MODELOS DE

DISTRIBUCIÓN DE
PROBABILIDADES
Dr. Gustavo Cruz Jiménez
MODELOS DE DISTRIBUCIÓN DE
PROBABILIDADES
• También se pueden generar distribución de
probabilidades utilizando un teorema, es decir, un
MODELO MATEMÁTICO

• Estos modelos tienen gran aplicación en investigación

experimental
• Se puede demostrar que ciertos tipos de datos (distribución de
frecuencias) siguen una distribución predicha por un modelo
matemático, por lo que se pueden hacer generalizaciones acerca
de los datos.
• Si los datos no están de acuerdo con el modelo, se deben buscar
explicaciones del porqué no siguen dicho modelo.
DISTRIBUCIÓN DE PROBABILIDADES

• En el campo de la biología podemos encontrar

modelos para casos específicos como:

• DATOS DISCRETOS (CONTAR COSAS)

• Distribución binomial
• Distribución Poisson
• Distribución binomial negativa…

• DATOS CONTINUOS (MEDIR COSAS)

• Distribución normal
DISTRIBUCIÓN DE PROBABILIDAD
BINOMIAL
• Características
(a) Es apropiada cuando se cuentan cosas
(b) La observación puede clasificarse en una de dos posibles
categorías
- Macho o hembra
- Especie A o B
- Especia A o especie NO A
- Éxito – fracaso (germina-no germina)
- Aceptado - Rechazado
(c) La varianza de la muestra (para datos discretos) es menor que
la media
(d) Los objetos que se cuentan, están dispersos de manera
“regular”
EJEMPLOS EN PROCESOS
• Un proceso produce 5% de piezas defectuosas. Sea X el
número de piezas en las siguientes 20 piezas producidas

• En la prueba final de artículos electrónicos se tiene un

historial de que 1% tiene alguna falla que es necesario
reparar antes de liberarlo. Sea X la cantidad de artículos
con fallas en los siguientes 50 inspeccionados
CONSIDERACIONES TEÓRICAS EN LA
DISTRIBUCIÓN BINOMIAL

• Existen dos posibles resultados en cada prueba

• Considerar “p” como la probabilidad de un
resultado
• Considerar a “q” como la otra probabilidad del otro
resultado
• Entonces:
• p + q = 1 ; q = (1 – p)
CONSIDERANDO EL EJEMPLO DE
MOSCAS (MACHOS - HEMBRAS)
• Considerando el sexo de las moscas:
• Probabilidad de que la pupa sea macho = 0.5 = p
• Probabilidad de que la pupa sea hembra = 0.5 = q

• Considerar el número de eventos como “k”

EJEMPLO CUANDO SE TOMA UNA
PUPA
K=1

• LA DISTRIBUCIÓN DE PROBABILIDAD
BINOMIAL SERIA: (PARA UN EVENTO)
EJEMPLO CUANDO SE TOMAN DOS
PUPAS
K=2
EJEMPLO CUANDO SE TOMAN TRES
PUPAS
K=3
EJEMPLO CUANDO SE TOMAN
CUATRO PUPAS
K=4
ECUACIÓN DE UNA DISTRIBUCIÓN
BINOMIAL

P(x) = probabilidad de una combinación en particular

k =no. De eventos o ensayos
x = un número determinado de una salida en particular (por ejemplo, macho o
ÉXITO-ACEPTACIÓN)
p= probabilidad de la salida en particular (por ejemplo: probabilidad del macho)
q= probabilidad de que sea la otra posibilidad de salida (por ejemplo: hembra o
FRACASO-RECHAZO)
EJEMPLO
• Si la probabilidad de que un macho resulte de una pupa
seleccionada al azar es 0.5. ¿Cuál es la probabilidad de
que 4 pupas resulten en 1 macho y 3 hembras?
TAREA PARA ENTREGAR (HOJA)
• Calcular la probabilidad de que 3 pupas resulten 2
machos y 1 hembra.
TAREA PARA LLEVAR
• En un proceso de fabricación que produce una gran
cantidad de artículos, se sabe que en promedio 2% de
ellos son defectuosos. Los artículos son empacados en
cajas de 10, y se quiere saber cuál es la probabilidad de
que no haya ningún artículo defectuoso en cada caja.
(Considerar a X como el número de artículos defectuosos
por caja, y obtener P(X=0).
Ejercicio: Realizar los cálculos para una
DISTRIBUCIÓN DE PROBABILIDAD
(k=8). Monedas
• Calcular la distribución de probabilidad completa para
todas las combinaciones cuando se tienen 8 lances de
muestras aleatorias (k=8), cuando p=0.5

