Son aquellas que corresponden

a una variable discreta.

Rango de X: x1 , x 2 , x3 ...

d
P( c  x d )   p ( x)
c
 PRINCIPALES
DISTRIBUCIONES DISCRETAS
 Distribución Binomial

Ensayo de Bernoulli:

Es un experimento que tiene solamente dos posibles resultados

mutuamente excluyentes y complementarios, generalmente

llamados: Éxito y Fracaso.

Ejemplos:

1. El lanzamiento de una moneda.

2. El observar si un producto es Defectuoso o No Defectuoso.

 X: Número de éxitos en la
muestra
n x n  x
P( X  x )    p q
 x
x = 0, 1, 2, . . . , n q=1-p

Esperanza: np
Varianza: npq

Notación: X ~ B (n , p)
 Ejemplo de Aplicación

Se sabe que en una fabrica que produce botellas de plástico, el 7% de las botellas

no pasan el control de calidad (defectuosas). Si se toma una muestra de 2

unidades:

a.) Muestre la función de probabilidad para la variable número de botellas

defectuosas en la muestra. Debe indicar: La variable aleatoria de interés, su rango o

recorrido y la función de probabilidad especificando sus parámetros y valores

correspondientes.

b.) ¿Cuál es la probabilidad que ambas botellas sean defectuosas?

c.) ¿Cuál es la probabilidad que por lo menos 1 botella sea defectuosa?

d.) Calcular el número promedio de botellas defectuosas.

e.) Calcular la varianza del numero de botellas defectuosas.

 X: Número de éxitos en la muestra
 M  N  M 
   
 x  n  x 
P( X  x)  x  0 ,1... min ( M , n )
N
 
Esperanza: n
M 
n 
Varianza: N
 M  M  N  n 
n   1    
 N  N   N 1 

Notación: X ~ H (N , n , M)
 Ejemplo de Aplicación

Durante una hora se fabricaron en una compañía 5 transmisores. Operan sin

problemas 4, sin embargo 1 tuvo defecto.

Se selecciona al azar una muestra de 3 transmisores:

a.) Indique la función de probabilidad para la variable aleatoria número de

transmisores con defectos en la muestra. Debe indicar: La variable aleatoria de

interés, su rango o recorrido y la función de probabilidad especificando sus

parámetros y valores correspondientes.

b.) Cuál es la probabilidad que a lo más uno de los transmisores seleccionados

sea defectuoso
X: Número de ocurrencias por intervalo continuo

(espacio o tiempo)

e λλ x
P( X  x)  x = 0, 1, 2, . . . >0

x!
Esperanza: 

Varianza: 
 Distribución Poisson

Ejemplos de proceso de Poisson:

1. Observar (contar) el número de manchas o defectos de pintura en un

metro cuadrado de pared pintada.

Los resultados son: 0 manchas, 1 mancha, 2 manchas, etc.

La unidad de medida es: un metro cuadrado.

2. Observar (contar) el número de llamadas que llegan a una central

telefónica en una hora.

Los resultados son: 0 llamadas, 1 llamada, 2 llamadas, etc.

La unidad de medida es: una hora.

 Ejemplo de Aplicación

La central telefónica de una empresa recibe en promedio 6 llamadas

cada 3 minutos:

a.) ¿Cuál es la probabilidad de recibir 5 llamadas en 3 minutos?

b) ¿Cuál es la probabilidad de recibir por lo menos 1 llamada en 2

minutos?

c) ¿Cuál es la probabilidad de recibir 16 llamadas en 9 minutos?

Son aquellas que corresponden
a una variable continua.
Rango de X:
a X b
d
P( c  x d )   f ( x ) dx
c
 PRINCIPALES
DISTRIBUCIONES CONTINUAS
CARACTERISTICAS
 1
f ( x)  a  x b
ba
a  b

2
(b  a ) 2
12
xa
F ( x)
ba
Gráfico de la función de densidad Uniforme
 Ejemplo de Aplicación

1. En ciertos experimentos, el error cometido al determinar la densidad de

una sustancia es una variable aleatoria cuya distribución es uniforme con

a = -0.25 y b = 0.25.

a. ¿Cuál es la probabilidad de que tal error esté entre 0.10 y 0.15?

b. ¿Cuál es el número esperado de errores cometidos?

2. La variable aleatoria continua X definida como el tiempo (en minutos) que

tarda un usuario de un servicio en ser atendido en la oficina de atención

al cliente tiene una distribución uniforme definida en el rango (0;60).

Calcular la probabilidad que un cliente tarde en ser atendido menos de 15

minutos.
Ejemplo de Distribución
Uniforme
Ejemplo de Distribución
Uniforme
 Ejercicios Propuestos

Supongamos que el tiempo (en minutos) que se tarda un cajero en

atender a un cliente es una variable aleatoria con distribución

uniforme en el intervalo [5, 15]

a) Indique cual será la función de densidad de esta variable

aleatoria.

b) Calcule la probabilidad de que el tiempo de atención a un cliente

sea de a lo más 9.5 minutos

c) Calcule la probabilidad de que el tiempo de atención de un cliente

esté entre 7 y 10 minutos.

