Distribuciones de Probabilidad

Dairo J. Pérez Polo, M.Sc.

 Distribuciones de Probabilidad
• Distribuciones de probabilidad discretas:
- Distribución binomial*
- Distribución de Poisson*
- Distribución hipergeometrica
- Distribución binomial negativa

• Distribuciones de probabilidad continua:

- Distribución normal*
- Distribución uniforme
- Distribución beta
- Distribución gama
- Distribución de Weibull
- Distribución exponencial negativa
 Distribución binomial
• Explica que los fenómenos pueden ocurrir bajo dos
modalidades mutuamente excluyentes.

• Espacio muestral (S) esta constituido por dos

eventos: S={p, q}*
*p: Éxito o un evento deseable; q: Fracaso (1-p); p+q=1.

• Ejemplos:
- Lanzamiento moneda: S={c, s}
- Sexo de animales: S={M, F}
- Viabilidad de una semilla: S={V, I}
- Estado sanitario de una planta: S={E, S}
 Distribución binomial
• Aplicación: Cuando un suceso independiente se repite n veces
y se desea saber la probabilidad de obtener exactamente k
éxitos.

• ¿ Probabilidad de obtener cierto número de artículos

defectuosos en un lote de tamaño n?

• ¿ Probabilidad de obtener un número dado de semillas viables

en una muestra de tamaño n?

• La formula es la siguiente, donde k son los éxitos:

n!
b(k; n, p)  p k q n  k , k  0,1,2,3,..., n
k!(n  k)!
 Distribución binomial
• Ejemplo: La resistencia a cierta enfermedad de una especie de
planta depende del gen dominante, siendo P(R)=0,75 y
P(S)=0,25 la probabilidad de encontrar una planta resistente y
susceptible, respectivamente.

• Al tomar cinco plantas al azar, cual es la probabilidad de obtener

dos resistentes?

• k= Número plantas resistentes

• P (k=2)=?
n!
b(k; n; p)  pk qn  k
k!(n  k)!
5!
P(k  2)  (2;5;0,75)  (0,75)2 (0,25)3  0,0879  8,79%
2! 3!
 Distribución binomial
• Ejemplo: El 80% de los frutos de una población de guayabas esta
afectado por la mosca Anastrepha sp. Al tomar una muestra al
azar de 10 unidades, cual es la probabilidad de que:

a) ¿Exactamente ocho frutos resulten afectados (k=8)?

p=0,8; q=0,2; n=10; k=8
10!
P(k  8)  (0,80)8 (0,20)2  0,3018  30,18%
8! 2!
b) ¿Más de ocho frutos resulten afectados (k>8)?
P(k  8)  P( k  9)  P(k  10)
 10!   10! 
P(k  8)   (0,80)9 (0,20)1    (0,80)10 (0,20) 0 
 9!1!   10!0! 
P(k  8)  0,2684  0,1074  0,3758  37,58%
 Distribución binomial
c) Al menos un frutos afectados (k≥1):
P(k  1)  1  P(k  0)
 10 
P(k  1)  1   (0,80) 0 (0,20)10 
 0!9! 
P(k  1)  1  1,02 10 7  0,9999  99,99%
 Distribución de Poisson
• Estudia eventos independientes que ocurren al azar en el
espacio, el tiempo o cualquier otro medio similar.

• Ejemplo:
- Número plantas mutantes por parcela
- Número parásitos que habitan un huésped
- Número semillas de malezas en un kg de semilla
- Número artículos defectuosos en una maquina en un tiempo
 Distribución de Poisson
• La distribución de la variable aleatoria de Poisson con parámetro
λ esta dada por:
λ
( ) x
p(x; λ)  e , x  0,1,2,3,.....
x!

e: Base de logaritmos naturales; λ: Parámetro de la distribución.

• Si se incluye el tiempo (t):

  t x

p(x;  ) 
e ( )
x!
 Distribución de Poisson
• Ejemplo: El número de plantas por parcela que no tienen
mazorca de maíz se distribuye como una Poisson con λ=1. Al
tomar una parcela, ¿Cuál es la probabilidad de que?

a) ¿Todas las plantas presenten mazorca?

1

p(x  0)  e
(1) 0 1
 e  0,3679  36,79%
0!

b) ¿Se obtengan dos o más plantas sin mazorcas?

p(x  2)  1  P( x  2)  1   p( x  0)  p( x  1)
 1 (1) 0   1 (1)1 
p(x  2)  1   e e 
 0!   1! 
p(x  2)  1   0,3679  0,3679   0,2642  26,42%
 Distribución Normal

• Importante en las ciencias y ha contribuido al desarrollo de la

estadística (estadística inferencial).
 Características de la distribución normal
• Es simétrica, infinita, continua y en forma de campana.

• Los valores más probables se concentran alrededor de μ y los más

improbables en los extremos.

• Determina frecuencia de los errores: ei  X  

• Cuando X presente distribución normal: X ~ N   ,  2 

• Tiene un recorrido entre  - , 

 Características de la distribución normal
• La moda y la mediana coinciden con μ

• Una distancia de σ a cada lado de μ encierra el 68% de la curva. Si

se extiende a 2σ y 3σ se cubre el 95 y 99,7%, respectivamente.
Aplicación de la distribución normal en la
agronomía
• En la naturaleza muchas variables aleatorias continuas
presentan distribución normal:

• Rendimiento en cultivos
• Altura de plantas
• Peso de animales
• Peso de raíz, tallo, hojas, frutos
• Diámetro y largo de frutos
• [ ] de nutrientes en el tejido vegetal

• Cuando se mide repetidamente un fenómeno los errores con

frecuencia siguen la ley normal.
 Normalización o tipificación
• El área bajo la curva de los puntos a y b puede determinarse
así:

2
b 1  x 
1   


2  
P(a  X  b)  e dx
 2π a

- Pero, con la normalización o tipificación la anterior función

queda así:
X 
Z

a b
Za  Zb 
 
 Normalización o tipificación

X 
Z

v v v
Normalización v

8 µ=10 12 -2 µ=0 2

• Los valores de Z se obtienen en la tabla función de distribución

acumulativa normal estándar (a continuación).
 Normalización o tipificación

v v v
 Normalización o tipificación
• Ejemplo: En un cultivo de arboles de Pinus pátula se ha observado que
el diámetro a la altura del pecho (DAP) es una variable aleatoria X con
distribución normal con µ=33,55 cm y σ=10,10 cm.

a) Si se consideran deseables para la extracción de madera arboles que

presenten un diámetro entre 10 y 20 cm. ¿Qué porcentaje de arboles
cumplen con esta condición?

10 μ=33,55 20
Sea X=DAP
P(10  X  20)  Z b  Z a
 20  33,55   10  33,55 
P(10  X  20)    
 10,10   10,10 
P(10  X  20)  (1,34)  (2,33)  0,0901  0,0099  0,0802  8,02%
 Normalización o tipificación
b) ¿Cuál es la probabilidad de encontrar un diámetro mayor de 20 cm?
P(X  20)  1  P ( X  20) P(X ≤ 20)

 20  33,55 
P(X  20)  1   
 10,10 
P(X  20)  1    1,34  1  0,0901  0,9099  90,99%
20

c) ¿Qué porcentajes de arboles no cumplen con los rangos de

extracción de madera?
P(No - cumplen)  1   Z b  Z a 

P(No - cumplen)  1   0,0802  0,9198  91,98%