CAP 6.

- DISTRIBUCIONES DE PROBABILIDAD
DISCRETA
• Definir los términos distribución de probabilidad y variable aleatoria.
• Distinguir entre distribuciones de probabilidad continua y discreta
• Calcular la media, varianza y desviación estándar de una distribución de
probabilidad discreta.
• Describir características de la distribución de probabilidad binomial y su
aplicación en el cálculo de probabilidades.
• Describir características de la distribución de probabilidad
hipergeométrica y su aplicación en el cálculo de probabilidades.
• Describir características de la distribución de probabilidad de Poisson y
su aplicación en el cálculo de probabilidades
QUÉ ES LA DISTRIBUCIÓN DE PROBABILIDAD?
 Concepto.- Muestra los diferentes valores que se pueden presentar en
un experimento, similar a la distribución de frecuencias relativas, pero
describe probabilidad de que un evento ocurra a futuro,
 Ej: Le interesa el número de caras que aparecen en 3 lanzamientos de
una moneda. Los posibles resultados son: 0 caras, 1 cara, 2 caras y 3
caras. Cuál es la distribución de probabilidad del número de caras? Usa
fórmula de multiplicación
 Total _ disposicio nes  2 * 2 * 2  8 (Son 3 eventos y en c/uno sale cara o sello)
Resultado 1er lanzam 2do lanzam 3er lanzam Núm caras
1 Cara Cara Cara 3
2 Cara Cara Sello 2
3 Cara Sello Cara 2
4 Cara Sello Sello 1
5 Sello Cara Cara 2
6 Sello Cara Sello 1
7 Sello Sello Cara 1
8 Sello Sello Sello 0
QUÉ ES LA DISTRIBUCIÓN DE PROBABILIDAD?
Número de caras Probabilidad de resultado
0 1/8=0,125
1 3/8=0,375
2 3/8=0,375
3 1/8=0,125
Total 8/8=1,000

 Características de una distribución de probabilidad.-

1. La probabilidad de un resultado específico se encuentra entre 0 y 1
inclusive.
2. Los resultados son eventos mutuamente excluyentes
3. La lista es exhaustiva. La suma de las probabilidades de los
diversos eventos es 1.
VARIABLES ALEATORIAS
 Concepto.- Cantidad resultante de un experimento que puede
adoptar diferentes valores por azar. Pueden ser resultados
cuantitativos (dólares, niños) o cualitativos (color, religión).
 En el caso del experimento en que se lanza una moneda 3 veces,
hay 8 posibles resultados, Interesaba el evento de que se
presenta una cara en 3 lanzamientos. Variable aleatoria es el
número de caras.
 Si se desea saber la probabilidad del evento que tiene una
variable aleatoria igual a 1. P(1 cara│3 lanzamientos)=0,375.
 Una variable aleatoria puede ser discreta o continua.
 Variable aleatoria discreta: Aquella que adopta sólo valores
claramente separados. A veces asume valores fraccionarios o
decimales, que están separados. Ej: Calificaciones de jueces en
un evento de patinaje artístico son 7,2 8,9 y 9,5. Una
calificación no puede tener un valor de 8,34 y 8,347.
VARIABLES ALEATORIAS
Variable aleatoria continua: Aquella que soporta una infinidad
de valores, con ciertas limitaciones. Ej:
1. Si los tiempos de vuelo entre 2 ciudades son de 4,67 horas,
5,10 horas, etc.; la variable aleatoria es la duración del vuelo.
2. Si la presión medida en un nuevo neumático puede ser de
32,78 libras, 31,62 libras, etc.; la variable aleatoria es la
presión de la llanta.
Una variable aleatoria representa el resultado particular de un
experimento y la distribución de probabilidad representa todos
los posibles resultados y su correspondiente probabilidad.
Una distribución discreta es la acción de contar algo. Ej: Numero
de caras al lanzar una moneda 3 veces, número de estudiantes
con nota A en clase.
Una distribución continua es la acción de medir algo. Ej:
Duración de cada canción en el concierto, el peso de cada
estudiante de esta clase.
MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR DE
UNA DISTRIBUCIÓN DE PROBABILIDAD
 Media de distribución de probabilidad: (Valor esperado) Valor que
representa la localización central de una distribución de
probabilidad. Se trata de un promedio ponderado de los posibles
valores de una variable aleatoria con sus probabilidades de
ocurrencia.    xP(x)
 P(x) es probabilidad de que ocurra un valor x
 Varianza y desviación estándar de distribución de probabilidad:
La varianza describe el grado de dispersión (variación) en una
distribución de probabilidad.  2   ( x   )2 P( x)
Los pasos para el cálculo son:
1. La media se resta de cada valor y la diferencia se eleva al cuadrado.

