FACULTAD DE CIENCIAS ECONOMICAS ESTADISTICA II

FINANCIERAS Y ADMINISTRATIVAS MSc. Lic. TEODORO APAZA CH.

DISTRIBUCIONES PROBABILISTICAS CON UNA VARIABLE

ALEATORIA DISCRETA
1. DISTRIBUCION DE BERNOUILLI.
JACOB NERNOULLI (1.654 – 1.705), fue profesor matemático suizo en la universidad de
Basilia, quien desarrollo pruebas con experimentos dicotómicos de una variable aleatoria
discreta.

Una prueba de Bernouilli, consiste en realizar un experimento una sola vez, en el que solo
interesa observar ocurre o no un cierto suceso A. Si ocurre el suceso A, se dice que es un éxito.
Si no ocurre el suceso A, se dice que es un fracaso.

Ahora bien, siempre escuchamos estas dos palabras de éxito y fracaso, hay que entender con
los siguientes conceptos.

ÉXITO. De ninguna manera queremos referirnos a una buena noticia, solo se interpreta como
un suceso favorable de A.

FRACASO. De ninguna manera queremos referirnos a una mala noticia, solo se interpreta
como un suceso desfavorable de Ac.

Luego, las palabras éxito (E) y fracaso (F) son simplemente palabras antagónicas; sin embargo,
en campo de las probabilidades y con el modelo de distribución de Bernoulli, nos referimos con
las siguientes notaciones a sucesos favorables y sucesos desfavorables:

p = Es la probabilidad de que ocurra un suceso A; es decir, se tiene un éxito con el

suceso A.
q = (1 – p) = Es la probabilidad de que no ocurra A; es decir, se tiene un fracaso con el
suceso A.

Por tanto, P(A) = p definido en el intervalo [0,1]; P(AC) = q definido en el mismo intervalo.

Luego, la v.a. de Bern de parámetro p, si se toma el valor de 1 (x=1), es cuando ocurre el

suceso A, si por el contrario la v.a. Bern toma el valor 0 (x=0), es cuando no ocurre el suceso A.

0 P( x=0 ) = q = (1 – p); si ocurre el fracaso

Sea X ~ Bern (1,p) X= 1 P( x =1 ) = p; si ocurre el éxito.
=
Ejemplos. La prueba de Bernouilli, se realiza una sola vez y el evento interesa solamente la
ocurrencia de dos resultados posibles: el evento A acurre o no ocurre. Como se manifiesta en
los siguientes ejemplos:
 La prueba de un producto: Bueno o malo.
 El lanzamiento de una moneda: Cara o sello
 El giro de un cheque: con firma autorizada o sin firma autorizada
 Determinación del sexo: varón o mujer
 La prueba de embarazo: positivo o negativo.

1
FACULTAD DE CIENCIAS ECONOMICAS ESTADISTICA II
FINANCIERAS Y ADMINISTRATIVAS MSc. Lic. TEODORO APAZA CH.

1.2 FUNCION DE CUANTIA. La función de cuantía de distribución de probabilidad de Bernouilli es:

P( X  xi )  p x*q1x x  0,1

1.3 DISTRIBUCION DE PROBAILIDADES DE BERNOUILLI. Se presenta con la siguiente tabla de

distribución.
x P( X=xi)
0 q
1 p

1.4 GRAFICA DE LA DISTRIBUCION DE BERNOUILLI.

f(x) =P(X=xi)
p

0 1

1.5 FUNCION DE DISTRIBUCION DE NERNOUILLI.

0 si x < 0
P (X = xi) = 1–p si 0 ≤ x < 1
p Si x ≥ 1

1.6 SU GRAFICA DE LA FUNCION DE DISTRIBUCION DE BERNOUILLI.

F(x)
1

0 1 x

1.7 VALOR ESPERADO DE LA DISTRIBUCION DE BERNOUILLI. El valor esperado o

esperanza de la distribución de Bernoulli, se obtiene con la ayuda de la siguiente tabla.

x P( X=xi) x * P(X=xi)
0 q =1 - p 0
1 p p
total p

2
FACULTAD DE CIENCIAS ECONOMICAS ESTADISTICA II
FINANCIERAS Y ADMINISTRATIVAS MSc. Lic. TEODORO APAZA CH.

Luego,
k 2
E ( X )   xi * P( X  xi )
i 1

E( X )  x1 * P( X  x1 )  x2 * P( X  x2 )

