UNIVERSIDAD TECNOLÓGICA DE HONDURAS

ASIGNATURA
ESTADÍSTICA I
<<ETE-0507>>

Objetivo general:
− Comprender la teoría de la estadística y de las distribuciones de probabilidades,
como parte fundamental para el desempeño básico y profesional, mediante la
recopilación, tabulación y análisis de datos de diferentes fuentes.
 ESTADÍSTICA I
DATOS GENERALES
UV: 4
Requisitos para cursar la asignatura: MAE-0502 Matemáticas II Módulos de aprendizaje:
Módulo I:
Objetivos específicos: Datos y estadística
− Comprender los elementos constitutivos teóricos y metodológicos de la
estadística y sus interrelaciones con la administración y la economía. Módulo II:
Agrupación y presentación
− Utilizar las herramientas y métodos estadísticos más adecuados para de datos
analizar los datos extraídos utilizados en el estudio de la investigación.
Módulo III:
− Analizar los resultados estadísticos de una investigación, utilizando los
Medidas numéricas
métodos de estadística descriptiva.
Módulo IV:
Probabilidad

Módulo V:
Distribuciones de
probabilidad discreta

Módulo VI:
Distribuciones de
probabilidad continua

Módulo VII:
Propagación de errores

Módulo VIII:
Descripción de la asignatura: Análisis de la varianza
Esta asignatura pretende ser una introducción a los conceptos estadísticos
Módulo IX:
básicos y a las técnicas estadísticas más comunes utilizadas, se pretende brindar el Control estadístico de
conocimiento inicial sobre los fundamentos de la estadística, orientar al calidad
estudiante y dotarlo de una visión general y racional en la realización de análisis de
los resultados de estudios.
 ICONOGRAFÍA

En el desarrollo del contenido de cada uno de los módulos de aprendizaje se

encontrarán algunos iconos que sugieren actividades o acciones que dinamizan el
proceso de aprendizaje. A continuación, se describen cada una de sus utilidades:

Mapas mentales: Se presentan al inicio de cada módulo y organizan de forma

lógica la información general que se abordará en el documento.

Estudios de caso: Son casos reales o ficticios que ilustran, en la vida real,
algunos aspectos estudiados dentro de la temática; servirán para crear opinión
fundamentada teóricamente por parte del educando.

Lecturas complementarias: Dentro del contenido se encuentran lecturas que

complementarán el contenido estudiado.

Enlaces web: Este icono servirá para mostrar enlaces web de información de
interés, así como videos y libros relacionados directamente con la temática.

Datos de interés: Este apartado se encontrará relacionado con el texto del

documento, servirá para conocer datos, estadísticas, tips y comentarios que
refuercen el contenido estudiado.

Evaluador de progreso: Son preguntas relacionadas con el tema y con las

competencias que se esperan desarrollar. No tienen ninguna calificación más
que la autoevaluación del aprendizaje adquirido.

Actividad de aprendizaje: Son las actividades de aprendizaje que se irán

realizando periódicamente se avanza en el contenido.

Conceptos técnicos: Se presentan en el transcurso del contenido y muestra los

conceptos técnicos de algunos elementos dentro de la temática.
 UNIVERSIDAD TECNOLÓGICA DE HONDURAS

ASIGNATURA: ESTADÍSTICA I

MÓDULO V
DISTRIBUCIONES DE PROBABILIDAD DISCRETA
Introducción
Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una
variable aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria que tiene
valores contables, tales como una lista de enteros no negativos.
Con una distribución de probabilidad discreta, cada valor posible de la variable aleatoria
discreta puede estar asociado con una probabilidad distinta de cero. Por lo tanto, una
distribución de probabilidad discreta suele representarse en forma tabular.
 ORGANIZACIÓN DE LA CLASE

Pág.
Temática del módulo V

Distribuciones de probabilidad discreta 8

− ¿Qué es una distribución de probabilidad?
− Variables aleatorias
− Media, varianza y desviación estándar de una distribución de probabilidad
discreta
− Distribución de probabilidad binomial
− ¿Cómo se calcula una probabilidad binomial?
− Tablas de probabilidad binomial
− Distribución de probabilidad de Poisson

Bibliografía 30
Descripción actividades para módulo V

Descripción breve de actividades:

− Tarea asignada en el módulo V.
− Desarrollar las actividades de aprendizaje en el módulo V.
− Foro “Distribución de probabilidad discreta”.

Tarea Módulo V:
1. Desarrollar las actividades de aprendizaje de las páginas 16, 17, 24 y 29 del
módulo V.

Foro: ‘‘Distribución de probabilidad discreta”

Luego de haber leído el material el estudiante deberá dar su opinión en el
siguiente foro:
− ¿Qué es una variable aleatoria?
− ¿Qué entiende por distribución de probabilidad?
− ¿Qué es una probabilidad discreta y cuáles son sus principales
características?
− ¿Cuáles son los requisitos para una distribución de probabilidad discreta?
− ¿Cuál es la diferencia entre una variable aleatoria y una distribución de
probabilidad?
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

ASIGNATURA: ESTADÍSTICA I

Distribución de
probabilidades discreta

Variables aleatorias
Una distribución de probabilidad proporciona
toda la gama de valores que se pueden
presentar en un experimento. Es similar a una
distribución de frecuencias relativas, pero, en Características de una
Una variable x valuada
lugar de describir el pasado, describe la distribución de probabilidad
numéricamente varía o cambia,
probabilidad de que un evento se presente en
dependiendo del resultado
el futuro.
particular del experimento que
se mida.

