- 20 -

5. PRINCIPALES MODELOS PROBABILISTICOS

5.1. PARA VARIABLE ALEATORIA DISCRETA
1. DISTRIBUCION DE BERNOULLI
EXPERIMENTO BERNOULLI : Es aquel en el que se cumplen los siguientes
supuestos:
 Esta constituido por una sola prueba o ensayo ( un sólo lanzamiento, una sola
elección, ...,etc)
 Se dan sólo dos posibles resultados: éxito ( E ) y fracaso ( F )
Sea la variable aleatoria X = Número de éxitos en una prueba.
La distribución de probabilidad de la variable aleatoria X esta dada por:

p (x)  px (1  p)1x ; x  0, 1 . Además 0  p  1

p es el parámetro de la función.( modelo ) , y p  P (E )
Notación : X  Bernoulli ( p )
Características Numéricas ( parámetros ) de la v.a. X :
 E(X)= p
 V ( X ) = p ( 1- p ) = p q
Ejercicio.- De un lote de 12 bolillas, distinguibles, tres son defectuosos. Se extrae, al
azar, una bolilla. ¿Cuál es la probabilidad que la bolilla sea defectuosa?
Solución :
ε : Seleccionar, al azar, una bolilla
¿ Es ε un experimento Bernoulli ?
- Se hace una sola extracción
- Se definen dos posibles resultados: E y F , donde E = Defectuoso
Si X = Número de defectuosos . Entonces :
3 1
P  X  1   p  (1 )  p 1 (1  p ) 1  1 , donde p  P ( E )  
12 4
1

4
2. DISTRIBUCION BINOMIAL
EXPERIMENTO BINOMIAL : Es aquel en el que se cumplen los siguientes
supuestos:
 Es un experimento compuesto por n pruebas Bernoulli.
 Cada prueba Bernoulli es independiente, es decir que la ocurrencia de una prueba
no afecta la ocurrencia de las otras.
Sea la v.a. X = Número de éxitos
La distribución de probabilidad para la variable aleatoria X esta por :

n
p (x)    p x (1 p) nx ; x = 0, 1, . . . , n . Además 0  p  1
x
n ; p son los parámetros de la función ( modelo ) ; con n = Nº de ensayos y p P(E)
 Notación : X  B(n,p)
Características Numéricas ( parámetros ) de la v.a. X
 E(X)= np
 V(X)= npq
Propiedad Reproductiva
Si Y y Z son v. a. independ. con Y  B( n1 , p) y Z B(n2 ,p) (YZ)  B( n 1  n 2 , p )
Ejercicio.- Los registros de una Cia. de seguros indican que el 40% de las familias
tiene algún tipo de seguro. Se eligen, al azar, 14 familias. Determine la
probabilidad que :
a). Ninguna tenga seguro.
b). Por lo menos dos tengan seguro.
Solución :
: Se eligen, al azar, 14 familias y se observa si están asegurados o no
¿ Es  un experimento Binomial ?
 Esta compuesta por 14 familias seleccionadas.
 Cada familia seleccionada es una prueba Bernoulli, donde :
E = Asegurado
F = No asegurado

Sea la v.a. X = Número de éxitos. Entonces :

 n  x
a). P  X  0   p  ( 0 )    p (1  p ) n  x
 0 

 14 
   ( 0, 4 ) 0 (1  0, 4 ) 14  0  ( 0,6 ) 14
 0 
b). P X  2  1  P X  2
 1   P  X  0   P  X  1 

 n x
donde PX  1  p (1)    p (1  p)
n x

 1
 14 
   ( 0, 4 ) 1 (1  0, 4 ) 14 1  14 ( 0, 4 )( 0,6 ) 13
 1 

 P  X  2   1  ( 0 ,6 )14  14 ( 0 , 4 )( 0 ,6 )13
3. DISTRIBUCION DE POISSON
EXPERIMENTO O PROCESO POISSON : Es aquel en el que se cumplen los
siguientes supuestos:
 Esta constituido por una prueba en el que se fija una unidad de tipo continuo (
intervalo; de tiempo, de longitud, de área, de volumen, ..., etc.)
 Se observan las ocurrencias, de tipo discreto, dentro de dicha unidad prefijada.
 Estas ocurrencias son independientes de una unidad especificada a otra.
 - 21 -
Sea la v.a. X = Número de ocurrencias dentro de un intervalo prefijado
La distribución de probabilidad para la variable aleatoria X esta dada por:
e  x
p ( x)  ; x = 0, 1, 2, . . . y   0
x!
 es el parámetro de la función ( modelo )
Notación : X  Poisson ()

Características Numéricas ( parámetros ) de la v.a. X :

