01/02/2021

Distribuciones
de probabilidad
discreta
SEMANA 3

Distribuciones de v.a. discretas

La Distribución Uniforme Discreta:
Sea 𝑋 una v.a. con rango: 1, 2, ..., k y probabilidad constante, es decir 𝑃(𝑋 = 𝑖) = 1/𝑘 para 𝑖 =
1,2, … , 𝑘. Entonces se dice que 𝑋 tiene distribución uniforme discreta. Además;

( )
𝐸(𝑋) =

( )
𝑉𝑎𝑟(𝑋) =

Esta distribución es típica de juegos de azar.

1
 01/02/2021

Distribuciones de v.a. discretas

Ejemplo:

Suponer una ruleta legal, tal que al girar, los resultados posibles son 1, 2, ..., 30. Aquí es
razonable pensar que los resultados posibles tienen la misma probabilidad de ocurrir. Luego, si X
= al número que ocurre al girar la ruleta, se puede aplicar la distribución uniforme discreta con
𝑃(𝑋 = 𝑖) = 1/30 para i = 1, 2, ..., 30. Además, como k = 30 se tiene que:

𝐸(𝑋) = 31/2 = 15.5 y además, 𝑉𝑎𝑟(𝑋) = (30 − 1)/12 = 74.9167

luego 𝜎 = 74.9167 = 8.655

Distribuciones de v.a. discretas

La Distribución Binomial:

Un experimento Bernoulli es aquél que solo tiene dos resultados posibles, que para generalizar
llamaremos “éxito” y “fracaso”. Además, a la probabilidad de que ocurra el “éxito” la
denotaremos como 𝑝.

Considerar un experimento Bernoulli con probabilidad de “éxito” igual a 𝑝. Este experimento

Bernoulli se repite de manera independiente 𝑛 veces. Sea 𝑋 el número de “éxitos” que ocurren en
las 𝑛 repeticiones independientes. Entonces 𝑋 tiene distribución Binomial con:

𝑃 𝑋=𝑥 =𝑓 𝑋 = 𝑝 (1 − 𝑝) para 𝑥 = 1,2, … , 𝑛 donde 𝑓(𝑋) = 0 de otro modo.

Además, 𝐸(𝑋) = 𝑛𝑝 y 𝑉𝑎𝑟(𝑋) = 𝑛𝑝(1 − 𝑝).

2
 01/02/2021

Distribuciones de v.a. discretas

Ejemplo:

Suponer que en una ciudad, la probabilidad de que una persona adulta sea cliente del banco W
es 0.27. Se seleccionan 80 adultos al azar, se desea saber la probabilidad de que haya 30
clientes del banco W.

Sea X = número de clientes del banco W en la muestra de 80 adultos. Observe que se aplica un
experimento bernoulli con 𝑝 = 0.27 (el “éxito” consiste en que sea cliente del banco W). Es
razonable pensar que los resultados son independientes, luego X tiene distribución binomial con
𝑛 = 80 y 𝑝 = 0.27.

Distribuciones de v.a. discretas

Ejemplo:
(continuación) Entonces:
𝑓 𝑥 = 0.27 0.73 para 𝑥 = 0,1,2,3 … , 80
luego:
80
𝑃 𝑋 = 30 = 𝑓 30 = 0.27 0.73 = 0.01135
30
además

80
𝑃 𝑋 ≤ 20 = 𝐹 20 = 𝑓 0 + 𝑓 1 + ⋯ + 𝑓 20 = 0.27 0.73 = 0,3979
𝑖

3
 01/02/2021

Distribuciones de v.a. discretas

Ejemplo:

