Probabilidad y Estadística

DISTRIBUCIÓN DE
PROBABILIDADES DISCRETAS MÁS
IMPORTANTES
M06
Curso: Probabilidad y Estadística
Módulo: Distribución de probabilidades discretas más importantes

© Universidad Privada del Norte, 2022

Educación Virtual
Av. El Derby 254, Lima Central Tower, Piso 14, Surco - Lima, Perú
www.upn.edu.pe

Primera edición digital

Todos los derechos reservados. Prohibida la reproducción total o parcial
de esta publicación sin previa autorización de la universidad.
 PROBABILIDAD Y ESTADÍSTICA
Módulo 06: Distribución de probabilidades discretas más importantes

CONTENIDO

1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2

2. Distribución binomial en SPSS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2

3. Distribución Poisson en SPSS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4

4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

Bibliografía. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

pág.01
 PROBABILIDAD Y ESTADÍSTICA
Módulo 06: Distribución de probabilidades discretas más importantes

1 INTRODUCCIÓN

“
Toda variable aleatoria posee una distribución de
probabilidad que describe su comportamiento.
Si la variable aleatoria es discreta, su distribución de Si la variable aleatoria es
probabilidad especifica todos los valores posibles discreta, su distribución de
de la variable junto con la probabilidad de que cada probabilidad especifica
uno ocurra. todos los valores posibles
de la variable junto con la
Algunas de las distribuciones de probabilidad de probabilidad de que cada

“
variable aleatoria discreta que revisaremos en este uno ocurra.
módulo son: Distribución binomial y Distribución de
Poisson.

2 Distribución binomial en SPSS

Cuando el experimento se repite varias veces (ensayos), y cada ensayo tiene solo dos
posibilidades (éxito o fracaso), entonces se puede construir una distribución de probabili-
dad binomial.

Para ello se debe conocer el número de ensayos que se realiza o el tamaño de la muestras
(n) y la probabilidad de éxito en cada ensayo.

Cada ensayo es independiente por lo que la probabilidad de éxito se mantiene constante.

La función de probabilidad para la distribución binomial es la siguiente:

pág.02
 PROBABILIDAD Y ESTADÍSTICA
Módulo 06: Distribución de probabilidades discretas más importantes

Donde:

nCx (combinatoria), p = probabilidad del éxito y (1- p) = probabilidad de fallo (q).

=
Los parámetros son n y p.

Algunas propiedades que se deben tener en cuenta para solucionar los ejercicios.

Caso 1: Directamente en SPSS

Caso 2:
Caso 3:
Caso 4:
Caso 5:
Caso 6:

Ejemplo 1:

Un ingeniero que labora en el departamento de control de calidad de una empresa eléctri-

ca inspecciona una muestra al azar de 10 alternadores de un lote. Si el 15 % de los alterna-
dores del lote están defectuosos. Cuál es la probabilidad de que en la muestra :

a) A lo mucho un alternador salga defectuoso.

b) Dos alternadores salgan defectuosos.

Solución:

Variable aleatoria: X: Número de alternadores del lote que están defectuosos

Parámetros: n = 10, p = 0.15

La probabilidad de que dos alternadores salgan defectuosos es del 27.59 %.

pág.03
 PROBABILIDAD Y ESTADÍSTICA
Módulo 06: Distribución de probabilidades discretas más importantes

2 Distribución Poisson en SPSS

En este tipo de experimentos los éxitos buscados son expresados por unidad de área,
tiempo, espacio, etc.

Los sucesos son independientes entre sí.

La función de probabilidad para la distribución Poisson es la siguiente:

Donde:

λ (parámetro) es el número de ocurrencias promedio del evento aleatorio dentro del interva-
lo de tiempo o espacio.

e, es la constante neperiana.

Ejemplo 2:

En una fábrica de producción de láminas de acero, se sabe que cada cuatro horas de trabajo con-
tinuo se obtiene en promedio 1.5 láminas con defecto de grietas que son el resultado de una defi-
ciencia de ductilidad del material.

a) ¿Cuál es la probabilidad de que al menos tres láminas de acero tengan grietas en un

periodo de seis horas de trabajo continuo?

b) ¿Cuál es la probabilidad de que más de dos láminas de acero tengan grietas en un

periodo de tres horas de trabajo continuo?

Solución:

Variable aleatoria X: Número de láminas de acero con defecto de grietas en cuatro horas
de trabajo continuo.

