DISTRIBUCIONES DE PROBABILIDAD: VARIABLE ALEATORIA,

MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR. FUNCIONES DE

PROBABILIDAD Y FUNCIÓN DE DENSIDAD: DISCRETAS Y
CONTINUAS.

PROBABILIDAD Y ESTADISTICA
MGTR. JANET JOSCO MENDOZA
 PROPÓSITO DE LA CLASE

Al término de la clase el estudiante debe ser capaz de:

• Identificar el tipo de variable aleatoria que se presente en la realización de

experimentos.

• Construir la distribución de probabilidad de una variable aleatoria discreta

(tabla y gráfico).

• Calcular la media, varianza y desviación estándar de una distribución de

probabilidad discreta.
VARIABLE ALEATORIA
Clasifique las siguientes variables aleatorias como discretas (D) o continuas (C):

a) Número de autos que una persona espera vender durante una semana ( )
b) Peso de un grupo de pacientes diabéticos ( )
c) Número de hijos de los regidores de la Municipalidad Provincial de Huancayo ( )
d) Tiempo que demora en cocinar un pastel ( )
e) Cantidad de estudiantes ausentes a la clase de Estadística y Probabilidad ( )
f) Distancia que recorre un vehículo durante un minuto ( )
DISTRIBUCIÓN DE PROBABILIDAD

P  X  x   nCx. p x .q n  x
Determine si las siguientes tablas representan una distribución de probabilidad.
Argumente su respuesta.

A B

X 0 1 2 3 X 0 1 2 3
P(X) 0.2 0.5 0.4 0.3 P(X) 0.2 0.3 0.05 0.45
Construya la distribución de probabilidades del experimento consistente en el
lanzamiento de 4 monedas.

• Construya el espacio muestral asociado a este experimento.

• La variable aleatoria en este caso está definida como X = Número de caras.

Determine el rango de valores para la variable aleatoria.

• Responda: ¿Es discreta o continua la variable aleatoria X?

• Represente gráficamente.

• Calcule la media, varianza y desviación estándar.

Espacio muestral:
Ω ={CCCC, CCCS, CCSC, CCSS, CSCC, CSCS, CSSC, CSSS, SCCC, SCCS, SCSC, SCSS, SSCC, SSCS, SSSC, SSSS}

Variable aleatoria:
X = Nº de caras

CCCC, CCCS, CCSC, CCSS, CSCC, CSCS, CSSC, CSSS, SCCC, SCCS, SCSC, SCSS, SSCC, SSCS, SSSC, SSSS

4 3 3 2 3 2 2 1 3 2 2 1 2 1 1 0
Rango de valores: X = 0; 1; 2; 3; 4

Tipo de variable:
Aleatoria discreta, porque toma 5 valores diferentes (0; 1; 2; 3; 4)
Distribución de probabilidad: X = Nº de caras P(X=x)
0 1/16 = 0,0625
1 4/16 = 0,25
2 6/16 = 0,375
3 4/16 = 0,25
4 1/16 = 0,0625

Representación gráfica:
0.375
0.4
0.4 0.375
0.35
0.35
0.3
0.3 0.25 0.25
En este

PROBABILIDAD
0.25 0.25 0.25
PROBABILIDAD

0.25
0.2
caso el
0.2 área
0.15
0.15
bajo el
0.1
0.1
0.0625 0.0625 histograma
0.0625 0.0625
0.05 es igual a 1
0.05
0
0 0 1 2 3 4
0 1 2 3 4
NÚMERO DE CARAS
NÚMERO DE CARAS
 X = Nº de caras P(x) x.P(x) (x-µ)2 (x-µ)2 .P(x)
0 0,0625 0 4 0,25
Media 1 0,25 0,25 1 0,25

    x.P  x    2 caras 2
3
0,375
0,25
0,75
0,75
0
1
0
0,25
4 0,0625 0,25 4 0,25
1 2 1

Varianza

 
    x    . P  x   1 cara2
2 2

Desviación estándar

 2

    x    . P  x   1 cara Interpretación:
Si lanzamos cuatro monedas, es mas probable
de obtener en promedio dos caras con una
variación de uno.
¿Qué aprendí?
Media, desviación estándar y varianza de una distribución de probabilidad

¿Cómo aprendí?
•Observando, Calculando e interpretando.

¿Para qué aprendí?

•Para poder interpretar PROBABILIDADES EN TABLAS de variables discretas

¿Donde aplico lo que aprendí?

