7 Distribuciones de Probabilidad Discreta

Distribuciones de
probabilidad discretas
Unidad 2: Teoría de probabilidad y variables
aleatorias
Estadística 1
Mgtr. Randy Fernández
Ciencias Económicas y
Empresariales
DISTRIBUCIONES DE PROBABILIDAD
Distribuciones discretas
Son las funciones de probabilidad asociadas a variables
aleatorias discretas, que se generan mediante procesos de
conteo sobre las veces que se repite un suceso.
Cuando se elige al azar un elemento, se averigua si cumple o no

con cierta condición, para luego contar el número de elementos
que si cumplen con la condición en análisis.
Universidad de Piura
Distribuciones discretas: Pruebas de Bernoulli
Un experimento aleatorio es llamado una prueba o ensayo de

Bernoulli si cumple las siguientes condiciones:
1. Para cada prueba o ensayo se define un espacio
muestral con solo dos resultados posibles: Éxito (E) y
Fracaso (F), donde:
P[E]=π y P[F]= 1 - P[E]= 1 - π
2. La probabilidad de éxito (π) se mantiene constante de prueba
a prueba.
3. Las pruebas se consideran que son independientes.
Distribuciones discretas: Pruebas de Bernoulli
Una variable aleatoria discreta X tiene una distribución Bernoulli o
binomial puntual si su función de probabilidad es dada por:
1− x
f ( x) = π (1 − π)
x
, si x = 0,1
=0 , de otro modo
Donde: π = Probabilidad de éxito
X = Número de éxitos en una prueba de Bernoulli
Además, la media y variancia de la variable aleatoria X son:
µ X = E[X ] = π
σ 2X = Var[X ] = E[X-µ X ] = π(1 − π)
2
Distribuciones discretas: Distribución Binomial
Una variable aleatoria discreta X tiene una distribución Binomial si su

función de probabilidad es dada por:
𝑛𝑛 𝑥𝑥
𝑓𝑓(𝑥𝑥) = 𝜋𝜋 (1 − 𝜋𝜋)𝑛𝑛−𝑥𝑥 , si 𝑥𝑥 = 0, 1, ⋯ , 𝑛𝑛
𝑥𝑥
=0 , de otro modo
Donde:
π = Probabilidad de éxito
n = Número de pruebas de Bernoulli o tamaño de una muestra
con reemplazo
X = Número de éxitos en una prueba de Bernoulli
𝜇𝜇X = E 𝑋𝑋 = 𝑛𝑛 𝜋𝜋
𝜎𝜎X2 = Var 𝑋𝑋 = E 𝑋𝑋 − 𝜇𝜇𝑋𝑋 2
= 𝑛𝑛 𝜋𝜋 (1 − 𝜋𝜋)
π = 0. 5
𝑛𝑛 𝑥𝑥
𝑓𝑓(𝑥𝑥) = 𝜋𝜋 (1 − 𝜋𝜋)𝑛𝑛−𝑥𝑥 , si 𝑥𝑥 = 0,1, ⋯ , 𝑛𝑛
𝑥𝑥
=0 , de otro modo
π < 0.5
𝑛𝑛 𝑥𝑥
𝑥𝑥
=0 , de otro modo
π > 0.5
𝑛𝑛 𝑥𝑥
𝑥𝑥
=0 , de otro modo
Distribuciones discretas: Distribución Binomial. Ejemplo
EL 10% de los artículos producidos por una máquina son

defectuosos. Si elige una muestra aleatoria con reemplazo de 6
artículos y se define la variable X como el número de artículos
defectuosos elegidos,
a) Determinar la probabilidad que al menos un artículo sea
defectuoso
π = P[Éxito] = P[Defectuso] = 0.1
6
𝑓𝑓(𝑥𝑥) = (0.1)𝑥𝑥 (1 − 0.1)6−𝑥𝑥 , si 𝑥𝑥 = 0,1, ⋯ , 6
𝑥𝑥
=0 , de otro modo
P 𝑋𝑋 ≥ 1 = 1 − P 𝑋𝑋 < 1 = 1 − P 𝑋𝑋 = 0 = 1 − 𝑓𝑓(0)
6
= 1− (0.1)0 (1 − 0.1)6−0 = 0.468559
0
b) Halle el valor del coeficiente de variabilidad de X
𝜇𝜇X = 𝑛𝑛𝑛𝑛 = (6)(0.1) = 0.6

𝜎𝜎X2 = 𝑛𝑛𝑛𝑛(1 − 𝜋𝜋) = (6)(0.1)(1 − 0.1) = 0.54
𝜎𝜎X 0.54
𝐶𝐶𝑉𝑉X = 100 = 100 = 122.474487%
𝜇𝜇X 0.6
Un individuo afirma que es capaz de distinguir a simple vista entre una perla auténtica y
una falsa 75% de las veces. Para comprobar si lo que afirma es cierto, se le muestran una
por una seis perlas diferentes escogidas al azar y se aceptará lo que afirma si logra
establecer la autenticidad (o falsedad) en por lo menos cinco de las perlas.
a) ¿Cuál es la probabilidad de que el individuo pase la prueba, si sólo está adivinando?
b) Suponga que en efecto es cierto lo que afirma. ¿Cuál es la probabilidad de que no logre
pasar la prueba?
11
El sorteo La Tinka consiste en elegir cualquier combinación de seis números de un total de
45 números (sin reposición), y sólo una combinación es la ganadora del primer premio. La
señora Esperanza M. participa en dicho sorteo dos veces por semana y lo hace durante las
52 semanas del año. Ella anhela ganarse el primer premio cuando menos una vez en su
vida. Determine cuántos años deberá participar para que la probabilidad de cumplir su
anhelo sea por lo menos 0.5.
12
Distribuciones discretas: Distribución de Poisson
Una variable aleatoria discreta X tiene una distribución de Poisson si
su función de probabilidad es dada por:
𝑒𝑒 −𝜇𝜇 𝜇𝜇 𝑥𝑥
𝑓𝑓(𝑥𝑥) = , si 𝑥𝑥 = 0,1,2, ⋯
𝑥𝑥!
Donde: =0 , de otro modo
X = Número de éxitos obtenidos en un período
o unidad de evaluación
µ= λt
λ = Razón media de ocurrencia por periodo
t = Periodo o unidad de evaluación
𝜇𝜇X = E 𝑋𝑋 = 𝜇𝜇
𝜎𝜎X2 = Var 𝑋𝑋 = E 𝑋𝑋 − 𝜇𝜇𝑋𝑋 2

= 𝜇𝜇
Distribuciones discretas: Distribución de Poisson
Para la aplicación de esta distribución es necesario tener en cuenta

los siguientes supuestos:
1. La probabilidad de éxito se mantiene constante y es pequeña.
2. El número de éxitos en cualquier intervalo, periodo o unidad de

evaluación es independiente del número de éxitos en cualquier
otro intervalo, periodo o unidad de evaluación.
3. La distribución de Poisson se puede utilizar para aproximar las

probabilidades de una distribución binomial cuando n tiende a
infinito (n → ∞) y π tiende a cero (π→0); es decir, cuando n π <5.
Para esto se debe considerar: µ = n π ( λ= π, t= n ).
Distribuciones discretas: Distribución Poisson
𝑒𝑒 −𝜇𝜇 𝜇𝜇 𝑥𝑥
𝑓𝑓(𝑥𝑥) = , si 𝑥𝑥 = 0,1,2, ⋯
𝑥𝑥!
=0 , de otro modo
Distribuciones discretas: Distribución Poisson. Ejemplo
Los clientes de una tienda comercial ingresan al establecimiento a
razón de 4 clientes por cada 5 minutos. Si se elige al azar un
intervalo de 2 minutos, hallar la probabilidad que ingresen al
menos dos clientes al establecimiento comercial.
4 clientes t = 2 minutos
λ= = 0.8 c
5 minuto m µ = λ t = (0.8)(2) = 1.6 clientes
𝑒𝑒 −1.6 (1.6)𝑥𝑥
𝑓𝑓(𝑥𝑥) = , si 𝑥𝑥 = 0,1,2, ⋯
𝑥𝑥!
=0 , de otro modo
𝑒𝑒 −1.6 (1.6)0 𝑒𝑒 −1.6 (1.6)1

