DISTRIBUCIONES DE PROBABILIDADES

DISTRIBUCIÓN BINOMIAL
n n!
P ( X  x)    p x (1  p) n x  p x (1  p) n x
 x x!(n  x)!
Para variables discretas (0,1,2,3,...,n)

Función para Dist. Binomial

=DISTR.BINOM.N(x;n;p;0) --> p(X = x)
=DISTR.BINOM.N(x;n;p;1) --> p(X ≤ x)

Nota: p(X > x) = 1 - p(X ≤ x)

p(X ≥ x) = 1 - p(X < x) = 1 - p(X ≤ x-1)

variable numero de alumnos que aprueban p=0.4 (Prob. De aprobar)

Rx 0,1,2,3, …,20 n=20

a) p(x>=5) = 1- p(x<5)= 1- p(x<=4) 0.9490

b) p(x>10) = 1- p(x<=10) = 0.1275

c) p(x=10) = 0.1171
f) aprueben menos de la mit
d) p(x<=10) = 0.8725
p(x < 10) =
e) p(6<= x <=10) = p(x=6) + p(x=7)+…+p(x=10)

x p(x)
6 0.1244
7 0.1659
 8 0.1797
9 0.1597
10 0.1171
Rsta (suma) 0.7469

variable x Numero de postulantes qeu fallan p= 0.45 (de falla)

Rx 0,1,2,3,…,15 n=15

a) p(x>=8) = 1- p(x<8) = 1- p(x<=7)= 0.3465

b) p(x>4) = 1-p(x<=4) = 0.8796

c) p(x=4) = 0.0780

Variable x: numero de familias que viven en extrema pobreza p=2/5

Rx 1,2,3,4,5 n=5

a) p(x=3) 0.2304

b) p(x=0) 0.0778

c) p(x>=3) 1-p(x<3) = 1- p(x<=2) 0.3174

 Variable x: numero de personas que viven 30 años mas p=0.6667 (probabilidad de es
Rx 0,1,2,3,4,5 n=5

a) p(x>=3) 1- p(x<=2) = 0.7902

b) p(x=2) 0.1646

c) p(x>=1) 1-p(x=0) = 0.9959

 Propiedades
El valor esperado o media: E(x) = µ = np
Varianza: σ2 = npq
Desviación estándar: σ = Önpq

No acumulado
Acumulado desde 0 hasta el valor de x

=0.4 (Prob. De aprobar)

Binomial

aprueben menos de la mitad de los alumnos

p(x<=9) = 0.7553
= 0.45 (de falla)
BINOMIAL

BINOMIAL
=0.6667 (probabilidad de estar viva 30 años mas)
BINOMIAL
DISTRIBUCIÓN DE POISSON

e   x
f ( x )  P[   x]  ,   0, 1, 2,...., etc
x!
Función para Dist. Poisson
=POISSON.DIST(x;l;0) -->p(X = x) No acumulado
=POISSON.DIST(x;l;1) -->p(X <= x) Acumulado desde 0 hasta el valor de x

Nota: p(X > x) = 1 - p(X ≤ x)

p(X ≥ x) = 1 - p(X < x) = 1 - p(X ≤ x-1)

variable x: numero de averias l=4

Rx: 0,1,2,3… t = 1 semana

a) p(x>=1)= 1 - p(x<1) = 1-p(x=0) = 0.9817

b) p(x<=1)= 0.0916

c) p(x<=3)= 0.4335

d) p(x>=7)---> t = 2 semanas l' = 4*2/1 =8

1 - p(x<7) = 1 - p(x<=6) = 0.6866

variable x: numero de autos que llegan al peaje l = 30

Rx: 0,1,2,3,4… t= 1 hora= 60 min

a) p(x=1) ---> t=1 min l '= 30*1/60 = 0.50

 rpta 0.3033

b= p(x=1)---> t=30 min l '= 30*30/60 = 15

1- p(x<8) = 1 - p(x<=7) = 0.9820

variable x:
APROXIMACION A POISSON

varible x: Partes para bicicleta con defectos n=150

p =3/100 = 0.03

p(x>2) = 1- p(x <=2) = 0.8264 como esta probabilidad es may

variable x: Nmero de unidades vendidas que fallan n = 500
p = 0.02

a) p(x = 0) = 0.000045

b) Numero esperando = media = l l = np = 500*0.02 = 10

c) p(x > 2) = 1- p(x<=2) 0.9972

variable x : Numero de artefactos plasticos defectuosos n= 100

p = 0.03

p(x >= 1) = 1 - p(x=0) 0.9502

de 0 hasta el valor de x

POISOON

1 hora= 60 min POISOON

c) p(10<= x <=15) = p(x=10)+ p(x=11) +…+ p(x = 15)

 x p(x) t= 20 min
10 0.1251 l '= 30*20/60 =
11 0.1137
12 0.0948
13 0.0729
14 0.0521
15 0.0347
Rspta 0.4933