La variable aleatoria continua X tiene distribución
exponencial con parámetro α > 0, si su función de densidad
está dada por:


e x
;x  0
f ( x)  

0 ; en otro caso

-α xo
F ( Xo ) = P ( X ≤ Xo ) = 1 – e
Gráfico de la función de densidad Función de distribución acumulada
de una variable exponencial

0 ;x  0
F ( x)  P( X  x)    x
1  e ; x0
 Esperanza y Varianza de una Distribución
Exponencial
• El valor esperado o promedio de una distribución
exponencial está dado por: 1
E X  


La varianza de una distribución exponencial es:

2
1
VX    
 
 Ejercicios Propuestos

Supongamos que el tiempo de vida útil de cierta marca de artefacto eléctrico

es una variable aleatoria con distribución exponencial, cuyo promedio es 5

años.

a) Muestre la función de densidad de esta variable aleatoria.

b) Calcule la probabilidad de que un artefacto eléctrico de la marca indicada,

tenga una vida útil de 7 años o menos.

c) Un artefacto eléctrico de dicha marca tiene más de 4 años funcionando,

Relación entre la distribución Exponencial y la
distribución de Poisson

Si la variable de interés es: Número de ocurrencias de un

suceso en un intervalo de tiempo, entonces dicha variable
tiene una distribución de Poisson con parámetro: 

Si la variable de interés es: Tiempo transcurrido hasta la

primera ocurrencia ó tiempo transcurrido entre dos
ocurrencias consecutivas, entonces dicha variable tiene un
distribución exponencial con parámetro:
 
 EJEMPLO
El tiempo en minutos entre las llegadas de
dos vehículos a un puesto de peaje es una
variable aleatoria X exponencialmente
distribuida con media de 10 minutos.
a.) Determine la probabilidad que un par de
vehículos seleccionados al azar lleguen al
puesto de peaje con menos de 5 minutos de
diferencia.
b.) Halle la probabilidad que en 30 minutos
pasen mas de 4 vehículos.
 CARACTERISTICAS:
- Es la más usual e importante.
- Excelente aproximación de las otras
distribuciones
- Tiene forma de campana
- La Media , Moda y Mediana son iguales.
- Entre la media menos 3 desviación estándar y la
media mas 3 desviación estándar se encuentra
el 99.74 % del área.
- Es simétrica alrededor de la media.
1
- La altura máxima de la curva es f (  ) 
2 
Notación: X  N μ,σ  2

• Se lee: “X se distribuye como una normal con
media  y varianza 
2
 2
1 x   
1   
2  
f (x)  e
2
2
 x 
Esperanza: 

Varianza:  2
 f( x )

0 .0 0 0 .0 5 0 .1 0 0 .1 5 0 .2 0

-1 0
-5
0
5

X
N  5  5
2


f( x )

10
0 .0 0 0 .0 5 0 .1 0 0 .1 5 0 .2 0

-1 0
15

-5
20

0
5

X
N  3  2
2


35
f( x )

10
0 .0 0 0 .0 5 0 .1 0 0 .1 5 0 .2 0

15
-1 0
-5

20
0
Distribución Normal

X
N  1 0 3
2


10
15
20
 Distribución Normal
Dado que la variable X es continua, la función f(x) no representa probabilidades

sino densidades. La probabilidad de que una variable continua X con función

densidad f(x) esté entre dos valores, a y b, es dada por:

b
Pr(a  X  b)   f ( x)dx
a

Pr(a  X  b)  F (b)  F (a)

P(a<x<b)

a b

36
 Ejemplo de aplicación

1. La vida útil de un componente eléctrico tiene una distribución normal con

una media de 2000 horas y una desviación estándar de 200 horas.

a. ¿Cuál será la probabilidad de que un componente elegido al azar dure entre

2200 y 2400 horas?

Sol: X : Vida útil del componente eléctrico

P (2200  X  2400) 
2 2
 PX( ~  2400)
X N(=  P( X= 200
2000; ) 
2200)
 0, 977250  0,841345 
 0,135905
Ejemplo de la Distribución Normal
 Ejemplo de aplicación

2. La vida útil de un componente eléctrico tiene una distribución

normal con una media de 2000 horas y una desviación estándar de

200 horas.

b. ¿Cuál es la vida útil del 90% de los componentes eléctricos?

Sol: X : Vida útil del componente eléctrico

2 2
 A 2000;
PX(~X N(= )  0 ,9 0= 200 )
 A  2256, 31
Ejemplo de la Distribución Normal
2


• Toda variable aleatoria con distribución

Normal se puede estandarizar, haciendo:
x 
Z 

• Esperanza: µ = 0
• Desviación Estándar: =1
• De donde se deduce que: Z N (0,1)
Si X1 y X 2 son dos varibles aleatorias independie ntes
 
tales que X1  N μ1 , σ12 y X 2  N μ 2 , σ 22  
entonces se cumple que :

X1  X 2  T  N μ 1  μ 2 , σ  σ 2
1
2
2 
X1  X 2  D  N μ 1  μ2, σ  σ
2
1
2
2 
En el caso de la suma se puede generalizar para más

de dos variables