LIC ROSY STEPHANIE GÓMEZ BALDERA

UNIDAD III
ALGUNAS DISTRIBUCIONES
IMPORTANTES - DISCRETAS
 INTRODUCCIÓN
➢ El comportamiento de una variable aleatoria queda descrita por una
distribución de probabilidad.

➢ En muchas tareas estadísticas, se busca determinar una distribución de

probabilidad o modelo probabilísticos que satisfaga un conjunto de supuestos,
para estudiar los resultados observados de un experimento aleatorio .

➢ Se pueden definir muchas distribuciones de probabilidad tanto de variable

aleatoria discreta como de variable aleatoria continua. Algunas, que tienen
aplicaciones estadísticas importantes y que se mencionan a continuación.
DISCRETAS CONTINUAS
Bernoulli Uniforme
Binomial Normal
Geométrica Gamma
Pascal Exponencial
Hipergeométrica Chi-Cuadrado
Poisson TyF
 CONCEPTOS GENERALES
Veamos algunas definiciones de términos que se deben entender y manejar
❖ Distribución de probabilidad. Son todos los posibles valores que resultan de un
experimento aleatorio, junto con la probabilidad asociada a cada valor.

❖ En el capítulo 3 Se vio el procedimiento a seguir en la elaboración de las

Distribuciones de frecuencias, con base en informaciones de hechos que ya habían
sucedido, recolectados a través de una encuesta. En este capítulo, consideraremos la
Distribución de probabilidades la cual se basa en hechos que probablemente pueden
suceder, es decir, estamos hablando de dos situaciones correspondiente a hechos que
suceden: antes y después.
❖ Recordemos que la Distribución de frecuencias permitía el manejo de cantidades
de información en forma resumida, describiendo un hecho transcurrido (pasado), en
cambio la distribución de probabilidades es similar a una distribución de frecuencias,
con la diferencia de que presenta valores probables de un experimento en un evento
futuro.
 DISTRIBUCIÓN DE BERNOULLÍ
x ~ Be(p)
❖ Definición. Se denomina prueba o ensayo de Bernoullí a todo experimento aleatorio que
consiste de sólo dos resultados posibles mutuamente excluyentes, generalmente
llamados: éxito (P) y fracaso (F).Por ejemplo, son ensayos de Bernoullí, lanzar una
moneda al aire con los resultados: cara o sello. Elegir al azar un objeto fabricado, con los
resultados: defectuoso o no defectuoso, etc.. El espacio muestral asociado al experimento
aleatorio de Bernoullí se puede escribir como el conjunto: Q = {E, F }

f ( x ) = P [ X = x ] = pxq 1-x , x= 0,1.

a) E(X) = p
b) Var(X) = pq
 EJEMPLO 01
Cuando se lanza un dado hay una probabilidad de 1/6 de que salga seis.
Sea X=1 si el dado cae seis y X=0 en cualquier otro caso. Cual es la
distribución de x?

f ( x ) = P [ X = x ] = pxq 1-x , x= 0,1

 DISTRIBUCIÓN DE BINOMIAL
𝐗~𝑩 (𝑛, 𝑃 )
❖ Definición. Se denomina experimento binomial a un número fijo, n, de
repeticiones independientes de un experimento aleatorio de Bernoullí, y por lo
tanto, se caracteriza por que:
✓ Debe existir un numero fijo de pruebas repetidas (n)
✓ Cada una de las n pruebas debe tener dos resultados, éxito o fracaso. En el
caso de una moneda será : cara o sello, por lo tanto son evento mutuamente
excluyentes.
✓ La probabilidad de éxito de un acontecimiento es fijo.
✓ Las pruebas son independientes.
✓ Nos interesa el numero de éxitos en n pruebas
 UTILIDAD
➢ La distribución binomial se utiliza en situaciones cuya solución tiene dos
posibles resultados.

