Instituto Científico del Pacífico

www.icip.edu.pe
DISTRIBUCIONES DE PROBABILIDAD

Instituto Científico del Pacífico

www.icip.edu.pe
Contenido
Introducción ......................................................................................................... 4
Variable Aleatoria Discreta ............................... ¡Error! Marcador no definido.
Función de probabilidad ............................... ¡Error! Marcador no definido.
Distribución de probabilidad ........................ ¡Error! Marcador no definido.
Función de Distribución Acumulada ........... ¡Error! Marcador no definido.
Esperanza o valor esperado de una variable discreta X¡Error! Marcador
no definido.
Propiedades ................................................. ¡Error! Marcador no definido.
Varianza de una variable aleatoria discreta X¡Error! Marcador no
definido.
Propiedades ................................................. ¡Error! Marcador no definido.
Variable Aleatoria Continua ............................. ¡Error! Marcador no definido.
Función de Densidad ..................................... ¡Error! Marcador no definido.
Función de Distribución Acumulada ........... ¡Error! Marcador no definido.
Esperanza de una variable aleatoria discreta x¡Error! Marcador no
definido.
Propiedades ................................................. ¡Error! Marcador no definido.
Varianza de una variable aleatoria continua X¡Error! Marcador no
definido.
Propiedades ................................................. ¡Error! Marcador no definido.
Distribución Normal............................................. ¡Error! Marcador no definido.
Distribuciones muestrales ............................... ¡Error! Marcador no definido.
Distribución Normal ......................................... ¡Error! Marcador no definido.
Teorema del límite central (TLC) ................... ¡Error! Marcador no definido.
Distribución de la Media Muestral.................... ¡Error! Marcador no definido.
Caso de la varianza 𝝈𝟐 conocida............ ¡Error! Marcador no definido.
Caso de la varianza 𝝈𝟐 desconocida y n>30¡Error! Marcador no
definido.
Caso de la varianza 𝝈𝟐 desconocida y 𝒏 ≤ 𝟑𝟎¡Error! Marcador no
definido.

Instituto Científico del Pacífico

www.icip.edu.pe
Distribución de la proporción muestral ........... ¡Error! Marcador no definido.
Bibliografía .......................................................................................................... 17

Instituto Científico del Pacífico

www.icip.edu.pe
Introducción
Una variable aleatoria es una variable cuyo valor va a depender del
resultado de un experimento aleatorio. Las variables discretas toman un
conjunto finito de valores. Una distribución de probabilidad es un
conjunto de probabilidades para los posibles sucesos que puedan darse
en experimento.

La distribución de probabilidad de una variable se definirá entonces

sobre el conjunto de todos los sucesos, cada uno de los sucesos es el
rango de los valores de dicha variable aleatoria discreta.

En la presente sesión se explicarán los principales conceptos y teorías

relacionadas de la distribución de probabilidad de una variable discreta.

𝑝(𝑥)

Instituto Científico del Pacífico

www.icip.edu.pe
Distribución Binomial
Para definir a la distribución binomial es necesario antes hacer hincapié
en el concepto del experimento de Bernoulli.

Experimento de Bernoulli
En un experimento Bernoulli solo son posibles dos resultados: éxito o
fracaso, podemos definir una variable aleatoria discreta X, tal que:
é𝑥𝑖𝑡𝑜 → 1
{
𝑓𝑟𝑎𝑐𝑎𝑠𝑜 → 0

Si la probabilidad de éxito es 𝑝 y la de fracaso es 1 − 𝑝, podemos construir

una función de probabilidad:
𝑃(𝑥) = 𝑝 𝑥 (1 − 𝑝)1−𝑥 𝑥 = 0,1

 Un ejemplo de un experimento de Bernoulli es el lanzamiento de

una moneda con probabilidad 𝑝 para cara y 1 − 𝑝 para sello.

Definición
La distribución binomial aparece cuando estamos interesados en el
número de veces que un suceso A ocurre (éxitos) en n intentos
independientes de un experimento Bernoulli.
 Por ejemplo: Número de cartas en n lanzamientos de una moneda.

