FCEQyN

Profesorado en Matemática y en Física

Estadística II y Optativa I

Unidad 0
Tema: “Modelos de Distribución de probabilidad para
Variable Aleatoria DISCRETA”

Lic. Patricia Vila Torres

Posadas - Misiones
Modelos especiales: Distribuciones de probabilidad de variables aleatorias discretas.
Hay ocasiones que a los fenómenos discretos se les puede asociar modelos matemáticos para
determinar la probabilidad de un resultado en particular, entre ellos podemos mencionar:
Distribución uniforme
Distribución Binominal
Distribución Hipergeometrica
Distribución de Poisson

Distribución Uniforme: VER EN EL POWER de clase.

Distribución Binomial
Esta ligada a un tipo de experimento llamado Bernoulli (1654-1705)

Ensayo de Bernoulli
Es un experimento aleatorio que solo puede concluir de dos maneras distintas mutuamente
excluyentes e independientes, un resultado es éxito y otro fracaso
Los ensayos de Bernoulli dan origen a una v.a. que solo toma dos valores X = 0 (fracaso) o X = 1
(éxito), con probabilidades
P (X = 0) = 1- p = q probabilidad de que ocurra un fracaso
P (X = 1) = p probabilidad de que ocurra éxito
Ejemplo: - Selección de un artículo para clasificarlo como bueno o defectuoso
- Selección de una persona para clasificarla en apta o no apta de acuerdo
con algún criterio.
Para una v.a. con distribución Bernoulli se cumple que:
E(X) = 0. (1-p) + 1.p = p
V(X) = (1-p)2.p + (0- p)2.q = p.q
Proceso de Bernoulli: Es una sucesión de ensayos igualmente denominados con las características
siguientes.
1- En cada ensayo, el éxito tiene una probabilidad p y el fracaso una probabilidad de q = (1-p) de
ocurrir.
2- La probabilidad de éxito y de fracaso permanece constante durante el proceso.
3- Se supone una población infinita o finita donde se muestrea con reemplazo.
4- Los ensayos son independientes, es decir, el resultado de cualquier ensayo particular no es
afectado por el resultado de cualquier otro ensayo.

Supongamos que se lleva a cabo un proceso de Bernoulli y sea la variable:

X =” Número de éxitos en n ensayos de Bernoulli”
Los valores que asume esta variable son:
0 si no ocurre ningún éxito
1 si ocurre un éxito
2 si ocurren dos éxitos
.
.
n si ocurren n-éxitos
Una sucesión de éxitos y fracasos puede expresarse mediante la sucesión y 1, y2, ...yn de valores de
una variable con distribución Bernoulli. Es decir, una sucesión de 0 y 1, entonces:
X= y1+ y2 + y3+...+yn = número de veces que aparece 1.
Esto es el número de éxitos en los n-ensayos de Bernoulli, que es la variable X que definimos antes.
¿De cuántas formas pueden colocarse “x unos” dentro de los n espacios, si el orden en que se den los
unos no importa?
nCx, esto indica el número de formas que pueden colocarse “x unos en n ensayos”
Cada una de estas posibilidades tiene asignada una probabilidad, resultante del producto de “x
factores” iguales a p y “(n-x)” factores iguales a q.

1
 Por lo tanto, la probabilidad de que ocurran x éxitos en los n ensayos está dado por:

P(X=x) = nCx. px qn-x

Resumen: La v.a X = “Número de éxitos en los n-ensayos de Bernoulli”, en las condiciones que
hemos señalado tiene valores de probabilidad o distribución de probabilidad BINOMIAL y la función de
probabilidad Binomial es:

nCx. px qn-x donde x = 0,1,2..., n

P(X=x) =
0 para cualquier otro valor de x.

Donde n es el tamaño de la muestra, x el valor de la variable, p la probabilidad de éxito y q la probabilidad

de fracaso.
Para el caso de una variable con distribución Binomial tenemos que
Valor esperado E(x) o x = n.p y Varianza V(x) = n.p.q

Ejemplo: El 10% de las partes que produce una máquina automática son defectuosa, si se toma al
azar una muestra de 20 partes, defina la variable que le permita determinar las probabilidades siguientes:
a) que en la muestra haya dos partes defectuosas
b) que en la muestra haya como máximo tres partes defectuosas
c) que en la muestra haya como mínimo 18 partes defectuosas
d) que en la muestra haya entre 2 y 5 partes defectuosas
e) que en la muestra haya como mínimo tres partes defectuosas
f) ¿Cuántas piezas defectuosas se esperan encontrar en la muestra?
Respuesta:
Se quiere responder sobre el número de partes defectuosas de un total de 20, por lo que mi variable
aleatoria sería:
X = “número de partes defectuosas en una muestra de 20 partes”, esta variable se ajusta a
las condiciones de una variable BINOMIAL
El éxito, responde al evento que toma en cuenta la variable aleatoria X, “partes defectuosas”, la
probabilidad de éxito es p = 0,1(10%) y probabilidad de fracaso q=1-p= 0,9
La distribución de probabilidades para la variable es:

P(X=x) = 20Cx. (0,1) x (0,9)20-x

a) P(X=2) = 20C2. (0,1)2. (0,9)18= 0,285 (Ver tabla Binomial)

b) P(X≤3) = P(X=0) + P(X=1) + P(X=2) + P(X=3)
= 20C0. (0,1)0. (0,9)20 + 20C1. (0,1)1.(0,9)19 + 20C2.(0,1)2.(0,9)18 +20C3.(0,1)2.(0,9)17
= 0.1216+0.2702+0.2852+0.1901
= 0.8671
c) P(X≥18) = P(X=18) + P(X=19) + P(X=20) = 0.00+0.00+0.00=0
d) P(2≤X≤5) = P(X=2) + P(X=3) + P(X=4) + P(X=5)
= 0.2852+0.1901+0.0898+0.0319
= 0.597
e) P(X≥3) = P(X=3) + P(X=4) + P(X=5) +.... + P(X=20)
Si utilizamos el complemento el cálculo resulta mucho más sencillo
= 1- P(X<3) = 1- [P(X=0) + P(X=1) + P(X=2)]
= 1 – [0.1216+0.2702+0.2852]
= 1- [0.677]
= 0.323
f) E(X) = n.p = 20.0,1 = 2
Dos partes defectuosas se esperan encontrar en la muestra de tamaño 20.

2
Nota: Todos lo cálculos realizados se basan en la tabla de probabilidades para la distribución Binomial.

Distribución Hipergeometrica

Unas de las suposiciones hechas para una distribución binomial era que la población es infinita o
población finita muestreada con reemplazo, y probabilidad de éxito constante, en el caso que la población es
finita y se muestrea sin reemplazo, la probabilidad cambia para cada nueva observación. Una distribución de
probabilidad con esta característica es llamada distribución Hipergeometrica.
Además de tener una población finita y un muestreo sin reemplazo, la población deberá estará
dividida en dos grupos de individuos u objetos:
- un grupo con la característica objeto de estudio, (El total de estos elementos lo vamos a denotar por
A)
- otro grupo con los que no poseen la característica objeto de estudio
La variable aleatoria con distribución hipergeometrica debe ser:
X= “Número de éxitos en los n-ensayos”
Los valores de probabilidad asociados a esta variable con distribución están dados por:

P(X = x)=

Donde A es total de elementos de la población con la característica de estudio, n el tamaño de la

muestra, N el tamaño de la población y x el valor de la variable.

Valor esperado E(x)= y Varianza V(x) =

El factor es un factor de corrección para población finita, que surge debido al proceso de muestreo

sin reemplazo.
Ejemplo:
Una empresa produce 100 unidades de las cuales 90 son buenas y 10 son defectuosas. Se escogen 20
unidades sin reemplazo, halle la probabilidad de que resulten 5 defectuosas.
Respuesta:
X =” Número de piezas defectuosas en 20 piezas tomadas sin reemplazo”
A = 10 (total de unidades defectuosas)
n =20 (muestra)
x = 5 (valor de la variable)
N =100 (población)

P(X =5)=

Distribución de Poisson
Es aplicable a muchos procesos en los que ocurren determinados sucesos por unidad de tiempo,
espacio, volumen, áreas, etc.
Ej.:
- número de accidentes por semana en una autopista
- número de personal que llega en una hora a un banco en solicitud de servicio
- número de errores por página que comete una mecanógrafa.
La distribución de Poisson da solución a problemas que se refieren al número de éxitos esperados por
unidad de tiempo, espacio, volumen o área, tal como la Binominal estudia número de éxitos en n ensayos.

Si X es una variable aleatoria con distribución Poisson, la probabilidad de que X asuma un valor
determinado esta dado por la expresión:

3
 e es la constante de Euler = 2.71828
es el promedio de ocurrencias del suceso en la unidad de tiempo, espacio o volumen
La distribución de Poisson se puede considerar como el limite de una Binomial cuando n es muy grande y p
muy pequeño ( n ≥ 20; p ≤ 0.05), en este caso = n.p
Para una variable aleatoria con distribución Poisson tenemos:
Valor esperado E(x) o x =  y Varianza V(x) = 
Ejemplo: Suponga que el número de llamado que entran a un conmutador es de 0,5 por minuto en
promedio, halle la probabilidad de que:
a) en un minuto no lleguen llamadas
b) en un minuto lleguen más de 3 llamadas
c) en tres minutos lleguen menos de 5 llamadas
d) en cinco minutos lleguen más de dos llamadas
e) ¿Cuántas llamadas se espera que lleguen en 5 minutos?
Respuesta:
Para los item a) y b) La variable aleatoria es X=” Número de llamadas en un minuto” y =0,5

a) P(X=0) = =0.6065

b) P(X>3) = 1- P(X≤3) = 1-[ P(X=0) + P(X=1) + P(X=2) + P(X=3)]

= 1- [0.6065+0.3033+0.0758+0.0126]
= 1- 0.9982
=0.0018
c) Para este item  se modifica, pues la frecuencia de ocurrencia cambia a tres minutos, =3.0,5=1,5 y
X=” Número de llamadas en tres minutos”
P(X< 5) = P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4)
= 0.2231+0.3347+0.2510+0.1255+0.0471
= 0.9814
d) Para este item  se vuelve a modificar, pues la frecuencia de ocurrencia cambia a cinco minutos,
=5.0,5=2,5 y X=” Número de llamadas en cinco minutos”
P(X>2) = 1- P(X≤2) =1-[ X=0) + P(X=1) + P(X=2)]
= 1- [0.0821+0.2052+0.2565]
= 1- [0.5438]
= 0.4562
e) E(X) = y significa que en 5 minutos se espera que ocurran entre 2 y 3 llamadas.

Nota: Todos lo cálculos realizados se basan en la tabla de probabilidades para la distribución de Poisoon.