2. Cada diferencia al cuadrado se multiplica por su probabilidad

3. Se suman los productos resultantes

MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR DE
UNA DISTRIBUCIÓN DE PROBABILIDAD
 La desviación estándar es la raíz cuadrada positiva de la
varianza.    ( x   ) 2 P( x)
Ej: En una empresa que vende vehículos, se vende mayor
número de estos el sábado. Se tiene la siguiente distribución de
probabilidad de lo que se espera vender un sábado:
a) De qué tipo de distribución se trata? Automóviles Probabilidad
vendidos P(x)
b) Cuántos autos se espera vender un
0 0,10
sábado normal? 1 0,20
c) Cuál es la varianza de la distribución? 2 0,30

3 0,30

4 0,10

Total 1,00
MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR DE
UNA DISTRIBUCIÓN DE PROBABILIDAD
a) Es una distribución de probabilidad discreta, para la variable
aleatoria “cantidad de automóviles vendidos”. Note que se espera
vender cierto número de autos, resultados posibles (1, 2, 3 o 4 autos)
son mutuamente excluyentes.
b) La media de la cantidad de autos vendidos es:
  xP( x)  0(0,10)  1(0,20)  2(0,30)  3(0,30)  4(0,10)  2,10
Se espera vender un promedio de 2,10 autos por sábado. En 50
semanas (2,10 c/sábado)=105 autos al año.
Automóviles Probabilidad Media
(x─μ) (x─μ)2 (x─μ)2P(x)
vendidos P(x) Σ[xP(x)]
0 0,10 0,00 0─2,10 4,41 0,441
1 0,20 0,20 1─2,10 1,21 0,242
2 0,30 0,60 2─2,10 0,01 0,003
3 0,30 0,90 3─2,10 0,81 0,243
4 0,10 0,40 4─2,10 3,61 0,361
Total 1,00 μ=2,10  2  1,290
MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR DE
UNA DISTRIBUCIÓN DE PROBABILIDAD
c) La varianza y la desviación estándar de la distribución es:
 
 2   ( x   )2 P( x)  0,441  0,242  0,003  0,243  0,361  1,290
   ( x   ) 2 P( x)  0,441  0,242  0,003  0,243  0,361  1,136
d) Si otra vendedora también vendió un promedio de 2,1 autos los
sábados, y su desviación estándar es de 1,91; hay más variabilidad
en las ventas sabatinas de esta 2da vendedora (1,91> 1,136).
DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL
 Definición: Es una distribución de probabilidad discreta que ocurre con mucha
frecuencia.
 Características:
1. Sólo hay 2 posibles resultados en el experimento y son mutuamente
excluyentes. EJ: Verdadero o Falso, Aceptable o Inaceptable.
2. La variable aleatoria es el resultado de contar el número de éxitos en el
número total de pruebas. Ej: Cuente número de veces que aparece cara.
3. La probabilidad de éxito es la misma de una prueba a otra. Ej: La
probabilidad de que adivine en cualquier pregunta de verdadero o falso es
de ½ o 0,50 o 50%.
4. Las pruebas son independientes, es decir, el resultado de una prueba no
influye en el resultado de otra prueba.
Cálculo: Se necesita para una probabilidad binomial.- El número de pruebas y
la probabilidad de éxito de cada prueba
C representa una combinación
n es número de pruebas
P ( x )  C
n x
x
(1 
 ) n x

X es variable aleatoria definida como número de éxitos

π es la probabilidad de éxito en cada prueba
DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL
Ej1: Tame tiene 5 vuelos diarios al aeropuerto de Quito. Suponga que la
probabilidad de que cualquier vuelo llegue tarde es 0,20. a) Cuál es la
posibilidad de que ninguno de los vuelos llegue tarde hoy?
π=0,20 n=5 y x=0 P( x) n C x x (1   ) n  x
P(0) 5 C0 (0,20) 0 (1  0,20) 50  (1)(1)(0,3277)  0,3277
b)Cuál es la probabilidad de que exactamente uno de los vuelos llegue
tarde hoy? π=0,20 n=5 y x=1
P(1) 5 C1 (0,20)1 (1  0,20) 51  (5)(0,20)(0,4096)  0,4096
La media y la varianza de una distribución binomial se calculan así:
Media:   n
Varianza:   n (1   )
2

Ej: Respecto al número de vuelos retrasados, recuerde que π=0,20 y

n=5.
  n  (5)(0,20)  1,0
 2  n (1   )  (5)(0,20)(1  0,20)  0,80
DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL
 El detalle de los cálculos se muestran a continuación:
Vuelos
Probabilidad Media
retrasados (x─μ) (x─μ)2 (x─μ)2P(x)
P(x) Σ[xP(x)]
X
0 0,3277 0,0000 0─1 1 0,3277

1 0,4096 0,4096 1─1 0 0,0000

2 0,2048 0,4096 2─1 1 0,2048

3 0,0512 0,1536 3─1 4 0,2048

4 0,0064 0,0256 4─1 9 0,0576

5 0,0003 0,0015 5─1 16 0,0048

Total 1,0000 μ=1,0000  2 0,7997

 Sin embargo si n es grande, los cálculos consumen más tiempo. Por lo

que en ocasiones convienen utilizar tablas que muestran el resultado
en caso de existir varios valores de n y
DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL
Ej2: De los engranajes de tornillos producidos en una fresadora
automática de alta velocidad, 5% se encuentra defectuoso. Cuál es la
probabilidad de que en 6 engranajes seleccionados,P( x) n C x (1   )
x n x

