Académique Documents
Professionnel Documents
Culture Documents
Informtica 712
Distribucin Geomtrica
La distribucin geomtrica es un modelo adecuado para aquellos procesos en los que se
repiten pruebas hasta la consecucin del xito a resultado deseado.
Esta distribucin toma en cuenta el nmero de veces que debe repetirse el experimento
hasta que ocurra xito por primera vez, en cuyo caso, termina de realizarse el experimento.
Aqu slo ocurre xito una sola vez. No interesa cuntos veces se deba repetir el ensayo.
Esta distribucin se puede hacer derivar de un proceso experimental puro o de Bernouilli en
el que tengamos las siguientes caractersticas.
Esta distribucin sirve para calcular la probabilidad de que ocurra un xito por primera y
nica vez en el ltimo ensayo que se realiza del experimento.
Definicin
Diremos que una variable aleatoria X tiene distribucin Geomtrica si X representa El
nmero de veces que debe repetirse un experimento hasta que ocurra xito por primera
vez. En este caso denotaremos por X G(p), donde p, la probabilidad de xito, constituye el
parmetro de la distribucin cuya funcin viene dada por:
Observaciones
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 un 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 un 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 el ltimo lanzamiento)=p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(A) =
=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) =
consecucin del k-simo xitoes una variable aleatoria que tiene una distribucin binomial negativa con
parmetros k y .
La distribucin geomtrica es el caso concreto de la binomial negativa cuando k = 1.
Propiedades
Ejemplo
Si la probabilidad de que un nio expuesto a una enfermedad contagiosa la contraiga es 0,40, Cul es la
probabilidad de que el dcimo nio expuesto a la enfermedad sea el tercero en contraerla? En este caso,
X es el nmero de nios expuestos la enfermedad y
La solucin es:
Distribucin Hipergeometrica
Este es otro de los modelos contrario al modelo Binomial. Si en este los resultados del
experimento son independientes uno de otro, en el caso de una Distribucin
Hipergeomtrica los resultados siguientes dependen de los anteriores. Esto ocurre ya que el
experimento o fenmeno se realiza sin reposicin. Por esta razn, la variable aleatoria
definida como el nmero de xitos obtenidos tiene una distribucin Hipergeomtrica.
Definicion
Supongamos que se tiene una poblacin finita de tamao N. Supongamos que en esta
poblacin r elementos de ella poseen un determinado tipo de atributo. Supongamos
tambin que en esta poblacin se realiza el experimento de extraer una muestra de tamao
n sin reposicin (sin reponer los elementos extrados). Si se define la variable aleatoria X
como El nmero de elementos en la muestra que poseen dicho atributo, diremos que X
tiene Distribucin Hipergeomtrica, de parmetros N, r y n lo cual denotaremos por X →
H(N, r, n).
Si se define a X: Nmero de xitos obtenido en la muestra de tamaon y definimos al
evento A como A = { x/ X = x }, entonces P(A) = p(x) = P(X = x) debemos calcularla usando el
siguiente razonamiento
P(A) = Nmero de casos favorables / Nmero de casos posibles
Si deseamos obtener x elementos de un total r elementos, el nmero de maneras de hacerlo
es C(r, x) Del mismo modo, puesto que la muestra debe tener n elementos, los restantes n
x deben ser obtenidos de un total de N r. El nmero de maneras de hacer esto es C(N - r, n
- x).
Luego, el nmero de maneras de que x posean el atributo, y n x, que no lo posean, es C(r,
x) C(N - r, n - x), lo que constituye el nmero de casos favorables.
Por otro lado, si del total de N elementos se desea extraer muestras de tamao n, el nmero
de maneras de hacer esto es C(N, n).
Luego, la funcin de distribucin de X ser
Teorema
Si X es una variable aleatoria que tiene distribucin Hipergeomtrica, H(N, r, n), de
parmetros N, r y n, entonces
Donde:
Entonces
N = 12; N1 = 7; N2 = 5; k = 3; n = 4
Si aplicamos el modelo:
Por lo tanto, P (x = 3) = 0,3535. Es decir, la probabilidad de sacar 3 bolas blancas es del 35,3%.