En muchas tareas estadísticas se busca

determinar una distribución de probabilidad o

modelo probabilístico que satisfaga un
conjunto de supuestos para estudiar los
resultados de un experimento aleatorio.
Una distribución de probabilidad es una lista de
todos los resultados posibles de algún
experimento y de la probabilidad relacionada
con cada elemento.
El comportamiento de una variable aleatoria
queda descrito por su distribución de
probabilidad.
 REQUISITOS DE UNA DISTRIBUCIÓN
DE PROBABILIDAD
1. 𝑃(𝑥) = 1, donde “x” asume todos los valores
posibles. (es decir, la suma de todas las
probabilidades debe ser 1)

2. 0 ≤ 𝑃(𝑥) ≤ 1, para cada valor individual de “x”.

(es decir, cada valor de probabilidad debe

ubicarse entre 0 y 1, inclusive)
Ejemplo:
¿La tabla describe una distribución de probabilidad?

Respuesta: NO
 CÁLCULO DE LA MEDIA, VARIANZA Y
DESVIACIÓN ESTÁNDAR
Media de una distribución de probabilidad:
𝜇= [𝑋 ∗ 𝑃 𝑥 ]

Varianza de una distribución de probabilidad:

𝜎2 = [ 𝑥−𝜇 2 ∗ 𝑃(𝑥)]
 Ejemplo:
El gerente de personal de la empresa de taxi
“ARCHI”, estudia el número de accidentes
ocurridos durante un mes. Elaboró la siguiente
distribución probabilística. ¿Cuantos accidentes
se espera tener en un mes?

MEDIA
 DISTRIBUCIONES DE PROBABILIDAD
DISCRETAS
DISTRIBUCIÓN DE BERNUILLI: XB(1, p)
Aplicado todo experimento aleatorio que consiste
en sólo dos resultados posibles mutuamente
excluyentes (Éxitos y fracasos).

Ejemplos:
 Lanzar una moneda al aire con los resultados:
cara o sello.
 Elegir una objeto al azar: defectuoso o no
defectuoso.
 Elegir un alumno: aprobado o desaprobado.
El espacio muestral asociado al experimento
aleatorio de Bernoulli: Ω={E, F}.
La variable aleatoria X definida en Ω de manera
que atribuye a E el valor 1 y a F el valor 0, se
denomina variable aleatoria de Bernoulli.
Si p=P[X=1] es la probabilidad de éxito, donde
0<p<1 y q=P[X=0]=1-p es la probabilidad del
fracaso.
𝑝 𝑥 ∗ 1 − 𝑝 1−𝑥 , 𝑠𝑖 𝑥 = 0,1
𝑓 𝑥 =𝑃 𝑋=𝑥 =
0, 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Media = p
Varianza = p*q
DISTRIBUCIÓN BINOMIAL: XB(n, p)
Aplicado todo experimento aleatorio que consiste
en “n” repeticiones independientes de un
experimento aleatorio de Bernoulli:

𝑛 𝑘 𝑛−𝑘
𝑓 𝑥 =𝑃 𝑋=𝑥 = 𝑝 𝑞 , 𝑘 = 0, 1, 2, … , 𝑛
𝑘

𝑛 𝑛 𝑛!
Donde: =𝐶 =
𝑘 𝑘 𝑘! 𝑛−𝑘 !
Media = n*p
Varianza = n*p*q
 Ejemplo:
Un estudiante de la Facultad de Ingeniería tiene
la certeza de aprobar una asignatura con
probabilidad 0.8, si lleva seis asignaturas:
a) ¿Cuál es la probabilidad de que salga mal en
todas las asignaturas?
b) ¿Cuál es la probabilidad que apruebe dos
cursos?
c) ¿Cuál es la probabilidad de que apruebe
menos de dos cursos?
 Ejemplo:
En un área geográfica determinada, el 40% de la
población adulta pertenece al partido demócrata.
Se selecciona una muestra de 10 adultos. Si X es
la variable aleatoria que se define como personas
adultas que pertenecen al partido demócrata:
a) Determine la función de probabilidad de X.
b) Calcule la media y la desviación estándar.
c) Determine la probabilidad de que tres de ellos
pertenezcan al partido demócrata.
DISTRIBUCIÓN DE POISSON: XP(λ)
 El experimento consiste en contar el número “x”
de veces que ocurre un evento en particular
durante una unidad de tiempo dada, o en un
área o volumen dado.
 La probabilidad de que un evento ocurra en una
unidad dada de tiempo, área o volumen es la
misma para todas las unidades.
 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.
 El número medio (o esperado) de eventos en
cada unidad se denota por la letra griega λ.
La función de probabilidad de la distribución de
poisson es:
𝑒 −λ ∗ λ𝑥
𝑓 𝑥 =𝑃 𝑋=𝑥 = , 𝑋 = 0, 1, 2, …
𝑥!
Donde:
λ = número esperado de ocurrencias por unidad de
tiempo.
e = 2.71828…

Media = λ
Varianza = λ
 Ejemplo:
El número medio de automóviles que llegan a una
garita de peaje es de 120 por hora:
a) Calcular la probabilidad de que en un minuto
cualquiera no llegue automóvil alguno.
b) Calcular la probabilidad de que en el periodo
de 3 minutos lleguen más de 5 automóviles.
c) Si tal garita puede atender a un máximo de 3
automóviles en 30 segundos, calcular la
probabilidad de que en medio minuto dado
lleguen más automóviles de lo que pueden
atender..
DISTRIBUCIÓN HIPERGEOMÉTRICA:
 El procedimiento tiene un número fijo de
ensayos.
 Los ensayos deben ser dependientes. (El
resultado de cualquier ensayo individual sí afecta
las probabilidades de los demás ensayos).
 Todos los resultados de cada ensayo deben
estar clasificados en dos categorías
(generalmente llamadas éxito y fracaso).
 La probabilidad de un éxito no permanece igual
en todos los ensayos.
La función de probabilidad de la distribución
Hipergeométrica es:
𝑟 𝑁−𝑟
𝐶 ∗𝐶
𝑥 𝑛−𝑥,
𝑓 𝑥 =𝑃 𝑋=𝑥 = 𝑋 = 0, 1, 2, …
𝑁
𝐶
𝑛
Donde:
r: denota el número fijo de éxitos en la población.
x: denota un número específico de éxitos en la
muestra 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.
 𝑟
𝑝= ; 𝑞 =1−𝑝
𝑁
Media = n*p

𝑁−𝑛
Varianza = n ∗ 𝑝 ∗ 𝑞 ∗
𝑁−1
En la tienda “PROMART”, se tiene una caja de 10
bombillas la cual contiene 2 defectuosas y 8 no
defectuosas. Si se eligen al azar y sin reposición
3 bombillas de la caja, ¿cuál es la probabilidad de
que la muestra contenga exactamente una
bombilla defectuosa?
2 10 − 2
𝐶 ∗𝐶
𝑃 𝑋=1 = 1 3 − 1 = 0.4667
10
𝐶
3