a) ninguno se encuentre defectuoso? π=0,05 n=6 y x=0

P(0) 6 C0 (0,05) 0 (1  0,05) 60  (1)(1)(0,73509)  0,73509
b) uno se encuentre defectuoso? π=0,05 n=6 y x=1
P(1) 6 C1 (0,05)1 (1  0,05) 61  (6)(0,05)(0,77378)  0,23213
c) dos se encuentren defectuosos? π=0,05 n=6 y x=2
P(2) 6 C2 (0,05) 2 (1  0,05) 6 2  (15)(0,0025)(0,814506)  0,03054
d) tres se encuentren defectuosos? π=0,05 n=6 y x=3
P(3) 6 C3 (0,05) 3 (1  0,05) 63  (20)(0,000125)(0,857375)  0,00214
e) cuatro se encuentren defectuosos? π=0,05 n=6 y x=4
P(4) 6 C4 (0,05) 4 (1  0,05) 6 4  (15)(0,00000625)(0,9025)  0,00008
f) cinco se encuentren defectuosos? π=0,05 n=6 y x=5
P(5) 6 C5 (0,05) 5 (1  0,05) 65  (6)(0,000000313)(0,95)  0,00000178
g) seis se encuentren6 defectuosos?
66
π=0,05 n=6 y x=6
P(6) 6 C6 (0,05) (1  0,05)  (1)(0,000000016)(1)  0,000000016
DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL
Es posible calcular la media y la varianza de la distribución binomial,
del número de engranajes defectuosos.
  n  (6)(0,05)  0,30
 2  n (1   )  (6)(0,05)(1  0,05)  0,285
Es necesario mencionar características adicionales, relacionadas con
la distribución de probabilidad binomial:
1. Si n permanece igual y π se incrementa de 0,05 a 0,95; la forma de
distribución cambia. Cuando π es 0,05 presenta un sesgo positivo,
cuando π es 0,50 se torna más simétrica, y cuando π se aproxima a
0,95 la distribución de probabilidad adquiere un sesgo negativo.
2. Si π, la probabilidad de éxito, conserva el mismo valor (ej:0,10), pero
n aumenta (ej: de 7 a 40), la distribución binomial se torna más
simétrica.
DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL
 Distribución de probabilidad binomial acumulada
Si desea la probabilidad de adivinar la respuesta en 6 o más preguntas
de verdadero o falso de un total de 10, o en la probabilidad de
seleccionar en forma aleatoria, menos de 2 artículos defectuosos en la
producción del día, necesita distribuciones de frecuencia acumulada.
Ej1: Un estudio concluyó que 76,2% de quienes ocupaban la parte
delantera en los vehículos utilizaban cinturón de seguridad. Ud. decide
comparar el uso actual del cinturón y toma una muestra de 12
vehículos.
a) Cuál es la probabilidad de que los ocupantes de la parte delantera
en 7 de 12 vehículos, utilicen cinturones de seguridad? n=12 x=7
P( x  7 n  12 _ y _   0,762)12 C7 (0,762)7 (1  0,762)127 
 (792)(0,1492)(0,000764)  0,0902
b) Cuál es la probabilidad de que los ocupantes de la parte delantera
en al menos 7 de 12 vehículos, utilicen cinturones de seguridad?
n=12 x≥7 π=0,762
P( x  7 n  12 _ y _   0,762)  P( x  7)  .......  P( x  12)
 0,0902  0,1805  0,2569  0,2467  0,1436  0,0383  0,9562
DISTRIBUCIÓN DE PROBABILIDAD
HIPERGEOMÉTRICA
 Definición: Se aplica cuando se realiza el muestreo sin reemplazo y es mayor
del 5% de la población, la probabilidad de cada observación cambia, Ej: Si en
una clase hay 20 estudiantes, la probabilidad de sacar 1 estudiante en la 1ra
selección es 1/20, de sacar 1 estudiante en la 2da selección es 1/19, etc.
 Características:
1. Sólo hay 2 posibles resultados en el experimento y son mutuamente
excluyentes. EJ: Verdadero o Falso, Éxito o Fracaso.
2. La variable aleatoria es el número de éxitos de un número fijo de pruebas.

3. Las pruebas no son independientes.

4. Los muestreos se realizan con una población finita sin reemplazos y mayor
del 5% de la población. Probabilidad de éxito cambia en cada prueba.
Cálculo: Se necesita para una probabilidad hipergeométrica.-
N es el tamaño de la población
S C x ( N  S Cn  x )
S es el número de éxitos en la población P ( x ) 
x es el número de éxitos en la muestra N Cn
n es el tamaño de la muestra o el número de pruebas
C representa una combinación
DISTRIBUCIÓN DE PROBABILIDAD
HIPERGEOMÉTRICA
Ej1: Una empresa tiene 50 empleados en el depto.de ensamble, 40
pertenecen a un sindicato y 10 no. Se eligen al azar 5 empleados para
formar un comité que hablará con la empresa sobre los horarios de
inicio de los turnos. Cuál es la probabilidad que 4 de los 5 empleados
elegidos pertenezcan a un sindicato?
N=50 S=40 n=5 x=4

C x ( N  S Cn  x )
P( x)  S

N Cn
 40!  10! 
  
P ( 4)  40 4 50 40 5 4  
( C )( C ) 4!36!  1!9! 