Resultado Posibilidades
Águila 8 7 6 5 4 3 2 1 0
Sol 0 1 2 3 4 5 6 7 8
Ejercicio – Realizar la gráfica
Probabilidad

8 7 6 5 4 3 2 1 0 Aguila
0 1 2 3 4 5 6 7 8 Sol
Número de Posibilidades
Ejercicio para ENTREGAR en equipos
• Calcularla probabilidad de una distribución de las posibles
salidas para una distribución binomial para aceptación o
rechazo de clavos en un lote p=0.8 (aceptados) y k =8

• Entonces para RECHAZADOS = q = ????

• Realizar el gráfico de distribución

DISTRIBUCIÓN DE PROBABILIDAD DE
POISSON
• CONSIDERACIONES

• Las observaciones se pueden contar (discretas)

• Las observaciones fueron obtenidas de determinada unidad de
muestreo, por ejemplo, cuadrantes, intervalos de tiempo, et. y
pueden ser organizadas en distribuciones de frecuencias donde la
media es aproximadamente igual a la varianza
• Los objetos que se cuentan son “raros” , es decir, hay pocos
objetos a contar en la unidad de muestreo
• Los individuos están dispersos de manera aleatoria en espacio o
tiempo, son independientes uno del otro.
GENERALIDADES DE LA
DISTRIBUCIÓN POISSON
• Existen varias restricciones en este modelo.
• La distribuciones Poisson son difíciles de encontrar en la
naturaleza, pero es el único modelo que muestra cuando
los objetos bajo estudio se dispersan de manera aleatoria
• EJEMPLOS
• Desintegración radiactiva por unidad de tiempo
• Goles en cada partido de futbol
• Aves migratorias de la costa que pasan hacia áreas costeras por
unidad de tiempo
• Glóbulos rojos que pasan en un citómetro de flujo por unidad de
área
• A diferencia de la distribución binomial que está definida por dos
parámetros, la distribución Poisson está definida por el parámetro λ
EJEMPLOS EN PROCESOS
• Evaluar número de defectos por artículo
• Número de defectos por metro cuadrado de piel
• Número de defectos por unidad de área
• Número de impurezas en un líquido
• Número de errores en un trabajador

• ES DECIR: Número de eventos que ocurren por unidad

(área, volumen, unidad de tiempo, etc.) generalmente
tienen DISTRIBUCIÓN POISSON

• Se utiliza para calcular los límites de control en las cartas

de control c y u (se verán posteriormente).
Ecuación que representa una Distribución
Poisson
• Recordar que µ = λ = ơ2

• La fórmula permite estimar la probabilidad, P, que una unidad

de muestreo contiene en un especificado número (x) de
individuos dado el valor de x(media)
Actividad.- Realizar
• Estimar la distribución de probabilidad Poisson para x=0 a
x=10 cuando la media (el estimador de lambda) es 4.0

• Hacer la gráfica de probabilidad para esta distribución

Poisson
 Ejercicio – Para entregar -
• Estimar la distribución de probabilidad Poisson para x=0 a
x=10 cuando la media (el estimador de lambda) es 4.0

• Realizar la gráfica de distribución de probabilidad

x 0 1 2 3 4 5 6 7 8 9 10
P(x 0.01 0.07 0.14 0.19 0.19 0.15 0.10 0.05 0.03 0.01 0.00
83 3 6 5 5 6 4 9 0 3 5
)

NOTA: La suma total de las P(x) de 0 a

10 es de 0.994, pero es aproximado, se
pueden hacer para valores > que 10.
OBSERVACIONES DE LA
DISTRIBUCIÓN POISSON
• Se observa que tiene un sesgo a la derecha

• El sesgo se vuelve más pronunciado mientras el valor de

λ ( es decir el estimado de la media) se vuelve menor.
Cuando λ > 10 la distribución se hace simétrica.