U5-FUNCIONES DE PROBABILIDAD Y

FUNCIONES DE DENSIDAD
Funciones de probabilidad (CASOS DISCRETOS)
Distribución binomial (Distribución o Fórmula de
Bernoulli)
Condiciones para su aplicación
1. La realización de un experimento aleatorio sólo puede generar alternativas
dicotómicas, lo cual quiere decir que sólo puede dar lugar a la ocurrencia de dos
–
sucesos posibles: el suceso A o su opuesto A.
2. El experimento aleatorio se realiza n veces manteniendo la independencia entre las
distintas realizaciones.
3. En cualquier realización del experimento la probabilidad de A es igual a p y, por
–
A (1 − p) = consiguiente, la probabilidad de . es ==q ==.

Como por la tercera condición las probabilidades p y q se mantienen constantes, entonces

–
P(A) = p P(A) = 1 − p = q y

Deducción de la fórmula
A : Suceso
n : veces que se realiza el experimento.
x : veces que sucede el evento A
–
A : suceso opuesto = (n-x)
p : P(A)
q : P(-A)

n x n−x
P(A) = ( )p q
x

Ejemplo
"Se arrojan al aire tres monedas. Hallar la probabilidad de que se presenten dos caras."

Condiciones cumplidas: Cada lanzada de moneda es independiente

 Datos

A = la moneda da cara
n = 3 (veces que se realiza el experimento)
x = 2 (veces que ocurre A)
p = P(A) = 1

2
→ (Probabilidad suceso A)
–
–
A
1
→ Aq = P( ) = 2
(Probabilidad suceso )

3 2 3−2
3
P(A) = ( )0, 5 ∗ 0, 5 = = 0.375
2 8

Condición de cierre
n
(p + q) = 1

Esperanza matemática
E(x) = n ∗ p

Donde:

n es constante
p es constante

Varianza
V (x) = n ∗ p ∗ q

Desvío estándar
DS(x) = √ V (x) = √ npq

Distribución de Poisson
Condiciones para su aplicación
En cada una de las realizaciones del experimento aleatorio se presentan resultados
dicotómicos.
El experimento aleatorio se realiza n veces en condiciones de independencia.
Cada uno de los posibles resultados tiene probabilidades constantes a lo largo de
las realizaciones del experimento.
 Las n realizaciones del experimento crecen notoriamente, lo cual equivale a decir que
n → ∞.

La probabilidad p del suceso A, es decir, p → 0. Esta condición en particular determina

que se denomine a esta distribución la Distribución de los sucesos raros,
considerando que la probabilidad del suceso A es muy pequeña.
Las realizaciones del experimento se cumplen en un intervalo de tiempo continuo y
no, como en el caso de la binomial, en momentos fijos o determinados.

Deducción de la fórmula
λ
p = → n ∗ p = λ
n

podemos decir que λ es el promedio de ocurrencias de un periodo determinado.

λ es el parámetro de distribución
λ
q = 1 − p = 1 −
n

x −
λ ∗ e λ
P (x) =
x

Ejemplo
"La probabilidad de que se produzca una falla diaria en el equipo de una empresa es 0,02.
Suponiendo que el equipo funciona durante 450 días ¿Cuál es la probabilidad de que
ocurran fallas"

1. exactamente en 5 días diferentes?

2. en un día como mínimo?

Condiciones cumplidas: Existe intervalo de tiempo --> 450 días

Datos

n: 450 días
p: 0.02
λ = 450 ∗ 0.02 = 9

a) x=5
−9 5
e ∗ 9
P (x) = = 0.06
5!

b) x=0
−9 0
e ∗ 9
P (x) = 1 − P (0) = 1 − = 0.9998
0!
Condición de cierre
−λ λ
e ∗ e = 1

Esperanza matemática
E(x) = n ∗ p = λ

Varianza
V (x) = n ∗ p = λ

Desvío estándar
DS(x) = √ V (x) = √ λ

Distribución hipergeométrica

Condiciones para su aplicación

Las realizaciones del experimento aleatorio se realizan sin reposición o generan
sucesos condicionales entre sí

La probabilidad de realizar n experimentos condicionales y obtener x veces un suceso A

está dada por la siguiente fórmula correspondiente a la Distribución Hipergeométrica
Fórmula
X N−X
( )( )
x n−x
P(en n realizaciones, x apariciones) = P(A) =
N
( )
n

Ejemplo

"Un supermercado cuenta con un plantel de 12 cajeros, de los cuales 4 son noveles y los
demás son expertos. En un día de trabajo cualquiera se presentan a trabajar 9 de esos
cajeros. ¿Cuál es la probabilidad de que haya 2 noveles?"

Condiciones cumplidas: estamos extrayendo 9 cajeros de una población de 12 (Sin

reposición, por lo que son sucesos condicionales) y queremos saber en esa muestra si
ocurre el suceso de que sean noveles.

Datos

A (suceso condicional) : que un cajero sea novel.

N (población) : 12
X (éxitos de población) : 4
n (muestra) : 9
x (veces que se presente el suceso A) : 2

4 12−4
( )( )
2 9−2
P(A) = = 0.2181
12
( )
9

Esperanza matemática
p =
X
N
(Probabilidad de la población)

X
E(x) = n ∗ = n ∗ p
N

Varianza
X
p =
N

N −X
q =
N

N − n
V (x) = n ∗ p ∗ q ∗
N − 1