Si A tiene probabilidad p (probabilidad de éxito) en un intento, entonces

1-p es la probabilidad de que A no ocurra (probabilidad de fracaso).

Distribución Binomial
Una variable binomial se define así:
𝑋: Número de éxitos que ocurren en las 𝑛 pruebas o en 𝑛 intentos de un
experimento Bernoulli.
• Notación: 𝑋~𝐵(𝑛, 𝑝)
La función de probabilidad 𝑃(𝑋 = 𝑥) = 𝑝(𝑥) para la distribución binomial
será:
𝑛!
𝐵(𝑛, 𝑝) = 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 ; 𝑥 = 1,2, … , 𝑛
𝑥! (𝑛 − 𝑥)!
• Esperanza:
𝐸(𝑋) = 𝑛. 𝑝

Instituto Científico del Pacífico

www.icip.edu.pe
 • Varianza:
𝑉(𝑋) = 𝑛. 𝑝(1 − 𝑝)

Aplicación
Para estimar la probabilidad de una serie de datos con distribución
Binomial usando Minitab debe irse al menú Calc, luego seleccionar
Distribuciones de Probabilidad > Binomial.

En la ventana que aparece se deberá indicar en cada una de las casillas

los argumentos para el cálculo de la probabilidad.

Instituto Científico del Pacífico

www.icip.edu.pe
 1
2

1. Se debe indicar el valor de 𝑛.

2. Se debe indicar en esta casilla el valor de 𝑝.
3. Se indican los diversos valores de X, o si se quiere un valor en
específico se va a la constante de entrada a indicarse dicho valor.

Instituto Científico del Pacífico

www.icip.edu.pe
Distribución Geométrica
Consideremos el siguiente experimento, partimos de un experimento de
Bernoulli donde:
• La probabilidad de que ocurra un suceso es 𝑝 (éxito).
• La probabilidad de que no ocurra 𝑞 = 1 − 𝑝 (fracaso).

Repetimos nuestro experimento hasta conseguir el primer éxito.

Ejemplo: Experimento aleatorio: Lanzamiento de una moneda hasta

conseguir que salga el primer sello.
 Probabilidad de éxito en cada lanzamiento (sello) = p.
 Probabilidad de fracaso en cada lanzamiento (cara) = 1- p =q.
Una variable geométrica se define así:
𝑋: Número de ensayos necesarios hasta que se obtiene el primer éxito.

• Notación: 𝑋~𝐺(𝑝)
La función de probabilidad 𝑃(𝑋 = 𝑥) = 𝑝(𝑥) para la distribución
geométrica será:
𝐺(𝑝) = (1 − 𝑝)𝑥−1 𝑝

Y también:
• Esperanza: 𝐸(𝑋) = 1/𝑝
• Varianza: 𝑉(𝑋) = (1 − 𝑝)/𝑝2

Aplicación
Para estimar la probabilidad de una serie de datos con distribución
Geométrica usando Minitab debe irse al menú Calc, luego seleccionar
Distribuciones de Probabilidad > Geométrica.

Instituto Científico del Pacífico

www.icip.edu.pe
En la ventana que parecerá se deberá indicar los valores para estimar la
probabilidad.

Instituto Científico del Pacífico

www.icip.edu.pe
1. Se debe indicar el valor de 𝑝.
2. Se indican los diversos valores de X, o si se quiere un valor en
específico se va a la constante de entrada a indicarse dicho valor.

Instituto Científico del Pacífico

www.icip.edu.pe
Distribución Binomial Negativa
La distribución binomial negativa se define como:
𝑋: El número de pruebas necesarias hasta la aparición de 𝑟 éxitos.
Notación: 𝑋~𝐵𝑁(𝑟, 𝑝)

La función de probabilidad tendrá la siguiente forma:

𝑥 − 1 𝑟 (1
𝐵𝑁(𝑟, 𝑝) = 𝑃(𝑋 = 𝑥) = ( )𝑝 − 𝑝)𝑥−𝑟
𝑟−1
𝑥 = 𝑟, 𝑟 + 1, 𝑟 + 2 …

Aplicación
Para estimar la probabilidad de una serie de datos con distribución
Binomial Negativa usando Minitab debe irse al menú Calc, luego
seleccionar Distribuciones de Probabilidad > Binomial Negativa.

