Distribuciones de probabilidad

Variable aleatoria
Es un evento numérico cuyo valor se determina por medio de un proceso aleatorio. Cuando a
todos los posibles valores numéricos de una variable aleatoria ( X ) se les asignan valores de
probabilidad, ya sea mediante un listado o una función matemática. El resultado es una
distribución de probabilidad. La suma de las probabilidades de todos los resultados numéricos
posibles debe ser igual a 1.

Distribución binomial
Es una distribución de probabilidad discreta, aplicable como un modelo para situaciones de
toma de decisiones en las que puede suponerse que un proceso de muestreo responde a un
proceso de Bernoulli en el que:
1. En cada ensayo u observación sólo son posibles dos resultados posibles mutuamente
excluyentes, llamados "éxito y fracaso".
2. Los resultados de la serie de ensayos u observaciones constituyen eventos
independientes.
3. La probabilidad de éxito de cada ensayo indicada por P es constante de un ensayo a otro.
Esto es: el proceso es estacionario.
Esta distribución requiere de 3 valores: El número establecido de x ( X ); el número de
ensayos u observaciones (n ); y la probabilidad de éxito en cada ensayo ( p).. Si q=1− p , la
fórmula para determinar la probabilidad de un número específico de éxitos (X) es:
n!
p ( x|n , p ) = p x q n−x
x ! ( n−x ) !
Ejemplo:
La probabilidad de que un prospecto aleatoriamente elegido realice una compra es de 0.20.
Si un representante de ventas visita a 6 prospectos, determinar la probabilidad de que
realice:
a) Cuatro ventas
b) Cuatro o más ventas
c) Menos de 3 ventas
Para inciso a)
x=4
p=0.20
n=6
q=1− p=1−0.20=0.8
6!
p ( 4|6 , 0.20 )= ( 0.20 )4 ( 0.8 )6−4 =0.01536
4 ! ( 6−4 ) !
En Excel, con la función =distr.binom(x, n, p, acumulado/no acumulado)
x N P P
4 6 0.2 0.01536

En la tabla
b) Cuatro o más ventas ( p(x ≥ 4)), es decir, p(x=4)+ p(x=5)+ p(x=6)
(hasta donde llegue mi número de pruebas.
6! 6! 6!
P( x ≥ 4)= ( 0.20 )4 ( 0.8 )6−4 + ( 0.20 )5 ( 0.8 )6−5 + ( 0.20 )6 ( 0.8 )6−6 =0.015+0.0015
4 ! ( 6−4 ) ! 5 ! ( 6−5 ) ! 6 ! ( 6−6 ) !
En Excel
x n p P
4 6 0.2 0.01536
5 6 0.2 0.001536
6 6 0.2 6.4E-05
SUMA 0.01696
En tabla

c) Menos de 3 ventas ( P( x <3)): P ( x=0 ) + P ( x=1 ) + P ( x=2 )

6! 6! 6!
P( x <4 )= ( 0.20 )4 ( 0.8 )6−4 + ( 0.20 )5 ( 0.8 )6−5 + ( 0.20 )6 ( 0.8 )6−6=0.262144+0.3
4 ! ( 6−4 ) ! 5 ! ( 6−5 ) ! 6 ! (6−6 ) !
En Excel
x n p P
0 6 0.2 0.262144
1 6 0.2 0.393216
2 6 0.2 0.24576
SUMA 0.90112
En tabla
Supongamos que el 40 % de los empleados de una empresa están a favor de la representación
sindical, y se contacta a una muestra aleatoria de 10 empleados en solicitud de una respuesta
anónima. ¿Cuál es la probabilidad...?
a) ¿...que la mayoría de los interrogados estén a favor de la representación sindical?
b) ¿...menos de la mitad de los interrogados estén a favor de la representación sindical?
Datos:
p=40 %
n=10
n!
p ( x|n , p ) = p x q n−x
x ! ( n−x ) !
a) Mayoría a favor de representación sindical: P ( x=6 ) + P ( x=7 ) +…+ ( P=10 )
10!
P( x ≥6)= ( 0.40 )6 4.8 ¿ abla (x=7)+...+( P=10)96 os interrogados estia de 10 empleados en solicitu
6 ! ( 10−6 ) !