P 𝑥𝑥 ≥ 2 = 1 − P 𝑥𝑥 < 2 = 1 − 𝑓𝑓(0) − 𝑓𝑓(1) = 1 − −
0! 1!
= 0.475069
Según el programa Impacto (9 de marzo de 2001), en la ciudad de México hay un
promedio de 3.5 perros callejeros por cada cuadra en las zonas proletarias o marginadas
de la ciudad (las cuales constituyen cerca de 80% del área urbana). Si se supone que los
perros están igualmente distribuidos en dichas zonas, determine la probabilidad de que en
una zona proletaria de la ciudad se encuentre usted cuatro o más perros callejeros por
cuadra en una cuadra cualquiera.
en al menos tres de las siguientes cinco cuadras que recorra.
17
Suponga que el 5% de los créditos otorgados por un banco se

encuentran bajo cobranza coactiva. Si se eligen al azar y con
reemplazo 90 créditos, hallar la probabilidad que al menos 3 créditos
se encuentren bajo cobranza coactiva.
Si se define Éxito = {Un crédito se encuentra bajo cobranza coactiva },

se tiene: π=P[E]=0.05 y 1-π=P[F]=0.95. Luego, la función de
probabilidad de X (número de créditos bajo cobranza coactiva) será:
90
𝑓𝑓(𝑥𝑥) = (0.05)𝑥𝑥 (1 − 0.05)90−𝑥𝑥 , si 𝑥𝑥 = 0,1, ⋯ , 90
𝑥𝑥
=0 , de otro modo
90
90
𝑃𝑃 𝑥𝑥 ≥ 3 = � (0.05)𝑥𝑥 (1 − 0.05)90−𝑥𝑥
𝑥𝑥
𝑥𝑥=3
90
= 1 − ∑2𝑥𝑥=0 (0.05)𝑥𝑥 (1 − 0.05)90−𝑥𝑥
𝑥𝑥
Ahora, como µ= n π=(90)(0.05)=4.5<5; luego, las probabilidades

de X se pueden aproximar mediante una distribución de Poisson
con parámetro µ=4.5. Es decir,
𝑒𝑒 −4.5 4.5𝑥𝑥
𝑓𝑓(𝑥𝑥) ≈ , si 𝑥𝑥 = 0,1,2, ⋯
𝑥𝑥!
=0 , de otro modo
P 𝑋𝑋 ≥ 3 = 1 − P 𝑋𝑋 < 3 ≈ 1 − 𝑓𝑓(0) − 𝑓𝑓(1) − 𝑓𝑓(2)

𝑒𝑒 −4.5 (4.5)0 𝑒𝑒 −4.5 (4.5)1 𝑒𝑒 −4.5 (4.5)2
≈1− − −
0! 1! 2!
La probabilidad de que durante el semestre de enero a mayo se enferme un profesor de
planta, expuesto al frío de su cubículo, en una universidad, es de 19/70 . Si la división de
Ingeniería de dicha universidad tiene 35 profesores de planta, use la aproximación de
Poisson para encontrar la probabilidad de que cuando mucho cuatro de ellos se enfermen
durante el periodo mencionado y por la causa referida.
20

7 Distribuciones de Probabilidad Discreta

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

7 Distribuciones de Probabilidad Discreta

Cargado por

Copyright:

Formatos disponibles

Distribuciones de

Cuando se elige al azar un elemento, se averigua si cumple o no

Un experimento aleatorio es llamado una prueba o ensayo de

3. Las pruebas se consideran que son independientes.

Una variable aleatoria discreta X tiene una distribución Binomial si su

EL 10% de los artículos producidos por una máquina son

b) Halle el valor del coeficiente de variabilidad de X

𝜇𝜇X = 𝑛𝑛𝑛𝑛 = (6)(0.1) = 0.6

𝜎𝜎X2 = Var 𝑋𝑋 = E 𝑋𝑋 − 𝜇𝜇𝑋𝑋 2

Para la aplicación de esta distribución es necesario tener en cuenta

1. La probabilidad de éxito se mantiene constante y es pequeña.

2. El número de éxitos en cualquier intervalo, periodo o unidad de

3. La distribución de Poisson se puede utilizar para aproximar las

𝑒𝑒 −1.6 (1.6)0 𝑒𝑒 −1.6 (1.6)1

en al menos tres de las siguientes cinco cuadras que recorra.

Suponga que el 5% de los créditos otorgados por un banco se

Si se define Éxito = {Un crédito se encuentra bajo cobranza coactiva },

Ahora, como µ= n π=(90)(0.05)=4.5<5; luego, las probabilidades

P 𝑋𝑋 ≥ 3 = 1 − P 𝑋𝑋 < 3 ≈ 1 − 𝑓𝑓(0) − 𝑓𝑓(1) − 𝑓𝑓(2)

También podría gustarte