DISTRIBUCIONES DE

PROBABILIDAD
DISCRETA

Distribuciones de Probabilidad Discreta

Distribucin Bernoulli
Distribucin Binomial
Distribucin Geomtrica
Distribucin Binomial Negativa
Distribucin Hipergeomtrica
Distribucin Poisson

Distribucin de Bernoulli
Es un experimentos Bernoulli si cumple las siguientes

condiciones :
1) Cada prueba o ensayo se define en un espacio muestral
con 2 resultados posibles:
xito(E) y Fracaso (F)
P(E)= P(F) = 1- P(E) = 1-
*Se debe leer la pregunta y segn eso se decide si es
xito o fracaso.
2) La probabilidad de xito P(E) se mantiene constante de
prueba a prueba.
3) Las pruebas son independientes unas de otras.

Funcin de Probabilidad :

donde, ux = E (x) = = p
2 = Var(x) = E ( x- ux ) = ( 1-) = pq =p (1-p)
.Demostrando la E(X)= p y E(x2 )
f(x)= px (1-p)x

E(x) = 0 (1-p)+ 1(p)

E(X)= p

P(x)

1-p

E(x2) = 02 (1-p) + 12 (p)

E(x2) =p
Var (x) = E(x2) (E(x))2 = p- p2= p(1-p)= pq

 Funcin Generatriz:

Gx(t) = E(e tx)

Gx(t) = E(e tx )
- La funcin generatriz de una Bernoulli:
x=0,1
Gx(t) = e t(0) p(x=0) + e t(1) p(x=1)
Gx(t) =(1)(1-p) + et p
Gx(t) = p et +1-p
Gx(t) = p et +q
Gx(t) = q +p et

1-p = q

Distribucin Binomial
Se realizan n ensayos.

X= nmero de xitos en n ensayos.

Media:

E(x)= =

np

Varianza: Var(x)=

npq
Funcin Generatriz: Gx(t) = (p et +q)n

 Demostrando la Media:

E(x)=
x= x1+x2+x3++xn
E(x)= E(x1+x2+x3++xn)
E(x)= E(x1)+E(x2)+E(x3)++E(xn)
E(x)= p +p +p ++p
n veces

E(x)= np
Demostrando la Varianza:
Var(x)= Var(x1+x2+x3++xn)
Var(x)= Var(x1)+Var(x2)+Var(x3)++Var(xn)
Var(x)= pq +pq +pq ++pq => Var(x)= npq
n veces

 Funcin de Distribucin

F
Funcin Generatriz

x= x1+x2+x3++xn
Gx(t) = E(e tx ) =E( )
Gx(t) = E(e tx ) =E(

Gx(t)=E( + E(+ E(+ +E(

Gx(t)=(q +p et ) (q +p et ) (q +p et )(q +p et )
Gx(t)=(q +p et )n

 Nota:

P(E) > 0.5

Sesgo a la derecha

P(E) = 0.5

Simtrica

P(E) < 0.5

Sesgo a la izquierda

Problema: El 10% de los artculos producidos por una

mquina son defectuosos si elige una muestra aleatoria
con reemplazo de 6 artculos y se define la variable x
como el nmero de artculos defectuosos elegidos.
a)Determinar la probabilidad que al menos un artculo
sea defectuoso:
xito(E) = defectuoso
= P[xito ]= P[Defectuoso] => p= 0,1
n=6
P(x1)= 1- P(x=0) =1-f(0)
=1-

Propiedad Reproductiva:
Si x1 y x2 son 2 variables aleatorias independientes
distribuidas :

x1 ~ B(n,p)

x2 ~ B(n,p)
x= x1+ x2 sigue una
x ~ B(n1 +n2 , p)

Entonces la variables aleatoria

distribucin binomial de

b)Halle el valor del coeficiente de variabilidad X:

ux = (6)(0.1) =0.6
Var(x) = npq = (6)(0.1)(0.9) = 0.54
s=
cv= = (100) =122,4744 %


Propiedad Simtrica:
Si designamos por x e y las variables aleatorias

binomiales que representan el n de xitos y de fracasos

respectivamente que se tiene cuando realizamos n
ensayos o repeticiones de una prueba de Bernoulli con
probabilidad p se cumple que :

Distribucin Geomtrica
Variable aleatoria , n de fracasos que tienen lugar antes

del primer xito. No admite permutacin.