En Excel
x n p P
6 10 0.4 0.11147674
7 10 0.4 0.04246733
8 10 0.4 0.01061683
9 10 0.4 0.00157286
10 10 0.4 0.00010486
SUMA 0.16623862
En tabla

b) Menos de la mitad a favor de representación sindical: 3

P ( x=4 ) + P ( x=3 )+ P ( x=2 )+ P ( x=1 ) + P ( x=0 )
 10 !
P( x ≤ 4)= ( 0.40 )4 4.8 ¿ abla (x=7)+...+( P=10) 96 os interrogados estia de 10 empleados en solicitu
4 ! (10−4 ) !
Distribución hipergeométrica
Cuando el muestreo se realiza sin reemplazo de cada elemento muestreado tomado de una
población finita de elementos, no se aplica el proceso de Bernoulli, porque cuando se eliminan
elementos de la población existe un cambio sistemático en la probabilidad de éxito. Cuando en
una situación, que de otro modo correspondería a un proceso de Bernoulli, se hace uso del
muestreo sin reemplazo, la distribución de probabilidad discreta adecuada es la distribución
hipergeométrica, y su fórmula es:
N−T T
P ( x|N , T , n ) =
( n−x )( x )

( Nn )
Donde:
x : Número establecido de éxitos (cuántos queremos, la probabilidad que haya tantos de éstos)
N : Número total de elementos de la población (cuántos hay)
T : Número total de éxitos incluídos en la población (cuántos en la población son los que
buscamos)
n : Número de elementos de la muestra (de la población, elegimos una cantidad entre la que debe
cumplir tal)
N!
( Nn )= n ! ( N−n )!
Ejemplo:
1. Como subgerente de una constructora se debe contratar a 10 ingenieros civiles entre 30
candidatos, 22 de los cuales tienen título. ¿Cuál es la probabilidad de que 5 de los que se
contraten tengan título?
n : Número de elementos de la muestra: 10
N : Número total de elementos: 30
T : Número total de éxitos en la población: 22
x : Número establecido de éxitos: 5
30−22 22 8 22 8! 22 !

P ( 5|30 , 22, 10 )=
(
10−5 5 )( ) ( )( ) (
=
5 5
=
5! (8−5)!
∗
)(
5 ! (22−5)!
=
)
56∗26334
=0.04908
30 30 30 ! 30045015
10( ) ( )
10 10 ! ( 30−10 ) !
En Excel uso la función ¿ DISTR . HIPERGEOM (x ,n , T , N )
x 5
n 10
T 22
N 30
P(x|N, T, n) 0.04908315
2. De 50 edificios en un parque industrial 12 no cumplen el código elétrico. Si se seleccionan 10
edificios aleatoriamente, determine la probabilidad de que:
a) 3 no cumplan el código
b) 4 no cumplan el código
c) Menos de 5 no cumplan el código
N=50 : Número total de elementos
T =12: Número total de éxitos en población
n=10: Número de elementos de la muestra
a) Que 3 no cumplan el código:
x=3: Número de éxitos
 50−12 12 38 12 38 ! 12 !

P ( x=3 )=
(
10−3 3 )( ) ( )( ) (
=
7 3
=
7 ! ( 38−7 ) !
∗
)(
3 ! ( 12−3 ) ! )
=0.27028
50 50 50!
10( ) ( )
10 10 ! ( 50−10 ) !
En Excel
x 3
n 10
T 12
N 50
P(x|N, T, n) 0.27028633
b) Que 4 no cumplan el código
x=4: Número de éxitos
50−12 12 38 12 38 ! 12!
( )( ) ( 6 )( 4 ) ( 6 ! ( 38−6 ) ! ) ( 4 ! (12−4 ) ! )
∗
10−4 4
P ( x=4 )= = = =0.13303
50 50 50 !
(10) (10) 10 ! ( 50−10 ) !
En Excel
x 4
n 10
T 12
N 50
P(x|N, T, n) 0.13303155
c) Menos de 5 no cumplan el código
x <5: Número de éxitos
P ( x<5 )=P ( x =4 )+ P ( x=3 )+ P ( x=2 ) + P ( x=1 ) + P(x=0)
50−12 12 50−12 12 50−12 12 38 12 38 12 38 12 38 12 3
P ( x<5 )=
( )( ) ( )( )
10−4 4
+
10−3 3
+ …+
( )( ) ( )( ) ( )( ) ( )( ) ( )( ) (
10−0 0
=
6 4
+
7 3
+
8 2
+
9 1
+
1
50 50 50 50 50 50 50
( )
10 ( ) 10 ( ) 10 ( ) ( ) ( ) ( )
10 10 10 10
En Excel
Distribución de Poisson
Se puede usar para determinar la probabilidad ocurrencia de un número establecido de eventos
cuando éstos ocurren en un intervalo de tiempo dado o en un área o volumen específicos.
Para determinar la probabilidad de ocurrencia sólo se requiere de un valor: el número de eventos
a largo plazo.
Por lo general, esta media se representa como λ (landa) o en ocasiones como μ (mu), y su
fórmula es:
λ x e− λ
f xλ=
( | )
x!
e=2.7183 (base de los logaritmos)
En Excel se emplea la ecuación ¿ POISSON ( x , media , acumulado ) . Si no es el caso,
el acumulado valdrá 0.
El falso es cuando buscamos directamente la probabilidad; el veradero es cuando
buscamos menor o igual, mayor o igual, etc.