Por ejemplo:
• Al nacer un bebé puede ser hombre o mujer
• En el deporte un equipo puede ganar o perder.
• En pruebas de cierto o falso sólo hay dos alternativas.
• Un tratamiento médico puede ser efectivo o inefectivo.
• La meta de producción o ventas del mes se pueden o no lograr.
• En pruebas de selección múltiple, aunque hay cuatro o cinco alternativas,
se puede clasificar como correcta o incorrecta.
Ejemplo 02
❖ La probabilidad que a un cliente nuevo le guste un producto es de 0,8. Si llegan 3 (5)
clientes nuevos, ¿Cuál será la probabilidad de que solo a 2 de ellos les guste el
producto?
Ejemplo 03
❖ Un comerciante tiene conocimiento de que el 12% de los artículos del lote recibido están
defectuosos. Si un comprador elige 4 artículos, encuentre la probabilidad de que. a) los 4 estén
defectuosos. b) de 1 a 3 estén defectuosos.
Ejemplo 04
❖ En pruebas realizadas a un amortiguador para automóvil se encontró que el 20%
presentaban fuga de aceite. Si se instalan 8 de estos amortiguadores, hallar la probabilidad de
que,
a) 4 salgan defectuosos
b) más de 5 tengan fuga de aceite.
c) de 3 a 5 amortiguadores salgan defectuosos.
d) Determine el promedio y la desviación estándar de amortiguadores con defectos.
Ejemplo 05
❖ Un ingeniero que labora en el departamento de control de calidad de una
empresa eléctrica inspecciona una muestra al azar de 20 alternadores de un lote. Si
el 10% de los alternadores del lote están defectuosos. Cuál es la probabilidad de
que, en la muestra,
a) Ninguno este defectuoso
b) uno salga defectuoso
c) A lo más dos salgan defectuosos
d) más de tres estén con defectos
DISTRIBUCIÓN HIPERGEOMÉTRICA
▪ Definición. Un experimento hipergeométrico consiste en escoger al azar una muestra de
tamaño n , uno a uno sin restitución, de N elementos o resultados posibles, donde r de los
cuales pueden clasificarse como éxitos, y los N – m restantes como fracasos .En cada
extracción, la probabilidad de que el elemento sea un éxito es diferente, ya que la
extracción es sin reposición.

▪ La distribución hipergeométrica al igual que la distribución binomial se aplica en

situaciones donde se espera que ocurra o no un evento específico, la diferencia es que, en
la distribución binomial, cada producto es extraído con reemplazo y todos los intentos son
independientes, en cambio en la distribución hipergeométrica cada muestra es extraída sin
reemplazo y los intentos son dependientes. (Raymond, H. y Myers, S. ,1998)
 UTILIDAD
➢ La distribución hipergeométrica es especialmente útil en todos aquellos casos en los que se
extraigan muestras o se realizan experiencias repetidas sin devolución del elemento extraído o
sin retornar a la situación experimental inicial.
Por ejemplo:
▪ Se quiere seleccionar 2 hombres de 17 personas de las cuales hay sólo 7 hombres
▪ En la agro industria se tiene 8 terneros de los cuales hay 3 enfermos, se quiere seleccionar 2
para la venta.
▪ Se tiene 22 empleados de los cuales 12 tienen estudios técnicos, se requiere 5 de ellos.
▪ Este modelo presenta similitudes con el Binomial, pero sin la suposición de independencia
de éste último, la dependencia se debe al hecho de que N es finito y las extracciones se
efectúan sin reemplazamiento
 Medidas de resumen de
la distribución
hipergeométrica:
Sea X una variable aleatoria con
distribución hipergeométrica H ( N , n ,
m).

a) Valor esperado o media aritmética

E(x) = np
b) Varianza
Var(x)=npq 𝑁−𝑛 𝑁−1
c) Aproximación a la binomial
≅
H( N, n, m) B(n, p ) n≤0,1x N
Ejemplo 06
❖ En una empresa industrial diariamente se producen 14 unidades de metalmecánica, de las
cuales generalmente 5 salen defectuosas. Se examina en un día cualquiera una muestra de 4
unidades. Hallar la probabilidad de:
a) 2 unidades sean defectuosas.
b) Las 4 sean defectuosas.
Ejemplo 07
❖ Un fabricante de tractores compra motores de una compañía, bajo una condición, acepta un
lote de 40 motores si de una muestra de 8 motores ninguno presenta defectos. ¿Cuál es la
probabilidad de aceptar un lote que en realidad tiene 2 motores con defectos?
Ejemplo 08
❖ Entre los 12 colectores solares en exhibición en una feria comercial 9 son planos y los otros 3
son curvos. Si una persona que visita la feria selecciona aleatoriamente 3 colectores para
probarlos y luego comprarlos, ¿cuál es la probabilidad de que:
a) los 3 sean colectores planos?
b) los 3 sean colectores curvos?.
Ejemplo 09