• En los trabajos de investigación y trabajo de campo y en las empresas
en control de calidad
 RECORDANDO
Sea: X= número de neumáticos de un automóvil seleccionado al
azar, que tenga baja la presión.
a). ¿Cuál de las siguientes tres distribuciones P(x) es una
distribución de probabilidad para X, y por qué no se permiten las
otras dos?
X 0 1 2 3 4
P(x) 0,3 0,2 0,1 0,05 0,05
P(x) 0,4 0,1 0,1 0,1 0,3
P(x) 0,4 0,1 0,2 0,1 0,3
b). Para la distribución de probabilidades del ítem (a), Calcule:

P(2  X  4); P(X  2) y P  X  0 

 DISTRIBUCIONES DE PROBABILIDAD DISCRETA:
DISTRIBUCIÓN BINOMIAL, POISSON, GEOMÉTRICA
HIPERGEOMÉTRICA.

PROBABILIDAD Y ESTADISTICA
MGTR. JANET JOSCO MENDOZA

DISTRIBUCIÓN DE
DISTRIBUCIÓN BINOMIAL
POISSON
 PROPÓSITO DE CLASE

 Explica y diferencia las principales

distribuciones de probabilidad para
variables aleatorias discretas.
 Aplica e interpreta las distribuciones de
probabilidades para variables
aleatorias discretas en el desarrollo de
prácticas y ejercicios..
DISTRIBUCIÓN BINOMIAL

https://www.youtube.com/watch?v=0oBfdHHudTg
 DISTRIBUCIÓN BINOMIAL
Una distribución de probabilidad binomial
resulta de un procedimiento que cumple
con todos los siguientes requisitos:
1. El procedimiento tiene un número fijo de
ensayos.
2. Los ensayos deben ser independientes.
(El resultado de cualquier ensayo
individual no afecta las probabilidades de
los demás ensayos).
3. Todos los resultados de cada ensayo
deben estar clasificados en dos
categorías (generalmente llamadas éxito
y fracaso).
4. La probabilidad de un éxito permanece
igual en todos los ensayos.
 Distribución Binomial
P  x  n C x  p q x nx

Se denotan las dos categorías posibles de todos los resultados: E y F (éxito y

fracaso)
n : Denota el número fijo de ensayos.
x : Denota un número específico de éxitos en “n” ensayos, de manera que
“x” puede ser cualquier número entero entre 0 y “n” inclusive.
p : Denota la probabilidad de éxito en uno de “n” ensayos.
q: Denota la probabilidad de fracaso en uno de “n” ensayos.
P(x) : Denota la probabilidad de lograr exactamente “x” éxitos en los “n”
ensayos.

Media Varianza
  np ;   npq
2
 Ejemplo 1:

En la Caja Huancayo se reportó

que el 20% de préstamos a sus
clientes habían vencido en el mes
de abril. Si se toma una muestra
aleatoria de 8 clientes, de los
cuales se les notifico sobre su
vencimiento. ¿Cuál es la
probabilidad de que 3 clientes
realicen sus pagos de
vencimiento después de la
notificación?
 Solucionario:

Pagos de vencimientos de
Éxito
préstamos

Probabilidad de éxito (p) 0,20

Probabilidad de fracaso (q) 0,80
Número de ensayos (n) 8

Número de éxitos en los “n” ensayos (x) 3

Reemplazando y efectuando
los cálculos se tiene:

P  x  n C x  p q x n x
P  x  3   8 C3 (0,20)3 (0,80)8 3
P  x  3   8 C3 (0,20)3 (0,80)5
P  x  3   0,1468
Interpretación: La probabilidad de los 8 clientes notificados por vencimientos de
pagó por la Caja Huancayo, 3 de ellos realicen sus pagos es de 14,68%
 Ejemplo 2:

La probabilidad de tener una

unidad defectuosa en una
línea de ensamblajes es de
0,05. Si el conjunto de
unidades terminales
constituyen un conjunto de
ensayos independientes.
a) ¿Cual es la probabilidad de
que entre 10 unidades, dos se
encuentres defectuosas?
 Solucionario:

Éxito Unidades de ensamblaje defectuosas

Probabilidad de éxito (p) 0,05

Probabilidad de fracaso (q) 0,95
Número de ensayos (n) 10
Número de éxitos en los “n” ensayos (x) 2

Reemplazando y efectuando
los cálculos se tiene:

P  x  n C x  p q x n x

Interpretación: La probabilidad de que entre 10 unidades de

ensamblaje, dos se encuentren defectuosas es de 7,46%
 b) ¿Cual es la probabilidad de que entre 10
unidades, ninguno se encuentres defectuosas?

