DISTRIBUCIONES DE PROBABILIDAD - VARIABLE DISCRETA

1. Distribución Binomial
Criterios:

Deben existir un número fijo de ensayos repetidos (n).

Cada una de las n pruebas debe tener dos resultados: éxito (favorables) y fracaso (des-
favorables).
Para cada ensayo, la probabilidad de éxito de un acontecimiento es fija.
Las pruebas o ensayos son independientes.
Se quiere saber el número de éxitos en n ensayos.

Definición: La probabilidad de obtener x éxitos en n ensayos, donde p es la probabilidad de

exito en cualquier ensayo, está dada por:
 
n x
b(x; n, p) = p (1 − p)n−x , x = 0, 1, . . . , n.
x

Ejemplo: Una institución universitaria establece nuevos métodos de aprendizaje y evaluación,

garantizando que el 85 % de sus alumnos aprueban todas las asignaturas. Supongamos que
se seleccionan 8 estudiantes de dicho plantel. Cuál es la probabilidad de:

a) Exactamente 3 aprueben todas las asignaturas.

b) Exactamente 3 pierdan alguna asignatura.
c) Por lo menos 2 pierdan alguna asignatura.

2. Distribución de Poisson
Criterios:

Al igual que la distribución binomial, la distribución de Poisson se usa en variables

aleatorias discretas cuando se desea conocer la probabilidad de x éxitos en n ensayos.
Generalmente se usa en experimentos “raros”, los cuales se identifican cuando la proba-
bilidad de éxito P es sumamente pequeña y el número de observaciones (n) es grande
(mayor a 50).
Sus principales aplicaciones hacen referencia a la modelización de situaciones en las que
nos interesa determinar el número de hechos de cierto tipo que se pueden producir en
un intervalo de tiempo o de espacio.

Definición: Cuando n es grande y p es pequeña, las probabilidades binomiales son aproxi-

madas a menudo por la fórmula:

λx e−λ
P (X = x) = f (x, λ) = x = 0, 1, . . . , n,
x!
λ = np
x: número de casos favorables.

1
 Ejemplos

a) Si el 1 % de las bombillas fabricadas por una compañía son defectuosas, hallar la pro-
babilidad de que, en una muestra de 100 bombillas, 3 sean defectuosas.
b) Se estima que una de cada 10.000 personas es alérgica a cierta sustancia utilizada en la
fabricación de tintes para el cabello. ¿Cuál es la probabilidad de que en 20000 usuarias
de tintes, más de 5 sufran reacciones alérgicas debido a su uso?

3. Distribución Hipergeométrica
Criterios:

La información de la muestra se toma sin reposición de una población finita.

La probabilidad de éxito no es constante, cambia para cada observación.
El resultado de una prueba es dependiente de la prueba anterior, siempre se verá afectado
por el resultado de observaciones previas.
El tamaño de la muestra (n) debe ser superior al 5 % del tamaño poblacional N.

Definición: La distribución Hipergeométrica está asociada, generalmente, con un proceso de

muestreo sin reposición en una población finita. Nos interesa conocer el número de unidades
defectuosas en una muestra.
  
a N −a
x n−x
h(x; n, a, N ) =   x = 0, 1, . . . , n,
N
n
N : Tamaño población
a: número de éxitos en la población
n: Tamaño muestra
x: número de éxitos en al muestra.

Ejemplos

a) En la producción de cierto artículo, se sabe que por cada 50 producidos, en 43 su

terminado es excelente. Si se toma una muestra de 12 artículos, ¿Cuál es la probabilidad:
a) De que exactamente dos no sean clasificados como excelentes? b)Por lo menos dos
no sean clasificados como excelentes? c) Diez sean clasificados como excelentes?
b) Un colegio tiene a su disposición para el transporte de sus estudiantes 10 buses. Por
información llegada a las directivas del plantel, se sabe que 4 no se encuentran en óptimas
condiciones. Si se selecciona una muestra de 5 buses, a) ¿Cuál es la probabilidad de que
dos de ellos no se encuentren en óptimas condiciones? b) ¿Qué dos de ellos se encuentren
en perfectas condiciones?