Media, varianza y desviación estándar de

Distribución de probabilidad
binomial
una distribución de probabilidad discreta 1. La probabilidad de un
resultado en particular se
encuentra entre 0 y 1,
inclusive.
La media indica la posición central de los
2. Los resultados son eventos
datos, y la varianza describe la dispersión de
los datos. De forma similar, una distribución mutuamente excluyentes.
de probabilidad queda resumida por su media 3. La lista es exhaustiva. Por lo
y su varianza. La media de una distribución de tanto, la suma de las
frecuencias se identifica mediante la letra probabilidades de los diversos
minúscula griega mu (𝜇), y la desviación eventos es igual a 1.
estándar, con sigma (𝜎).

Distribución de probabilidad
Poisson
La distribución de probabilidad binomial
es una distribución de probabilidad La distribución de probabilidad de
discreta que se presenta con mucha Poisson describe el número de veces que
frecuencia. Una de sus características se presenta un evento durante un
consiste en que sólo hay dos posibles intervalo específico. El intervalo puede
resultados en un determinado ensayo del ser de tiempo, distancia, área o volumen.

En síntesis, estos contenidos son abordados en este módulo V de aprendizaje. Dentro

del contenido se ahonda en descripciones, elementos y características que articulan
mejor cada temática. 7
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Distribuciones de probabilidad discreta

Una distribución de probabilidad proporciona toda la gama de valores que se

pueden presentar en un experimento. Es similar a una distribución de frecuencias
relativas, pero, en lugar de describir el pasado, describe la probabilidad de que un
evento se presente en el futuro.
Por ejemplo, si un fabricante de medicamentos afirma que cierto tratamiento
permitirá que 80% de la población baje de peso, la agencia de protección al
consumidor quizá someta a prueba el tratamiento con una muestra de seis
personas. Si la afirmación del fabricante es cierta, es casi imposible tener un
resultado en el que nadie en la muestra pierda peso y es muy probable que 5 de
cada 6 pierdan peso.
Para comprender este concepto es importante examinar la media, la varianza
y la desviación estándar de una distribución de probabilidad, así como tres
distribuciones de probabilidad que se presentan con frecuencia: binomial,
hipergeométrica y de Poisson.

¿Qué es una distribución de probabilidad?

Una distribución de probabilidad muestra los posibles resultados de un
experimento y la probabilidad de que cada uno se presente.

Una distribución de probabilidad es una lista de todos los

resultados de un experimento y la probabilidad asociada a cada uno
de ellos.

Características de una distribución de probabilidad

1. La probabilidad de un resultado en particular se encuentra entre 0 y 1,
inclusive.
2. Los resultados son eventos mutuamente excluyentes.
3. La lista es exhaustiva. Por lo tanto, la suma de las probabilidades de los
diversos eventos es igual a 1.
¿Cómo generar una distribución de probabilidad? El siguiente ejemplo sirve
para ilustrarlo.

8
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Ejemplo:
Suponga que le interesa el número de caras que aparecen en tres lanzamientos
de una moneda. Tal es el experimento. Los posibles resultados son: cero caras,
una cara, dos caras y tres caras. ¿Cuál es la distribución de probabilidad del número
de caras?
Solución:
Hay ocho posibles resultados. En el primer lanzamiento puede aparecer una
cara, una cruz en el segundo y otra cruz en el tercero. O puede obtener cruz, cruz
y cara, en ese orden. Para obtener el conteo de resultados (5-8), aplique la fórmula
de la multiplicación: (2)(2)(2), es decir, 8 posibles resultados. Estos resultados se
listan en seguida.

Resultado Lanzamiento de la moneda Número de

posible Primero Segundo Tercero cartas
1 T T T 0
2 T T H 1
3 T H T 1
4 T H H 2
5 H T T 1
6 H T H 2
7 H H T 2
8 H H H 3

Observe que el resultado cero caras ocurre sólo una vez; una cara ocurre tres
veces; dos caras, tres veces, y el resultado tres caras ocurre una sola vez. Es decir,
cero caras se presentó una de ocho veces. Por consiguiente, la probabilidad de
cero caras es de un octavo; la probabilidad de una cara es de tres octavos, entre
otros.
La distribución de probabilidad se muestra en la siguiente tabla. Como uno de
estos resultados debe suceder, el total de probabilidades de todos los eventos
posibles es 1,000. Esto siempre se cumple.

