: - # de defectos de una tela por m2 - # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc. - # de bacterias por cm2 de cultivo - # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc. - # de llegadas de embarcaciones a un puerto por da, mes, etc, etc. Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto, la frmula a utilizar sera:

donde: p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia de ellos es = media o promedio de xitos por unidad de tiempo, rea o producto = 2.718

x = variable que nos denota el nmero de xitos que se desea que ocurra Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, as como cada rea es independiente de otra rea dada y cada producto es independiente de otro producto dado.

Ejemplos: 1. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos?

Solucin: a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da cualquiera = 0, 1, 2, 3, ....., etc, etc. = 6 cheques sin fondo por da = 2.718

b) x= variable que nos define el nmero de cheques sin fondo que llegan al banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc. = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das consecutivos Nota: siempre debe de estar en funcin de x siempre o dicho de otra forma, debe hablar de lo mismo que x.

2. En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican 0.2 imperfecciones en promedio por minuto. Determine las

probabilidades de identificar a) una imperfeccin en 3 minutos, b) al menos dos imperfecciones en 5 minutos, c) cuando ms una imperfeccin en 15 minutos. Solucin: a) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc. = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

b)

x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5 minutos = 0, 1, 2, 3, ...., etc., etc. = 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata

=1-(0.367918+0.367918) = 0.26416 c) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 15 minutos = 0, 1, 2, 3, ....., etc., etc. = 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata

= 0.0498026 + 0.149408 = 0.1992106 APROXIMACIN DE POISSON A LA BINOMIAL. En este caso se determinarn probabilidades de experimentos Binomiales, pero que dadas sus caractersticas, es posible aproximarlas con la distribucin de Poisson, estas caractersticas son, n ( n es muy grande) y p0 (p es muy pequea), por lo que:

La expresin anterior solo se cumple cuando n y p0, solo en este caso, si esto no se cumple, la aproximacin no se puede llevar a efecto, por lo que la frmula a utilizar en este caso sera:

Donde: == np = nmero esperado de xitos = tasa promedio de xitos n = nmero de repeticiones del experimento p = probabilidad de xito = p(xito) Una regla general aceptable es emplear esta aproximacin si n20 y p0.05: s n100, la aproximacin es generalmente excelente siempre y cuando np10. Ejemplos: 1. Se sabe que el 5% de los libros encuadernados en cierto taller tienen encuadernaciones defectuosas. Determine la probabilidad de que 2 de 100 libros encuadernados en ese taller, tengan encuadernaciones defectuosas, usando, a) la frmula de la distribucin Binomial, b) la aproximacin de Poisson a la distribucin Binomial.

Solucin: a) n = 100 p = 0.05 = p(encuadernacin defectuosa) = p(xito) q = 0.95 = p(encuadernacin no defectuosa) = p(fracaso) x = variable que nos define el nmero de encuadernaciones defectuosas en la muestra = = 0, 1, 2, 3,....,100 encuadernaciones defectuosas

b)n = 100 encuadernaciones

p = 0.05 = np = (100)(0.05)= 5 x = variable que nos define el nmero de encuadernaciones defectuosas en la muestra = = 0, 1, 2, 3,....,100 encuadernaciones defectuosas

Al comparar los resultados de las probabilidades con una y otra distribucin, nos damos cuenta de que la diferencia entre un clculo y otro es de tan solo 0.0031, por lo que la aproximacin de Poisson es una buena opcin para calcular probabilidades Binomiales. 2.Un fabricante de maquinaria pesada tiene instalados en el campo 3840 generadores de gran tamao con garanta. S la probabilidad de que cualquiera de ellos falle durante el ao dado es de 1/1200 determine la probabilidad de que a) 4 generadores fallen durante el ao en cuestin, b) que ms 1 de un generador falle durante el ao en cuestin. Solucin: a) n = 3840 generadores p = 1/1200 = probabilidad de que un generador falle durante el ao de garanta = np = (3840)(1/1200) = 3.2 motores en promedio pueden fallar en el ao de garanta x = variable que nos define el nmero de motores que pueden fallar en el ao de garanta = = 0, 1, 2, 3,....,3840 motores que pueden fallar en el ao de garanta

