FUNCION DE

DISTRIBUCION DE
PROBABILIDAD
GEOMETRCA
JEISSON GARCIA CRESPO
LAURA CARRILLO HOYOS
OSCAR HERNANDEZ POMAR

TAMBIEN DENOMINADO
DISTRIBUCION DE PASCAL
Es un modelo adecuado para aquellos procesos en los que se repiten pruebas hasta la
consecucin del xito a resultado deseado y tiene interesantes aplicaciones en los
muestreos realizados de esta manera. Tambin implica la existencia de una dicotoma
de posibles resultados y la independencia de las pruebas entre s.
Dicotoma : [1] Divisin de un concepto o una materia terica en dos aspectos,
especialmente cuando son opuestos o estn muy diferenciados entre s. [2] Un par de
conceptos complementarios. [3] Una subdivisin, que desmiembra o disecta el rea de
un objeto en exactamente dos reas (o en su defecto, conceptos) complementarios

EN PALABRAS SIMPLES

La distribucin de probabilidad geomtrica es un modelo para el intervalo de tiempo

que un jugador (o inversionista) tiene que esperar hasta ganar.

Considrese, si la ganancia media en una serie de apuestas idnticas en la ruleta (o en

alguna otra serie de pruebas idnticas), no es una buena medida para su prospectiva
de ganar, podra tener una racha de mala suerte y quedarse sin dinero antes de tener
la posibilidad de recuperar sus prdidas. (Considerable aplicacin al campo
productivo)

APLICACIN

Proporcionar un modelo discreto para el lapso, dgase el numero de X de minutos,

antes de que un consumidor en una fila reciba la atencin (en un supermercado,
servicio de reparaciones, hospital, atencin al cliente, etc.)
En donde el lapso o intervalo de tiempo es una variable aleatoria continua. La
distribucin de probabilidad geomtrica es una analoga discreta de una distribucin
de probabilidad continua particular, conocida como distribucin exponencial

APLICACIN

Este modelo discreto para la distribucin de probabilidad de tiempo de espera x se

basa en la suposicin de que la probabilidad de recibir el servicio durante cualquier
minuto es idntica e independiente del resultado durante cualquier otro minuto y que
x se mide en minutos enteros, es decir, x = 1, 2, 3.

APLICACIN

En produccin sirve para encontrar la primera pieza defectuosa, la primera ocurrencia

de un sucedo
La rotura de determinada pieza
La llegada de un cliente a un lugar de servicio

NOTACION
INTERPRETACION DEL LENGUAJE MATEMATICO APLICADO

NOTACIN

En este caso se dice que la variable aleatoria X tiene una distribucin geomtrica de
parmetro (p) y se utiliza la siguiente terminologa X ~ G (p) (Se lee: X se distribuye
geomtrica de parmetro p)

NOTACIN

Para cada numero real X, una funcin de distribucin acumulada dada por la siguiente
definicin:

Una funcin de nombre F le asigna a cada valor real X, el de la probabilidad de que

una variable aleatoria X asuma un valor inferior o igual a X

NOTACIN

Para la interpretacin: La probabilidad de que X se situ en un intervalo (a, b] (Abierto

en a y cerrado en b) es:

NOTACIN

La funcin de distribucin acumulada de una probabilidad P definida sobre el espacio Boreliano B( R ) es

la funcin F que a todo real X le asocia, es decir

Cuando hay mas de una variable aleatoria y se vuelve necesario explicitar una diferencia entre la
funciones, se representa con subndices de la siguiente forma:

FUNCION DE PROBABILIDAD

FUNCIN DE PROBABILIDAD

p = Probabilidad de xito
q = (1-p) = Probabilidad de fracaso
Se tienen dos posibilidades, cuando se tiene la posibilidad de

analizar el numero de ensayos requeridos para obtener un primer
xito asumiendo que se requieren k ensayos para llegar a ese xito,
se representa mediante el producto de la probabilidad de xito por
la probabilidad de fracaso elevado a k-1, teniendo en cuenta que k
representa el numero de ensayos requeridos para llegar un xito en
donde