9
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Distribución de probabilidad de los eventos relativos a cero, una, dos y tres

caras en tres lanzamientos de una moneda:

Número de caras, x Probabilidad del resultado, P (x)

1
= .125
0 8

1 3
= .375
8

3
2 = .375
8

1
3 = .125
8

8
Total = 1.000
8

La siguiente gráfica contiene la misma información:

Presentación gráfica del número de caras que resultan de tres lanzamientos de
una moneda y la probabilidad correspondiente:

10
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Refiérase al ejemplo del lanzamiento de una moneda de la tabla anterior. La

probabilidad de x se representa P(x). De esta manera, la probabilidad de cero
caras es P (0 caras) 0.125, y la probabilidad de una cara es P (1 cara) 0.375, entre
otros. La suma de estas probabilidades mutuamente excluyentes es 1; es decir, de
acuerdo con la tabla 6-1, 0.125 0.375 0.375 0.125 1.00. (A. Lind, G. Marchal, & A.
Wathen, 2015)
Variables aleatorias
Una variable x valuada numéricamente varía o cambia, dependiendo del
resultado particular del experimento que se mida. Por ejemplo, suponga que se
tira un dado y se mide x, el número observado en la cara superior. La variable x
puede tomar cualquiera de seis valores: 1, 2, 3, 4, 5, 6, dependiendo del resultado
aleatorio del experimento. Por esta razón, la variable x se conoce como variable
aleatoria.
Se pueden considerar numerosos ejemplos de variables aleatorias:
− x Número de defectos en una pieza de mueble seleccionada al azar.
− x Calificación de examen de aptitud escolar (SAT) para un solicitando
universitario seleccionado al azar.
− x Número de llamadas telefónicas recibidas por una línea directa de
intervención en crisis durante un periodo seleccionado al azar.
Las variables aleatorias cuantitativas se clasifican ya sea como discretas o
como continuas, de acuerdo con los valores que x pueda tomar. Es importante
distinguir entre variables aleatorias discretas y continuas, porque se usan técnicas
diferentes para describir sus distribuciones. (Mendenhall, Beaver, & M. Beaver,
2010)
En cualquier experimento aleatorio, los resultados se presentan al azar; así, a
éste se le denomina variable aleatoria. Por ejemplo, lanzar un dado constituye un
experimento: puede ocurrir cualquiera de los seis posibles resultados. Algunos
experimentos dan origen a resultados de índole cuantitativa (como el peso o el
número de niños); otros generan resultados de naturaleza cualitativa (como el
color o la afiliación religiosa).
Cada valor de la variable aleatoria se relaciona con una probabilidad que indica
la posibilidad de un resultado determinado. Unos cuantos ejemplos aclararán el
concepto de variable aleatoria.

11
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

− Si cuenta el número de empleados ausentes en el turno matutino del lunes,

el número puede ser 0, 1, 2, 3,…El número de ausencias es una variable
aleatoria.
− Si pesa cuatro lingotes de acero, los pesos pueden ser de 2,492 libras, 2,497
libras, 2,506 libras, entre otros. El peso es una variable aleatoria.
− Si lanza dos monedas y cuenta el número de caras, puede caer cero, una o
dos caras. Como el número de caras que resulta de este experimento se
debe al azar, el número de caras que caen es una variable aleatoria.
− Otras variables aleatorias pueden ser el número de focos defectuosos
producidos por hora en una empresa.; la calidad (9, 10, 11 o 12) de los
miembros del equipo de basquetbol femenil; el número de corredores del
maratón de la Universidad en la carrera de 2019 y la cantidad diaria de
conductores multados por conducir bajo la influencia del alcohol en
Tegucigalpa.

La variable aleatoria es la cantidad que resulta de un experimento

que, por azar, puede adoptar diferentes valores.

El siguiente diagrama ilustra los términos experimento, resultado, evento y

variable aleatoria. Primero, en el caso del experimento en el que se lanza una
moneda tres veces, hay ocho posibles resultados. En este experimento, interesa
el evento de que se presenta una cara en tres lanzamientos. La variable aleatoria
es el número de caras.
En términos de probabilidad, desea saber la probabilidad del evento que tiene
una variable aleatoria igual a 1. El resultado es P (1 cara en 3 lanzamientos) 0.375.
Posibles resultados de tres lanzamientos de moneda

Ocurre el evento (una cara), y la variable aleatoria x = 1.

12
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Media, varianza y desviación estándar de una distribución de probabilidad

discreta
La media indica la posición central de los datos, y la varianza describe la
dispersión de los datos. De forma similar, una distribución de probabilidad queda
resumida por su media y su varianza. La media de una distribución de frecuencias
se identifica mediante la letra minúscula griega mu (𝜇), y la desviación estándar,
con sigma (𝜎).
Media
La media constituye un valor típico para representar la posición central de una
distribución de probabilidad. También es el valor promedio a la larga de la variable
aleatoria. La media de una distribución de probabilidad también recibe el nombre
de valor esperado. Se trata de un promedio ponderado en el que los posibles
valores de una variable aleatoria se ponderan con sus correspondientes
probabilidades de ocurrir.
La media de una distribución de probabilidad discreta se calcula con la fórmula:
𝜇 = Σ [𝑥𝑃 (𝑥)]
Aquí P(x) es la probabilidad de un valor particular x. En otras palabras, se
multiplica cada valor x por la probabilidad de que ocurra y en seguida se suman
los productos.
Varianza y desviación estándar
Como se observó, la media constituye un valor típico para resumir una
distribución de probabilidad discreta. Sin embargo, no describe el grado de
dispersión (variación) en una distribución. La varianza sí lo hace. La fórmula de la
varianza de una distribución de probabilidad es:
𝜎 2 = Σ [(𝑥 − 𝜇)2 𝑃(𝑥)]
Los pasos para el cálculo son los siguientes:
1. La media se resta de cada valor y la diferencia se eleva al cuadrado.
2. Cada diferencia al cuadrado se multiplica por su probabilidad.
3. Se suman los productos que resultan para obtener la varianza.
La desviación estándar, 𝜎, se determina al extraer la raíz cuadrada positiva de
2 ; es decir, 𝜎 = √𝜎 2 .

