Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La distribución de probabilidad para una variable aleatoria discreta es una lista mutuamente excluyente
de todos los posibles resultados numéricos para una variable aleatoria tal que una probabilidad de
ocurrencia específica se asocia con cada resultado. Una variable aleatoria es un evento numérico cuyo
valor se determina mediante un proceso al azar. Entre estas distribuciones se encuentran: la distribución
binomial, la distribución de Poisson y la distribución hipergeométrica.
La distribución binomial es una distribución discreta de probabilidad aplicable como modelo a diversas
situaciones de toma de decisiones, siempre y cuando pueda suponerse que el proceso de muestreo se
ajusta a un proceso Bernoulli. Un proceso Bernoulli es un proceso de muestreo en el que:
1. Sólo son posibles dos resultados mutuamente excluyentes en cada ensayo u observación. A estos
resultados se les denomina éxito y fracaso.
2. Los resultados del conjunto de ensayos u observaciones, constituyen eventos independientes.
3. La probabilidad de éxito, que se denota mediante p, permanece constante de un ensayo a otro. Es
decir, el proceso es estacionario.
𝑛
𝑃(𝑋⁄𝑛, 𝑝) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 , 𝑥 = 0, 1, 2, … , 𝑛
𝑥
𝑛!
La notación (𝑛𝑥) = 𝑋!(𝑛−𝑋)!
Ejercicio 1: La posibilidad de que cada muestra de aire contenga una molécula extraña particular es de
10%. Supóngase que las muestras son independientes con respecto a la presencia de la molécula.
Encuentre la probabilidad de que en las 18 muestras siguientes, exactamente dos contengan la molécula
extraña. Además, obtenga:
a. La probabilidad de que al menos cuatro muestras contengan la molécula extraña.
b. P(3 ≤ X < 7)
c. La esperanza matemática y la varianza de X.
1
Unidad Nº 4: Distribuciones de Probabilidad
Asignatura: Probabilidades y Estadísticas (MAT-21414)
Elaborado por: Lcdo. Ely Rosas
Si X es una variable aleatoria Poisson con parámetro 𝜆, entonces la esperanza matemática (media) y la
varianza de X son:
𝐸(𝑋) = 𝜇𝑋 = 𝜆 𝑦 𝜎𝑋2 = 𝑉(𝑋) = 𝜆
Ejercicio 2: Las fallas superficiales de un alambre delgado de cobre se presentan de manera aleatoria.
Sea X la variable que cuenta el número de fallas superficiales de un alambre de cobre de cierta
longitud, supóngase que el número de fallas está descrito por una distribución Poisson con una media
de 2,3 fallas por milímetro. Determine la probabilidad de tener exactamente dos fallas en un milímetro
de alambre. Además, calcule:
a. La probabilidad de tener 10 fallas en cinco milímetros de alambre.
b. La probabilidad de tener al menos una falla en dos milímetros de alambre.
Un conjunto de N objetos contiene K objetos clasificados como éxitos, N-K objetos clasificados como
fallas. Se toma una muestra de tamaño n, al azar (sin reemplazo) de entre N objetos, donde K ≤ N y n ≤
N. Sea la variable aleatoria X el número de éxitos en la muestra. Entonces, X tiene una distribución
hipergeométrica y la fórmula para determinar las probabilidades hipergeométricas es
(𝑁−𝐾 )(𝐾)
𝑛−𝑥 𝑥
𝑃(𝑋⁄𝑁, 𝐾, 𝑛) = 𝑋 = 0, 1, 2, … , 𝑚í𝑛(𝐾, 𝑛)
(𝑁𝑛)
2
Unidad Nº 4: Distribuciones de Probabilidad
Asignatura: Probabilidades y Estadísticas (MAT-21414)
Elaborado por: Lcdo. Ely Rosas
La expresión 𝑚í𝑛(𝐾, 𝑛) se utiliza en la definición del recorrido de X debido a que el número máximo
de éxitos que puede presentarse en la muestra es el menor entre el tamaño de la muestra, n, y el número
de éxitos disponibles, K.
