 e   k
 si k  0,1, 2,...
DEPARTAMENTO
CIENCIAS BASICAS
ESTADISTICA DESCRIPTIVA
Msc: Orlando Carrillo Sánchez
DISTRIBUCIONES DE PROBABILIDAD PARA
VARIABLES ALEATORIAS DISCRETAS
DISTRIBUCIÓN DE POISSON.
La distribución de Poisson es otra de las
distribuciones de probabilidad para variables
aleatorias discretas, expresa la probabilidad que
ocurra un determinado número de eventos durante
cierto periodo de tiempo, o unidad de área, o de
pieza, etc.
Son ejemplos de variables aleatorias con distribución
de Poisson:
 El numero de defectos de una tela por m2
 El numero de aviones que aterrizan en un
aeropuerto por día, hora, minuto, etc.
 El numero de bacterias por cm2 de cultivo
 El número de llamadas telefónicas a un
conmutador por hora, minuto, etc.
 El numero de llegadas de embarcaciones
a un puerto por día, mes, etc.
Para determinar la probabilidad de que ocurran k
éxitos por unidad de tiempo, área, o producto, se
determina mediante la formula
e   k
P( X  k ) 
k!
Siendo:
 k es el número de ocurrencias del evento o
fenómeno (la función nos da la probabilidad de
que el evento suceda precisamente k veces).
 λ es un parámetro positivo que representa el
número de veces que se espera que ocurra el
fenómeno durante un intervalo dado.
 e es la base de los logaritmos naturales (e =
2,71828...)
Hay que hacer notar que en esta distribución el
número de éxitos que ocurren por unidad de tiempo,
área o producto es totalmente al azar y que cada
intervalo de tiempo es independiente de otro
intervalo dado, así como cada área es independiente
de otra área dada y cada producto es independiente
de otro producto dado
Las funciones de probabilidad f y de distribución F
para una variable aleatoria con un distribución de
Poisson con parámetro λ están dadas por
f (k )  p(k ;  )   k !
0
 de otra forma
y
P  t ;    F  t   P  X  t    p (k ;  )
k t
Para una v.a con distribución de Poisson de
parámetro λ, se cumple: E(X) = V(X) = λ
Ejemplo:
Un cajero de un banco atiende en promedio 7
personas por hora, cual es la probabilidad de que un
una hora determinada:
a. Atienda exactamente 7 personas
e   k
P( X  k ) 
k!
7 7
e 7
P( X  7)   0,149
7!
b. Atienda al menos 5 personas
P( X  5)  1  P  X  5   1  P  X  4 
 1  P(4;7)  1  0,173  0,827
*Nota: P(4;7)  0,173 este valor se halla en
tabla de distribución de Poisson
c. Atienda más de 8 personas
P( X  8)  1  P  X  8 
 1  P(8;7)  1  0, 729  0, 271
d. Atienda más de 5 pero menos de 8 personas
P(5  X  8)  P  X  7   P  X  5 
 P(7;7)  P(5;7)  0,598  0,300
 0, 298
DISTRIBUCIÓN HIPERGEOMETRICA
La distribución Hipergeometrica es el modelo que se
aplica en experimentos del siguiente tipo:
En una urna hay bolas de dos colores (blancas y
negras), ¿cuál es la probabilidad de que al sacar 2
bolas las dos sean blancas?
Son experimentos donde, al igual que en la
distribución binomial, en cada ensayo hay tan sólo
dos posibles resultados: o sale blanca o no sale. Pero
se diferencia de la distribución binomial en que los
distintos ensayos son dependientes entre sí:
Si en una urna con 5 bolas blancas y 3 negras en un
primer ensayo saco una bola blanca, en el segundo
ensayo hay una bola blanca menos por lo que las
probabilidades son diferentes (hay dependencia
entre los distintos ensayos
En la distribución Hipergeometrica X = cantidad de
resultados éxitos en una muestra aleatoria (sin
reposición) de tamaño n, tomada de una población
de tamaño N y de la cual M satisfacen una
característica ó propiedad (éxito) antes del muestreo
y N – M no la satisface (fracaso).
Criterios ó propiedades que la caracterizan.
 DEPARTAMENTO Es decir, la probabilidad de sacar 3 bolas blancas es
CIENCIAS BASICAS del 35,3%.
ESTADISTICA DESCRIPTIVA

1. La población N del conjunto de unidades ó

elementos es de orden finito, de los cuales
una parte: M "son éxitos", y otra parte: N –
M son "fracasos".

2. Cada elemento puede ser caracterizado

como éxito ó fracaso.

3. Se obtiene una muestra aleatoria

de n elementos todos a la vez (sin
reemplazamiento) y no de forma
independiente. No son pruebas repetidas.

4. El tamaño de la muestra aleatoria n es

grande relativamente en comparación con
el tamaño de la población.
Generalmente: n
 5%
N

5. Se busca la probabilidad de X = número de

éxitos a partir de los M resultados ó
elementos y (n – x) fracasos a partir de
los N – M elementos asi clasificados, al
obtener una muestra aleatoria de tamaño n.

Los parámetros de la distribución Hipergeometrica

son entonces:

N: Tamaño de población.

M: Número de elementos de N con una

característica ó propiedad específica (éxitos).

n: Tamaño de muestra aleatoria extraída.

Las funciones de probabilidad f y de distribución F

para una variable aleatoria con una distribución
Hipergeometrica respectivamente son:

  M  N  M 
  
  x  n  x  si k  0,1, 2,...
f ( x)  p( X  x)   N
  
 n 
0 de otra forma

F  t   P  X  t    h ( x , N , n, M )
x t

Ejemplo, en una urna hay 7 bolas blancas y 5 negras.

Se sacan 4 bolas ¿Cuál es la probabilidad de que 3
sean blancas?

N = 12; M = 7; N – M = 5; x = 3; n = 4, n – x = 1
entonces,

 7  5 
  
P( X  3)      0.354
3 1
12 
 
4 