13
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Un ejemplo ayudará a explicar los detalles del cálculo e interpretación de la

media y la desviación estándar de una distribución de probabilidad.
Ejemplo:
Oscar González vende automóviles nuevos en Hyundai Honduras por lo
general, Oscar vende la mayor cantidad de automóviles el sábado. Desarrolló la
siguiente distribución de probabilidades de la cantidad de automóviles que espera
vender un sábado determinado.
Cantidad de automóviles vendidos, x Probabilidad P (x)
0 .10
1 .20
2 .30
3 .30
4 .10
Total 1.00

1. ¿De qué tipo de distribución se trata?

2. ¿Cuántos automóviles espera vender Oscar un sábado normal?
3. ¿Cuál es la varianza de la distribución?

Solución:
1. Se trata de una distribución de probabilidad discreta de la variable aleatoria
denominada número de automóviles vendidos. Observe que Oscar sólo
espera vender cierto rango de automóviles; no espera vender 5
automóviles ni 50. Además, no puede vender medio vehículo. Sólo puede
vender 0, 1, 2, 3 o 4 automóviles. Asimismo, los resultados son mutuamente
excluyentes: no puede vender un total de 3 y 4 automóviles el mismo
sábado.
2. La media de la cantidad de automóviles vendidos se calcula al multiplicar el
número de automóviles que vendió por la probabilidad de vender dicho
número, y sumar los productos de acuerdo con la fórmula:
𝜇 = Σ [𝑥𝑃 (𝑥)]
= 0(. 10) + 1(. 20) + 2(. 30) + 3(. 30) + 4(. 10)
= 2.1
14
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Estos cálculos se resumen en la siguiente tabla:

N° de automóviles vendidos, x Probabilidad P (x) X . P (x)
0 0.10 0.00
1 0.20 0.20
2 0.30 0.60
3 0.30 0.90
4 0.10 0.40
Total 1.00 𝜇 = 2.10

¿Cómo interpretar una media de 2.1? Este valor indica que, a lo largo de una gran
cantidad de sábados, Oscar González espera vender un promedio de 2.1
automóviles por día.
Por supuesto, no es posible vender exactamente 2.1 automóviles un sábado en
particular. Sin embargo, el valor esperado se utiliza para predecir la media
aritmética de la cantidad de automóviles vendidos a largo plazo.
Por ejemplo, si John trabaja 50 sábados en un año, puede esperar vender (50)
(2.1) o 105 automóviles sólo los sábados. Por consiguiente, a veces la media recibe
el nombre de valor esperado.
3. De nuevo, una tabla resulta útil para sistematizar los cálculos de la varianza,
que es de 1.290
N° de automóviles vendidos, x Probabilidad P (x) (𝒙 − 𝝁) (𝒙 − 𝝁)𝟐 (𝒙
− 𝝁)𝟐 𝑷(𝒙)
0 .10 0 – 2.11 4.41 0.441
1 .20 1 – 2.1 1.21 0.242
2 .30 2 – 2.1 0.01 0.003
3 .30 3 – 2.1 0.81 0.243
4 .10 4 – 2.1 3.61 0.361
2
𝜎 = 1.290

Recuerde que la desviación estándar, 𝜎, es la raíz cuadrada positiva de la

varianza. En este ejemplo es √𝜎 2 = √1.290 = 1.136 automóviles. ¿Cómo
interpretar una desviación estándar de 1.136 automóviles? Si la vendedora Rita
Sarmiento también vendió un promedio de 2.1 automóviles los sábados y la
desviación estándar de sus ventas fue de 1.91 automóviles, concluiría que hay más
variabilidad en las ventas sabatinas de Rita que en las de González (pues 1.91 >
1.136).
15
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Actividad de aprendizaje: Ejercicios prácticos

Indicaciones: Resuelve los siguientes ejercicios:
1. Calcula la media y la varianza de la siguiente distribución de
probabilidad discreta:
X P (x)
0 0.2
1 0.4
2 0.3
3 0.1

2. Calcula la media y la varianza de la siguiente distribución de

probabilidad discreta:
X P (x)
2 0.5
8 0.3
10 0.2
3. Calcula la media y la varianza de la siguiente distribución de
probabilidad:
X P (x)
5 0.1
10 0.3
15 0.2
20 0.4
4. ¿Cuáles de las siguientes variables aleatorias son discretas y cuáles
son continuas?
a) El número de cuentas nuevas conseguidas por un vendedor en un
año.
b) El tiempo que transcurre entre la llegada de cada cliente en un
cajero automático.
c) El número de clientes en la estética Big Nick.

16
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

d) La cantidad de combustible que contiene el tanque de gasolina de

su automóvil.
e) La cantidad de miembros del jurado pertenecientes a una minoría.
f) La temperatura ambiente el día de hoy

EVALÚA TU PROGRESO DE APRENDIZAJE: Resuelve el siguiente

ejercicio:
1. Pizza Hut ofrece tres tamaños de refresco de cola, pequeño,
mediano y grande, para acompañar su pizza. Los refrescos
cuestan L.45, L.55 y L.80, respectivamente. Treinta por ciento
de los pedidos corresponde al tamaño chico; 50%, al mediano,
y 20%, al grande. Organiza el tamaño de los refrescos y la
probabilidad de venta en una distribución de probabilidad:
a) ¿Se trata de una distribución de probabilidad discreta? Indique
por qué.
b) Calcula la suma promedio que se cobra por refresco de cola.
c) ¿Cuál es la varianza de la cantidad que se cobra por un refresco
de cola? ¿Cuál es la desviación estándar?