(continuación) También se tiene que 𝐸(𝑋) = 80(0.27) = 21.6

𝑉𝑎𝑟 𝑋 = 80 0.27 0.73 = 15.768

𝜎 = 15.768 = 3.9709

Distribuciones de v.a. discretas

La Distribución Geométrica:
Considerar un experimento Bernoulli con probabilidad de “éxito” igual a 𝑝, el cual se repite de
manera independiente hasta que ocurre el “éxito” por primera vez. Sea 𝑋 el número de intentos
realizados hasta que ocurre el “éxito” por primera vez. Entonces 𝑋 tiene distribución geométrica
con:
𝑓 𝑥 = 𝑃 𝑋 = 𝑥 = 𝑝 1−𝑝 para 𝑥 = 1,2,3,
Además

𝐸 𝑋 = y 𝑉𝑎𝑟 = −1
𝑃 𝑋 ≤ 𝑥 = 𝐹 𝑥 = 1− 1−𝑝

4
 01/02/2021

Distribuciones de v.a. discretas

Ejemplo:

Suponer que en una ciudad, la probabilidad de que una persona adulta sea cliente del banco W
es 0.27. Se selecciona un adulto al azar hasta que se encuentre un cliente del banco W. Se desea
obtener la probabilidad de que se seleccionen 10 adultos.

Sea X = número de adultos seleccionados hasta que aparece un cliente del banco W. Observe
que se aplica un experimento Bernoulli con 𝑝 = 0.27 (el “éxito” consiste en que sea cliente del
banco W). Es razonable pensar que los resultados son independientes, luego 𝑋 tiene distribución
geométrica con 𝑝 = 0.27. Entonces:

𝑓 𝑥 = 0,27(0.73) para 𝑥 = 1,2,3, …

Distribuciones de v.a. discretas

Ejemplo:
(continuación) Entonces:
𝑃(𝑋 = 10) = 0.27(0.73) = 0.0159

Además
𝑃(𝑋 > 8) = 𝑃(9) + 𝑃(10) + ⋯ = 1 − 𝑃(𝑋 ≤ 8) = 1 − 𝐹(8) = 1 − [1 − 0.73 ] = 0.73 = 0.0806
1
𝐸 𝑋 = = 3.704
0.27
1 1
𝑉𝑎𝑟 𝑋 = − 1 = 10.014
0.27 0.27
𝜎 = 3.164

10

5
 01/02/2021

Distribuciones de v.a. discretas

La Distribución Poisson:

La distribución Poisson modela el número de “éxitos” que ocurren en un intervalo de tiempo, o en una
región (longitud, superficie o volumen).

Donde:𝑓 𝑥 = 𝑃 𝑋 = 𝑥 = para 𝑥 = 1,2,3,

!

Además

𝐸 𝑋 = 𝜆 y 𝑉𝑎𝑟 = 𝜆 con 𝜆 > 0

11

Distribuciones de v.a. discretas

Ejemplo:

Suponer que el número de accidentes automovilísticos por semestre que ocurren en un cruce
peligroso tiene una distribución Poisson, con un promedio de 9 accidentes por semestre. Se
desea obtener la probabilidad de que en un semestre ocurran 12 accidentes. Se tiene que 𝜆 = 9,

luego:
9 𝑒
𝑃 𝑥 = 12 = = 0.0728
12!

12

6
 01/02/2021

Distribuciones de v.a. discretas

Ejemplo (continuación):

Si se desea la probabilidad de que ocurran por lo menos 8 accidentes al semestre, entonces:

9𝑒
𝑃 𝑋 ≥ 8 =𝑓 8 +𝑓 9 +⋯= 1−𝑃 𝑋 ≤7 =1−𝐹 7 = 1− = 1 − 0.3239
𝑖!
= 0,6761

13

Distribuciones de v.a. discretas

Ejemplo (continuación):

Si se desea la probabilidad de que ocurran 20 accidentes al año, entonces, sea 𝑋 = número de

accidentes en un año, luego 𝑋 tiene distribución Poisson con 𝜆 = 2(9) = 18, luego:

18 𝑒
𝑃 𝑋 = 20 = = 0.0798
20!

14