FUNCIN DE PROBABILIDAD

Si se quiere analizar la probabilidad de que el numero de fallos necesarios antes de

obtener un xito sea igual a un K determinado, la funcin de probabilidad es igual a la
probabilidad de xito por la probabilidad de fracaso elevada a ese K determinado

DIFERENCIA ENTRE LAS DOS

Ensayos anteriores al primer xito

K no puede tomar 0

Fallos previos al xito

K puede tomar valor 0

FUNCION DE PROBABILIDAD
ACUMULADA

En donde [x] denota la parte entera de x

MEDIA, VARIANZA, DESVIACIN Y

ESPERANZA

Media:
Varianza:

Desviacion estndar:
Esperanza =

MEDIANA

La mediana ser aquel valor de la variable en el cual la funcin de distribucin toma el

valor 0,5, as:

Entonces:

En donde q = (1 - p)

GRAFICA

GRAFICA
La funcin alcanza su valor mximo p cuando x = 0 y despus decae cuando se
presentan valores x>0

GRAFICA
En los clculos que se harn a continuacin se har uso de la siguiente ecuacin:

Las sumas de este tipo reciben el nombre de sumas geomtricas y puede decirse
tambin que:

En las probabilidades asociadas a dicha variable aleatoria geomtrica, aparece este tipo
de sumas y es por eso que la distribucin de esta variables se le denomina variable
geomtrica

COMPROBACION DE PROBABILIDAD

Justamente se utiliza el resultado X ~ G (p) para comprobar que la funcin f(x) es una
funcin de probabilidad

Se comprueba matemticamente que

la funcin f(x) corresponde a una
probabilidad.

EJEMPLO

Cada semana una persona participa en un juego de lotera en donde la probabilidad de

ganar es Cuntas semana en promedio la persona debe participar hasta ganar la lotera?

SOLUCION
X = # Participaciones sin premio antes de ganar
Entonces X ~ G (p) en donde
Entonces,
se pregunta lo siguiente: Numero de semanas promedio hasta ganar la lotera

semanas, es decir, 17857 aos

EJEMPLO

Sea X: nmero de tiros hasta obtener el primer as en una sucesin de tiros de un

dado equilibrado, entonces X ~ G (1/6).

= 30

GRAFICA
Grfica representativa para diferentes X
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

EQUIVALENCIAS Y
RELACIONES ENTRE LAS
DEMAS FUNCIONES

RELACIN

Hay autores (Aranda y Gmez, 1992), que dicen que la distribucin binomial negativa
se la conoce tambin con el nombre de distribucin de Pascal, mientras que otros
(Castillo, 1978) definen la distribucin de Pascal para el caso de r = 1, es decir para
distribucin geomtrica.

ENSAYO DE BERNOULLI

Este tipo de variable se conoce a travs de los ensayos de Bernoulli, se recuerda que
estos ensayos son de carcter dicotmico, el cual, permite dos posible resultados,
xito o fracaso.
El Ensayo de Bernoulli es la base para todas las distribuciones de variables discretas
Cuando se parte del ensayo de Bernoulli hay dos posibilidades, analizar la distribucin
de probabilidades de un numero X de ensayos de Bernoulli necesario para obtener un
xito, o un numero determinado Y (Y= X-1) que corresponde al numero de fallos
necesarios en los ensayos para obtener un xito

DISTRIBUCION BINOMIAL
NEGATIVA

La distribucin geomtrica es un caso especial de la distribucin binomial negativa con

parmetro k = 1. Mas generalmente , Si son variables independientes distribuidas

geomtricamente con parmetro p, entonces sigue una distribucin binomial negativa
con parmetro k y p

FIN DE LA PRESENTACIN
GRACIAS POR SU ATENCION