Estadística Año: 2022 Carrera: Contaduría Pública

UNIDAD VI
DISTRIBUCION DE PROBABILIDAD
QUÉ ES UNA VARIABLE ALEATORIA: es un evento numérico cuyo valor se
determina mediante un proceso aleatorio (experimento al azar). Cuando a todos
los posibles valores numéricos de una variable aleatoria X se les asignan valores
de probabilidad, ya sea mediante un listado o una función matemática, el resultado
es una distribución de probabilidad. La suma de las probabilidades de todos los
resultados numéricos posibles debes es igual a 1.
En una variable aleatoria discreta, todos los posibles valores numéricos de la
variable pueden enlistarse en una tabla junto con sus respectivas probabilidades.
En una variable aleatoria continua, no pueden enlistarse todos los posibles
valores fraccionarios de la variable, motivo por el cual las probabilidades que se
determinan por medio de una función matemática son gráficamente representadas
por una función de densidad de probabilidad, o curva de probabilidad.

DESCRIPCIÓN DE UNA VARIABLE ALEATORIA DISCRETA: (que

toman valores puntuales), se pueden listar todos los valores numéricos.

Distribución Binomial: es una distribución discreta de probabilidad aplicable

como modelo a diversas situaciones de toma de decisiones, siempre y cuando
pueda suponerse que el proceso de muestreo se ajusta a un proceso de Bernoulli.
Se llama prueba de Bernoulli a la relación de un experimento aleatorio donde sólo
son posibles dos resultados (llamados tradicionalmente “éxito” y “fracaso”)
mutuamente excluyentes.
Si p es la probabilidad de “éxito” y q = (1 – p) es la probabilidad de “fracaso”.

Resumiendo:

X P(X)

"FRACASO" 0 P(0) q=1-p

"EXITO" 1 P(1) p

ESPERANZA MATEMÁTICA: medida numérica de tendencia central y promedio

representativo de la serie: E(x) = p

VARIANZA: Var (x) =  2 (x) = p.q

Una variable aleatoria sigue una distribución binomial de Bernoulli si se verifica:

• En cada realización del experimento sólo son posibles dos resultados (éxito y
fracaso).
• El resultado obtenido en cada realización es independiente de los obtenidos
anteriormente.
• La probabilidad del resultado A (éxito) y la probabilidad del resultado B
(fracaso) no varía a lo largo del experimento.
• Si “p” es la probabilidad de que se verifique el resultado A y “q” la probabilidad
de que se verifique el resultado B; entonces p + q = 1

1
Estadística Año: 2022 Carrera: Contaduría Pública

Si el experimento dicotómico se repite varias veces:

Llamaremos n al número de veces que se repite el experimento.
La variable que representará el total de éxitos en n pruebas, denominaremos x.
Luego la función de frecuencias de la Distribución Binomial será:
n!
P( x) = n C x p x q ( n − x ) = p x q(n − x)
x !(n − x)!

Esperanza matemática: E(x) = n.p

Varianza: Var (x) =  2 (x) = n.p.q

Desviación Típica:  (x) = n. p.q.

EJEMPLOS:
La probabilidad de que un prospecto de ventas elegido al azar realice una compra
es de 0,20. Si un vendedor visita a seis prospectos, la probabilidad de que realice
exactamente cuatro ventas se determina de la siguiente manera:
6!
P(x= 4 /n =6,p =0.20)= 6C4 (0,20)4(0,80)2= (0,2) 4 (0,8) 2 = 0,015
2!(6 − 4)!
*OBS: Con frecuencia existe interés en la probabilidad acumulada de “x o más”
éxitos o “x o menos” éxitos en n ensayos. En este caso, debe determinarse la
probabilidad de cada uno de los resultados incluidos dentro del intervalo
designado, y entonces sumar esas probabilidades.
Con relación al ejemplo anterior calcular la probabilidad de que el vendedor logre
cuatro o más ventas:
P(x  4 / n=6, p=0,20)=P(x=4)+P(x=5)+P(x=6)= 0,01536 + 0,001536 + 0,000064
= 0,017
en donde P(x=4) = 0,01536
P(x=5) = 6C5(0,20)5(0,80)1 = 0,001536
P(x=6) = 6C6(0,20)6(0,80)0 = 0,000064

