CAP 6-3 DISTRIBUCIONES DE

PROBABILIDAD DISCRETA
• Describir características de la distribución de
probabilidad hipergeométrica y su aplicación en el
cálculo de probabilidades.
• Describir características de la distribución de
probabilidad de Poisson y su aplicación en el
cálculo de probabilidades
DISTRIBUCIÓN DE PROBABILIDAD HIPERGEOMÉTRICA
 Definición: Se aplica cuando se realiza el muestreo sin reemplazo y es mayor del
5% de la población, la probabilidad de cada observación cambia, Ej: Si en una
clase hay 20 estudiantes, la probabilidad de sacar 1 estudiante en la 1ra selección es
1/20, de sacar 1 estudiante en la 2da selección es 1/19, etc.
 Características:
1. Sólo hay 2 posibles resultados en el experimento y son mutuamente
excluyentes. EJ: Verdadero o Falso, Éxito o Fracaso.
2. La variable aleatoria es el número de éxitos de un número fijo de pruebas.
3. Las pruebas no son independientes.
4. Los muestreos se realizan con una población finita sin reemplazos y mayor del
5% de la población. Probabilidad de éxito cambia en cada prueba.
Cálculo: Se necesita para una probabilidad hipergeométrica.-
N es el tamaño de la población
S C x ( N  S Cn  x )
S es el número de éxitos en la población P( x) 
N Cn
x es el número de éxitos en la muestra
n es el tamaño de la muestra o el número de pruebas
C representa una combinación
DISTRIBUCIÓN DE PROBABILIDAD HIPERGEOMÉTRICA
Ej1: Una empresa tiene 50 empleados en el depto.de ensamble, 40
pertenecen a un sindicato y 10 no. Se eligen al azar 5 empleados para
formar un comité que hablará con la empresa sobre los horarios de inicio
de los turnos. Cuál es la probabilidad que 4 de los 5 empleados elegidos
pertenezcan a un sindicato?
N=50 S=40 n=5 x=4

C x ( N  S Cn  x )
P( x)  S

N Cn
 40!  10! 
  
( 40 C4 )( 50 40 C5 4 ) 4!36!  1!9! 
P ( 4)   
50 C5  50 ! 
 
 5!45 ! 
(91390)(10)
P ( 4)   0,4313
2118760
DISTRIBUCIÓN DE PROBABILIDAD HIPERGEOMÉTRICA
Con el fin de comparar las 2 distribuciones de probabilidad, veamos las
probabilidades hipergeométrica y binomial, del ej anterior. Como 40 de los
50 empleados son sindicalizados, π=0,80 y n=5.
Miembros sindicalizados Probabilidad Probabilidad binomial
en comité hipergeométrica (n=5 y π=0,80)
0 0,000 0,000
1 0,004 0,006
2 0,044 0,051
3 0,210 0,205
4 0,431 0,410
5 0,311 0,328
1,000 1,000

Cuando no es posible satisfacer algunos de los requisitos binomiales de

una probabilidad constante de éxito, se debe recurrir a la distribución de
probabilidad hipergeométrica.
Si los elementos seleccionados no se regresan a la población, se puede
aplicar la distribución binomial para calcular la distribución
hipergeométrica, cuando la muestra es menor al 5% de la población. n <
5%N.
DISTRIBUCIÓN DE PROBABILIDAD DE POISSON
 Definición: Describe el número de veces que se presenta un evento durante un
intervalo específico. El intervalo puede ser de tiempo, distancia, área o volumen. Se
la conoce como ley de eventos improbables, ya que la probabilidad π de que ocurra
un evento es muy pequeña.
 Características:
1. La variable aleatoria es el número de veces que ocurre un evento durante un
intervalo definido.
2. La probabilidad de que ocurra el evento es proporcional al tamaño del
intervalo.
3. Los intervalos no se superponen y son independientes.
Cálculo: Se describe así.-
μ es la media del número de éxitos de un evento en un intervalo particular.
e es la constante 2,71828 (base del sistema de logaritmos neperianos)
x es el número de éxitos de un evento  xe 
P(x) es la probabilidad para un valor específico de x
P ( x) 
x!
Media de una Distribución de Poisson es igual a su varianza
n es el número total de pruebas
π es la probabilidad de éxito.   n
DISTRIBUCIÓN DE PROBABILIDAD DE POISSON
Ej1: Se pierde pocas veces el equipaje en Avianca; de una muestra aleatoria
de 1000 vuelos se han perdido 300 maletas. La media aritmética del
número de maletas perdidas por vuelo es 0,3 (300/1000). Si el número de
maletas perdidas por vuelo se rige por una distribución de Poisson con
μ=0,3, las probabilidades serían:
1.De que no se pierda ninguna maleta, sería en 74% de los vuelos
 xe (0,3) 0 ( 2,71828) 0, 3
P ( x)    0,7408
x! 0!
2.De que se pierda sólo una maleta, sería en 22% de los vuelos
 xe (0,3)1 ( 2,71828) 0,3
P( x)    0,2222
x! 1!
Ej2: Una empresa que asegura propiedades frente a la playa al norte de
EEUU, lleva un registro de que la probabilidad de que un huracán
categoría III o más intenso azote la región es de 0,05. Si Ud. obtiene un
crédito de 30 años para adquirir una casa en ese lugar, Cuál es la
posibilidad de que experimente al menos un huracán en ese tiempo?
En este ejemplo se aplica la distribución de Poisson para calcular la
probabilidad Binomial, cuando el número de pruebas (n) es grande y la
probabilidad de éxito (π) es pequeña..
DISTRIBUCIÓN DE PROBABILIDAD DE POISSON
Esto se logra, ya que cumple con las condiciones binomiales:
1.Sólo hay 2 posibles resultados: un huracán azota el área o no lo hace

2.Hay una cantidad fija de pruebas, 30 años

3.Hay probabilidad constante de que huracán azote zona: 0,05 c/año
4.Eventos independientes, no influyen en el próximo año.

Se determina la media o número esperado de tormentas durante los 30

años.
n es número de años   n  (30)(0,05)  1,5
π es probabilidad de que un huracán azote la región
Para determinar la posibilidad de que al menos 1 huracán azote la región,
calcule la probabilidad de que ningún huracán se produzca y luego dicho
valor lo resta de 1. La probabilidad es 77%.
 xe (1,5) 0 ( 2,71828) 1, 5
1  P ( x  0)  1    1  0,2231  0,7769
x! 0!
Aplicando la distribución binomial (la más correcta técnicamente)
1  P ( x  0)  1 30 C0 (0,05) 0 (0,95) 30  1  (1)(1)( 0,2146)  0,7854