Si X es una variable aleatoria hipergeométrica con parámetros N, K y n, entonces la media y la
varianza de X son
donde p = K/N.
Ejercicio 4: De seis ingenieros, tres han estado con la compañía durante cinco o más años, si se eligen
cuatro empleados al azar y sin reemplazo. Determine la probabilidad de que exactamente dos de ellos
tengan una antigüedad de cinco años o más?
Una función de densidad de probabilidad continua es una expresión matemática que define la
distribución de los valores para una variable aleatoria continua. Existen diversas distribuciones
continuas de probabilidad que son aplicables como modelos a una amplia gama de variables continuas
en determinadas circunstancias. Algunas de ellas son la distribución uniforme, la distribución
exponencial y la distribución normal.
La esperanza matemática (media) y la varianza de una variable aleatoria uniforme continua X sobre
a ≤ x ≤ b están dadas por
3
Unidad Nº 4: Distribuciones de Probabilidad
Asignatura: Probabilidades y Estadísticas (MAT-21414)
Elaborado por: Lcdo. Ely Rosas
La variable aleatoria X que es igual a la distancia entre ocurrencias sucesivas de un proceso Posisson
con media 𝜆 > 0, tiene una distribución exponencial con parámetro 𝜆. La función de densidad de
probabilidad de X es
𝑓𝑥 (𝑥; 𝜆) = 𝜆𝑒 −𝜆𝑥 , 𝑝𝑎𝑟𝑎 0 ≤ 𝑥 ≤ ∞
Ejercicio 6: En una red de computadoras grandes, el acceso de los usuarios al sistema puede modelarse
como un proceso Poisson con una media de 25 accesos por hora. Sea X el tiempo en horas desde el
inicio del intervalo hasta que se presenta el primer acceso. a) ¿Cuál es la probabilidad de que el tiempo
que transcurre hasta el siguiente acceso sea mayor que seis minutos? b) ¿Cuál es la probabilidad de que
el tiempo que transcurre hasta el siguiente acceso esté entre 2 y 3 minutos? c) Determine la media y la
desviación estándar de X.
La distribución normal (en ocasiones llamada distribución gaussiana) es la distribución continua que se
utiliza más comúnmente en estadística. Esta distribución es de vital importancia por tres razones
principales:
1. Muchas variables continuas comunes en el mundo de los negocios tienen distribuciones que se
asemejan estrechamente a la distribución normal.
2. La distribución normal sirve para acercarse a diversas distribuciones de probabilidad discreta, como
la distribución binomial y la distribución de Poisson.
3. La distribución normal proporciona la base para la estadística inferencial clásica por su relación con
el teorema de límite central.
1 −(𝑥−𝜇)2
𝑓𝑥 (𝑥; 𝜇, 𝜎) = 𝑒 2𝜎2 −∞ < 𝑥 < ∞
√2𝜋𝜎
Tiene una distribución normal con parámetros µ, donde −∞ < µ < ∞, y σ > 0.
Las tablas de las probabilidades normales se basan en una distribución específica: la distribución
normal estándar. Ésta es una distribución normal en la que µ = 0 y σ = 1. Cualquier valor X de una
población con distribución normal puede convertirse a su valor normal estándar equivalente, Z,
mediante la fórmula
4
Unidad Nº 4: Distribuciones de Probabilidad
Asignatura: Probabilidades y Estadísticas (MAT-21414)
Elaborado por: Lcdo. Ely Rosas
𝑋−𝜇
𝑍=
𝜎
Definición
Suponga que X es una variable aleatoria normal con media µ y varianza σ2. Entonces,
𝑋−𝜇 𝑥−𝜇
𝑃(𝑋 ≤ 𝑥) = 𝑃 ( ≤ ) = 𝑃(𝑍 ≤ 𝑧)
𝜎 𝜎