Resumen Distribuciones de Probabilidad.
Modelos Discretos
Distribución Binomial X~B(n, p)
Un experimento aleatorio que consta de n ensayos repetidos tales que:
- Los ensayos son independientes.
- cada ensayo produce únicamente dos resultados posibles, éxito o fracaso.
- La probabilidad de un éxito en cada ensayo, denotada como p se mantiene constante.
a este tipo de experimento se les llama Binomial.
La variable aleatoria X que es igual al número de ensayos que producen un éxito tiene una distribución Binomial con
parámetros (n,p).
La función de masa de probabilidad de X es:
𝑛
𝒇(𝒙) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 , (𝑥 = 0,1, … , 𝑛)
𝑥
Si X es una variable aleatoria Binomial con parámetros n y p entonces la media y la varianza de X son:
𝑬(𝑿) = 𝑛𝑝 𝑦 𝝈𝟐 = 𝑛𝑝(1 − 𝑝)
Distribución Geométrica X~Geo(P)
En una serie de ensayos de Bernoulli B(1,P) independientes, con probabilidad constante p de un éxito, sea que la variable
aleatoria X denote un numero de ensayos hasta el primer éxito. Entonces X tiene una distribución geométrica con
parámetro P.
La función de masa de probabilidad de X es:
𝒇(𝒙) = 𝑝(1 − 𝑝) 𝑥−1 , (𝑥 = 1,2, … , ∞)
Si X es una variable aleatoria Geométrica con parámetro p, entonces la media y la varianza de X son:
1 (1 − 𝑝)
𝑬(𝑿) = 𝑦 𝝈𝟐 =
𝑝 𝑝2
Distribución Hipergeométrica X~H(N, n, N1 , N2 )
Un conjunto de N objetos contiene
- 𝑵𝟏 objetos clasificados como éxitos y
- 𝑵𝟐 objetos clasificados como fracasos.
- Donde 𝑵𝟏 + 𝑵𝟐 = 𝑵
- La probabilidad de obtener un objeto de N1 o N2 cambia o se modifica de extracción en extracción.
Se selecciona una muestra con tamaño n objetos al azar (sin reemplazo) de los N objetos, donde N1 ≤ N y n ≤ N.
Sea que la variable aleatoria X denote el numero de éxitos en la muestra. Entonces X tiene una distribución
Hipergeométrica con parámetros (N, n, N1 , N2 )
La función de masa de probabilidad de X es:
(N𝑥1 )(𝑛−𝑥
N2
)
𝒇(𝒙) =
(𝑁
𝑛
)
Si X es una variable aleatoria Hipergeométrica con parámetros (N, n, N1 , N2 ) entonces la media y la varianza de X son:
𝑁−𝑛 𝑁1
𝑬(𝑿) = 𝑛𝑝 𝑦 𝝈𝟐 = 𝑛𝑝(1 − 𝑝) ( 𝑁−1 ) , Donde 𝑝 = 𝑁
Distribución Binomial Negativa o Pascal X~BN(r, p) o X~Pascal(r, p)
En una serie de ensayos de Bernoulli B(1,P) independientes, con probabilidad constante p de un éxito, sea que la variable
aleatoria X denote un numero de ensayos hasta que ocurra 'r' éxitos. Entonces X tiene una distribución Binomial
Negativa con parámetros r y p.
La función de masa de probabilidad de X es:
𝑥−1 𝑟
𝒇(𝒙) = ( ) 𝑝 (1 − 𝑝)𝑥−𝑟 , (𝑥 = 𝑟, 𝑟 + 1, … , ∞)
𝑟−1
Si X es una variable aleatoria Binomial Negativa con parámetros r y p, entonces la media y la varianza de X son:
𝑟 𝑟(1 − 𝑝)
𝑬(𝑿) = 𝑦 𝝈𝟐 =
𝑝 𝑝2
Distribución de Poisson X~P(α)
Se trata de la ocurrencia de eventos o sucesos discretos sobre ejes o conjuntos continuos.
Para que se defina como proceso de Poisson debe cumplir:
- La ocurrencia de un evento es independiente de cualquier otro evento en el pasado
- La distribución del número de ocurrencias va a depender del largo del intervalo, a mayor intervalo mayor ocurrencia
- La probabilidad de un suceso de interés disminuye a medida que el intervalo disminuye
- La probabilidad de que un ocurra más de un suceso en un pequeño intervalo es muy baja ≅ 0.
La función de masa de probabilidad de X es:
𝑒 −𝛼 𝛼 𝑥
𝒇(𝒙) =
𝑥!
Si X es una variable aleatoria de Poisson con parámetro α entonces la media y la varianza de X son:
𝑬(𝑿) = 𝛼 𝑦 𝝈𝟐 = 𝛼
Donde 𝜶 = 𝝀𝚫𝒕
t=Unidad básica de estudio
Δ𝑡=Variacion de la unidad básica
𝜆=Numero de eventos por unidad básica
𝛼=Promedio de eventos en variación de unidad básica
Aproximación de distribuciones
Distribución Hipergeométrica ≅ Distribución Binomial si solo si:
𝑛
- (1 − ) Es el factor de corrección
𝑁
𝑛
- ( ) Es el factor de muestreo
𝑁
𝑛 𝑛
- El factor de muestreo es menor o igual al 5% => (𝑁) ≤ 0.05 => (1 − 𝑁) ≡ 1
- Bajo estas circunstancias la distribución Hipergeométrica se aproxima a la Binomial con esperanza y varianza
𝑁1
igual a : 𝑬(𝑿) = 𝑛𝑝 𝑦 𝝈𝟐 = 𝑛𝑝(1 − 𝑝) , Donde 𝑝 =
𝑁
Distribución Binomial ≅ Distribución e Poisson si solo si:
- 𝑛𝑝 ≤ 5 ⋀ 𝑛 ≥ 20 , Donde 𝑬(𝑿) = 𝑛𝑝, es la esperanza de una distribución binomial.
