CLASE 4

DISTRIBUCIONES DISCRETAS
DE PROBABILIDAD
 VARIABLE ALEATORIA

Una variable es aleatoria si toma distintos valores como resultado de un

experimento aleatorio.
VARIABLE
ALEATORIA

DISCRETA CONTINUA

Toma solo un Toma

numero cualquier
ilimitado de valor dentro
valores. de un
intervalo.
 FUNCIONES DE DISTRIBUCIONES DISCRETAS
DE PROBABILIDAD
• La función de distribución de probabilidad debe cumplir con las siguientes
condiciones:

La representación grafica corresponde al GRAFICO de bastones.

F(xi)

xi
FUNCION DE DISTRIBUCION ACUMULADA DE
PROBABILIDAD
De la misma manera que calculamos las frecuencias acumuladas
podemos acumular las probabilidades.
𝒏

𝐹 ! =# 𝐹 !𝒊
𝒊

La representación grafica de dicha función, al igual como si se tratara de frecuencias

acumuladas corresponde el GRAFICO de ESCALONES.
 VARIABLE ALEATORIA CONTINUA
En lugar de trabajar con la población los valores de la variable se calculan probabilidades asociadas a intervalos,
se usa una función que mide concentración de probabilidades alrededor de un punto, que se denomina “ función de
densidad de probabilidades” y se denota como
f(xi)
Una función de densidad de probabilidad debe cumplir las siguientes propiedades:

1) f(x) ≥ o la función es no negativa para cualquier valor de X.

2) ∫f(x)dx=1 el área bajo la curva vale “1”

la representación grafica corresponde a un HISTOGRAMA.

 DISTRIBUCION BINOMIAL
Los parámetros que definan a esta distribución son: n y p

• Es una distribución de probabilidades mediante la cual se calcula la probabilidad de

ocurrencia de eventos, siempre que se presenten bajo dos modalidades: éxito o fracaso. X
es una variable discreta aleatoria.
Características

– Se consideran solamente dos opciones, mutuamente excluyentes:

éxito o fracaso, como se explicó al comienzo.
– La probabilidad de éxito debe ser constante en cualquier
observación que se haga, al ser los sucesos independientes.
– El resultado de cualquier evento es independiente de cualquier
otro evento, de ahí que la probabilidad es constante
– La media de la distribución binomial es n.p
– La desviación estándar es:
 EJEMPLO DE APLICACIÓN DE
DISTRIBUCION BINOMIAL
Para desarrollar un problema de distribución binomial podemos realizarlo de 3 formas:
1. Utilizando la formula de la distribución binomial.
2. Utilizando la tabla de distribución binomial.
3. Por software (Excel).
En este curso de estadística desarrollamos por su practicidad a través de tablas de distribución
binomial. Voy a mostrar las 3 alternativas, pero recuerden que las tablas de probabilidades para las
distribuciones son mas rápidas y directas.
• Ejercicio 1
• La probabilidad de que el comprador de un vehículo haga uso del servicie dentro del
plazo de garantía es 0,2. Para los 5 vehículos que cierta empresa ha vendido
independientemente a 5 compradores este mes:
• ¿Cuál es la probabilidad de que exactamente 3 de los compradores hagan uso de la
garantía?
• ¿Cuál es la probabilidad de que 3 o más compradores hagan uso de la garantía?
• RESOLUCION DEL EJERCICIO A TRAVES DE LA FORMULA DE DISTRIBUCION
BINOMIAL.

n=5
p=0,2
x=3

Identificamos que se trata de un problema de distribución binomial, dado que tenemos la probabilidad de éxito o fracaso
que cada comprador haga uso de la garantía. Además la probabilidad es constante, por ende, contamos con los 2
parámetros que definen a una distribución binomial: “n y p”
1) Utilizando la formula de la distribución binomial tenemos:

Pb(X=3)=(53)0,23(1–0,2)5–3=0,0512

2) Utilizando la tabla de distribución binomial observamos en la diapositiva siguiente.

En la primera columna tenemos “n”, en la primera fila las probabilidades y en la segunda columna “x” ,es decir, lo que nos
piden que en este caso es el valor 3. Con las flechitas la intersección obtenemos la probabilidad buscada.
Pb(X=3)=0.0512
Esto significa que aproximadamente el 51% de los compradores emplean la garantía.
Para la segunda pregunta “3 o mas” significa que 3,4 y 5 compradores aprovechen la garantía. Para ello sumamos la
probabilidad de 3,4 y 5. No se olviden que ante la pregunta “3 o mas “ nos esta indicando 3 y todos los valores que tengo en
la tabla.
Pb(X≥3)=0,05792
 DISTRIBUCION MULTINOMIAL
• Este modelo se puede ver como una generalización del Binomial en
el que, en lugar de tener dos posibles resultados,
tenemos n resultados posibles.
• Supongamos que el resultado de una determinada experiencia
puede ser n valores distintos: A1, A2, ..., An cada uno de ellos con
probabilidad p1, p2, ..., pn, respectivamente.
 DISTRIBUCION HIPERGEOMETRICA
Los parámetros que definan a esta distribución son: N, k y n

• Hasta ahora hemos analizado distribuciones que modelaban situaciones en

las que se realizaban pruebas que entrañaban una dicotomía (proceso de
Bernouilli) de manera que, en cada experiencia, la probabilidad de obtener
cada uno de los dos posibles resultados se mantenía constante.
Si el proceso consistía en una serie de extracciones o selecciones ello
implicaba la reposición de cada extracción o selección, o bien la
consideración de una población muy grande (cartas en un casino). Sin
embargo, si la población es pequeña y las extracciones no se remplazan, las
probabilidades no se mantendrán constantes. La distribución
hipergeométrica viene a cubrir esta necesidad de modelar procesos de
Bernouilli con probabilidades no constantes (sin reemplazamiento).
 EXTRACCION CON
REEMPLAZO

LAS PROBABILIDADES
DE EXTRACCION NO
SON CONSTANTE

De acuerdo a la formula sus componentes son:

N: población.
k: probabilidad de éxitos de la población.
n: muestra.
 DISTRIBUCION DE POISSON
El parámetro que define a esta distribución es: λ

• La distribución de Poisson es discreta (como la binomial) pues los

valores que puede tomar la variable aleatoria son números naturales.
Aunque en la distribución de Poisson los casos posibles en teoría son
infinitos (numerable).
• La distribución de Poisson se caracteriza por un solo parámetro landa.

• Su media es landa y su varianza también es landa:

EN ESTA DISTRIBUCION LOS SUCESOS SON RAROS. POR EJ: NUMEROS DE ACCIDENTES DE
AVIONES POR LO TANTO LAS PROBABILIDADES SERAN PEQUEÑAS..
 APROXIMACIONES A LA DISTRIBUCION
BINOMIAL
1- Aproximación de la distribución hipergeometrica a la distribución binomial.
CONDICIONES:

n≤ 0,05 N
la binomial cuanto menor sea n en relación
𝒏 a N. En términos prácticos puede
considerarse que esto sucede cuando < 0,05, es decir, cuando el tamaño de la
𝑵
muestra (o la cantidad de experimentos) es inferior al 5% de la población. Podemos
decir que la distribución hipergeometrica se aproxima a la distribución binomial
cuando el tamaño de la muestra es menor o igual a la población.
2- Aproximación de la distribución de poisson a la binomial.
CONDICION:
n > 20 y p≤ 0,05 o n.p ≤ 5