Distribuciones Discretas

Dina Alejandra García Encinales, Wendy Julieth Suarez & Ivan Andrés Roa Ome

Corporación Universitaria Minuto de Dios

NRC: 2042: Estadística inferencial

Jorge Luis Bustos Galindo

02 de septiembre de 2023
 Distribuciones Discretas

Es aquella distribución que define las probabilidades de una variable aleatoria

discreta. Por lo tanto, una distribución de probabilidad discreta solo puede tomar un número

finito de valores (generalmente enteros).

En una distribución de probabilidad discreta se asocia cada valor de la variable

discreta que representa (Xi) a un valor de probabilidad (pi) que va desde 0 hasta º. De manera

que la suma de todas las probabilidades de una distribución discreta da como resultado uno.

Formula:

P [𝑋 = 𝑥𝑖] = 𝑝𝑖 𝑖 = 1,2, … . , 𝑛.

0 ≤ 𝑝𝑖 ≤ 1

∑ 𝒑𝒊 = 𝟏
𝒊=𝟎

Ejemplo:

El número de veces que se obtiene el número 5 al lanzar un dado 30 veces

Distribución Binomial: La distribución binominal, también llamada distribución

binómica, es una distribución de probabilidad que cuenta el número de éxitos al realizar una

serie de experimentos dicotómicos e independientes con una probabilidad de éxito constante.

Es decir, la distribución binominal es una distribución que describe el número de resultados

con éxito de una secuencia de ensayos de Bernoulli.

En general, el número total de experimentos realizados se define con parámetro n,

mientras que p es la probabilidad de éxito de cada experimento. De modo que una variable

aleatoria que sigue una distribución binomial se escribe de la siguiente manera:

Formula:

𝑋 ~𝐵𝑖𝑛 (𝑛, 𝑝)

Ejemplo:

Se lanza una moneda cuatro veces. Calcular la probabilidad de que salgan más caras

que cruces.

Tener en cuenta que en una distribución binomial se repite exactamente el mismo

experimento (n) veces y los experimentos son independientes entre sí, de modo que la

probabilidad de éxito de cada experimento es la misma (p).

 Distribución Hipergeométrica: Es una distribución de probabilidad que describe el

número de casos de éxito en una extracción aleatoria y sin remplazo de (n) elementos de una

población.

Es decir, la distribución hipergeométrica sirve para calcular la probabilidad de

obtener(x) éxitos al extraer (n) elementos de una población sin reemplazar ninguno.

Por lo tanto, la distribución hipergeométrica tiene tres parámetros:

N: Es el número de elementos de la población ( N = 0,1,2 , ….)

K: Es el número máximo de casos de éxito (K= 0,1, 2,…,n). como en una distribución

hipergeométrica un elemento solo puede considerarse “éxito” o “fracaso”, N-K es el número

máximo de casos de fracaso

n: Es el número de extracciones sin reemplazo que se hacen.

Formula:

Ejemplo:

En una urna hay 7 bolas blancas y 5 negras. Se sacan 4 bolas ¿Cuál es la probabilidad

de que 3 sean blancas?

Entonces:
 N = 12; N1 = 7; N2 = 5; k = 3; n = 4

Si aplicamos el modelo:

Por lo tanto, P (x = 3) = 0,3535. Es decir, la probabilidad de sacar 3 bolas blancas es

del 35,3%.

Distribución de Poisson: Es una distribución de probabilidad que define la

probabilidad de que ocurra un determinado número de eventos durante un periodo de tiempo.

Es decir, la distribución de Poisson sirve para modelizar variables aleatorias que describen el

número de veces que se repite un fenómeno en un intervalo de tiempo.

La población es grande y la probabilidad de éxito es pequeña, o se plantea en

promedios de ocurrencias.

La distribución de Poisson tiene un parámetro característico, que se representa con la

letra griega λ e indica el número de veces que se espera que ocurra el evento estudiado durante

un intervalo dado.

En general, la distribución de Poisson se usa para modelizar estadísticamente sucesos

cuya probabilidad de ocurrencia es muy baja.

 Formula:

Ejemplo:

La veterinaria de Jorge recibe un promedio de μ = 4 pacientes por día. Sabiendo que

el número de pacientes que llegan en un día sigue una distribución de Poisson, calcular:

a) la probabilidad de que lleguen 3 pacientes en un día.

Primero definimos nuestra variable aleatoria:

X = número de pacientes que llegan en un día.

Además, nos indican que esta variable aleatoria X sigue una distribución de Poisson,

entonces podemos aplicar la fórmula:

Calculamos la probabilidad de que lleguen 3 pacientes en un día, es decir, f(3).

Además, el enunciado nos indica que llegan en promedio 4 pacientes por día, es decir, μ = 4.
 La probabilidad de que lleguen 3 pacientes en un día es de 0,1954 o 19,54 %.

b) La probabilidad de que lleguen 5 pacientes en un día.

Calculamos la probabilidad de que lleguen 5 pacientes en un día, es decir, f(5).

Además, el enunciado nos indica que el enunciado que llegan en promedio 4 pacientes por

día, es decir, μ = 4.

La probabilidad de que lleguen 5 pacientes en un día es de 0,1563 o 15,63 %.

 Citas bibliográficas

Estadística, P. Y. (2022b). Distribución de probabilidad discreta. Probabilidad y

Estadística. https://www.probabilidadyestadistica.net/distribucion-de-probabilidad-discreta/

Jorge, & Jorge. (2022). Distribución de poisson | Matemóvil. MateMovil.

https://matemovil.com/distribucion-de-poisson/

Marta. (2023, 1 julio). Ejercicios resueltos de distribucion binomial | Superprof.

Material Didáctico - Superprof.

https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/distribucion-

binomial/problemas-y-ejercicios-de-la-distribucion-binomial.html

AulaFacil. (2015). Distribuciones discretas: hipergeométrica - estadísticas.

www.aulafacil.com. https://www.aulafacil.com/cursos/estadisticas/gratis/distribuciones-

discretas-hipergeometrica-l11242