Media: E(x)=
Varianza: Var(x)=
Funcin Generatriz: Gx(t) = p( (

 Funcin de probabilidad:

FFFF.FE =
x veces

q q q q p =>
x veces

Demostrando que es una funcin de cuanta:

x=0,1,2,

)
Serie
geomtrica

 Hallando la Generatriz:

Gx(t) = E(e tx )p(x)

Gx(t) =
Gx(t)=E(
Gx(t)=E()
Gx(t)=E()
Hallando la Esperanza:

==t=0 = ==

 Hallando E( x2)

t=0

==

 Var (x) = E(X2)- (E(x))2

Var (x) = - = =
Propiedad del Olvido o Falta de Memoria

Si x es un variable aleatoria que sigue una distribucin

geomtrica de parmetro p entonces se verifica que la :
P( x h+x/ x h) =P(x h)

Distribucin Binomial Negativa

La variable aleatoria x se define como el nmero de

fracasos antes de obtener el r-simo xito.

FFFF EEEE
X

r
Fijo

X= 0,1,2,3,4,
r =1,2,3,4,

 Demostrando la funcin de Probabilidad :

Otra forma de hallar:

===

 Demostrando que es una funcin:

{}
(
{((
(1=1
Funcin Generatriz:

Gx[t]=
(
(
(1- q)-r = ()r

 Esperanza

t=0
t=0 == =

Varianza
t=0
=

 Propiedad Reproductiva
Si x1 y x2 son dos variables aleatorias independientes,

distribuidas segn la binomial negativa:

x1 ~BN(r1,p)
x2 ~BN(r2,p)
De parmetros r1 y r2. Entonces la variable aleatoria x=x1+x2
sigue tambin una distribucin binomial negativa de
parmetros :
x ~BN(r1+r2,p)
Demostracin

Gx[t]=E()=E[]= E( )=E() E()=

()r1 ()r2 = ()r1 + r2 ~ (r1+r2,p)

Distribucin Hipergeomtrica
x ~H(N, n ,p)
Si una variable aleatoria x sigue una distribucin

hipergeomtrica de parmetros N, n, p si su funcin de

probabilidad es :

N2= N-r

Nx= r
x

n-x

 Es un experimento de poblacin subdividida en 2 de la

cual saco buenos o defectuosos

x se define como el n de xitos que se alcanza al
seleccionar una muestra de tamao ( n) de un poblacin
de tamao ( N).
Demostrando que es un funcin de probabilidad

= =1

 Esperanza:

E(X)= = =
=
Varianza:

= -n
= np

 NOTA: Cuando el tamao de una poblacin (N) es muy

grande respecto a la muestra (n) , la hipergeomtrica se

aproxima a una binomial.
N~ n
H~Binomial

Distribucin de Poisson:
x se define como el n de xitos o fracasos que ocurren

en un intervalo de unidades de medida , tiempo o rea.

Funcin de cuanta:

parmetro :

Generatriz : e ( et
Esperanza: E(x) =
Varianza : Var(x)=

- 1 )

 Demostrando que es una funcin:

=1

Generatriz :

Gx(t) = E(e tx ) = = =

 Media :

E(x)= = =
E(x)= e-
E(x)= e- e =

Varianza:

E(x2)= = =
=

=[ + ]

=[ +] = [(1)+1]
Var(x)= E(x2)-[E(X)]2

[(1)+1] 2 = 2 + - 2 =
NOTA: Cuando n es muy grande la binomial se aproxima a
la Poisson P() de parmetro =pq

 Cuadro:
n 30
np > 5, p 0.5
nq > 5, p > 0.5

BINOMIAL
B(n,p)

N > 50
n/N 0.1

HIPERGEOMTRICA
H(N,n,p)

NORMAL
N(u,)

= np
n > 30
p 0.1

10
u=
2=

POISON
P()