UNIVERSIDAD DE GUAYAQUIL FACULTAD DE CIENCIAS

MATEMATICAS Y FISICAS CARRERA: SOFTWARE DOCENTE: ING.

ALONSO ANGUIZACA JOSE LUIS CURSO: ESTADÍSTICA II 4 - 5
INTEGRANTES:
- Brayan Fabian Morales Soledispa
- José Luis Sellan Alvarado
- Leonardo Israel Sellan Fajardo
- Jazmín Elena Velasco Macías
- Kevin Michael Tamayo Florea

Distribuciones Discretas (Binomial, Hipergeométrica, Poisson)

Distribución Binomial Distribución Hipergeométrica Distribución Poisson

Esta distribución se utiliza cuando la Esta distribución normalmente se
probabilidad del éxito esperado siempre será plantea que de una población o
la misma conjunto “N”, se extrae una
muestra “n”, dentro de la cual se
espera que “x” ocurra un evento
que también esta ocurriendo “k”
veces
 Al arrojar una moneda n veces y salga  De una población de N vacas de
cara x veces manchas café y oscuras se
 Al arrojar un dado 10 veces y salga 4 extrae una muestra de n vacas de
veces la cara 1 manchas café y oscuras, de esa
muestra sacamos “x” vacas de
manchas cafe
n = Tamaño de la muestra N = Tamaño de la población
x = número de éxitos esperados n = Tamaño de la muestra
p = probabilidad de éxito x = número de éxitos esperados en
la muestra
k = Éxitos en la población
Habla de promedios de ocurrencias
dentro de un periodo determinado
de tiempo
 El número de llamadas
telefónicas en una central
telefónica por minuto ( día ,
hora, etc)
𝜆: 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜
x: Numero de éxitos esperado
p: probabilidad de éxito
N: tamaño de poblacion

La distribucion geometica

Esta la aplicamos cuando tenemos una sucesion de pruebas en la cual queremos saber
El numeor de la prueba en que ocurra el primer éxito adicionalmente se tiuene que
cumplir lo siguietne que existea dos resultaods posibles los cual llamaremos éxito y
fracaso al igual que en la distribucion binomial

La probabilidad de un éxito representada por permanece constante en todos los

intentos

Todos los n intentos repetidos son independientes

Se cumplen las misma suposiciones de las distribucion binomial ,expto que n no es fijo

Si en pruebas independientes repetidas puede resultat un éxito con una probabilida p y

en un fracaso con una probabilidad q=1-p

Entonces la distribucion de probabilida de la variable x (numero de la prueba en la cual

ocurre el primer éxito ) es la distribucion geometrica

P(x,p) = p(1-p)x-1

Ejemplo#1

la probabilida que un tirador experto de en en el blanco es del 95 %

¿Cual es la probabilidad de que falle por primera vez en su decimoquinto disparo?

X=15

P=0.05

Respuesta la probailidad de que falle por primera vez su decimoquito disparo es del
2,44%
Ejemplo#2
En un proceso de manufactura se sabe que la probabilidad de obtener una pieza defectuasa es
de 2% ¿Cuál es la probabilidad de que la octava pieza inspeccionada sea la primera defectuosa?

Datos:

X=8

P=0.02

Respuesta: la probabilidad de que la octava pieza inspeccionada sea la primera defectuosa es de

1.74%.

Ejemplo#3
Una central telefonica de una empresa esta permanetemente ocupada. Si la probabilidad de
hacer una llamada en los moemntos de mayor congestion es del 6% calcule la probabilidad de
que se tenga que hacer 10 intentos para lograr comunicarse.

Datos

X=10

P=0.06

Respuesta: calcule la probabilidad de que se tenga que hacer 10 intentos para lograr comunicarse
es de 3,44%

Distribución hipergeométrica

Esta distribución se refiere a un modelo de muestra donde hay elementos de 2 tipos posibles.

Indica la probabilidad de obtener un número de objetos x de uno de los tipos, al sacar una
muestra de tamaño n, de un total de N objetos, de los cuales k es el tipo requerido.

Aplicaciones:
 - Utilice la distribución hipergeométrica para muestras obtenidas de poblaciones
relativamente pequeñas, sin reemplazo.
- Se utiliza en la prueba exacta de Fisher para probar la diferencia entre dos
proporciones y en muestreos de aceptación por atributos cuando se toman muestras
de un lote aislado de tamaño finito.

Fórmula:
𝑘 𝑁−𝑘
( )( )
𝑝(𝑥 = 𝑘) = 𝑥 𝑛 − 𝑥
𝑁
( )
𝑛
N = tamaño de la población

n = tamaño de la muestra

k = Cantidad de elementos que cumplen con una característica deseada

x = Cantidad de éxitos

Ejemplo:

En una urna hay un total de 12 objetos, de los cuales 3 son defectuosos, si se seleccionaron 4
objetos al azar, ¿Cuál de la probabilidad de que 2 sean defectuosos?

N = 12

k=3

n=4

x=2
3 12 − 3 3 9
( )( ) ( )( ) (3)(36)
𝑝(𝑥 = 2) = 2 4 − 2 = 2 2 = = 0,218
12 12 (495)
( ) ( )
4 4
p = 21,8 %