Éxito Unidades de ensamblaje defectuosas

Probabilidad de éxito (p) 0,05

Probabilidad de fracaso (q) 0,95
Número de ensayos (n) 10

Número de éxitos en los “n” ensayos (x) 0 (ninguno)

Reemplazando y efectuando
los cálculos se tiene:
P  x  n C x  p q x n x

Interpretación: La probabilidad de que entre 10 unidades de

ensamblaje, ninguno se encuentren defectuosas es de 59,83%
DISTRIBUCIÓN POISSON

https://www.youtube.com/watch?v=8uS6-XTjenA
 DISTRIBUCIÓN POISSON
Una distribución de probabilidad Poisson resulta de un
procedimiento que cumple con todos los siguientes
requisitos:
1. El experimento consiste en contar el número “x” de
veces que ocurre un evento en un intervalo. Esto es en
una unidad de tiempo, área o volumen.
2. La probabilidad de que un evento ocurra en una unidad
dada de tiempo, área o volumen es la misma para
todas las unidades.
3. El número de eventos que ocurren en una unidad de
tiempo, área o volumen es independiente del número
de los que ocurren en otras unidades.
4. El número medio (o esperado) de eventos en cada
unidad se denota por la letra griega  (“lambda”)
 Distribución de Poisson

 .e
X
P x   ; e  2,7183
x!
 : Denota el número medio de eventos que ocurren en una
unidad dada de tiempo, área o volumen.
x: Denota un número específico de eventos que ocurren
durante una unidad dada de tiempo, área o volumen.
e: Denota la constante matemática “épsilon”
x!: Denota el factorial de “x”
P(x) : Denota la probabilidad de que ocurran “x” eventos en
una unidad dada de tiempo, área o volumen.

Media ; Varianza
  ;   2
Ejemplo 5:

En un centro telefónico de
atención a clientes se reciben
en promedio 6 llamadas por
hora. ¿Cuál es la probabilidad
de que en una hora
seleccionada aleatoriamente
se reciban exactamente 2
llamadas?
 Solucionario:

6 llamadas por
Media () hora Reemplazando y efectuando
los cálculos se tiene:
Número de eventos 2 llamadas en
esperados (x) una hora
62.e6
P X  2 
2!
 X .e P  X  2   0,0446
Px   ; e  2,7183
x!

Interpretación:
La probabilidad de que en una hora, exactamente se reciban 2
llamadas por hora es de 4,46 %
Ejemplo 6:

En el centro comercial Plaza Vea,

en la sección de
electrodomésticos, un promedio
de 12 personas por hora le hacen
preguntas al encargado de está
sección. ¿Cuál es la probabilidad
de que exactamente 3 personas
se acerquen al encargado a hacer
preguntas en un periodo de 10
minutos?
 Solucionario:

2 personas en 10
Media () 12 personas en una hora
minutos
Número de eventos 3 personas en 10
3 personas en 10 minutos
esperados (x) minutos

12 personas  60 minutos 
 n  2 personas
n  10 minutos 

Reemplazando y efectuando los cálculos

 X .e se tiene:
P x   23.e2
x! P  X  3 
3!
P  X  3   0,1804
Interpretación:
La probabilidad de que 3 personas realicen preguntas en un periodo
de 10 minutos de 18,04%
DISTRIBUCIÓN GEOMÉTRICA
Y
HIPERGEOMÉTRICA

https://www.youtube.com/watch?v=9OZDeSlz_WQ
 DISTRIBUCIÓN GEOMÉTRICA
Una distribución de probabilidad geométrica es
una sucesión de pruebas, queremos saber el
número de la prueba que ocurre el primer
éxito: X; resulta de un procedimiento que
cumple con todos los siguientes requisitos:
1. Existe solamente dos posibles resultados en
cada ensayo: éxito y fracaso.
2. La probabilidad de éxito representada por p,
permanece constantes en todos los intentos.
3. De lo anterior se determina que existe la
probabilidad de fracaso que esta representada
por q = 1 - p
4. Todos los “n” repetidos intentos son
independientes. Es decir “n” no es fijo.
 Distribución Geométrica
P  x   pq x 1

Se denotan las dos categorías posibles de todos los resultados: E y

F (éxito y fracaso)
x : Denota el número de prueba que ocurre en el primer éxito.
p : Denota la probabilidad de éxito en un ensayo.
q : Denota la probabilidad de fracaso en un ensayo.
P(x) : Denota la probabilidad de lograr exactamente “x” fracasos
antes del primer éxito.

