ESTADISTICA II

UNIDAD II: DISTRIBUCIONES PROBABILISTICAS

DISCRETAS

PROF.: NERYS NOLASCO

 Variables Aleatorias.

Es una variable cuyo valor es el resultado de un evento

aleatorio.

Se supone que se lanza una moneda tres veces y se

anota el numero de caras que se obtienen. Los posibles
resultados son 0 caras, 1 cara, 2 caras, o 3 caras. La
variable aleatoria es el numero de caras que se
obtienen, y los posibles resultados son los valores de la
variable aleatoria.

Una variable es aleatoria, si toma diferentes valores

como resultado de un experimento aleatorio.
 Variables Aleatorias Discretas.

Una Variable aleatoria discreta puede asumir solo

ciertos valores, con frecuencia números enteros, y
resulta principalmente del conteo.
 Distribuciones de Probabilidad.
Es una lista de todos los resultados posibles de algún
experimento y de la probabilidad relacionada con cada
resultado.
Distribuciones de Probabilidad.
Conceptos Básicos.
Valor Esperado. El valor esperado de una variable
aleatoria discreta, es la media ponderada de todos los
posibles resultados en los cuales los pesos son las
probabilidades respectivas de tales resultados.

La Varianza y la Desviación Estándar, miden la

dispersión de los resultados alrededor de la media. La
varianza se expresa en unidades al cuadrado, pero la
desviación estándar se expresa en las mismas unidades
que la variable aleatoria y por ende con frecuencia tiene
una interpretación mas racional.
Conceptos Básicos.
Conceptos Básicos.
 Distribución Probabilística
Binomial
Una distribución de probabilidad de variable aleatoria
discreta utilizada ampliamente es la distribución Binomial.
Esta distribución describe una variedad de procesos de
interés para los administradores. Por otra parte, describe
datos discretos, no continuos, que son resultado de un
experimento conocido como proceso de Bernoulli, en
honor del matemático suizo nacido en el siglo XVII, Jacob
Bernoulli

Cada ensayo en una distribución binomial termina en solo

uno de dos resultados mutuamente excluyentes, uno de
los cuales se identifica como un éxito y el otro como un
fracaso. La probabilidad de cada resultado permanece
constante de un ensayo al siguiente.
 Propiedades de la Distribución
Binomial.
a) Solo debe haber dos posibles resultados. Uno se
identifica como éxito y el otro como fracaso.

b) La probabilidad de un éxito, ∏, sigue siendo

constante de un ensayo al siguiente, al igual que lo
hace la probabilidad de fracaso, 1-∏.

c) La probabilidad de un éxito en un ensayo es

totalmente independiente de cualquier otro
,ensayo.

d) El experimento puede repetirse muchas veces.

 Formula Binomial.

 p= probabilidad de tener éxito.

 q= 1 – p = probabilidad de fracaso.
 r= numero de éxitos deseados.
 n= numero de intentos hechos.
 Media y Desviación Estándar de
una Distribución Binomial.

 Desviación Estándar = Raíz cuadrada de la Varianza.

Media y distribución estándar de
una distribución binomial.
Media de una distribución binomial
µ = np
Varianza de una distribución binomial

= npq
Desviación estándar de una distribución binomial
 Distribución de Poisson.

La distribución de Poisson debe su nombre a Siméon

Denis Poisson (1781-1840), un francés que desarrolló la
distribución a partir de los estudios que realizó durante la
última parte de su vida.
La distribución de Poisson se utiliza para describir ciertos
tipos de procesos, entre los que se encuentran la
distribución de llamadas telefónicas que llegan a un
conmutador, las solicitudes de pacientes que requieren
servicio en una institución de salud, las llegadas de
camiones y automóviles a una caseta de cobro, y el
número de accidentes registrados en cierta intersección.
 Distribución de Poisson.
Estos ejemplos tienen en común un elemento: pueden ser
descritos mediante una variable aleatoria discreta que
toma valores enteros (0, 1, 2, 3, 4, 5, etc). El número de
pacientes que llegan al consultorio de un médico en un
cierto intervalo será de 0, 1, 2, 3, 4, 5 o algún otro
número entero. De manera parecida, si usted cuenta el
número de automóviles que llegan a una caseta de cobro
de alguna carretera durante un periodo de 10 minutos, el
número será de 0, 1, 2, 3, 4, 5 y así consecutivamente.
 Distribución de Poisson,
Supuestos.
Son necesarios dos supuestos para la aplicación de
la distribución de Poisson:

a) La Probabilidad de ocurrencia del evento es

constante para dos intervalos cualesquiera de
tiempo o espacio.
b) La ocurrencia del evento en un intervalo es
independiente de la ocurrencia de otro intervalo
cualquiera.
Distribución de Poisson.
 Uso de tablas de Probabilidad
Binomial.

 http://es.slideshare.net/jcarreto/06
-distribucin-binomial.

 Ver video.
 Ejemplos, Distribución
Binomial:
Es frecuente que los empleados lleguen tarde a trabajar a
la Farmacia Kerr y hay cinco empleados en ella. El
propietario ha estudiado la situación durante cierto
periodo y determinó que hay una probabilidad de 0.4 de
que cualquier empleado llegue tarde y que las llegadas de
los mismos son independientes entre sí. ¿Cómo podríamos
trazar una distribución binomial de probabilidad que
ejemplifique las probabilidades de que 0, 1, 2, 3, 4 o 5
empleados lleguen tarde simultáneamente? Para hacerlo,
necesitaríamos utilizar la fórmula binomial donde:

 p 0.4
 q 0.6
 n 5*
 Ejemplos, Distribución de
Poisson:
Suponga que estamos investigando la seguridad de una
peligrosa intersección. Los registros policiacos indican una
media de cinco accidentes mensuales en esta intersección.
El número de accidentes está distribuido de acuerdo con
una distribución de Poisson, y el Departamento de
Seguridad de Tránsito desea que calculemos la
probabilidad de que en cualquier mes ocurran
exactamente 0, 1, 2, 3 o 4 accidentes. Podemos utilizar la
tabla 4a del apéndice para evitar el tener que calcular e
elevadas a potencias negativas.

podemos calcular la probabilidad que no ocurran

accidentes.
De que ocurra exactamente un accidente etc.