Distribución de probabilidad binomial

La distribución de probabilidad binomial es una distribución de probabilidad
discreta que se presenta con mucha frecuencia. Una de sus características
consiste en que sólo hay dos posibles resultados en un determinado ensayo del
experimento.

17
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Por ejemplo, el enunciado en una pregunta de cierto o falso puede ser o cierto
o falso. Los resultados son mutuamente excluyentes, lo cual significa que la
respuesta a una pregunta de cierto o falso no puede ser al mismo tiempo cierta o
falsa.
En otro ejemplo, un producto se clasifica como aceptable o inaceptable por el
departamento de control de calidad; un trabajador se clasifica como empleado o
desempleado, y una llamada da como resultado que el cliente compre el producto
o no lo compre. Con frecuencia, se clasifican los dos posibles resultados como
éxito y fracaso. Sin embargo, esta clasificación no implica que un resultado sea
bueno y el otro malo.
Otra característica de la distribución binomial es el hecho de que la variable
aleatoria es el resultado de conteos. Es decir, se cuenta el número de éxitos en el
número total de ensayos. Lance una moneda equilibrada cinco veces y cuente el
número de veces que aparece una cara; seleccione 10 trabajadores y liste cuántos
tienen más de 50 años, o seleccione 20 cajas de cereal Raisin Bran de Kellog y
cuente el número de cajas que pesan más de lo que indica el paquete.
Una tercera característica de una distribución binomial consiste en que la
probabilidad de éxito es la misma de un ensayo a otro. Dos ejemplos son:
− La probabilidad de que adivine la primera pregunta de una prueba de
verdadero o falso (éxito) es de un medio. Esto constituye el primer ensayo.
La probabilidad de que adivine la segunda pregunta (segundo ensayo)
también es de un medio; la probabilidad de éxito en el tercer ensayo es un
medio y así sucesivamente.
− Si la experiencia reveló que el puente giratorio sobre Intercoastal
Waterway, en Socastee, se elevó una de cada 20 veces que usted se
aproximó a él, entonces la probabilidad es un veinteavo (un éxito) de que
se eleve la próxima ocasión que se acerque a él, es de un veinteavo la
siguiente vez y así consecutivamente.
La última característica de una distribución de probabilidad binomial consiste
en que cada ensayo es independiente de cualquier otro. Que sean independientes
significa que no existen patrones en los ensayos. El resultado de un ensayo
particular no influye en el resultado de otro ensayo. Dos ejemplos de lo anterior
son:

18
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

− Una joven familia tiene dos niños, ambos varones. La probabilidad de que
el tercer hijo sea un varón sigue siendo 0.50, es decir, el género del tercer
hijo es independiente de los otros dos.
− Suponga que 20% de los pacientes atendidos en la sala de urgencias del
Medical Center no tiene seguro médico. Si el segundo paciente atendido en
el turno vespertino hoy no tiene seguro, eso no afecta la probabilidad de
que el tercero, el décimo o cualquiera de los otros pacientes cuente o no
con seguro.

Ingresa al siguiente enlace en donde encontrarás un vídeo sobre

probabilidad binomial:
https://youtu.be/d1KsajZqodI

Experimento de probabilidad binomial

1. El resultado de cada ensayo de un experimento se clasifica en una de dos
categorías mutuamente excluyentes: éxito o fracaso.
2. La variable aleatoria permite contar el número de éxitos en una cantidad
fija de ensayos.
3. La probabilidad de éxito y fracaso es la misma en cada ensayo.
4. Los ensayos son independientes, lo cual significa que el resultado de un
ensayo no influye en el resultado del otro.

¿Cómo se calcula una probabilidad binomial?

Para construir una probabilidad binomial particular se necesita:
1. El número de ensayos.
2. La probabilidad de éxito de cada ensayo.
Por ejemplo, si un examen al término de un seminario de administración
incluye 20 preguntas de opción múltiple, el número de ensayos es 20. Si cada
pregunta contiene cinco opciones y sólo una de ellas es correcta, la probabilidad
de éxito en cada ensayo es 0.20. Por consiguiente, la probabilidad de que una
persona sin conocimientos del tema acierte la respuesta a una pregunta es de
0.20. De modo que se cumplen las condiciones de la distribución binomial recién
indicadas.