Reemplazando los datos, se tiene:

E ( X )  0 * P( X  0)  1* P( X  1)
E ( X )  0 * q  1* p
E( X )  p

1.8 LA VARIANZA DE LA DISTRIBUCION DE BERNOUILLI.

x P( X=xi) x * P(X=xi) x2 * P(X=xi)

0 q =1 - p 0 0
1 p p P
total p p

Previo se calcula la E(x2).

k 2
E ( X 2 )   ( xi ) 2 * P( X  xi )
i 1

E ( X )  ( x1 ) 2 * P( X  x1 )  ( x2 ) 2 * P( X  x2 )
2

Reemplazando los datos, se tiene:

E ( X 2 )  02 * P( X  0)  12 * P( X  1)
E ( X 2 )  0 * q  1* p
E( X 2 )  p

Luego, la varianza se calcula con la siguiente fórmula:

V ( X )   x  E ( X 2 )  E ( X )
2 2

Reemplazando los datos, se tiene:

 x  p  ( p) 2
2

  p (1  p )
2
x

  pq
2
x

1.9 LA DESVIACION TIPICA DE LA DISGTRIBUCION DE BERNOUILLI.

 x
 PQ

3
FACULTAD DE CIENCIAS ECONOMICAS ESTADISTICA II
FINANCIERAS Y ADMINISTRATIVAS MSc. Lic. TEODORO APAZA CH.

2 GENERACION DE OTRAS DISTRIBUCIONES PROBABILISTICAS CON VARIABLE

ALEATORIA DISCRETA. La distribución probabilística de Bernouilli es la mama de la
generación de otras distribuciones probabilísticas con variable aleatoria discreta, como se
muestra en el siguiente esquema:

La mama Variable Binomial

Variable geométrica
Experimento Variable
aleatorio aleatorio de
dicotómico Bernouilli Variable Binomial negativa
Las pruebas de Bernouilli, estableció
las bases para generar otras cuatro Variable de Poissón
variables aleatorias discretas como la
binomial, geométrica, binomial
negativa y la de poissón.
3 DISTRIBUCION BINOMIAL. Se dice que una variable aleatoria discreta X tiene una distribución
binomial de parámetros n,p; es decir, X~ B(n,p), si es la suma de n variables aleatorias
discretas independientes de Bernouilli con el mismo parámetro p:

Esto es, que los resultados de la serie de ensayos independientes sigue la ley binomial.

X~ B(n,p) X = X1 + X2 + …+ Xn , donde Xi ~ Bern(1,p) i  1,2,3...n

Suponiendo que se realizan n pruebas de Bernouilli, Xi, donde en todas ellas, la probabilidad de
éxito es la misma (p), y queremos calcular el número de éxitos, X, que pueden ocurrir de n a x
maneras diferentes, obtenido en el total de n pruebas, lo que nos conduce a que la variable
aleatoria discreta X sigue a la Ley binomial.

Condiciones. La distribución binomial, se caracteriza por las siguientes hipótesis:

 El experimento aleatorio discreto consiste en un número fijo de n pruebas repetidas.
 Cada prueba es de carácter dicotómico; es decir, se obtiene dos resultados posibles
mutuamente excluyentes y colectivamente exhaustivos, denominados: p = éxito
(favorable) o bien q = fracaso (desfavorable).
 La probabilidad de que una prueba se clasifique como éxito, es constante de prueba a
prueba. Algo similar sucede con la probabilidad de fracaso.
 Las pruebas son independientes, ya que el resultado de una prueba no afecta el
resultado de otro.
 Nos interesa el número de éxitos en n pruebas.
 Las pruebas posibles pueden obtenerse mediante dos métodos de muestreo distintos.
Cada prueba puede considerarse como seleccionada de una población infinita sin
reemplazo o de una población finita con reemplazo.

Existe otra distribución con variable aleatoria discreta que aplica en ciencias sociales,
denominada la distribución Hipergeométrica, con sus propias características.

4
FACULTAD DE CIENCIAS ECONOMICAS ESTADISTICA II
FINANCIERAS Y ADMINISTRATIVAS MSc. Lic. TEODORO APAZA CH.

3.1 FUNCION DE CUANTIA. Si X es el número de éxitos en n pruebas independientes de un

experimento binomial, con probabilidad de éxito p y con q de fracaso, en cualquier prueba;
entonces, la distribución de probabilidad o función de cuantía se expresa con la siguiente
notación.

