VARIABLES ALEATORIA DISCRETA

DISTRIBUCIN GEOMTRICA
INTEGRANTES:
ASMAT RODRIGUEZ, MONICA
CHAVEZ,CRISTIAN
PERALTA VALLADARES,SANTIAGO

Simulacin, Anlisis Y Dise

DISTRIBUCION GEOMETRICA O DE PASCAL

Historia:
El origen de la distribucin geomtrica comenz con
Jakob Bernoulli (1654-1705). Aqu Bernoulli proporciono
la clave para entender la distribucin geomtrica. En un
ensayo de Bernoulli A hay un conjunto de n variables
independientes binarias en el que la observacin j es un
xito o fracaso.

CONCEPTO:

La distribucin geomtrica es una distribucin

discreta sin memoria es decir independiente.Es un
modelo adecuado para aquellos procesos en los
que se repiten pruebas hasta la consecucin del
xito a resultado deseado y tiene interesantes
aplicaciones en los muestreos realizados de esta
manera.

Esta distribucin se puede hacer derivar de un

proceso experimental puro o de Bernoulli en el que
tengamos las siguientes caractersticas:

El proceso consta de un nmero no

definido de pruebas o experimentos
separados o separables

El proceso concluir cuando se obtenga

por primera vez el resultado deseado
(xito).

No interesa cuntos veces se deba

repetir el ensayo.

xito 1 ; Fracaso 0

Si la probabilidad de xito es p
y la de fracaso 1 - p, podemos
construir
una
funcin
de
probabilidad:

Las probabilidades p y q son constantes en

todas las pruebas, por tanto, las pruebas, son
independientes

 En la distribucin geomtrica el conjunto de posibles

valores que puede tomar la variable () es infinito
numerable, mientras que en la de Bernoulli y en la
binomial, estos eran en nmero finito.

Implica la existencia de una dicotoma de posibles

resultados y la independencia de las pruebas entre s.

En probabilidad la distribucin geomtrica es muy til

pues nos dice el tiempo de espera hasta obtener el
primer xito y se utiliza en estudios de fiabilidad y en
situaciones cclicas donde se alternan xitos y fracasos.

D.GEOMETRICA

Si una variable aleatoria discreta X definida en

un espacio de probabilidad representa el
nmero de repeticiones necesarias de un
experimento de Bernoulli para obtener el primer
xito, entonces tiene por funcin de densidad:
X-1
P (x=x) = funcin de densidad, de la variable
aleatoria con distribucin geomtrica.
X Numero de experimentos hasta que aparece el
1er xito.
p probabilidad de xito
q probabilidad de fracaso (1 - p)

Funcin de densidad:

Sea A un suceso de probabilidad P(A)=p, y sea X la variable aleatoria que

expresa el nmero de fracasos que tiene lugar en las repeticiones
independientes de pruebas de Bernoulli, hasta que ocurre A por primera
vez. La variable X toma los valores de 0, 1,2,. (nmero de fracasos).
Decimos que una variable aleatoria X sigue una distribucin geomtrica de
parmetros p si su funcin de probabilidad es:

Dnde:

P= probabilidad de xito en cada ensayo

x= ensayos que sean necesarios para obtener
un xito, parax= 1, 2, 3,..

Funcin de
Distribucin:

Lo anterior solo se cumple si y solo si:

Las pruebas son idnticas e independientes entre s.

La probabilidad de xito es p y se mantiene constante de
prueba en prueba

La funcin de densidad de la variable aleatoria

geomtrica slo depende del parmetro p, y presenta
siempre una asimetra a la derecha como se puede
observar en las siguientes funciones de densidad.

 Esperanza Matematica:

Varianza:

EJEMPLO:

1. 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:

p(x =
5)=

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

2. 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?

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) =

 En consecuencia, la distribucin geomtrica hereda las caractersticas de

la distribucinbinomial, a excepcin del concepto del cual se quiere
calcular la probabilidad. En este caso la variable aleatoria de inters,
denotada medianteX, se define como el nmero de ensayos requeridos
para lograr el primer xito. Es obvio que para obtener el primer xito se
debe realizar el experimento cuando menos una vez, por lo que los
valores que puede tomar la variable aleatoriaXson 1, 2, 3,...,n,esto es,
no puede tomar el valor cero. En este caso se cumple que (X = x)si y
slo si los primeros (x 1) ensayos son fracasos (q) y elx-simo ensayo
es xito (p), por lo que:
P(X

= x) =

De acuerdo a lo anterior, podemos decir que:

Una variable aleatoria X se distribuye de
acuerdo
con
un
modeloprobabilsticogeomtrico, si su funcin
de probabilidades es:

EJEMPLO:
1. Se lanza un dado hasta que aparece el nmero 6. Cul es la probabilidad de
que el nmero de lanzamientos sean 3?

Solucin.

En este problema el xito es la aparicin del nmero 6 y la probabilidad de que

salga el nmero 6 al lanzar un dado es 1/6, por lo quep= 1/6 yq= 5/6. Como
nos interesa calcular la probabilidad de que el 6 aparezca en el tercer
lanzamiento, entonces:

2. La probabilidad de que cierto anlisis clnico d una reaccin positiva es 0.4.

Los resultados de los anlisis son independientes unos de otros Cul es la
probabilidad de que la primera reaccin positiva ocurra antes del tercer
anlisis?

Solucin:

Aqu el xito es que salga una reaccin positiva, por lo quep= 0.4 yq= 0.6.
Si la primera reaccin positiva debe aparecer antes del tercer anlisis,
entonces: