Curso: Estadstica y

Probabilidades
Ing. Enrique Montenegro Marcelo
CIP 69272

Distribuciones Discretas de
Probabilidad
TOPICOS
Variable aleatoria
Distirbucin Binomial
Distribucin Hipergeometrica
Distribucin Poisson

Distribuciones Discretas de
Probabilidad

Al finalizar el estudiante deber:

Identificar las distribuciones de probabilidad discretas que

ms se utilizan en la toma de decisiones.
Utilizar el concepto de valor esperado para la toma de
decisiones.
Conocer cul distribucin de probabilidad utilizar, y como
encontrar sus parmetros.
Comprender las limitaciones de cada una de las
distribuciones que utilice.

Qu es una distribucin de
Probabilidad?
Es el listado de todos los resultados de un experimento y
la probabilidad asociada con cada resultado

Es una distribucin de frecuencias terica que describe

la forma en que se espera que varen los resultados.
Resultan tiles para realizar
decisiones bajo incertidumbre.

inferencias

tomar

Ejemplo:
Se seleccionan en forma consecutivas dos clientes del
Grifo ABC .
Determine la distribucin de probabilidad de los eventos
relativos a cero, uno y dos conductores varones ser:
Probabilidad
N de
Resultados Probabilidad
0.50
varones
0,25
MM
0
0.25
0,50
VM,MV
1
0,25
2
VV

2
N Varones

Caractersticas de una distribucin de

Probabilidad
1. La probabilidad de un resultado en particular se
encuentra entre 0 y 1, inclusive
2. Los resultados son eventos mutuamente excluyentes
3. La lista es exhaustiva. As, la suma de las
probabilidades de los diversos eventos es igual a 1

Variables Aleatorias
Cantidad que resulta de un experimento que, por azar,
puede adoptar diferentes valores.
Puede ser Discreta o Continua
Discreta: Proceso de Conteo
Continua: Proceso de Medicin

Pob: 8,2 Millones de Hab

Peso: 60 kg

Una variable aleatoria es esencialmente un nmero aleatorio.

En cualquier caso, el azar proviene de una experiencia
concreta que es la que dicta la frecuencia de los diversos
valores que nos interesan. Una variable aleatoria siempre se
concentra en el comportamiento general de toda la poblacin.

Ejemplo:

Se lanzan 3 monedas

X : variable aleatoria (nmero de caras)

x : valores que puede tomar la variable (x: 0, 1, 2, 3)
:{CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS}
La distribucin de probabilidad se obtiene, calculando p(x) para cada x pertenece al
Rango de Valores, se puede hallar en forma tabular y grfica
P(x=0)=P(SSS)= 1/8
P(x=1)=P(CSS)+P(SCS)+P(SSC)=3/8
P(x=2)=P(CCS)+P(CSC)+P(SCC)=3/8
P(x=3)=P(CCC)=1/8
x

p(x)

0.125

0.375

0.375

0.125

F(x)

0.125

0.500

0.875

1.000

F(x)

X<0
0 X<1
1 X<2
2 X<3
3 X

Funcin de probabilidad o funcin cuanta p(x)

Funcin de distribucin de probabilidad F(x)
F(x)

Funcin de Probabilidad

p(x)

0
1/8
4/8
7/8
1

0.400

1.200

0.350

1.000

0.300

0.800

0.250
0.200

0.600

0.150

0.400

0.100
0.200

0.050
0.000

0.000

0.5

1.5

2.5

3.5

-2

-1

Media.-

Media, varianza y desviacin estndar de una

distribucin de probabilidad

El valor tpico para representar la localizacin de una distribucin de

probabilidad, es el valor promedio de la variable aleatoria tambin recibe el Nombre de
VALOR ESPERADO O ESPERANZA MATEMTICA

= E ( x) =

x
i =1

p ( xi )

Varianza y desviacin estndar:

Mide el grado de dispersin en .una distribucin de
probabilidad discreta.
k

V ( x ) = E ( x 2 ) [ E ( x ) ]2 =
x2
p
(
x
)
x
p
(
x
)
i
i
i
i

i =1
i =1

= V (x)

Ejemplo:

Una concesionaria vende automviles nuevos, por lo general vende la

mayor cantidad de autos el sbado. De observaciones se estima la siguiente
distribucin de probabilidad de la cantidad de automviles que se espera vender
un sbado determinado
x

p(x)

0.10

0.20

0.30

0.30

0.10

a) Cuntos automviles se espera vender un sbado normal

b) Cual es la desviacin estndar de la distribucin

Solucin:
X : variable aleatoria (nmero de autos que se venden un sbado
x : valores que puede tomar la variable (x: 0, 1, 2, 3,4)

E ( x) =

x
i =1

p(x)

0.10

0.20

0.30

0.30

0.10

1.00

x*p(x)

0.00

0.20

0.60

0.90

0.40

2.10

x2*p(x)

0.00

0.20

1.20

2.70

1.60

5.70

p ( xi ) = 2,10

Total

V ( x ) = E ( x 2 ) [ E ( x ) ] = 5,70 (2,10) 2 = 1,29

2

= 1,29 = 1,14

Principales variables Aleatorias

discretas
Distribucin Binomial
Distribucin de Poisson
Distribucin Hipergeomtrica

Distribucin Binomial
Es una de las distribuciones mas utilizadas en la estadstica
aplicada. La distribucin se deriva de un procedimiento
llamado ensayo de Bernoulli, nombrado as en honor del
matemtico Suizo James Bernoulli (1654 - 1785).

n
x

x n-x

P(X = x) = C p q

X ~B(n,p)
X sigue una distribucin Binomial
Con parmetros n y p

donde:
n : nmero de ensayos
x : nmero de xitos
p : probabilidad de xitos en un ensayo
q=1-p : probabilidad de fracaso en un ensayo
n - x : nmero de fracasos en el ensayo

La probabilidad de xito, designado por p es la misma

para cada ensayo, la probabilidad de fracaso q (igual a
1-p) es tambin constante.
1. Los ensayos sucesivos son independientes.
2. Puede ser simtrica o sesgada.
3. La informacin de la muestra se obtiene con
reposicin de una poblacin finita.
Se aplica a la seleccin de una muestra, slo cuando el
resultado de cada solucin es independiente de los
resultados de las selecciones anteriores.
Su media y varianza esta dada por las siguientes
frmulas:

E[ X ] = = np
V ( x) = np (1 p )

a)

LAN Per tiene 6 vuelos diarios de Lima a Chiclayo. Suponga que la

probabilidad que cualquier vuelo llegue tarde sea de 0.25
a) Cul es la probabilidad de que ninguno de los vuelos llegue tarde hoy?
b) Cul es la probabilidad de que por lo menos dos de los vuelos lleguen
tarde hoy?
Solucin
Sean los eventos:
X: nmero vuelos que llegan tarde a Chiclayo
Rx: = (0,1,2,3,4,5,6)
X~ B(n, p)
xito : p= 0,25

p ( X = x) = c x (0.25) (0.75)
6

6 X

P( X = 0) = C 0 (0.25) (0.75) = 0.1780

6

P ( X 2) = C (0.25) (0.75)
x=2

6
x

6 x

= 0,466

La distribucin Hipergeomtrica
Se utiliza para describir variables discretas

C =
x
n
x

a)Caractersticas
La informacin de la muestra se obtiene sin reposicin de una poblacin finita, por
lo tanto la probabilidad de xito vara.
b) Formula

M N M

k n k

P(X = k ) =
N

n

donde:
M : nmero de xitos en la poblacin
k : nmero de xitos en la muestra
N : tamao de la poblacin
N-M: nmero de fracasos en la poblacin
n : tamao de la muestra
n-k : nmero de fracasos en la muestra

Ejemplo: Una urna contiene 6 esferas blancas y 5 rojas. Se extrae 4 esferas de la

urna sin reposicin. Hallar la distribucin de probabilidad del nmero de esferas
rojas extradas.
a) Cul es la probabilidad de extraer exactamente 3 esferas blancas? Es lo mismo
Cul es la probabilidad de extraer exactamente 1 esfera roja?
b) Cul es el nmero esperado de esferas blancas extradas?
Solucin
X = N esferas rojas de la urna extradas
Rx = {0, 1, 2, 3, 4}
n = 4 porque se extrae 4 esferas
N = 11 (total de esferas rojas y blancas)
M=5 (total esferas rojas xito)

X ~H(N,n,M)
X sigue una distribucin Hipergeomtrica
Con parmetros N, n y M

x H ( N , n, M )
5 6

4 x

P( X = X ) =
11

6 BLANCAS
5 ROJAS

5 6

= 0.3030
P ( X = 1) =
11

24
6
= 2.1818
=
11
11
Y = N esferas blancas de la urna extradas
6
P (blancas ) = P =
11

= E ( y ) = np = 4

Distribucin de Poisson
Es una distribucin muy usada. Se deriva del
proceso de Poisson en honor al matemtico francs
Simeon Denis Poisson (1781-1840).
Debe cumplir las siguientes condiciones:
La ocurrencia de los eventos son independientes.
El nmero promedio de veces () que ocurre un
xito por cada unidad de tiempo o de espacio es
constante.
La probabilidad de un suceso es una unidad de
tiempo o de espacio muy pequea.

Ejemplos de aplicaciones de Poisson:

El nmero de Pacientes que llegan a la sala de urgencias
de un hospital durante un cierto da.
Maletas prdidas en los vuelos areos.
Accidentes por hora en cierta parte de una

carretera.

Clientes que llegan a la ventanilla de un banco en un

determinado horario.
El nmero de rboles en un bosque
El nmero de fallas en un m2 de tela
El nmero de bombas que caen en un campo enemigo
El nmero de bacterias en una muestra cc

variable discreta se encuentra

distribuida sobre una variable continua

Si el tamao de la muestra es bastante grande (n>50) y

la probabilidad de un evento particular es muy pequeo
(p < 0,1) y se desea hallar la probabilidad de un nmero
determinado de xitos, se puede aplicar la distribucin
de Poisson, dada por la siguiente ecuacin.

P(X = x) =

donde

e
x!

e
x!

(lambda) : media = np = variancia

: base de logaritmos naturales =2.71828

: factorial de x

Aplicacin

Las personas llegan aleatoriamente a la

ventanilla de un banco en promedio a una
razn de 20 por hora durante cierto da
a) Cul es la probabilidad que exactamente 3
personas lleguen durante un perodo de
tiempo de 12 minutos?
b) Cul es la probabilidad que lleguen por lo
menos 2 personas durante un perodo de
tiempo de 12 minutos?

Solucin

X = N de personas que llegan durante un

perodo de 12 minutos
e t ( t ) X
Rx = {0, 1, 2, 3,.} P( X = x) =
X!
X~P(x:)
Donde t= 20 x 12/60=4 ocurrencias
en 12
4
X
e (4)
minutos
P( X = x) =
X!
Entonces la funcin de probabilidad es:
a)
e 4 (4) 3
P( X = 3) =
= 0.1954
b)
3!

P( X 2) = 1 P( X < 2) = 1 P( X 1) =

e 4 (4) X
= 1
= 0.9084
x!
0
1

Aquel que pregunta es un tonto por cinco

minutos, pero el que no pregunta,
permanece tonto por siempre.
- Proverbio Chino