b) p(x=2,3,4,....,3840;=3.2)=1-p(x=0,1;=3.2) =

=1- (0.04078 + 0.13048) = 0.82874

3. En un proceso de manufactura, en el cual se producen piezas de vidrio, ocurren defectos o burbujas, ocasionando que la pieza sea indeseable para la venta. Se sabe que en promedio 1 de cada 1000 piezas tiene una o ms burbujas. Cul es la probabilidad de que en una muestra aleatoria de 8000 piezas, menos de 3 de ellas tengan burbujas? Solucin: n = 8000 piezas p = 1/1000= 0.001 probabilidad de que una pieza tenga 1 o ms burbujas = np = (8000)(1/1000) = 8 piezas en promedio con 1 o ms burbujas x = variable que nos define el nmero de piezas que tienen 1 o ms burbujas = = 0,1, 2, 3,....,8000 piezas con una o ms burbujas

= 0.000336 + 0.002686 + 0.010744 = 0.013766 DISTRIBUCIN GEOMTRICA. Esta distribucin es un caso especial de la Binomial, ya que se desea que ocurra un xito por primera y nica vez en el ltimo ensayo que se realiza del experimento, para obtener la frmula de esta distribucin, haremos uso de un ejemplo. Ejemplo: Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad de que aparezca guila es de 2/3, mientras que la probabilidad de que aparezca sello es de 1/3, Determine la probabilidad de que en el ltimo lanzamiento aparezca una guila. Solucin: Si nosotros trazamos un diagrama de rbol que nos represente los 8 lanzamientos de la moneda, observaremos que la nica rama de ese rbol que nos interesa es aquella en donde aparecen 7 sellos seguidos y por ltimo una guila; como se muestra a continuacin: SSSSSSSA S denotamos;

x = el nmero de repeticiones del experimento necesarias para que ocurra un xito por primera y nica vez = 8 lanzamientos p = probabilidad de que aparezca una guila = p( xito) = 2/3 q = probabilidad de que aparezca un sello = p(fracaso) = 1/3 Entonces la probabilidad buscada sera; P(aparezca una guila en lanzamiento)=p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(A) = el ltimo

=q*q*q*q*q*q*q*p = Luego, la frmula a utilizar cuando se desee calcular probabilidades con esta distribucin sera;

Donde: p(x) = probabilidad de que ocurra un xito en el ensayo x por primera y nica vez p = probabilidad de xito q = probabilidad de fracaso Resolviendo el problema de ejemplo; x = 8 lanzamientos necesarios para que aparezca por primera vez una guila p = 2/3 probabilidad de que aparezca una guila q = 1/3 probabilidad de que aparezca un sello p(x=8) = Ejemplos: 1. S la probabilidad de que un cierto dispositivo de medicin muestre una desviacin excesiva es de 0.05, cul es la probabilidad de que; a) el sexto de estos dispositivos de medicin sometidos a prueba sea el primero en mostrar una desviacin excesiva?, b) el sptimo de estos dispositivos de medicin sometidos a prueba, sea el primero que no muestre una desviacin excesiva?. Solucin: a) x = 6 que el sexto dispositivo de medicin probado sea el primero que muestre una variacin excesiva p = 0.05 =probabilidad de que un dispositivo de medicin muestre una variacin excesiva

q = 0.95 =probabilidad de que un dispositivo de medicin no muestre una variacin excesiva

p(x = 6) = b) x = 5 que el quinto dispositivo de medicin probado, sea el primero que no muestre una desviacin excesiva p = 0.95 = probabilidad de que un dispositivo de medicin no muestre una variacin excesiva q = 0.05 = probabilidad de que un dispositivo de medicin muestre una variacin excesiva p(x = 5) = 2. Los registros de una compaa constructora de pozos, indican que la probabilidad de que uno de sus pozos nuevos, requiera de reparaciones en el trmino de un ao es de 0.20. Cul es la probabilidad de que el quinto pozo construido por esta compaa en un ao dado sea el primero en requerir reparaciones en un ao?. Solucin: x = 5 que el quinto pozo sea el primero que requiera reparaciones en un ao p = 0.20 = probabilidad de que un pozo requiera reparaciones en el trmino de un ao q = 0.80 = probabilidad de que un pozo no requiera reparaciones en el trmino de un ao

p(x = 5) = DISTRIBUCIN BINOMIAL NEGATIVA. Esta tambin es un caso especial de la distribucin 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 xitos, solo que el ltimo de ellos debe ocurrir en el k-simo ensayo o repeticin del experimento que es el ltimo. Para encontrar una frmula que nos permita calcular probabilidades con esta distribucin, partiremos de un ejemplo. Ejemplo:

Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad de que aparezca guila es de 2/3, mientras que la probabilidad de que aparezca sello es de 1/3, Determine la probabilidad de que aparezcan tres guilas, y la ltima que aparezca sea en el ltimo lanzamiento. Solucin: S trazamos un diagrama de rbol que nos represente los 8 lanzamientos de la moneda, encontraremos que las ramas que nos interesan son aquellas en donde aparecen 3 guilas y la ltima de ellas aparece en el ltimo lanzamiento; ejemplos de una rama que nos interesa sera; SAASSSSA, SSASSSAA, ASSASSSA, etc., etc. Entonces la probabilidad se puede determinar de la siguiente forma:

(Probabilidad de que aparezcan Tres guilas, donde la ltima de ellas aparece en el ltimo lanzamiento de la moneda)=(# de ramas del rbol en donde la tercera guila que aparece est en el octavo lanzamiento)(probabilidad asociada a cada rama)

Luego, definiendo algunos trminos a utilizar; Y = k = nmero de lanzamientos necesarios para que se obtenga una guila por rsima vez = 8 lanzamientos r = nmero de veces que aparece un xito = 3 guilas p = probabilidad de xito = p(aparezca guila) = 2/3 q = probabilidad de fracaso = p(aparezca sello) = 1/3 Luego, el nmero de ramas que nos interesan del rbol se podra determinar de la siguiente forma: # de ramas =

Cual es la razn de que se tomen k-1 ensayos y r-1 xitos al momento de calcular el nmero de ramas que nos interesan?

Lo anterior se debe a que en el ltimo ensayo siempre va a haber un xito, por lo que como ste no se va a mover como lo hacen los xitos anteriores, entonces no se toma en cuenta para el clculo de las ramas que nos interesan. Y la probabilidad asociada a cada rama sera; Probabilidad asociada a cada rama = p(S)*p(A)*p(A)*p(S)*p(S)*p(S)*p(S)*p(A)= = q*p*p*q*q*q*q*p =

Por lo tanto, la frmula a utilizar sera:

Donde: P(Y=k) = probabilidad de que ocurran r xitos en k ensayos y que el ltimo de ellos que es el r-simo, ocurra en el k-simo ensayo que es el ltimo. r = nmero de xitos k = nmero de ensayos para obtener r xitos p = p(xito) = p(aparezca guila) q = p(fracaso) = p(aparezca sello) = 1-p Ejemplos: 1. S la probabilidad de que un cierto dispositivo de medicin muestre una desviacin excesiva es de 0.05, cul es la probabilidad de que; a) el sexto de estos dispositivos de medicin sometidos a prueba sea el tercero en mostrar una desviacin excesiva?, b) el sptimo de estos dispositivos de medicin sometidos a prueba, sea el cuarto que no muestre una desviacin excesiva?.

Solucin: a) k = 6 dispositivos de medicin r = 3 dispositivos que muestran desviacin excesiva p = p(dispositivo muestre una desviacin excesiva) = 0.05 q = p(dispositivo no muestre una desviacin excesiva) = 0.95

p(Y = 6) = b) k = 7 dispositivos de medicin r = 4 dispositivos que no muestran una desviacin excesiva p = p(dispositivo no muestre una desviacin excesiva) = 0.95 q = p(dispositivo muestre una desviacin excesiva) = 0.05

p(Y = 7) =

2. Los registros de una compaa constructora de pozos, indican que la probabilidad de que uno de sus pozos nuevos, requiera de reparaciones en el trmino de un ao es de 0.20. a) Cul es la probabilidad de que el sexto pozo construido por esta compaa en un ao dado sea el segundo en requerir reparaciones en un ao?. b) Cul es la probabilidad de que el octavo pozo construido por esta compaa en un ao dado sea el tercero en requerir reparaciones en un ao?.

Solucin: a) k = 6 pozos r = 2 pozos que requieren reparaciones en un ao p = p(pozo requiera reparaciones en un ao) = 0.20 q = p(pozo no requiera reparaciones en un ao) = 0.80

p(Y = 6) =

b) k = 8 pozos r = 3 pozos que requieren reparaciones en un ao p = p(pozo requiera reparaciones en un ao) = 0.20 q = p(pozo no requiera reparaciones en un ao) = 0.80

p(Y = 8) =