Ejemplo:
En un departamento de reparación de maquinaria se recibe un promedio de 5 llamadas de
servicio por hora. ¿Cuál es la probabilidad de que en una hora aleatoriamente seleccionada se
reciban exactamente 3 llamadas de servicio?
λ=5: Promedio de llamadas
x=3: Llamadas esperadas en hora aleatoriamente seleccionada
53 ×e−5
P 35=
( | ) =0.14037
3!
En Excel:
Promedio (λ) 5
Evento esp (x) 3
P(x|λ) 0.1403739
Existen tablas para encontrar los valores

A un conmutador de la oficina principal de cierta compañía llegan llamadas en un promedio de

2 por minuto. Si el operador está distraído por un minuto, ¿cuál es la probabilidad de que el
número de llamadas no respondidas sea:
a) ...Cero?
b) ...Por lo menos una?
c) ...Entre 3 y 5 inclusive?
λ=2: Promedio de llamadas
a) Cero llamadas respondidas: x=0
20 ×e−2
P ( 0|2 )= =0.1353
0!
En Excel
Promedio (λ) 2
Evento esp (x) 0
P(x|λ) 0.13533528
b) Por lo menos una: P( x ≥1)

P( x ≥1)=1−¿
Suponga que los accidentes en una cierta calle tiene una tasa media de 2 accidentes por semana.
Hallar la probabilidad de que:
a) Ocurran 5 accidentes durante la próxima semana)
b) A lo más ocurran 3 accidentes durante las próximas 2 semanas.

En promedio cada rolllo de 400 m de aluminio laminado tiene 3 defectos. ¿Cuál es la

probabilidad de que en un espacio de 100 m no tenga ningún defecto?

Promedio (λ) 3
Evento esp (x) 0
P(x|λ) 0.04978707
(0.47)

Un promedio de un barco llega a cierto muelle uno de cada dos días. ¿Cuál es la probabilidad de
que dos o más barcos lleguen a ese punto en un día aleatoriamente seleccionado?
Se tendrá que hacer regla de 3 para corresponder con la relación:
Si 1 barco llega 1/2 días
2∗1/2
2 barcos será: =1
1
(0.0902)

Los mensajes que llegan a una computadora lo hacen de acuerdo con una tasa promedio de 1.1
mensajes por minuto. Determinar el intervalo de tiempo necesario para que la probabilidad de
que no llegue ningún mensaje durante ese lapso de tiempo sea de 0.8.
Promedio (λ) 1.1
Evento esp (x) 0.8
P(x|λ) 0.33287108
(lamda=0.0223144, y en minutos 2.23144)
Aproximación de Poisson a la Binomial
Cuando el número de observaciones o ensayos N en un proceso de Bernoulli es grande y P o Q
pequeña, es conveniente hacer la aproximación. Una regla adecuada es que esta aproximación
puede efectuarse cuando N ≥20 , NP <5 o NQ< 5.

La media de una distribución de probabilidad de Poisson es λ=NP.

Sabiendo que la Binomial requiere:

El número establecido de éxitos ( x ); el número de ensayos u observaciones ( n ); y la
probabilidad de éxito en cada ensayo ( p).. Si q=1− p , la fórmula para determinar la
probabilidad por la Binomial de un número específico de éxitos (X) es:
n!
p ( x|n , p ) = p x q n−x
x ! ( n−x ) !
Mientras que Poisson:
λ x e− λ
f ( x|λ )=
x!
e=2.7183 (base de los logaritmos)

Ejemplo:
Se sabe que el 5% de los libros encuadernados en cierto taller tienen encuadernaciones
defectuosas. Determinar la probabilidad de que 2 de 100 libros encuadernados tengan
encuadernaciones defectuosas:
a) Usando Binomial
b) Aproximación Poisson a la Binomial

n=100: Número de ensayos; número de cuadernos donde se encontrará el éxito

x=2; Número establecido de éxitos
p=5 %=0.05; Probabilidad de encontrar éxitos (defectuosos)
q=1− p=1−0.05=0.95

a) Por la Binomial
100!
p ( 2|100 ,0.05 )= ( 0.05 )2 ( 0.95 )100−2=0.08118
2! ( 100−2 ) !
En Excel
Binomial
x 2
n 100
p 0.05
P(x|n, p)= 0.08118177

b) Por Poisson aproximado a la Binomial

λ=np=0.05∗100=5
x=2
e=2.7183 (base de los logaritmos)
 5 2 e5
p ( 2|5 )= =0.08422
2!
En Excel