Si la v.a.d. X~B(n,p) i  1,2,3...n pruebas

Luego, la función de cuantía binomial se expresa:

P ( X  xi )  C x p x *q n x
n

Condiciones:
a) Si p ≥ 0, q≥0
Luego, P( X  xi )  0
b) La función de distribución, se expresa:
n n

 P( X  x )   C p x q n x  ( p  q) n   p  (1  p)  1
n n
i x
x 0 x 0
n

C p x q n x  1
n
Luego, x
x 0
3.2 LA MEDIA DE UNA DISTRIBUCION BINOMIAL.
Ejemplo 1. Sea el experimento de lanzar una moneda tres veces, siendo que la v.a.d. X es
número de caras.
Se pide:
a) Elaborar una tabla de distribución de probabilidades
b) Calcular la esperanza de la variable y la esperanza del cuadrado de la variable.
SOLUCION
Se plante la aplicación de un diagrama del árbol.
E p3

E F p2q

E E p2q

F F pq2

E pq2
E
F pq2
F
E p2q
F
F q3

De acuerdo a estos resultados, se trasladan a la tabla de distribución de probabilidades.

5
FACULTAD DE CIENCIAS ECONOMICAS ESTADISTICA II
FINANCIERAS Y ADMINISTRATIVAS MSc. Lic. TEODORO APAZA CH.

a) Tabla de distribución de probabilidades.

X P(X=xi) X * P(X=xi) X2 * P(X=xi)

0 q3 0 0
1 3pq2 3pq2 3pq2
2 3p2q 6p2q 12p2q
3 p3 3p3 9p3
Totales -

Luego, la media o esperanza de la variable, se expresa:

E(X) = 3pq2 + 6p2q + 3p3

E(X) = 3pq2 + 3p2q + 3p2q + 3p3
E(X) = 3pq(q +p) + 3p2(q + p)
E(X) = 3pq + 3p2
E(X) = 3p(q +p)
E(X) = 3p Si n = 3

Por tanto, la esperanza es igual a n pruebas por la probabilidad de éxito.

E(X) = np

La esperanza de la variable al cuadrado:

E(x2) = 3pq2 + 12p2q + 9p3

E(x2) = 3pq2 + 3p2q + 9p2q + 9p3
E(x2) = 3pq(q + p) + 9p2(q +p)
E(x2) = 3pq + 9p2
E(x2) = 3pq + (3p)2 Si n = 3
Luego, se tiene:
E(x2) = npq + (np)2

3.3 LA VARIANZA DE UNA DISTRIBUCION BINOMIAL

V(X) = E(x2) – [E(X)]2

V(X) = [ npq + (np)2] – (np)2
V(X) = npq + (np)2 – (np)2
V(X) = npq

3.4 LA DESVIACION TIPICA DE UNA DISTRIBUCION BINOMIAL. La desviación típica de una

distribución binomial es igual a la raíz cuadrada positiva de la varianza.
 x  npq

6
FACULTAD DE CIENCIAS ECONOMICAS ESTADISTICA II
FINANCIERAS Y ADMINISTRATIVAS MSc. Lic. TEODORO APAZA CH.

Ejemplo 2. Los fiscalizadores de la aduana determinaron que el 20% de los documento Dui de
importación contienen algún error, ya sea de asignación de partida o presentan una deficiente
liquidación.

Se selecciona al azar u lote de 10 documentos Dui, donde la variable x es el número de Dui con
defecto.

Hallar:
a) La función de cuantía.
b) P(X ≤ 2)
c) P(X ≥ 5)
d) P( 3 < x < 5)
SOLUCION
a) La función de cuantía la planteamos, partiendo de la identificación de los parámetros de la
variable binomial, ya que x~B(n,p); entonces, verificamos que: n= 10, p=0,20, q=0,80
Por tanto,
P ( X  xi )  C x p x *q n x
n

Reemplazando los datos, se tiene:

P ( X  xi )  C x 0,2 x *0,810 x xi  0,1,2,3...10
10

b) Hallar: P(X ≤ 2)
P( X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2)

P( X  0)  C 0 0,20*0,8100
10

P( X  0)  (1)(1)* 0,810
P( X  0)  0,1074

P( X  1)  C1 0,21*0,8101
10

P( X  1)  (10)(0,2)* 0,89
P( X  1)  0,2684

P ( X  2)  C 2 0,2 2*0,8102
10

P( X  2)  (45)(0,04)* 0,88
P( X  0)  0,3020

Luego, P( X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2)