Media Varianza
1 p 1 p
   2
2
p p
 Ejemplo 1:

Si la probabilidad de que
un tirador experto tire al
blanco es de 95%. ¿Cuál
es la probabilidad de que
falle por primera vez en el
decimoquinto disparo?
 Solucionario:

Falle el tirador en su primer

Éxito
decimoquinto disparo
Probabilidad de éxito (p) 0,05
Probabilidad de fracaso (q) 0,95
Número de fracasos antes de obtener el primer éxito (x) 15

Reemplazando y calculando se

P  x   pq x 1 tienen:
P  x  15   (0,05)(0,95)151
P  x  15   0,0244

Interpretación: La probabilidad de que falle por primera vez en su

decimoquinto disparo es del 2,44 %
 Ejemplo 2:

En un proceso de
manufacturación se sabe
que la probabilidad de
obtener una pieza
defectuosa es del 2%. ¿Cuál
es la probabilidad de que la
octava pieza inspeccionada
sea la primera defectuosa?
 Solucionario:

Piezas defectuosa en la octava

Éxito
inspección
Probabilidad de éxito (p) 0,02
Probabilidad de fracaso (q) 0,98
Número de fracasos antes de obtener el
8
primer éxito (x)

Reemplazando y calculando se

P  x   pq x 1 tienen:

P  x  8   (0,02)(0,98)8 1
P  x  8   0,0174

Interpretación: La probabilidad de que la octava pieza

inspeccionada sea la primera defectuosa es de 1,74 %
 DISTRIBUCIÓN HIPERGEOMÉTRICA
Una distribución de probabilidad Hipergeométrica
resulta de un procedimiento que cumple con todos
los siguientes requisitos:
1. El procedimiento tiene un número finito de
ensayos.
2. Los ensayos deben ser dependientes. (El
resultado de cualquier ensayo individual si
afecta las probabilidades de los demás
ensayos).
3. Todos los resultados deben estar
clasificados en dos categorías
(generalmente llamado éxito y fracaso)
4. La probabilidad de un éxito no permanece
igual en todos los ensayos.
 Px  
rC 
x N r C n  x  ; Si: x  0,1,2,3,...,n
NC n

Se denotan las dos categorías posibles de todos los resultados:

E y F (éxito y fracaso)
r : Denota el número fijo de éxito en la población.
x : Denota un número específico de éxitos en las muestras
de tamaño “n”, de manera que “x” puede ser cualquier
número entero entre 0 y “n” inclusive.
N : Denota el número de elementos de la población.
n : Denota el número de elementos de la muestra.
P(x) : Denota la probabilidad de lograr exactamente “x” éxitos al
extraer la muestra de tamaño “n”.
Media Varianza
N n
  np ;  2  npq 



 N 1 
 r 
 p ; q  1 p 
 N 
 Ejemplo 5:

Una compañía de bienes raíces

nacional pretende comprar 60
locales en la India de los cuales el
20% están infectados de termita. Si
extraemos con propósito de control
de plaga una muestra del 10% de
los locales. ¿Cuál es la
probabilidad de que 2 locales
extraídos tengan plaga?
 Solucionario:

Éxito Locales que tengan la plaga

Número de elementos de la población (N) 60

Número de elementos de la muestra (n) 10%(60) = 6

Éxito en la población (r) 20%(60) = 12

Éxito en la muestra (x) 2

Reemplazando y calculando se

 C    C  
tienen:

N r C n  x 6012 C 62
P x  2 
12 2
Px  
r x

60 C 6
NC n
P  X  2   0,2565
Interpretación: La probabilidad de que 2 locales tenga plaga, de los 6
seleccionados es de 25,65 %
 Ejemplo 6:

Se pone a la venta un
conjunto de 75 artículos,
de los cuales 10 están
defectuosos. Si se toma
una muestra (sin orden y
sin reemplazo) de 5
artículos. ¿Cuál es la
probabilidad de que no
aparezca ningún artículo
defectuoso?
 Solucionario:

Éxito Artículo defectuoso

Número de elementos de la población (N) 75

Número de elementos de la muestra (n) 5

Éxito en la población (r) 10

Éxito en la muestra (x) 0 (ninguno)

 C  
Reemplazando y calculando se

N r C n  x
tienen:
 
10 C 0 7510 C 5 0 
Px  
r x
Px  0 
75 C 5
NC n
P  X  0   0,4786
Interpretación: La probabilidad de que no aparezca ningún artículo
defectuoso es del 47,86 %
 ¿Qué aprendí? ¿Para qué aprendí?
A calcular e interpretar Para poder resolver problemas
distribuciones de probabilidades relacionados a mi carrera
de variables discretas. profesional.

¿Cómo aprendí? ¿Qué me falta

Identificando
aprender?
Calculando ¿Cómo se puede calcular e
interpretar distribución de
Interpretando variables continuas ?