En el cuadro de diálogo de Distribución Binomial Negativa se debe

indicar los valores de p, r y de x.

Instituto Científico del Pacífico

www.icip.edu.pe
 1
2

1. Se debe indicar el valor de 𝑝.

2. Se debe indicar el valor de 𝑟.
3. Se indican los diversos valores de X, o si se quiere un valor en
específico se va a la constante de entrada a indicarse dicho valor.

Instituto Científico del Pacífico

www.icip.edu.pe
Distribución Hipergeométrica
Un experimento hipergeométrico consiste en recoger una muestra de
tamaño "𝑛“, uno a uno sin reposición, de "𝑁“ elementos, donde 𝑟 son
éxitos y 𝑁 − 𝑟 son fracasos.

Luego se define la variable aleatoria hipergeométrica:

𝑋: N° de éxitos en la muestra de tamaño 𝑛, la notación para esta
distribución es 𝑋~𝐻(𝑁, 𝑛, 𝑟).

La función de probabilidad de la distribución hipergeométrica 𝑋 está

dada por:
𝐶𝑥𝑟 𝐶𝑛−𝑥
𝑁−𝑟
𝑃(𝑋 = 𝑥) =
𝐶𝑛𝑁
𝑟
• Esperanza: 𝐸(𝑋) = 𝑛 𝑁
𝑟 𝑟 𝑁−𝑛
• Varianza: 𝑉(𝑋) = 𝑛 𝑁 (1 − 𝑁) ( 𝑁−1)

Aplicación
Para estimar la probabilidad para una serie con distribución
hipergeométrica debe irse a Calc > Distribuciones de Probabilidad >
Hipergeométrica.

Instituto Científico del Pacífico

www.icip.edu.pe
En el cuadro de diálogo emergente se deberán indicar los valores de N,
r, n y X.

1
2
3

1. Se debe indicar el valor de 𝑁.

2. Se debe indicar el valor de 𝑟.
3. Se debe indicar el valor de 𝑛.
4. Se indican los diversos valores de X, o si se quiere un valor en
específico se va a la constante de entrada a indicarse dicho valor.

Instituto Científico del Pacífico

www.icip.edu.pe
Distribución de Poisson
La distribución de Poisson se usa para problemas donde la variable
aleatoria es el número de ocurrencias es independientes en cada unidad
de medida.
𝑋: Es el número de ocurrencias por unidad de medida.
𝜆: Número esperado de ocurrencias por unidad de medida.

La función de probabilidad está dada por:

𝑒 −𝜆 𝜆𝑥
𝑃(𝑋 = 𝑥) = ; 𝑥 = 0,1, …
𝑥!
• Esperanza: 𝐸(𝑋) = 𝜆
• Varianza: 𝑉(𝑋) = 𝜆

Aplicación
Para estimar la probabilidad de datos con distribución de Poisson debe
irse a Calc > Distribución de probabilidades > Poisson.

En la ventana que aparecerá se deberá indicar el valor de 𝜆 y de x.

Instituto Científico del Pacífico

www.icip.edu.pe
 1

1. Se debe indicar el valor de 𝜆.

2. Se indican los diversos valores de X, o si se quiere un valor en
específico se va a la constante de entrada a indicarse dicho valor.

Instituto Científico del Pacífico

www.icip.edu.pe
Bibliografía
Martín, R. G., & Fajardo, F. J. F. (2002). Variables aleatorias discretas.
Universidad Abierta de Cataluña.
http://www.uoc.edu/in3/emath/docs/VA_discretas.pdf
Páginas Web

Variables aleatorias discretas y continuas – UCM. Consultado el 24 de

marzo de 2016.

http://pendientedemigracion.ucm.es/info/genetica/Estadistica/estadisti
ca_basica%201.htm

Instituto Científico del Pacífico

www.icip.edu.pe