Académique Documents
Professionnel Documents
Culture Documents
DISTRIBUCIONES ESPECIALES
Distribución Bernoulli
Uno de los experimentos mas simple que podemos realizar es aquel donde los
resultados posibles son solo dos ; por ejemplo, lanzamiento de una moneda equilibrada
{cara, sello} , el sexo de un niño por nacer {hom bre, mujer} , la clasificación de un
artículo que se está inspeccionando {defectuoso, no − defectuoso} . Este tipo de
experimento con sólo dos resultados posibles se denomina Ensayo Bernoulli y sus
eventos elementales, comúnmente llamados éxito y fracaso.
Características:
El resultado del experimento aleatorio puede clasificarse en una de las dos
categorías siguientes ÉXITO o FRACASO
La probabilidad de ÉXITO (p) en un ensayo es constante cada vez que se realiza el
experimento.
El experimento se realiza una sola vez.
Distribución Binomial
Características:
El resultado del experimento aleatorio puede clasificarse en una de las dos
categorías siguientes ÉXITO o FRACASO.
La probabilidad de ÉXITO es constante (p).
Cada repetición es independiente de las restantes.
Se repite n experimentos Bernoulli.
La variable X es el número de éxitos en los n ensayos Bernoulli
n
P(X = x ) = px qn-x con x= 0,1,2,....,n
x
n n!
Recordemos que = n C r son combinatorias
x x!(n − x)!
0! = 1
4! = 1*2*3*4
Características:
El resultado del experimento es un ÉXITO o FRACASO
La probabilidad p de ÉXITO es constante
Cada repetición es independiente de las restantes
El experimento se repite un número variable ( X ) de veces hasta obtener un número
determinado de EXITOS( K )
La función permite calcular la probabilidad de que se necesitan exactamente X
ensayos para obtener K EXITOS
x − 1 k x-k
P ( X = x ) = p q donde x= k, k+1,k+2,.........
K − 1
k
Media µ es E [X ] =
p
kq
y que σ2 Varianza [X ] =
p2
Distribución Geométrica
1 q
Media µ es E [X ] = y que σ2 Varianza [X ] =
p p2
Distribución Hipergeométrica
Características:
El resultado del experimento aleatorio es ÉXITO o FRACASO
La probabilidad de éxito varia de un ensayo a otro
Las repeticiones sucesivas son dependientes
Las repeticiones se realizan un número n determinado de veces
La extracción se hace de entre N itemes
Se elige una muestra de tamaño n
K N − K
x n − x
H(x,N,n,K) = con x= 0.1.2....n
N
n
Observaciones:
K
p=
N
Distribución Multinomial
n x1 x2
P ( X1=x1, X2= x2, ..............Xk= xk ) = p1 p 2 ....... p kxk
x1 x 2 ......x k
n!
= p1x1 p 2x2 ....... p kxk
x1! x 2 !.....x k !
K K
Con ∑ xi = n
i =1
∑p
i =1
i =1
Distribución de Poisson
Esta distribución sirve como modelo del número de aciertos que ocurren durante un
Intervalo de tiempo dado. Existe un tiempo implícito dentro de la variable analizada.
e −λ λ x
P(X = x ) = donde x= 0,1,2........ e = 2,71828
x!
Observaciones:
e − λt λt x
P( x, λt ) = donde λ = Nº promedio de resultados por unidad de
x!
tiempo ó región
DISTRIBUCION NORMAL
E [X ] = µ Varianza [X ] = σ 2
PROPIEDADES:
La función de distribución de X es :
Existen diferentes tablas que entregan áreas bajo la curva Normal y los límites de la
integral pueden cambiar dependiendo de la tabla a usar.
CALCULO DE AREAS
x−µ
La variable transformada es Z= la cuál llamamos Variable Normal
σ
Estandarizada y se denota por:
La función de distribución de Z es :
x−µ x − np
Z = = cuando n → ∞ Z ∼ N ( 0, 1 )
σ npq
Observaciones:
1
( x ± ) − np
Z = 2
npq