1

Captulo 6
Distribuciones discretas de probabilidad
Objetivos: Al terminar este captulo podr:

1. Definir los trminos distribucin de probabilidad y variable aleatoria.

2. Distinguir entre una distribucin de probabilidad discreta y una
distribucin de probabilidad continua.

3. Calcular la media, la varianza y la desviacin estndar de una distribucin
de probabilidad discreta.

4. Describir las caractersticas de la distribucin de probabilidad binomial y
calcular las probabilidades utilizando esa distribucin.
2
Captulo 6 (Continuacin)

5. Definir las caractersticas de la distribucin hipergeomtrica y calcular
probabilidades con aplicacin de tal distribucin.

6. Describir las caractersticas de la distribucin de Poisson y calcular las
probabilidades empleando esta distribucin.

3
Variable aleatoria
Una variable aleatoria es un valor numrico
determinado por el resultado de un experimento.
Una distribucin de probabilidad es la lista de
todos los resultados posibles de un experimento
y la correspondiente probabilidad.
4
Tipos de distribuciones de probabilidad
Una distribucin de probabilidad discreta puede
asumir slo valores claramente separados.
Una distribucin de probabilidad continua puede
asumir un nmero infinito de valores dentro de
un rango determinado.
5
Tipos de distribuciones de probabilidad
Ejemplos de una distribucin discreta son:
El nmero de estudiantes en una clase.
El nmero de nios en una familia.
El nmero de autos entrando en un autolavado por
hora.
El nmero de clientes que llegan a una esttica cada
hora.
6
Tipos de distribuciones de probabilidad
Ejemplos de una distribucin de probabilidad
continua:
La distancia que recorre cada estudiante para llegar a
su clase.
El tiempo que le toma a un ejecutivo llegar a su
trabajo.
El tiempo invertido en una llamada telefnica.
La estatura de los alumnos de un grupo en clase.
7
Caractersticas de una distribucin
discreta
Las principales caractersticas de una
distribucin de probabilidad discreta son:
La suma de las probabilidades es 1.00
La probabilidad de un resultado particular es un
nmero mayor o igual a cero y menor o igual a uno.
Los resultados son mutuamente excluyentes.
8
Ejemplo 1
Considere un experimento aleatorio en el cual
una moneda es lanzada tres veces. Sea x el
nmero de caras. Sea H la que representa el
resultado cara y T el resultado cruz.
9
Ejemplo 1 (Continuacin)
Los posibles resultados para este experimento
sern:
TTT, TTH, THT, THH,
HTT, HTH, HHT, HHH.
Entonces los valores posibles para x (nmero
de caras) son 0, 1, 2, 3.
10
Ejemplo 1 (Continuacin)
El resultado cero caras ocurre una vez.
El resultado una cara ocurre tres veces.
El resultado dos caras ocurre tres veces.
El resultado tres caras ocurre una vez.
De la definicin de variable aleatoria, x est
definida en este experimento como la variable
aleatoria.

11
La media de una distribucin discreta de
probabilidad
La media:
Registra la ubicacin central de los datos.
Es el valor promedio a largo plazo de la
variable aleatoria.
Tambin se le conoce como su valor
esperado, E(x), en una distribucin de
probabilidad.
Es un promedio ponderado.
12
La media de una distribucin discreta de
probabilidad
La media es calculada con la frmula:
)] ( [ x xP E =
Donde representa la media, y P(x) es la
probabilidad de que x asuma algn valor.
13
La varianza de una distribucin de
probabilidad discreta
La varianza mide el tamao de la
dispersin de una distribucin.
La varianza de una distribucin discreta es
representada por la letra griega
2
(sigma
cuadrada).
La desviacin estndar es la raz
cuadrada de
2

.
14
La varianza de una distribucin de
probabilidad discreta
La varianza de una distribucin de
probabilidad discreta es calculada con la
siguiente frmula:


)] ( ) [(
2 2
x P x o E =
15
Ejemplo 2
David Ramrez,
dueo de un negocio
de servicios de
pintura, estudi sus
registros de las
ltimas 20 semanas y
reporta el siguiente
nmero de casas
pintadas por semana:



# de casas
pintadas
semanas
10 5
11 6
12 7
13 2
16
Ejemplo 2 (Continuacin)
Distribucin de probabilidad:

Nmero de casas
pintadas, x
Probabilidad, P(x)
10 .25
11 .30
12 .35
13 .10
TOTAL 1.00
17
Ejemplo 2 (Continuacin)
Calcule el nmero medio de casas pintadas
por semana:

3 . 11
) 10 )(. 13 ( ) 35 )(. 12 ( ) 30 )(. 11 ( ) 25 )(. 10 (
)] ( [ ) (
=
+ + + =
E = = x xP x E
18
Ejemplo 2 (Continuacin)
Calcule la varianza del nmero de casas
pintadas por semana:


91 . 0
2890 . 0 1715 . 0 0270 . 0 4225 . 0
) 10 (. ) 3 . 11 13 ( ... ) 25 (. ) 3 . 11 10 (
)] ( ) [(
2 2
2 2
=
+ + + =
+ + =
E = x P x o
Ejemplo adicional:
Una urna contiene 10 bolas de las que 8
son blancas. Se sacan al azar dos bolas.
Sea X el nmero de bolas blancas
obtenidas. Calcular la distribucin de
probabilidad de X.

19
Consideramos los siguientes sucesos
B = Sacar una bola blanca
R = Sacar una bola de otro color
El espacio muestral es E = {RR, RB, BB}
Las probabilidades seran
P (B) = 8/10 P(R) = 2/10
P (RR)=
P (RB) =
P (BB) =

20
Por lo tanto la distribucin de probabilidad
sera:
21
0 1/45
1 16/45
2 28/45
i
x | |
i i
x X P p = =
Calcula ahora la esperanza matemtica y la
varianza.
EJERCICIO PROPUESTO
Un miembro del consejo de Administracin de
una empresa ha comprobado que, si bien tofos
los aos tienen una junta, ha habido aos que
tienen hasta cinco. Por la experiencia
acumulada durante aos sabe que el nmero de
juntas anual se distribuye con arreglo a la
siguiente tabla:





22
a) Calcular la media
b) Calcular la varianza y la desviacin
tpica
c) Probabilidad de que en un ao elegido
al azar se celebren ms de 3 juntas

23
24
Distribucin de probabilidad binomial
La distribucin binomial tiene las siguientes
caractersticas:
El resultado de cada ensayo de un experimento se
clasifica en una de dos categoras mutuamente
excluyentes, a saber: xito o fracaso.
La variable aleatoria cuenta el nmero de xitos en
una cantidad fija de ensayos.
La probabilidad de un xito permanece igual en todos
los ensayos. Lo mismo sucede con la probabilidad de
un fracaso.
Los ensayos son independientes.
25
Distribucin de probabilidad binomial
Para construir una distribucin binomial,
sea:
C es una combinacin.
n es el nmero de ensayos.
x es el nmero de xitos.
t es la probabilidad de xito en cada
ensayo.
26
Distribucin de probabilidad binomial
La frmula para la distribucin de probabilidad
binomial es:



x n x
x n
C x P

= ) 1 ( ) ( t t
27
Ejemplo 3
El departamento del trabajo de Alabama registra
que el 20% de la fuerza de trabajo en Mobile
est desempleada. Para una muestra de 14
trabajadores, calcule las siguientes
probabilidades:
Exactamente 3 estn desempleados.
Al menos 3 estn desempleados.
Al menos 1 est desempleado.
28
Ejemplo 3 (Continuacin)
La probabilidad de exactamente 3:



La probabilidad de al menos 3:


2501 .
) 0859 )(. 0080 )(. 364 (
) 20 . 1 ( ) 20 (. ) 3 (
11 3
3 14
=
=
= C P
551 . 000 . ... 172 . 250 .
) 80 (. ) 20 (. ... ) 80 (. ) 20 (. ) 3 (
0 14
14 14
11 3
3 14
= + + + =
+ + = > C C x P
29
Ejemplo 3 (Continuacin)
La probabilidad de al menos 1:


956 . 044 . 1
) 20 . 1 ( ) 20 (. 1
) 0 ( 1 ) 1 (
14 0
0 14
= =
=
= >
C
P x P
30
Media y varianza de la distribucin binomial
La media se calcula as:


La varianza se calcula as:


t = n
o t t
2
1 = n ( )
31
Ejemplo 4
Del ejemplo 3, retomamos que t = .2 y n = 14.
Por lo tanto, la media es: = nt = 14(.2) = 2.8
La varianza es:
2
= nt(1 t) = 14(.2)(.8) = 2.24


32
Poblacin finita
Una poblacin finita es una poblacin que
consiste en un nmero fijo de individuos
conocidos, objetos o medidas, por
ejemplo:
El nmero de estudiantes en esta clase.
El nmero de carros en el estacionamiento.
El nmero de casas construidas en la
urbanizacin Las Colinas de San Antonio.
Ejemplo 1
Probabilidad de obtener 6 caras al lanzar una
moneda 10 veces?
El nmero de aciertos x es 6. Esto es x=6
El nmero de experimentos n son 10
La probabilidad de xito p = 0.50
La frmula quedara:


P (x = 6) = 0.205
Es decir, que la probabilidad de obtener 6 caras
al lanzar 10 veces una moneda es de 0.205 .