 E(X )  
PROPIEDAD : El valor esperado  es proporcional al tamaño de la unidad
especificada.
 V (X )  
Propiedad Reproductiva
(1 ) yZ Poisson
. con Y  Poisson
Y y Z v.a. independ (  2 ) ( Y  Z )  Poisson
(1  2 )
Ejercicio.- Si el promedio de llamadas telefónicas que registra una central para cierto
distrito, es de 4 llamadas por minuto.
a). Cuál es la probabilidad que no se registre ninguna llamada durante los dos minutos
siguientes?
b). Cuál es la probabilidad que no se registre ninguna llamada durante 30 segundos?
Solución :
ε : Entradas, al azar, de llamadas telefónicas a una central por minuto
¿Es ε un experimento ( proceso ) poisson?
- Se fija como unidad de tipo continuo; un minuto
- Se observan las llamadas dentro del minuto
- Lo que ocurra en un minuto es independiente de lo que ocurra en otro minuto
Sea X = Número de llamadas en un minuto. y λ = 4 , entonces

e  0
a ). P( X 0) , donde  2(4)8
0!
2
 e
e   0
1
b ). P( X  0 )  , donde   (4)2
0! 2
 e 2

OBSERVACION : Cuando en una binomial; p es pequeño ( p  0,05 ) y n es grande ( n  100 )

se usa la aproximación de una binomial a la poisson , haciendo  = np

4. DISTRIBUCION GEOMETRICA
EXPERIMENTO GEOMETRICO : Es similar al experimento Binomial, con la única
diferencia de que no se conoce n .
 Sea la variable aleatoria X = Número de pruebas o ensayos hasta obtener el primer
éxito.
La distribución de probabilidad para la variable aleatoria X esta dada por :
p ( x)  q x 1 p ; x = 1, 2, . . . . Además 0  p  1
p es el parámetro de la función ( modelo )
Características Numéricas ( parámetros ) de la v.a. X
 E (X )  1
p
 q
V (X ) 
p 2
Ejercicio.- Si la probabilidad que un examen dè una reacción positiva es 0,4 .¿Cuàl es la
probabilidad de que ocurran cinco reacciones negativas antes de la primera
positiva?

Solución : Sea  = Llevar a cabo exámenes hasta obtener una reacción positiva
¿Es  un experimento geomètrico?
- Constituido por un nùmero no definido de ensayos
- Cada ensayo es una prueba Bernoulli, donde :
Éxito = Reacción positiva
Fracaso = Reacción Negativa
- Cada prueba Bernoulli es independiente
 X = Nùmero de pruebas hasta obtener el primer èxito
 P( X  6 )  p X ( 6 )  q 6  1 p donde p  P ( èxito )  0,4

 P ( X  6 )  ( 0,6 ) 5 ( 0,4 )  0,031104

5. DISTRIBUCION HIPERGEOMETRICA
EXPERIMENTO HIPERGEOMETRICO : Es aquel en el que se cumplen los siguientes
supuestos:
 Supóngase un conjunto ( población ) finito de N objetos distinguibles.
 Los N objetos pueden ser clasificados en dos categorías; K de las cuales poseen cierta
característica ( éxito ) y N  K no poseen tal característica ( fracaso ).
 Se toma una muestra aleatoria de n ( n < N ) objetos sin reposición.
Sea la variable aleatoria X = Número de éxitos en una muestra aleatoria de tamaño n
La distribución de probabilidad de la variable aleatoria X esta dada por :

 K  N  K 
   
 x  n  x 
p X (x)  ; x = 1, 2, . . . , r donde r = min { n , K }
 N 
 
 n 

N, n y K son los parámetros de la función ( modelo )

 - 22 -
Notación : X  h ( N, n, K )
Características Numéricas ( parámetros ) de la v.a. X :
K
 E( X )n 
N

 K  N  K  N  n 
 V ( X )  n    
 N  N  N  1 

Ejercicio.- De un grupo de 12 estudiantes, 8 son sobresalientes. Por la lista se han escogido 9

estudiantes, al azar. ¿Cuál es la probabilidad de que entre los estudiantes
seleccionados hayan 5 sobresalientes?

Solución : Sea  = Seleccionar, al azar, una muestra de 9 estudiantes, sin reemplazo.

¿Es  un experimento hipergeomètrico?
- Se tiene una población finita de N = 12 estudiantes
- En la población se definen dos categorías:
Característica de interés = Sobresaliente
- Se toma una muestra de n = 9 estudiantes, sin reemplazo

 X = Número de estudiantes sobresalientes

 K  N  K 
   
 x   n  x 
 p X( x)  ; x  1, 2 , , r ; r  min  n , K  8
N
 
 n
Se pide :
 8  4 
   
P( X  5 )  p X ( 5 )     
5 4
 12 
 
 9 
8! 4!

3 !5 ! 0 !4 ! 56
   0,254
12 ! 220
3! 9 !

6.- DISTRIBUCION DE PASCAL (TAREA):