Estadística Aplicada a

los Negocios
Semana 7 Sesión 1
Temario

1. Conceptos generales variable aleatoria

2. Variable aleatoria discreta: Distribución Binomial
3. Variable aleatoria discreta: Distribución Poisson
Logro de la sesión

Al finalizar la sesión, el estudiante aplica los

conceptos de variable aleatoria para asociar
el resultado de un experimento aleatorio de
tipo discreto Binomial o de Poisson.
Variable Aleatoria
✓Es la descripción numérica del resultado de un experimento.
✓Una variable aleatoria asocia un valor numérico a cada uno de los resultados
experimentales.
✓Las variables aleatorias se designan por letras mayúsculas: X, Y, Z, etc., y a sus
valores por letras minúsculas.

La variable aleatoria Lo que es aleatorio es el

atribuye a cada experimento sobre cuyo
elemento un espacio muestral se
número fijo y define la variable
determinado aleatoria
 Variable Aleatoria
Tipos de variable aleatoria
VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA CONTINUA
El rango está determinado por un conjunto finito El rango está determinado por un conjunto
o infinito numerable de valores. infinito no numerable de valores.
Ejemplos: Ejemplos:
- Número de alumnos matriculados por curso. - Temperatura del ambiente en °C.
- Cantidad de preguntas correctamente - Peso en Kg de lotes de mercadería.
contestadas en una evaluación de personal. - Tamaño en MB de una aplicativo en ANDROID.
- Número de Ingenieros que participan en un
proyecto.

෍ න
Variable Aleatoria
Variable aleatoria: discreta Función de Probabilidad

Sea el experimento: Se lanzan 3 monedas P=f(x)

Variable Aleatoria: X, Numero de caras obtenidas
𝐷𝑋 = 𝛺 = CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS 3/8 3/8
𝑅𝑋 = 0,1,2,3
Espacio Muestral Rx P(X=x) 1/8
1/8
SSS 0 1ൗ
8
SCS, SC,SSC 1 3ൗ
8
CCS,CSC,SCC 2 3ൗ 0 1 2 3 X
8
CCC 3 1ൗ
8 ෍𝑃 𝑥 = 1

Propiedad 1) f (xi )  0, i 𝑅𝑥


2)  f (x ) = 1
1
i
Variable Aleatoria
Variable aleatoria: continua
b
Si: a < b, se tiene que: P[a  x  b] =  a
f ( x)dx

1) f ( x)  0

2) 
−
f ( x) dx = 1
Distribución Binomial
Distribución discreta: binomial
1. El experimento consiste en una secuencia de n pruebas, donde n se fija antes del
experimento.

2. Las pruebas son independientes, por lo que el resultado de cualquier prueba no

afecta al resultado de cualquier otro.

3. En cada prueba, solo hay 2 posibles resultados: éxito, fracaso

Probabilidad éxito = 𝑝

Probabilidad fracaso = 𝑞 = 1 − 𝑝
Distribución Binomial
Distribución discreta: binomial
𝑛 𝑥 𝑛−𝑥
𝑃(𝑋 = 𝑥) = 𝑝 𝑞 𝑑𝑜𝑛𝑑𝑒: 0 ≤ 𝑥 ≤ 𝑛
𝑥

𝜇 = 𝐸 𝑋 = 𝑛𝑝

Para construir una distribución binomial es necesario conocer el número de pruebas que se
repiten (n) y la probabilidad de que suceda un éxito en cada una de ellas (P).
Notación: X ~ B(n,p)
Usos
✓ Un tratamiento médico puede ser: efectivo, no efectivo.
✓ El cliente de un banco puede ser catalogado como: Moroso, No Moroso
✓ Un artículo producido puede ser defectuoso, no defectuoso
 Distribución Binomial
Ejercicios: Distribución discreta binomial

65 de cada 100 alumnos de un colegio del interior

del país cursan estudios universitarios al terminar su
bachillerato. En un grupo de 8 alumnos elegidos al
azar de un determinado colegio del interior del país
que están culminando la etapa escolar, halle la
probabilidad de que estudien una carrera:

a) Exactamente 3 alumnos
b) Más de 6 alumnos
c) Calcule la media
 Distribución Binomial
Solución: Distribución discreta: binomial 𝑛 𝑥 𝑛−𝑥
X: Número de alumnos que estudian una Carrera universitaria. 𝑃 𝑋=𝑥 = 𝑝 𝑞
𝑥
Éxito: {Estudien una carrera} → 𝑃 = 65/100 = 0.65
X ~ B(n=8, P=0.65)
Fracaso: {No estudien una carrera} → 𝑞 = 0.35 𝑋 = 0,1,2,3,4,5,6,7,8
solución a: ..3 alumnos estudien un carrera universitaria(X=3)
8
→𝑃 𝑋 = 3 = ∙ 0. 653 ∙ 0. 355 = 0.08 solución c. Media
3
La probabilidad que estudien 3 alumnos de un total de 8 una carrera es 0.08.
𝐸 𝑋 = 𝑛𝑝
solución b. …Más de 6 alumnos estudien (X>6) 𝐸 𝑋 = 8 0.65 =5.2
→𝑃 𝑋 > 6 = 𝑃 𝑋 = 7 + P(X = 8)
8 8
𝑃 𝑋>6 = ∙ 0. 657 ∙ 0. 351 + ∙ 0. 658 ∙ 0.350 →𝑃 𝑋 > 6 = 0.169
7 8
La probabilidad que estudien más de 6 alumnos de un total de 8 una carrera es 0.169
 Distribución de Poisson
Distribución discreta: Poisson
Cuando en una distribución binomial n>30 y P<0.1 → 𝜆 = np

El proceso de Poisson es un experimento aleatorio utilizado para describir el número de veces

que un evento ocurre en un espacio finito de observación ( área, tiempo, etc).

