FUNDACIÓN UNIVERSITARIA LOS LIBERTADORES

MATERIA
ESTADISTICA Y PROBABILIDAD
PRESENTADO POR: JESSICA CASTILLO MANTILLA
CARLOS ARTURO PARRA MARTÍNEZ

CONSULTAR:

1. Distribución Binomial
1.1. Características
1.2. Función de probabilidad
1.3. Valor esperado de la variable aleatoria relacionada
1.4. Varianza de la variable aleatoria relacionada
1.5. Ejemplo(s) aplicado(s) donde se haga uso de la distribución binomial, para realizar el
cálculo de probabilidades.
2. Distribución Hipergeométrica
2.1. Características
2.2. Función de probabilidad
2.3. Valor esperado de la variable aleatoria relacionada
2.4. Varianza de la variable aleatoria relacionada
2.5. Ejemplo(s) aplicado(s) donde se haga uso de la distribución hipergeométrica, para
realizar el cálculo de probabilidades.
3. Distribución de Poisson
3.1. Características
3.2. Función de probabilidad 
3.3. Valor esperado de la variable aleatoria relacionada
3.4. Varianza de la variable aleatoria relacionada
3.5. Ejemplo(s) aplicado(s) donde se haga uso de la distribución de Poisson, para realizar el
cálculo de probabilidades.

SOLUCIÓN
1. DISTRIBUCIÓN BINOMIAL: nos habla de los posibles resultados que pueden
darse por realizar unos experimentos que, constan de pruebas repetidas, estas
pueden arrojar un resultado de éxito o de fracaso [ CITATION RON12 \l 9226 ]

1.1. CARACTERISTICAS
Para construir un proceso binomial se necesita lo siguiente:
1) En el experimento sólo hay dos resultados a) EXITO = 1 b) FRACASO = 0
2) A la probabilidad de éxito se le llama “p ”
3) A la de fracaso se le llama”
4) Se cumple que p + q = 1 p + q = 1 (por lo tanto, q = 1 – p)
5) La probabilidad de éxito permanece constante
6) Los eventos son independientes. Por ejemplo: si lanzamos una moneda la segunda
vez no importa lo que pasó antes.
7) El experimento se realiza “n” veces
8) Lo que se desea es conocer la probabilidad de “éxito”, P(x), en los “n” intentos.
(Nota: éxito no significa que sea bueno, sólo significa que ocurra el evento). [ CITATION
ROD10 \l 9226 ]

1.2. VALOR ESPERADO DE LA VARIABLE ALEATORIA

RELACIONADA
La variable binomial es una variable aleatoria discreta, sólo puede tomar los valores
0,1,2,3, 4,....., n suponiendo que se han realizado n pruebas. 
La variable se define como X~ "nº de veces que ocurre el suceso A en n experimentos”,
y viene determinada por dos parámetros: • n = tamaño muestral, número de
experimentos realizados.
• p = P(A) = probabilidad de que tenga lugar el suceso A. En consecuencia, la
distribución Binomial se suele representar por B (n,p) siendo n y p los parámetros
característicos de dicha distribución.

El cálculo de la probabilidad de la distribución binomial requiere la utilización de los

números combinatorios, y aunque existe una tabla que proporciona los valores de
probabilidad para diferentes valores de n y p, a veces el proceso se hace bastante
tedioso, especialmente cuando es necesario calcular probabilidades acumuladas. Por
ejemplo, p(X ≥ 3) = 1 − p(X)
1.3. VARIANZA DE LA VARIABLE ALEATORIA RELACIONADA
Esperanza y varianza de una variable aleatoria binomial: Sea X ~ Bi (n,p), E(X ) = np y
V (X ) = np(1− p)

1.4. EJEMPLO(S) APLICADO(S) DONDE SE HAGA USO DE LA

 DISTRIBUCIÓN BINOMIAL, PARA REALIZAR EL CÁLCULO DE
PROBABILIDADES
2. DISTRIBUCIÓN HIPERGEOMÉTRICA:
Esta distribución aparece en procesos muestrales sin remplazo, en los que se
investiga la presencia o ausencia de cierta carcateristica, tambien en esta investigación
se encontr que Los tipos de aplicaciones de la distribución hipergeométrica son muy
similares a los de la distribución binomial
Aplicaciones: control de calidad y aceptación de muestras.

Función de cuantía: Sea una población de tamaño N dividida en dos subpoblaciones disjuntas de
tamaños k y N -k (los que poseen la característica de interés y los que no). Llamemos p a la
proporción de elementos de la población que poseen la característica (p=k/N). Se selecciona una
muestra aleatoria sin reemplazamiento de tamaño n, con n≤ N

X=”número de elementos con la característica de interés en una muestra de tamaño n extraída de

una población de tamaño N” La función de cuantía viene dada por:.
2.1.
experimento hipergeométrico; es decir, aquel que posee las siguientes dos propiedades: 1.
De un lote de N artículos se selecciona una muestra aleatoria de tamaño n sin reemplazo. 2.
k de los N artículos se pueden clasifi car como éxitos y N – k se clasifi can como fracasos.

Propiedades del modelo Hipergeométrico

1) Esperanza: E(X) = n ´ N1/N

2) Varianza: V(X) = (n ´ N1 ´ N2 (N − n))/(N2 ´ (N − 1))

3. DISTRIBUCIÓN DE POISSON
Llamada así en honor a Simeón-Denis Poisson, quien la describió por primera vez a finales
del siglo XIX

Las características mas sobresalientes de esta distribución son: • La distribución de Poisson

tiene la particularidad de que la esperanza y la varianza son igua-

Para que una variable recuento siga una distribución de Poisson deben cumplirse varias
condiciones: 1. En un intervalo muy pequeño (p. e. de un milisegundo) la probabilidad de
que ocurra un evento es proporcional al tamaño del intervalo. 2. La probabilidad de que
ocurran dos o más eventos en un intervalo muy pequeño es tan reducida que, a efectos
prácticos, se puede considerar nula. 3. El número de ocurrencias en un intervalo pequeño
no depende de lo que ocurra en cualquier otro intervalo pequeño que no se solape con
aquél.

La distribución de Poisson tiene iguales la media y la varianza. Si la variación de los casos

observados en una población excede a la variación esperada por la Poisson, se está ante la
presencia de un problema conocido como sobredispersión y, en tal caso, la distribución
binomial negativa es más adecuada. https://www.sergas.es/Saude-
publica/Documents/1899/Ayuda_Epidat_4_Distribuciones_de_probabilidad_Octubre2014.
pdf
https://riuma.uma.es/xmlui/bitstream/handle/10630/10388/7%20PIE%20-%20MODELOS
%20PROBABILIDAD%20VAD.pdf?sequence=1&isAllowed=y