Ejemplo 2
Probabilidad de obtener cuatro veces el
nmero 3 al lanzar un dado ocho veces?
El nmero de aciertos x es 4. Esto es x=4
El nmero de experimentos n son 8
Probabilidad de xito p = 1/6 ( 0.1666)
La frmula queda:


P (x = 4) = 0.026
Es decir, probabilidad de obtener cuatro veces el
nmero 3 al tirar un dado 8 veces es de 0.026.

35
Distribucin Hipergeomtrica
La distribucin hipergeomtrica tiene las
siguientes caractersticas:
Hay slo dos resultados posibles.
La probabilidad de un xito no es la misma en
cada ensayo.
sta resulta de contar el nmero de xitos en
un nmero fijo de ensayos.
36
Distribucin hipergeomtrica
La frmula para encontrar una probabilidad utilizando
la distribucin hipergeomtrica es:




Donde N es el tamao de la poblacin, S es el nmero
de xitos en la poblacin, x es el nmero de xitos en
una muestra de n observaciones.
P x
C C
C
S x N S n x
N n
( )
( )( )
=

MEDIA Y VARIANZA



37
2
( )
( )( )( )
1
S
n
N
S N S N n
n
N N N

o
=

=

38
Distribucin hipergeomtrica
Utilice la distribucin hipergeomtrica para
encontrar la probabilidad de un nmero
especfico de xitos o resultados si:
La muestra es seleccionada de una poblacin
finita sin reemplazo.
El tamao de la muestra n es mayor que el
5% del tamao de la poblacin N.
39
Ejemplo 5
La fbrica de juguetes Andy, tiene 50
empleados en el departamento de ensamble.
De stos, 40 pertenecen a un sindicato y 10 no.
Se van a elegir cinco empleados
aleatoriamente, para que integren un comit que
hablar con el gerente acerca de la hora de
inicio de los distintos turnos. Cul es la
probabilidad de que cuatro de los cinco elegidos
pertenezcan al sindicato?
40
Ejemplo 5 (Continuacin)
N es 50, el nmero de empleados.
S es 40, el nmero de empleados del sindicato.
x es 4, el nmero de empleados del sindicato que
fueron seleccionados.
n es 5, el nmero de empleados elegidos.

P(4) =
40
C
4
(
50-40
C
5-4
/
50
C
5
)

= (91390)(10)/2118760

= 0.431
41
Distribucin de probabilidad de Poisson
La distribucin de probabilidad de Poisson
describe la cantidad de veces que ocurre un
evento en un intervalo determinado.
Esta distribucin tambin es una forma lmite de
la distribucin binomial, cuando la probabilidad
de xito es muy pequea y n es grande.
42
Distribucin de probabilidad de Poisson
La distribucin de Poisson puede describirse matemticamente
utilizando la siguiente frmula:




Donde es la media del nmero de ocurrencias (xitos) en un
intervalo especfico.
e es la constante 2.71828 (base del sistema logartmico
neperiano).
x es el nmero de xitos.
P(x) es la probabilidad que se va a calcular para un valor dado
de x.
P x
e
x
x u
( )
!
=

43
Distribucin de probabilidad de Poisson
La media del nmero de xitos puede
determinarse en una situacin binomial as: nt
donde n es el nmero de ensayos y t es la
probabilidad de xito.
La varianza de una distribucin Poisson es
tambin nt(1 t).
44
Ejemplo 6
La Sra. Bonilla est encargada de los prstamos
en el banco del centro de Peralvillo. Con base
en sus aos de experiencia, estima que la
probabilidad de que un solicitante no sea capaz
de pagar su prstamo, es 0.025. El mes pasado
realiz 40 prstamos. Cul es la probabilidad
de que 3 prstamos no sean pagados a tiempo?
= nt = 40(.025) = 1
P(3) = 1
3
e
-1
/3! = 0.0613