Parámetro: λ = 1.5 láminas de acero con defecto de grietas en cuatro horas de trabajo
continuo.

a) ¿Cuál es la probabilidad de que al menos tres láminas de acero tengan grietas en un

periodo de seis horas de trabajo continuo?

Debemos hallar una nueva lambda para seis horas de trabajo continuo:

λ = 1.5 4 horas

X 6 horas

pág.04
 PROBABILIDAD Y ESTADÍSTICA
Módulo 06: Distribución de probabilidades discretas más importantes

Entonces, nueva lambda = 2.25 láminas de acero con defecto de grietas en seis horas de trabajo
continuo.

Caso 4:

1. Abre una ventana de datos en

SPSS, luego agrega el valor 1 en la
primera celda.

2. En el menú principal entra a la opción

Transformar - Calcular variable

3. En Calcular aparece la ventana,

que se muestra, luego ingresar a
Variable Objetivo: Poisson_1

4. En el grupo de funciones ubica:

CDF y CDF no centrada, luego en
la parte baja aparece: Cdf.Poisson

5. Cuando ubiques a Cdf. Poisson, das clic

y se activará la función Poisson como
muestra, luego completa con los datos
solicitados, valor a estimar y lambda.
1 - CDF.POISSON(2,2.25)

Luego, das Aceptar para terminar

pág.05
 PROBABILIDAD Y ESTADÍSTICA
Módulo 06: Distribución de probabilidades discretas más importantes

6. Luego de que das Aceptar, se ejecuta

la acción mostrándose la ventana de
la ejecución, pero el resultado se
muestra en la hoja de datos.

7. Observarás que aparece el valor

de la probabilidad solicitada.

La probabilidad de que al menos tres láminas de acero tengan grietas en un periodo de

seis horas de trabajo continuo es del 39.07 %.

b) ¿Cuál es la probabilidad de que más de dos láminas de acero tengan grietas en un

periodo de tres horas de trabajo continuo?

Debemos hallar una nueva lambda para tres horas de trabajo continuo:

λ = 1.5 4 horas

X 3 horas

Entonces, nueva lambda = 1.125 láminas de acero con defecto de grietas en tres horas de trabajo
continuo.

Caso 3:

pág.06
 PROBABILIDAD Y ESTADÍSTICA
Módulo 06: Distribución de probabilidades discretas más importantes

8. Para el ejercicio b, utiliza el mismo

procedimiento, y crea otra variable
Poisson_2 9. En la función de probabilidad agregamos:
1 - CDF.POISSON(2,1.125)

Luego, das Aceptar para terminar

10. Luego de que des Aceptar se

ejecuta la acción mostrándose la
ventana de ejecución, pero el resul-
tado se muestra en la hoja de datos.

11. Observarás que aparece el valor

de la probabilidad solicitada.

La probabilidad de que más de dos láminas de acero tengan grietas en un periodo de tres
horas de trabajo continuo es del 10.47 %.

pág.07
 PROBABILIDAD Y ESTADÍSTICA
Módulo 06: Distribución de probabilidades discretas más importantes

4 CONCLUSIONES

La distribución binominal se utiliza en variables aleatorias discretas y mide la cantidad de

éxitos en n ensayos, donde cada ensayo tiene solo dos posibles resultados. Sus paráme-
tros son el tamaño de muestra (n) y la probabilidad de éxito (p).

La distribución Poisson se utiliza cuando se quieren evaluar variables aleatorias discretas,

pero ocurridos en espacios continuos, que pueden ser el tiempo, el espacio, el volumen,
etc. Su parámetro es lambda () que es la tasa promedio de ocurrencia en una unidad de
medida.

pág.08
 PROBABILIDAD Y ESTADÍSTICA
Módulo 06: Distribución de probabilidades discretas más importantes

BIBILIOGRAFÍA

Devore, J.L. (2016). Probabilidad y estadística para ingeniería y ciencias. (9ª ed.). CENGAGE
Learning.

IBM. (2017). Guía del usuario de IBM SPSS Statistics 25 Core System [archivo PDF].
https://ibm.co/3r3L5WH

Montgomery, D.C. y Runger, G.C. (2013). Probabilidad y estadística aplicada a la ingeniería. (2ª ed.).
Limusa Wiley.

pág.09
2022 © UPN. Todos los derechos reservados