50 C5  50! 
 
 5!45! 
(91390)(10)
P ( 4)   0,4313
2118760
DISTRIBUCIÓN DE PROBABILIDAD
HIPERGEOMÉTRICA
Con el fin de comparar las 2 distribuciones de probabilidad, veamos las
probabilidades hipergeométrica y binomial, del ej anterior. Como 40 de
los 50 empleados son sindicalizados, π=0,80 y n=5.
Miembros sindicalizados Probabilidad Probabilidad binomial
en comité hipergeométrica (n=5 y π=0,80)
0 0,000 0,000
1 0,004 0,006
2 0,044 0,051
3 0,210 0,205
4 0,431 0,410
5 0,311 0,328
1,000 1,000
Cuando no es posible satisfacer algunos de los requisitos binomiales
de una probabilidad constante de éxito, se debe recurrir a la
distribución de probabilidad hipergeométrica.
Si los elementos seleccionados no se regresan a la población, se puede
aplicar la distribución binomial para calcular la distribución
hipergeométrica, cuando la muestra es menor al 5% de la población.
n < 5%N.
DISTRIBUCIÓN DE PROBABILIDAD DE POISSON
 Definición: Describe el número de veces que se presenta un evento durante un
intervalo específico. El intervalo puede ser de tiempo, distancia, área o
volumen. Se la conoce como ley de eventos improbables, ya que la probabilidad
π de que ocurra un evento es muy pequeña.
 Características:
1. La variable aleatoria es el número de veces que ocurre un evento durante
un intervalo definido.
2. La probabilidad de que ocurra el evento es proporcional al tamaño del
intervalo.
3. Los intervalos no se superponen y son independientes.

Cálculo: Se describe así.-

μ es la media del número de éxitos de un evento en un intervalo particular.
e es la constante 2,71828 (base del sistema de logaritmos neperianos)
x es el número de éxitos de un evento  xe
P( x) 
P(x) es la probabilidad para un valor específico de x x!
Media de una Distribución de Poisson es igual a su varianza
n es el número total de pruebas   n
π es la probabilidad de éxito.
DISTRIBUCIÓN DE PROBABILIDAD DE POISSON
Ej1: Se pierde pocas veces el equipaje en Avianca; de una muestra
aleatoria de 1000 vuelos se han perdido 300 maletas. La media
aritmética del número de maletas perdidas por vuelo es 0,3
(300/1000). Si el número de maletas perdidas por vuelo se rige por
una distribución de Poisson con μ=0,3, las probabilidades serían:
1.De que no se pierda ninguna maleta, sería en 74% de los vuelos
 x e   (0,3) 0 (2,71828) 0,3
P( x)    0,7408
x! 0!
2.De que se pierda sólo una maleta, sería en 22% de los vuelos
 x e   (0,3)1 (2,71828) 0,3
P( x)    0,2222
x! 1!
Ej2: Una empresa que asegura propiedades frente a la playa al norte
de EEUU, lleva un registro de que la probabilidad de que un huracán
categoría III o más intenso azote la región es de 0,05. Si Ud. obtiene un
crédito de 30 años para adquirir una casa en ese lugar, Cuál es la
posibilidad de que experimente al menos un huracán en ese tiempo?
En este ejemplo se aplica la distribución de Poisson para calcular la
probabilidad Binomial, cuando el número de pruebas (n) es grande y la
probabilidad de éxito (π) es pequeña..
DISTRIBUCIÓN DE PROBABILIDAD DE POISSON
Esto se logra, ya que cumple con las condiciones binomiales:
1.Sólo hay 2 posibles resultados: un huracán azota el área o no lo hace

2.Hay una cantidad fija de pruebas, 30 años

3.Hay probabilidad constante de que huracán azote zona: 0,05 c/año

4.Eventos independientes, no influyen en el próximo año.

Se determina la media o número esperado de tormentas durante los

30 años.
  n  (30)(0,05)  1,5
n es número de años
π es probabilidad de que un huracán azote la región
Para determinar la posibilidad de que al menos 1 huracán azote la
región, calcule la probabilidad de que ningún huracán se produzca y
luego dicho valor lo resta de 1. La probabilidad es 77%.
 xe  (1,5) 0 (2,71828) 1,5
1  P( x  0)  1    1  0,2231  0,7769
x! 0!

Aplicando la distribución binomial (la más correcta técnicamente)

1  P ( x  0)  1 30 C0 (0,05) 0 (0,95) 30  1  (1)(1)( 0,2146)  0,7854