Reemplazando los datos, se tiene:

P( X ≤ 2) = 0,1074 + 0,2684 + 0,3020
P( X ≤ 2) = 0,8774

7
FACULTAD DE CIENCIAS ECONOMICAS ESTADISTICA II
FINANCIERAS Y ADMINISTRATIVAS MSc. Lic. TEODORO APAZA CH.

c) Hallar P( X ≥ 5)
P( X ≥ 5) = 1 – P( x < 5)
P( X ≥ 5) = 1 - [ P( X= 0) + P(X = 1) + P( X = 2) + P(X = 3) + P(X = 4) ]
P( X ≥ 5) = 1 - [ 0,1074 + 0,2684 + 0,3020 + 0,2013 + 0,0881 ]
P( X ≥ 5) = 1 - 0,9672 = 0,0328
P( X ≥ 5) = 0,0328
De otra forma:
P X ≥ 5) = f(5) + f(6) + f(6) + f(7) + f(8) + f(9) + f(10)
P( X ≥ 5) = 0,0264 + 0,0055 + 0,0008+ 0,0001 + 0,00 ),00
P( X ≥ 5) = 0,0328

d) Hallar, P( 3 < x < 5) = P( X = 4 ) = 0,0881

Ejemplo 3. El departamento de control de calidad de una empresa que fabrica pañuelos, sabe que
el 5% de su producción tiene algún tipo de defecto. Los pañuelos se empaquetan en cajas
de 15 elementos.
Calcule la probabilidad de que una caja contenga:
a) Dos elementos defectuosos
b) Menos de tres elementos defectuosos
c) Entre 3 y 5 defectuosos
d) Ningún pañuelo defectuoso
e) El número esperado de pañuelos defectuosos en una caja.
SOLUCION
a) La función de cuantía la planteamos, partiendo de la identificación de los parámetros de la
variable binomial, ya que x~B(n,p); entonces, verificamos que: n= 15, p=0,05, q=0,95
Por tanto,
P ( X  xi )  C x p x *q n x
n

Reemplazando los datos, se tiene:

P( X  xi )  C x 0,05 x *0,9515 x xi  0,1,2,3...10
15

Luego, para x =2, se tiene:

P ( X  2)  C 2 0,05 2*0,95152
15

P ( X  2)  C 2 0,05 2*0,9513  0,1348

15

b) Hemos de calcular la probabilidad de que menos de tres pañuelos sean defectuosos; es

decir, que sean dos o menos sean defectuosos.
P( x < 3) = P( x ≤ 2)
P( x < 3) = P( x = 0) + P( x = 1) + P( x = 2)
P( x < 3) = 0,4633 + 0 3658 + 0,1348
P( x < 3) = 0,9634

c) Entre 3 y 5
P( 3 ≤ x ≤ 5) = P( x = 3) + P( x = 4) + P( x = 5)
P( 3 ≤ x ≤ 5) = 0,0362 + 0,0049 + 0,0006
P( 3 ≤ x ≤ 5) = 0,0362

8
FACULTAD DE CIENCIAS ECONOMICAS ESTADISTICA II
FINANCIERAS Y ADMINISTRATIVAS MSc. Lic. TEODORO APAZA CH.

d) P( x = 0) = 0,4633
e) El valor esperado o media de la variable aleatoria es:
µ = E(X) = np
E(X) = 15*0,05 = 0,75 pañuelos
La varianza de la variable aleatoria es:
V(x) = npq
V(x) = 15*0,05*0,95 = 0,71
La desviación de la variable aleatoria es:
 x  npq
 x
 15 * 0,05 * 0,95 

 x
 0,7125

 x
 0,84

4 LA DISTRIBUCION DE POISSON. La distribución de Poisson, se debe su nombre al

matemático francés Simeon Denis Poisson ( 1.781 – 1.840).

Si se tiene una variable aleatoria discreta X, cuyos valores posibles son: 0,1,2,3,…, que
representa el número de resultados que se producen en un intervalo de tiempo o espacio dado,
tiene una distribución de probabilidad de Poisson con parámetro λ, siendo que λ > 0 y se
escribe con la siguiente notación:

X ~ Poi (x, λ ), si su función de probabilidad es:

e  x
f ( x)  P( X  xi )  x  0,1,2,3...
x!
Donde: µx representa la media de resultados que ocurren en un intervalo de tiempo o espacio
dado.