19
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Una probabilidad binomial se calcula mediante la fórmula:

𝑃(𝑥) =𝑛 𝐶𝑥 𝜋 𝑥 (1 − 𝜋)𝑛 − 𝑥
Donde:
C es el símbolo de combinación.
n es el número de ensayos.
x es la variable aleatoria definida como el número de éxitos.
𝝅 es la probabilidad de éxito en cada ensayo.
Se emplea la letra griega 𝜋 (pi) para representar un parámetro de población
binomial. No confundir con la constante matemática 3.1416
Ejemplo:
Un aeropuerto A tiene cinco vuelos diarios al aeropuerto B, a otro país.
Suponga que la probabilidad de que cualquier vuelo llegue tarde sea de 0.20. ¿Cuál
es la probabilidad de que ninguno de los vuelos llegue tarde hoy? ¿Cuál es la
probabilidad de que exactamente uno de los vuelos llegue tarde hoy?
Solución:
Aplique la fórmula. La probabilidad de que un vuelo llegue tarde es de 0.20, así,
𝜋 = 0.20. Hay cinco vuelos, por lo que n = 5, y x, la variable aleatoria, se refiere al
número de éxitos. En este caso un éxito consiste en que un avión llegue tarde.
Como no hay demoras en las llegadas, x = 0.
𝑃(0) =𝑛 𝐶𝑥 𝜋 𝑥 (1 − 𝜋)𝑛 − 𝑥
=5 𝐶0 (0.20)0 (1 − 0.20)5 − 0 = (1) (1) (0.3277) = 0.3277
La probabilidad de que exactamente uno de los cinco vuelos llegue tarde hoy
es de 0.4096, que se calcula de la siguiente manera:
𝑃(1) =𝑛 𝐶𝑥 𝜋 𝑥 (1 − 𝜋)𝑛 − 𝑥
=5 𝐶1 (0.20)1 (1 − 0.20)5 − 1 = (5) (0.20) (0.4096) = 0.4096
La distribución de probabilidad binomial completa con 𝜋 = 0.20 y n = 5 aparece en
la siguiente gráfica de barras. Observe que la probabilidad de que exactamente 3
vuelos lleguen tarde es de 0.0512, y, del diagrama de barras, que la distribución
del número de llegadas demoradas tiene un sesgo positivo.

20
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

0.4500
0.1094
0.4000

0.3500 0.3277

0.3000

0.2500

0.2048
0.2000

0.1500

0.1000
0.0512
0.0500
0.0064 0.0003
0.0000

1 2 3 4 5
0

La media (𝜇) y la varianza (𝜎 2 ) de una distribución binomial se calculan con la

siguiente fórmula, fácil y rápida:
Media de una distribución binomial: 𝜇 = 𝑛 𝜋
Varianza de una distribución binomial: 𝜎 2 = 𝑛𝜋(1 − 𝜋)
Por ejemplo, respecto del número de vuelos retrasados, recuerde que 𝜋 =
0.20 𝑦 𝑛 = 5. Por lo tanto:
𝜇 = 𝑛𝜋 = (5)(0.20) = 1.0
𝜎 2 = 𝑛𝜋(1 − 𝜋) = 5 (0.20) (1 − 0.20) = 0.80
La media de 1.0 y la varianza de 0.80 se verifican con las fórmulas anteriores. La
distribución de probabilidad del resultado de la página anterior, así como los
detalles de los cálculos, aparecen a continuación.

21
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Tablas de probabilidad binomial

Con la fórmula anterior se construye una distribución de probabilidad binomial
para cualesquiera valores de n y 𝜋. Sin embargo, si “n” es grande, los cálculos
consumen más tiempo.
Por conveniencia, las tablas del apéndice B.9 muestran el resultado de la
aplicación de la fórmula en el caso de varios valores de n y 𝜋.
La tabla anterior muestra parte del apéndice B.9 para n 6 y diversos valores de
𝜋.
Probabilidades binomiales para n = 6 y valores seleccionados de 𝝅:

Ejemplo:

22
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Cinco por ciento de los engranajes de tornillo producidos en una fresadora

automática de alta velocidad se encuentra defectuoso. ¿Cuál es la probabilidad de
que, en seis engranajes seleccionados, ninguno se encuentre defectuoso?
¿Exactamente uno? ¿Exactamente dos? ¿Exactamente tres? ¿Exactamente cuatro?
¿Exactamente cinco? ¿Exactamente seis de seis?
Solución:
Las condiciones binomiales se cumplen: a) hay sólo dos posibles resultados (un
engranaje determinado está defectuoso o es aceptable); b) existe una cantidad
fija de ensayos (6); c) hay una probabilidad constante de éxito (0.05); d) los
ensayos son independientes.
Consulte la tabla anterior y localice la probabilidad de que exactamente cero
engranajes se encuentren defectuosos. Descienda por el margen izquierdo hasta
llegar al valor 0 de x. Ahora siga por la horizontal hasta la columna con un
encabezado 𝜋 de 0.05 para determinar la probabilidad. Ésta es de 0.735.
La probabilidad de que haya exactamente un engranaje defectuoso en una
muestra de seis engranajes de tornillo es de 0.232. La distribución de probabilidad
completa de n 6 y 𝜋 0.05 es la siguiente:
Número de Número de
Probabilidad de Probabilidad de
engranajes engranajes
que ocurra, P (x) que ocurra, P (x)
defectuosos, x defectuosos, x
0 0.735
4 0.000
1 0.232
5 0.000
2 0.031
6 0.000
3 0.002

Por supuesto, existe una ligera posibilidad de que salgan cinco engranajes
defectuosos de seis selecciones aleatorias. Ésta es de 0.00000178, que se
determina al sustituir los valores adecuados en la fórmula binomial:
𝑃(5) =6 𝐶5 (0.05)5 (0.95)1 = (6) (0.05)5 (0.95) = 0.00000178
En el caso de seis de seis, la probabilidad exacta es de 0.000000016. Por
consiguiente, la probabilidad de seleccionar cinco o seis engranajes defectuosos
de una muestra de seis es muy pequeña.
Es posible calcular la media o valor esperado de la distribución del número de
engranajes defectuosos:

23
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

𝜇 = 𝑛𝜋 = (6)(0.05) = 0.30
𝜎 2 = 𝑛𝜋(1 − 𝜋) = 6(0.05)(0.95) = 0.285

Actividad de aprendizaje: Ejercicios prácticos

Indicaciones: Resuelve el siguiente ejercicio:
8% de los empleados de una planta de General recibe su sueldo bimestral
por medio de transferencias de fondos electrónicos. Este mecanismo
también recibe el nombre de depósito directo. Suponga que selecciona
una muestra aleatoria de siete empleados.
a) ¿Esta situación cumple los supuestos de la distribución binomial?
b) ¿Cuál es la probabilidad de que a los siete empleados se les haga un
depósito directo?
c) Aplica la fórmula para determinar la probabilidad exacta de que a
cuatro de los siete empleados de la muestra se les haga un depósito
directo.
d) De acuerdo con el apéndice B.9, verifica sus respuestas a los incisos
b) y c).

Distribución de probabilidad de Poisson

La distribución de probabilidad de Poisson describe el número de veces que se
presenta un evento durante un intervalo específico. El intervalo puede ser de
tiempo, distancia, área o volumen.
La distribución se basa en dos supuestos. El primero consiste en que la
probabilidad es proporcional a la longitud del intervalo. El segundo supuesto
consiste en que los intervalos son independientes. En otras palabras, cuanto más
grande sea el intervalo, mayor será la probabilidad; además, el número de veces
que se presenta un evento en un intervalo no influye en los demás intervalos.
La distribución también constituye una forma limitada de la distribución
binomial cuando la probabilidad de un éxito es muy pequeña y “n” es grande. A
ésta se le conoce por lo general con el nombre de ley de eventos improbables, lo
cual significa que la probabilidad, 𝜋, de que ocurra un evento en particular es muy

24
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

pequeña. La distribución de Poisson es una distribución de probabilidad discreta

porque se genera contando.
En resumen, una distribución de probabilidad de Poisson posee tres
características:
Experimento de probabilidad de Poisson
1. La variable aleatoria es el número de veces que ocurre un evento durante
un intervalo definido.
2. La probabilidad de que ocurra el evento es proporcional al tamaño del
intervalo.
3. Los intervalos no se superponen y son independientes.
Esta distribución posee diversas aplicaciones. Se le utiliza como modelo para
describir la distribución de errores en una entrada de datos, el número de rayones
y otras imperfecciones en las cabinas de automóviles recién pintados, el número
de partes defectuosas en envíos, el número de clientes que esperan mesa en un
restaurante y el número de accidentes en la carretera CA5 en un periodo de tres
meses.
La distribución de Poisson se describe matemáticamente por medio de la
siguiente fórmula:
𝜇 𝑥 𝑒 −𝜇
𝑃 (𝑥) =
𝑥!
Donde:
𝝁 (mu) es la media de la cantidad de veces (éxitos) que se presenta un evento en
un intervalo particular.
e, es la constante 2.71828 (base del sistema de logaritmos neperianos).
x es el número de veces que se presenta un evento.
P(x) es la probabilidad de un valor específico de x.
La media de número de éxitos, , puede determinarse con n𝝅; en este caso, n es
el número total de ensayos, y 𝜋, la probabilidad de éxito.
𝜇 = 𝑛𝜋
La varianza de Poisson también es igual a su media. Si, por ejemplo, la
probabilidad de que un cheque cobrado en un banco rebote es de 0.0003 y se
25
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

cobran 10 000 cheques, la media y la varianza del número de cheques rebotados

es de 3.0, que se determina mediante la operación 𝜇 = n𝜋 10 000(.0003) = 3.0.
Recuerde que, en el caso de una distribución binomial, existe una cantidad fija
de ensayos. Por ejemplo, en una prueba de opción múltiple de cuatro preguntas,
sólo puede haber cero, uno, dos, tres o cuatro éxitos (respuestas correctas).
Sin embargo, la variable aleatoria, x, en el caso de una distribución de Poisson
puede adoptar una infinidad de valores; es decir, 0, 1, 2, 3, 4, 5, …. No obstante,
las probabilidades se tornan muy bajas después de las primeras veces que se
presenta un evento (éxitos).
Para ejemplificar el cálculo de la distribución de Poisson, suponga que pocas
veces se pierde equipaje en Delta Airlines. En la mayoría de los vuelos no se
pierden maletas; en algunos se pierde una; en unos cuantos se pierden dos; pocas
veces se pierden tres, entre otros.
Suponga que una muestra aleatoria de 1,000 vuelos arroja un total de 300
maletas perdidas. De esta manera, la media aritmética del número de maletas
perdidas por vuelo es de 0.3, que se calcula al dividir 300/1,000. Si el número de
maletas perdidas por vuelo se rige por una distribución de Poisson con 𝜇 = 0.3, las
diversas probabilidades se calculan con la fórmula:
𝜇 𝑥 𝑒 −𝜇
𝑃 (𝑥) =
𝑥!