Numero de artefactos plasticos defectuosos n=200

ROXIMACION A POISSON p=2/100= 0.02
l=np=200*0.02 =4

P(X >3) =1-P(x<=3)

0.5665 como esta probabilidad es mayor a 0.3, se venderan camisetas

l = np= 150* 0.03 = 4.5

3/100 = 0.03 APROXIMACION A POISSON

mo esta probabilidad es mayor a 0.50, no se le comprar a dicho proveeedor

l = np= 500* 0.02 = 10
APROOXIMACION A POISSON

l = np = 100* 0.03 = 3
APROOXIMACION A POISSON
'= 30*20/60 = 10

=2/100= 0.02
=np=200*0.02 =4

3, se venderan camisetas
DISTRIBUCIÓN HIPERGEOMÉTRICA
N: Total general (Población) n: muestra
S N S

P( x)  C C x n x
S: éxitos de N x: éxitos en n

N 𝑫𝒆𝒔𝒗.
C n
𝑴𝒆𝒅𝒊𝒂=𝝁=𝒏(𝑺/𝑵)
𝒆𝒔𝒕.=𝝈=√(𝝁

Función para Dist. Hipergeométrica

=DISTR.HIPERGEOM.N(x;n;S;N;0) ---> p(X = x) No acumulado
=DISTR.HIPERGEOM.N(x;n;S;N;1) ---> p(X ≤ x) Acumulado desde 0 hasta el valor de x

Nota: p(X > x) = 1 - p(X ≤ x)

p(X ≥ x) = 1 - p(X < x) = 1 - p(X ≤ x-1)

variable x: Numero de empleados N= 20 S1= 15 (hombres)

n= 6 S2= 5 (mujeres) HIPERGEOMETRICA

a) p(x=2) = 0.3522 b) p(x=0) = 0.1291

Variable x: Numero de celdas solares N = 20 S1= 12 (planas)

n= 6 S2 = 8 (cpnvencion)

a) p(x=3) = 0.3179

b) p( x>2) = 1 - p(x<=2) = 0.8627

c) p(x>=1) = 1- p(x<1) = 1- p(x=0) = 0.9762

d) p(x<3) = p(x<=2) = 0.5449

e) p(x <=1) = 0.0181

variable x: Numero de embarques N= 16 S1= 5 (Con conprobando)

n= 3 S2 = 11( Sin conprobando)

a) p(x =1) = 0.4911

b) p(x>= 2) = 0.2143

c) p(x<=1) = 0.7857

variable x: Numero de correos N= 15 S1 = 6

n=6 S2 = 9

p(x=3) 0.3357
xitos en n

𝑫𝒆𝒔𝒗.
𝒆𝒔𝒕.=𝝈=√(𝝁((𝑵−𝑺)/𝑵)((𝑵−𝒏)/(𝑵−𝟏)) )

ERGEOMETRICA

HIPERGEOMETRICA
HIPERGEOMETRICA
DISTRIBUCIÓN NORMAL: Para variables cuantitativas continuas

p(X <= x) = p(X < x)

Función del excel para DISTRIBUCIÓN NORMAL

=DISTR.NORM.N(x,u,s,1) --> p(X ≤ x) ó p(X < x) Acumulado
p(a < x < b) = p(x < b) - p(x < a)
p(a ≤ x ≤ b) = p(x ≤ b) - p(x ≤ a)
DISTRIBUCIÓN NORMAL ESTÁNDAR: Para variables cuantitativas continuas

A la variable Z se la denomi
curva de su función de de

Función del excel para DISTRIBUCIÓN NORMAL ESTÁNDAR

=DISTR.NORM.ESTAND.N(Z;1) --> p(Z ≤ z) Acumulado
as continuas

A la variable Z se la denomina variable tipificada de X, y a la

curva de su función de densidad curva normal tipificada.