Condiciones:
1) El número de pruebas es muy alto; pero, la probabilidad de éxitos es muy baja.

Donde: np = λ, siendo n ∞ (p 0+)

2) La suma de las probabilidades de Poisson es igual a 1.


x
Sabemos que  x!  e
x 0

e   x 
x
Luego, 
x 0 x!
 e 

x 0 x!
 e  e  e0  1

Características:
Forma. Cada vez que se especifica el parámetro λ, puede generarse una distribución de
Poisson específica, conocido como el de sucesos raros.
La media y la varianza de una distribución de Poisson son iguales al parámetro λ.
Cuando λ es pequeña estará sesgada a la derecha y se aproximara al crecer.

9
FACULTAD DE CIENCIAS ECONOMICAS ESTADISTICA II
FINANCIERAS Y ADMINISTRATIVAS MSc. Lic. TEODORO APAZA CH.

La probabilidad de observar exactamente un éxito en un intervalo es estable

La ocurrencia de un éxito en cualquier intervalo es independiente de aquella en cualquier otro

intervalo.

Aplicaciones.
Muchos fenómenos aleatorios, se explican con la distribución de Poisson.
El número de defectos de un producto fabricado
El número de unidades ofertadas o demandadas de un producto
El número de llamadas recibidas o enviadas diariamente por una persona.
El número de accidentes de trabajo que ocurre en una fábrica durante una semana

Ejemplo 4. En el departamento de mantenimiento de máquinas se recibe un promedio de 6

solicitudes de servicio por día.
Se pide:
a) ¿Cuál es la probabilidad de que se reciban exactamente 3 solicitudes por día?
b) Estimar la media, la varianza y la desviación estándar?
SOLUCION
Datos:
x = 3, λ = 6
e 6 63
a) Luego, P( X  3)   0,089
3!
b) µx = λ; Entonces, µx = 6
 x   ; Entonces,  x  6
2 2

x  
 x  6  2,45

Ejemplo 5. Si el 1% de las bombillas fabricadas por una compañía son defectuosas, hallar la
probabilidad de que, en una muestra de 100 bombillas, 3 sea defectuosas.
SOLUCION
Datos:
X = 3, λ = 100*0,01 = 1
e 113
P( X  3)   0,0613
3!
Práctica de distribución binomial.
1. Se sabe que en la manufactura de cierto artículo, uno de cada 10 resulta defectuoso. ¿Cuál es la
probabilidad de que una muestra aleatoria de 4 artículos contenga:

a) Ninguno defectuoso
b) Exactamente uno defectuoso
c) Exactamente dos defectuosos
d) No más de dos defectuosos.

10
FACULTAD DE CIENCIAS ECONOMICAS ESTADISTICA II
FINANCIERAS Y ADMINISTRATIVAS MSc. Lic. TEODORO APAZA CH.

2. La probabilidad de cualquier pieza producida por una maquina pase con éxito una prueba de
control es de 0,9. Si se controlan 10 de tales piezas y si X denota el número de piezas que no
pasan la prueba de control de los 10 escogidos al azar. a) ¿Cuál es la probabilidad de X =1?.
b) El número de piezas que se espera no pasen el control. c) La desviación estándar.

3. Se tiene un lote de 10 facturas por cobrar, de los cuales 6 son por importes inferiores o iguales a
1000 y 4 son por montos superiores a 1000. Elegimos con reemplazo una muestra aleatoria de 4
facturas por cobrar. Hallar las probabilidades para 0,1,2,3 y 4 facturas con importes superiores a
1000 respectivamente.

Práctica de distribución de Poisson.

4. El número de clientes que llegan a la Entidad de vivienda el Progreso los días sábados es, en
promedio de 40 por hora. ¿Cuál es la probabilidad de que lleguen por lo menos dos clientes: a)
en un periodo de 14 minutos; b) en 5 minutos?.

5. Si el 3% de las bombillas fabricadas por una compañía son defectuosas, hallar la probabilidad de
que en una muestra de 100 bombillas.
a) 0, b) 1, c) 2, d) 3, e) 4, f) 5 , sean defectuosas.

6. Las estadísticas sobre la aplicación de normas de seguridad en una Empresa indican que,
en promedio se presentan 10 accidentes cada trimestre. ¿Cuál es la probabilidad de que no
haya más de dos accidentes de trabajo en un trimestre?.

11