Por ejemplo, la probabilidad de que no se pierda ninguna maleta es la siguiente:

(0.3)0 (𝑒 −0.3 )
𝑃 (0) = = 0.7408
0!
En otras palabras, en 74% de los vuelos no habrá maletas perdidas. La
probabilidad de que se pierda exactamente una maleta es:
(0.3)1 (𝑒 −0.3 )
𝑃 (1) = = 0.2222
1!
Ya se mencionó que la distribución de probabilidad de Poisson constituye una
forma restrictiva de la distribución binomial. Es decir, se puede calcular una
probabilidad binomial con la de Poisson. La distribución de probabilidad de
Poisson se caracteriza por el número de veces que se presenta un evento durante
un intervalo. Algunos ejemplos son:

26
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

− El número de palabras mal escritas por página en un periódico.

− El número de llamadas por hora que recibe una compañía de limpieza.
− El número de vehículos que vende por día Toyota Honduras.
− El número de anotaciones en un encuentro de fútbol colegial.
En cada uno de estos ejemplos existe algún tipo de intervalo: palabras mal
escritas por página, llamadas por hora, vehículos vendidos por día o anotaciones
por partido.
Ejemplo:
Un banco asegura propiedades frente a la playa a lo largo del departamento de
Cortes; el cálculo aproximado es que, cualquier año, la probabilidad de que un
huracán de categoría III (vientos sostenidos de más de 110 millas por hora) o más
intenso azote una región de la costa es de 0.05.
Si un dueño de casa obtiene un crédito hipotecario de 30 años por una
propiedad recién comprada, ¿cuáles son las posibilidades de que experimente por
lo menos un huracán durante el periodo del crédito?
Solución:
Para aplicar la distribución de probabilidad de Poisson, se comienza por
determinar la media o número esperado de tormentas que se ajustan al criterio y
que azotan durante el periodo de 30 años. Es decir:
𝜇 = 𝑛𝜋 = 30(0.05) = 1.5
Donde:
n es el número de años, 30 en este caso.
𝝅 es la probabilidad de que toque tierra un huracán que se ajuste al criterio.
𝝁 es la media o número esperado de tormentas en un periodo de 30 años.
Para determinar la probabilidad de que por lo menos una tormenta azote la isla,
primero calcule la probabilidad de que ninguna tormenta azote la costa y reste
dicho valor de 1.
𝜇0 𝑒 −1.5
𝑃 (𝑥 ≥ 1) = 1 − 𝑃 (𝑥 = 0) = 1 − = 1 − 0.2231 = 0.7769
0!

27
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

Así, se concluye que las posibilidades de que un huracán de ese tipo azote la
propiedad frente a la playa en Tela, durante el periodo de 30 años, mientras el
crédito se encuentra vigente, son de 0.7769.
En otras palabras, la probabilidad de que la playa sufra el azote de un huracán
categoría III o más alta durante el periodo de 30 años es de un poco más de 75%.
Se debe insistir en que el intervalo, como antes se explicó, aún existe. Es decir,
se espera que haya 1.5 tormentas que azoten la costa cada periodo de 30 años. El
intervalo es el periodo de 30 años.
La distribución de probabilidad de Poisson siempre tiene un sesgo positivo, y
la variable aleatoria no posee límite superior específico.
La distribución de Poisson en el caso de las maletas perdidas, en que 𝜇 = 0.3,
está muy sesgada. Conforme 𝜇 se incrementa, la distribución de Poisson adquiere
más simetría.
Por ejemplo, la siguiente gráfica muestra las distribuciones del número de
servicios de transmisión, reemplazos de silenciadores y cambios de aceite al día
en un taller de la capital. Éstas se ajustan a las distribuciones de Poisson con
medias de 0.7, 2.0 y 6.0, respectivamente.
Distribuciones de probabilidad de Poisson con medias de 0.7, 2.0 y 6.0:

En resumen, la distribución de Poisson es en realidad una familia de

distribuciones discretas. Todo lo que se requiere para construir una distribución

28
 MÓDULO V: DISTRIBUCIONES DE PROBABILIDAD
UNIVERSIDAD TECNOLÓGICA DISCRETA
DE HONDURAS Variables aleatorias, media, varianza, desviación estándar de
una distribución de probabilidad, binomial y de Poisson

de probabilidad de Poisson es la media del número de defectos, errores, entre

otros, que se designan con 𝜇. (A. Lind, G. Marchal, & A. Wathen, 2015)

Actividad de aprendizaje: Ejercicios prácticos

Indicaciones: Resuelve los siguientes ejercicios:
1. En una distribución de Poisson, 𝜇 = 0.4
a) ¿Cuál es la probabilidad de que x = 0?
b) ¿Cuál es la probabilidad de que x > 0?

2. En una distribución de Poisson, 𝜇 = 4

a) ¿Cuál es la probabilidad de que x = 2?

b) ¿Cuál es la probabilidad de que x ≤ 2?
c) ¿Cuál es la probabilidad de que x > 2?

29
 BIBLIOGRAFÍA

A. Lind, D., G. Marchal, W., & A. Wathen, S. (2015). Estadística aplicada

a los negocios y la economía (15va ed.). Mc-Graw Hill.

Mendenhall, W., Beaver, R. J., & M. Beaver, B. (2010). Introducción a

la probabilidad y estadística. Cengage Learning.

Navidi, W. (2016). Estadística para ingenieros y científicos. Mc-Graw

Hill.

30