SEMANA 5

MÓDULO 5

PROBABILIDAD Y ESTADISTICA
UNIDAD N° 5
DISTRIBUCIONES DE PROBABILIDAD
DISCRETTA

0
 SEMANA 5
MÓDULO 5

Unidad 5 : Distribuciones de Probabilidad Discreta

Para introducir el concepto de variable aleatoria, veamos primero algunos ejemplos, al
arrojar dos dados, sabemos que la suma X de los puntos que caen hacia arriba debe
ser un número entero entre 2 y 12, pero no podemos predecir qué valor de X
aparecerá en el siguiente ensayo, por lo que decimos que X depende del azar, por lo
tanto es una variable aleatoria que toma valores entre 2 y 12. El tiempo de vida de un
foco que se extrae aleatoriamente de un lote de focos depende también del azar, este
constituye otro ejemplo de una variable aleatoria que varía entre el tiempo 0 y un valor
indeterminado, ya que no sabemos exactamente cuánto tiempo va durar. El número de
varones de una familia con 5 hijos también es una variable aleatoria que varía de 0 a
5, ya que en una familia de cinco hijos puede que no haya ningún varón, uno, dos,
tres, cuatro o cinco varones.

Si las observaciones no se dan en términos numéricos, podemos asignarles números

y reducir las observaciones cualitativas al caso cuantitativo; así tenemos que la función
que asigna valores numéricos a cada uno de los elementos del espacio muestral con
una probabilidad definida, se denomina "variable aleatoria".
Algunos ejemplos de variables discretas son: el número de alumnos que asisten
diariamente durante un semestre, el número de accidentes automovilísticos en una
ciudad por día, el número de piezas defectuosas por lote, el número de alumnos
aprobados por grupo en un examen, etc.

Función de Probabilidad: Sea X una Variable Aleatoria (v.a.) la función de

probabilidad puntual será: p(X)=P(X=x) para todo x R.
Función de Distribución o función de probabilidad acumulada: Sea X una v.a. Su
función de distribución acumulada es: F(X) = P(X ≤ x) = P(X ∈(- ∞, x]) (definida ∀ 𝑥 ∈
𝑅)

Propiedades.

Valor esperado o Esperanza de una Variable Aleatoria: la esperanza se puede

definir para cualquier variable aleatoria. Sea X una v.a. discreta, Ix su imagen, p su
función de probabilidad. Se define

La E(X) se puede interpretar como un promedio ponderado de los distintos valores que
toma la variable aleatoria, dándole mayor peso a los valores más probables. También
se la puede interpretar intuitivamente como la media de una población 𝜇 = 𝐸(𝑋) .

Varianza de una variable aleatoria discreta (v.a.d.): Sea X una v.a. discreta, Ix su
imagen, p su función de probabilidad. Se define de manera simbólica como:

Distribuciones de Probabilidad
Algunas distribuciones de probabilidad usadas como modelos, las más usadas son:
• La distribución Binomial (y su caso particular Bernoulli)
• La distribución de Poisson.
• Distribución Hipergeométrica.

1
 SEMANA 5
MÓDULO 5

Distribución Binomial: Un experimento que cumple ciertas condiciones, (que se

desarrollaran con más profundidad en el dictado de la asignatura), se llama
Experimento Binomial. Que proviene de cada prueba o ensayo llamado, ensayo de
Bernoulli.

En las pruebas o ensayo Bernoulli se tienen dos resultados posibles éxito o fracaso,
siendo p= éxito y q= 1-p=fracaso.
Diremos que un experimento aleatorio se ajusta al Modelo Binomial, si posee las
siguientes características:

1. Consta de n repeticiones del ensayo Bernoulli.

2. Los resultados de las repeticiones del ensayo de Bernoulli son independientes entre
sí.
3. La probabilidad de éxito p en cada repetición del ensayo permanece constante. (no
cambia de una repetición a otra)

Distribución de Poisson: se dice que una v.a. X tiene distribución de Poisson con
𝜆𝑥 .𝑒 −𝜆
parámetro λ si su función de probabilidad puntual es: p(x) = si x ∈ {0,1,2,…}
𝑥!
Podemos decir que la Distribución de Poisson es una distribución que se ocupa del
número de veces que ocurre un acontecimiento raro (“p” chico), ya que a diferencia de
la distribución binomial, es muy grande el número de veces que el acontecimiento no
ocurre. En general se toma por convención 𝜆 = np < 5; es decir n.p menor que cinco
unidades

NOTA: los apuntes para completar estos temas, tanto como las aplicaciones (Trabajos Prácticos),
estarán disponibles en el aula atendiendo al cronograma correspondiente

Bibliografía Obligatoria:
Unidad 5: Manual del Alumno
Bibliografía Complementaria.
• MURRAY R. SPIEGEL. Estadística. Series. SCHUAM-Mc. GRAW-HILL.
• H. CRAMER. Elementos de la Teoría de Probabilidades
• ANDERSON, David R. 2004. Estadística para administración y economía.
Australia. Thomson. 884 p.
• BERENSON, Mark L.1991. Estadística para administración y economía
conceptos y aplicaciones. México. McGraw-Hill.