Poisson
λ=p*n 5
x 2
p(x|λ) 0.08422434
Como se observa, la diferencia es mínima

En un proceso de manufactura en el cual se producen piezas de vidrio les ocurren defectos o

burbujas, ocasionando que la pieza no se venda. Se sabe que en promedio 1 de cada 1000 piezas
tiene una o más burbujas. ¿Cuál es la probabilidad de que en una muestra aleatoria de 8000
piezas menos de 3 de ellas tengan burbujas.

p(x <3): Que menos de 3 tengan burbujas

n=8000: Número de ensayos (muestras)
p: Probabilidad ¿ 1/ Número de ocurrencias=1 /1000=0.001
∴ x=0 , 1, 2

Para estos casos se puede hacer de dos modos: Calculando por separado las
probabilidades menores a 3, o en la ecuación de Excel dar como VERDADERO (1)
el argumento de "Acumulado". Entonces:

a) Por Binomial
a.1) Sin acumular
8000 !
p ( 0|8000 , 0.001 )= ( 0.001 )0 ( 0.999 )8000−0 =0.00033
0 ! ( 8000−0 ) !
8000!
p ( 1|8000 , 0.001 )= ( 0.001 )1 ( 0.999 )8000−1=0.00268
1 ! ( 8000−1 ) !
8000!
p ( 2|8000 , 0.001 )= ( 0.001 )2 ( 0.999 )8000−2=0.01071
2! ( 8000−2 ) !

p(x <3)= p(x=0)+ p(x =1)+ p(x=2)=0.00033+ 0.00268+0.01071=0.013722

En Excel
Binomial sin acumulado
x 0 1 2
n 8000 8000 8000
p 0.001 0.001 0.001
P(x|n, p)= 0.00033412 0.00267566 0.010712
0.013721778
a.2) Acumulado
En Excel
 Binomial acumulado
x 2
n 8000
p 0.001
P(x|n, p)= 0.01372178
b) Aproximación de Poisson a la binomial
b.1) Sin acumular
λ=np=0.001∗8000=8
8 0 e8
p ( 0|8000 ) = =0.00034
0!
81 e 8
p 1 8000 =
( | ) =0.00302
1!
82 e 8
p ( 2|8000 )= =0.01375
0!
p(x <3)= p(x=0)+ p(x =1)+ p(x=2)=0.00033+ 0.00302+ 0.01375=0.017109
En Excel
Poisson sin acumular
λ=p*n 8 8 8
x 0 1 2
p(x|λ) 0.00033546 0.00301916 0.01375397
0.017108594

b.2) Acumulado
En Excel
Poisson
λ=p*n 8
x 2
p(x|λ) 0.01375397

Ejercicios
1. Se sabe que 1% de los artículos de un gran embarque de transistores son defectuosos. Si se
selecciona aleatoriamente una muestra de 30 transistores, ¿cuál es la probabilidad de que dos o
más de ellos sean defectuosos?
Binomial Poisson
x 1 λ=p*n 0.3
n 30 x 1
p 0.01 p(x|λ) 0.03693631
P(x|n, p)= 0.036148

2. Tras su ensamble en una fábrica manufacturera se encuentra que sólo una computadora
personal por millar es defectuosa, y que las PCs defectuosas se distribuyen aleatoriamente en la
corrida de producción.
a) Cuál es la probabilidad de que en un embarque de 500 PCs no incluya ninguna computadora
defectuosa
 Binomial Poisson
x 0 λ=p*n 0.5
n 500 x 0
p 0.001 p(x|λ) 0.60653066
P(x|n, p)= 0.60637894

0.065
b) ¿Cuál es la probabilidad de que en un embarque de 100 PC incluya al menos una
computadora defectuosa?
Binomial Poisson
x 0 λ=p*n 0.1
n 100 x 0
p 0.001 p(x|λ) 0.09516258
P(x|n, p)= 0.09520785

0.0952
Distribución normal
Es una distribución de probabilidad continua tanto simétrica como mesocúrtica. La curva de
probabilidad que representa a esta distribución tiene forma de campana. Es importante para la
inferencia estadística por 3 razones:
1. Se sabe que las medidas obtenidas en muchos procesos aleatorios siguen esta distribución.
2. Suelen servir para aproximar otras distribuciones, como la Binomial y la de Poisson.
3. Las distribuciones de estadísticas como la media muestreal y la proporción muestral tienen
distribución normal cuando el tamaño de muestra es grande, independientemente de la
distribución de la población de origen.

Según el tipo de muestra dada, encontramos que la ecuación es:

z=(x−M )/¿