❖ Una empresa manufacturera recibe un lote que contiene 100 artículos de los
cuales cinco son defectuosos. La compañía revisa constantemente lo que recibe
para establecer la calidad del producto. Si la calidad de un lote recibido es baja,
regresa al proveedor el lote completo. Suponga que la compañía recibe el lote y lo
acepta si hay sólo 1 o menos piezas defectuosas en una muestra de tamaño 6.
¿Cuál es la probabilidad de que acepta un lote de 100 artículos que contengan 5
defectuosos?
 DISTRIBUCIÓN DE POISSON
X~P(𝜆),

▪ Es una distribución de variable aleatoria discreta en la que la variable representa al

número de éxitos en el intervalo de tiempo o espacio, estos eventos son continuos e
independientes, lo que significa que el número de éxitos que ocurren en un intervalo de
tiempo dado o espacio son independientes, de los que ocurren en cualquier otro intervalo,
pero se supone que la tasa de éxitos por unidad de tiempo o espacio permanece
constante, esta tasa lo representaremos por . (Raymond, H. y Myers, S. ,1998)
 Utilidad

Su utilidad se da en general en los problemas llamados líneas de espera,

teoría de colas o similares.
Por ejemplo:
- Nº de leucocitos en una gota de sangre
- Nº de veces que una planta de energía nuclear emite gases radiactivos en
un periodo de tres meses
- Número de bacterias nocivas por cada cm3 de agua.
- Número de personas que llegan a una posta médica para ser atendidos
- Número de aviones que llegan a un aeropuerto durante el día.
 FUNCIÓN DE PROBABILIDAD Medidas de resumen de la
DE LA DISTRIBUCIÓN distribución de Possion :

POISSON
Se dice que la variable aleatoria discreta X,
cuyos valores posibles son:0,1,2..... tiene
distribución de Poisson con parámetro
X ( X > 0 ) y se escribe X~P(X),
Valor esperado o media aritmética
E(x) = μ = 𝝀
b) Varianza V(x) = 𝜎 2 = 𝝀
𝝀: Número promedio de ocurrencias por
c) Aproximación de la distribución Binomial
unidad de tiempo o espacio (n*p)
a la Poisson
X: Número de eventos de Poisson en un
n ≥ 30 y p ≤0.05 .
intervalo de tiempo o en un espacio de
tamaño t
e: 2,7182
Ejemplo 10

❖ Se sabe que el número promedio de camiones que llegan a un terminal terrestre

durante el día es de 10, las instalaciones del terminal pueden atender como máximo 15
camiones al día. ¿Cuál es la probabilidad de que la capacidad de atención del terminal
sea superado en un día cualquiera?
Ejemplo 11

❖ En cierto proceso de fabricación en el que se producen artículos de porcelana ocurren

defectos que ocasionan problemas en las ventas, el fabricante asegura que en promedio
uno de cada 1000 artículos producidos es defectuoso. ¿Cuál es la probabilidad de que en
una caja de 3000 artículos haya:
a) exactamente 3 artículos con defectos?
b) al menos un artículo con defectos?
Ejemplo 12
El número medio de enfermos recibidos cada 10 minutos en un centro sanitario entre las 10
horas y las 15 horas es 1.8. Suponiendo que dicho número de enfermos sigue una
distribución de Poisson.
Se pide:
a) Calcular la probabilidad de que entre las 12 horas y las 12 horas y 10 minutos haya:
a1) Ningún enfermo
a2) Exactamente 2 enfermos
a3) Más de 8 enfermos
a4) Entre 8 y 15 clientes (ambos inclusive)

Ejemplo 13
Se produce defectos en forma aleatoria en cierto tipo de tejidos de lana, con un promedio
de un defecto cada 100 metros cuadrados.
a) ¿Cuál es la probabilidad de que una pieza de 50 por 10 metros no tenga defectos?
b) ¿De qué presente un defecto como máximo?