Con relación al ejemplo anterior calcular la probabilidad de que el vendedor logre

tres o menos ventas:
P(x  3 / n=6, p=0,20)= P(x=0) + P(x=1) + P(x=2)+ P(x=3)
en donde P(x=0) = 6C0(0,20)0(0,80)6 = 0,262144
P(x=1) = 6C1(0,20)1(0,80)5 = 0,393216
P(x=2) = 6C2(0,20)2(0,80)4 = 0,24576
P(x=3) = 6C3(0,20)3(0,80)3 = 0,08192
Para el ejemplo anterior calcular el número esperado de ventas (como promedio a
largo plazo) y la varianza asociadas con la realización de visitas a 15 prospectos:
E(x) = n.p = 15(0,20) = 3,0 ventas
V(x) =  2 (x) = n.p.q = 15(0,20)(0,80) = 2,4

DISTRIBUCIÓN HIPERGEOMÉTRICA
Cuando el muestreo se realiza sin reemplazo de cada elemento muestreado
tomado de una población finita de elementos, no se aplica el proceso de Bernoulli,
porque cuando se eliminan elementos de la población existe un cambio
sistemático en la probabilidad de éxito.
Concediendo que “X” es el número establecido de éxitos, “N” el número total de
elementos de la población, “T” el número total de éxitos incluidos en la población y
“n” el número de elementos de la muestra, la fórmula para determinar
probabilidades hipergeométrica es:

2
Estadística Año: 2022 Carrera: Contaduría Pública

 N − T   T 
n − X  X 
P(X\N,T,n) = 
 N 
n 
Ejemplo: De seis empleados, tres han permanecido en la compañía por cinco o
más años. Si de este grupo de seis se elige aleatroriamente a cuatro empleados,
la probabilidad de que exactamente dos de ellos tengan una antigüedad de cinco o
más años es:

 6 − 3   3   3   3 
4 − 2 2
P(X= 2\N=6,T=3,n=4) =  =  2   2  = 0,60
 6   6 
 4  4

DISTRIBUCIÓN POISSON:
La distribución de Poisson, puede usarse para determinar la probabilidad de
ocurrencia de un número establecido de eventos cuando éstos ocurren en un
continuum temporal o espacial. Este proceso se llama proceso de Poisson;
aunque semejante al proceso de Bernoulli, se distingue de él en que los eventos
ocurren a lo largo de un continuum (durante un intervalo temporal, por ejemplo) y
en que no se dan ensayos propiamente dichos. Un ejemplo de un proceso de este
tipo sería la recepción de llamadas telefónicas en un conmutador. Como ene el
caso del proceso de Bernoulli, se supone que los eventos son independientes y el
proceso estacionario.
Para determinar la probabilidad de ocurrencia de un número establecido de
eventos en un proceso de Poisson sólo se requiere de un valor: el número medio
de eventos a largo plazo en la dimensión temporal o espacial especifica de interés.

Una variable aleatoria sigue una distribución de Poisson si se verifica que:

* En una distribución binomial, n tiende a  (infinito), es decir existe un gran

número de ensayos, permaneciendo p fijo y muy pequeño (p  0), de tal forma
que:
m = E(Z) < 5, permanece constante.
La fórmula para calcular el valor de las probabilidades para ésta distribución es:
m x e −m
P( x) = siendo e = 2,7182.....
x!
APROXIMACIÓN DE LA DISTRIBUCIÓN DE POISSON A DISTRIBUCIÓN
BINOMIAL:
En general la distribución de Poisson es una buena distribución Binomial cuando
n > 20 y p < 0,05. Siendo:
(np) x e − ( np)
P( x) =
x!
Esperanza matemática: E(x) = n.p
Varianza: Var (x) = 2(x) = n.p.q

EJEMPLO:
Un departamento de reparación de maquinaria recibe en promedio cinco
solicitudes de servicio por hora. La probabilidad de que se reciban exactamente
tres solicitudes en una hora seleccionada al azar es:
5 3 e −5
P(x = 3) = = 0,14
3!