Es útil para la ocurrencia de eventos por unidad de tiempo: errores/mes, quejas/semana,

defectos/día.
Tasa de ocurrencia (𝝀)
La central telefónica A recibe 50 llamadas telefónicas en 5 horas
𝜆 𝐴 = 50

¿Cuantas llamadas recibirá en 4 horas?

Distribución de Poisson
Distribución discreta: Poisson

𝑒 −𝜆 ∙ 𝜆𝑥
𝑃 𝑋=𝑥 = 𝜇=𝐸 𝑋 =𝜆
𝑥!
D𝑜𝑛𝑑𝑒: 𝑥 = 0,1,2,3, …
Donde:
✓ P(X=x) es la probabilidad de ocurrencia cuando la variable discreta X toma un valor finito x.
✓ λ = Lambda es la ocurrencia promedio por unidad (tiempo, volumen, área, etc.). La
constante e tiene un valor aproximado de 2.711828

Notación: X ~ P(𝜆)
Distribución de Poisson
Ejercicio: Distribución discreta Poisson
Un cajero automático es utilizado cada 20 minutos por 6 personas. Se desea saber cuál
es la probabilidad de que:

a) El cajero sea utilizado por 10 personas en 20 minutos.

b) El cajero sea utilizado por a lo menos 3 personas en 20 minutos.
a) El cajero sea utilizado por 5 personas en 10 minutos
 Distribución de Poisson
Ejercicio: Distribución discreta Poisson: 𝑒 −𝜆 ∙ 𝜆𝑥
𝑃 𝑋=𝑥 = 𝑋 = 0,1,2,3, …
𝑥!
Solución a: X: Número de personas que usan cajero automático: Tasa de ocurrencia: 𝜆1 = 6

𝑒 −6 ∙ 610 La probabilidad de que el cajero sea utilizado

Piden: 𝑃 𝑋 = 10 = = 0.041 por 10 personas en 20 minutos es 0.041.
10!
Solución b: Piden: 𝑃(𝑥 ≥ 3) = 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + ⋯
Propiedad

𝑃 𝑥 ≥3 =1−𝑃 x<3 →1 − (𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2))

𝑒 −6 60 𝑒 −6 61 𝑒 −6 62
1− + + → 𝑃 𝑋 ≥ 3 = 1 − 0.062 = 0.938
0! 1! 2!
La probabilidad de que el cajero sea utilizado por 10 personas en 20 minutos
es 0.938.
Distribución de Poisson
Ejercicio: Distribución discreta Poisson:
Solución c: 6 personas 20 minutos
𝜆𝑛𝑢𝑒𝑣𝑜 10 minutos
𝜆𝑛𝑢𝑒𝑣𝑜 = 3
Reemplazando:

𝑒 −𝜆 ∙ 𝜆𝑥
𝑃 𝑋=𝑥 = 𝑋 = 0,1,2,3, …
𝑥!
𝑒 −3 ∙ 35
𝑃 𝑋=5 = = 0.1
5!
La probabilidad de que el cajero sea utilizado por 5 personas en 10 minutos es 0.1.
 Distribución de Poisson
Ejercicio: Distribución discreta Poisson
Se cree que el número promedio de individuos por cada 2𝑘𝑚2 de cierta especie de
mamíferos que habita en las alturas de cierta region es de 1.2.
Si se observa un area de 3 𝑘𝑚2 cada una. ¿Cuál es la probabilidad que se encuentre como
mínimo 2 individuos?

Solución Del problema: Tasa de ocurrencia: 𝜆1 = 1.2/2𝑘𝑚2 2 𝑘𝑚2 1.2 ind.

3 𝑘𝑚2 𝜆𝑛𝑢𝑒𝑣𝑜
X: Número de habitantes por área

Piden: 𝑃(x ≥ 2) = 1 − 𝑃(𝑥 < 2) →1 − (𝑃 𝑥 = 0 + 𝑃 𝑥 = 1 ) 𝜆𝑛𝑢𝑒𝑣𝑜 = 1.8

𝑒 −1.8 1.80 𝑒 −1.8 1.81
=1− + La probabilidad que se encuentre como mínimo 2 individuos
0! 1!
es 0.5371.
= 1 − 0.4629 = 0.5371
Ejercicio Individual

Resolveremos el
siguiente ejercicio
de manera individual
Ejercicio Individual N° 1
Se conoce por experiencias anteriores que el 20% de las plantas de
limonero son atacadas por cierta plaga. Si se desea llevar a cabo un
experimento con 10 plantas. ¿Cuál será la probabilidad de que:

a) 5 plantas sean atacadas?

b) 3 o más plantas sean atacadas?
Ejercicio Individual N° 2

A cierta fábrica de laminados de madera llegan por término

medio 3 clientes cada 2 horas. Suponiendo que las llegadas
se distribuyen de acuerdo a una distribución de Poisson,
calcule La probabilidad de que en una mañana de trabajo
(de 9:30 a 13:30 horas) lleguen más de 2 clientes.
 CIERRE
Cierre
¿Qué hemos aprendido?

1.¿Cuál es la diferencia entre una

variable aleatoria discreta y una
variable aleatoria continua?

2. ¿Qué es la diferencia entre una

distribución binomial y Poisson?
CIERRE