Distribuciones discretas de probabilidad

Los temas que desarrollaremos en el presente mdulo son los siguientes:

1. Variable aleatoria
2. Distribucin de probabilidad
3. Esperanza matemtica y Medidas de dispersin
4. Distribuciones de probabilidad: binomial, hipergeomtrica y Poisson
Creemos oportuno recordarle algunos aspectos sobre los cules hemos estado trabajando anteriormente:
Estadstica Descriptiva Grficos: Descripcin de algo que ya haba sucedido.
Estadstica Inferencial: Se examina algo que tal vez sucedera.
Qu es una VARIABLE ALEATORIA?
Es una variable cuyos valores se deben al azar. Por ejemplo: "salidas de caras en un experimento de lanzar 1 vez dos
monedas, "nmero de unidades vendidas", "niveles de produccin diaria", etc.
Distribucin de probabilidad: Lista de todos los valores posibles que pueda asumir la variable aleatoria (VA)
+ = Distribucin de Probabilidad asociada a cada resultado probabilidad o valor asumido por la VA
Clasificacin de la variable aleatoria
Discreta: surge del conteo de algn elemento de inters.
Continua: surge de un proceso de medicin.
Funcin de probabilidad discreta:
Denominacin: Funcin de cuanta
Se escribe: f (x)
Condiciones a cumplir: f (x) 0
f(x)=1
Esperanza y varianza para una variable aleatoria discreta:
*Esperanza:
E (x) = = x f(x) Recuerda haber visto en la unidad 3 otro concepto anlogo a
este?, cul?
*Varianza:
2222
V(x) = E( x ) - [ E( x ) ] ; La E( x ) = x f( x)

->Distribuciones de variables discretas

Distribucin binomial: Es una de las distribuciones discretas de probabilidad ms utilizadas. Se encontrar su aplicacin en
problemas planteados con ventas, mercadotecnia, investigacin de opiniones, control de calidad etc. La emplearemos cuando
de un experimento se puedan obtener dos resultados: la ocurrencia (que llamaremos xito) o la no ocurrencia de un evento
(llamada fracaso). A la probabilidad del evento "xito" la llamaremos p y a la probabilidad del fracaso la llamaremos 1- p = q
Caracterizacin del experimento:
1.- Existen "n " pruebas idnticas.
2.-Cada prueba tiene dos resultados posibles mutuamente excluyentes.
3.- La probabilidad de cada resultado permanece constante de una prueba a otra.
4.- Las pruebas son independientes.
5.- Se aplica a poblaciones finitas con reemplazo o infinitas sin reemplazo.

FUNCION CUANTIA:
f (x) = probabilidad de x xitos en n pruebas
x
C n = nmero de obtener exactamente x xitos en n pruebas
p = probabilidad de xito en cualquier prueba
q = probabilidad de fracaso en cualquier prueba
n = nmero de pruebas
x = nmero de xitos en la muestra

Parmetros:
E(x) = = np V(x) = npq

1.
2.
3.
4.
5.

Veremos un ejemplo donde utilizaremos las tablas que se adjuntan con los contenidos del material:
Un vendedor tiene el 20% de posibilidades de cerrar una venta con un cliente cualquiera. Si llama a 5 clientes:
Cul es la probabilidad de que haga menos de 3 ventas?
Cul es la probabilidad de que no se haga ninguna venta?
Cul es el nmero promedio de ventas?
Cul es la probabilidad de que se hagan 2 o ms ventas?
Cul es la probabilidad de que se hagan entre 2 y 4 ventas (ambos extremos inclusive)?
Los casos se resolvern utilizando las tablas adjuntas (Ud. podr, si as lo prefiere, utilizar las tablas del Apndice del texto
bsico sugerido).
La tabla que se propone con este mdulo presenta la ventaja de tener que realizar menor cantidad de operaciones que si
decidiese trabajar con las tablas del libro.
La tabla que se utilizar para resolver el problema presenta la caracterstica que acumula desde 0 hasta un valor particular
de la variable, lo que implica que slo se podr entrar directamente en los casos que X
una transformacin.

, los dems casos necesitarn de

Veamos a continuacin la solucin paso a paso:

a) P(X<3; n=5; p=0,20)= P(X2, n=5; p=0,20)= 0,9421

b) P(X=0, n=5, p=0,20)=0,3277

c) =np= 5.0,20= 1 promedio de ventas
d) P (X2; n=5, p=0,20)= 1- P(X 1; n=5; p=0,20)=1- 0,7373=0,2627
e) P (2 X 4, n=5; p=0,20)= P(X 4) - P(X 1)=0,9997-0,7373=0,2626
Los valores remarcados deben ser tenidos en cuenta para no cometer errores en la solucin de los ejercicios.

Distribucin hipergeomtrica:
Caracterizacin del experimento:
1.- Se trabaja con una muestra proveniente de una poblacin finita sin reemplazo.
2.- La probabilidad de xito cambia de una prueba a otra.
3.- El tamao de la muestra "n" es mayor que el 5% de la poblacin N.
Funcin de probabilidad o cuanta.

0 Para cualquier otro valor

f(x) = probabilidad de x xitos en n pruebas

n = la cantidad de pruebas
N = tamao de la poblacin
r = nmero de xitos en la poblacin
x = nmero de xitos en la muestra
C = combinacin

La distribucin hipergeomtrica es semejante a la binomial, excepto en el hecho de que las pruebas no mantienen constantes
las probabilidades de A y
La media de la distribucin hipergeomtrica es m = np
La varianza de la distribucin es s2 = npq (N-1/(N-n))
-al trmino (N-1/(N-n)) se le llama coeficiente de exhaustividad ,o tambin, factor corrector de poblaciones finitas :
Puede observarse que este factor es siempre inferior a 1 y que cuando la poblacin es muy grande (N ) tiende a 1(por
tanto si la poblacin es muy grande la media y la varianza coinciden con las de la D. Binomial).
De hecho, si la poblacin es muy grande (resulta irrelevante la existencia o no de reposicin) la funcin de cuanta de la
Hipergeomtrica tiende a la f. de cuanta de la distribucin Binomial y se puede prescindir del hecho de que haya o no
reemplazamiento.

Distribucin de POISSON (o de los casos raros) VER TABLA de POISSON

En esta distribucin discreta la variable aleatoria representa el nmero de eventos independientes que ocurren a una velocidad
constante en el tiempo o en el espacio. Ejemplo: nmero de clientes que llegan a lugar especfico en un tiempo determinado,
nmero de solicitudes de seguro procesadas por una compaa en un tiempo determinado, etc. Esta distribucin es el principal
modelo de probabilidad empleado para analizar problemas de lneas de espera.
Caracterizacin del experimento:
1.- Los eventos aleatorios ocurren de manera independiente con una velocidad constante en el tiempo o en el espacio.
2.- Una distribucin binomial con "n" grande y "p" muy pequea se acerca a una distribucin de Poisson.

Parmetros:
E(x) = V(x) =