DISTRIBUCIONES DE

PROBABILIDAD
Mg.Katherine L.García Tapia
 Definición:
 Es una distribución de variable aleatoria discreta en la que la

FUNCIÓN DE variable representa al número de éxitos en el intervalo de tiempo o

DISTRIBUCIÓN espacio, estos eventos son continuos e independientes, lo que
DE POISSON 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
 Se emplea para describir varios procesos:
 Distribución de las llamadas telefónicas que llagan a un
¿Cuándo se conmutador

utiliza la  La demanda de servicios en un hospital por parte de los pacientes

 Los arribos de los camiones y automóviles a la caseta de cobro
distribución de  El número de accidentes en un cruce
poisson?  El número de defectos en una tela por m2
 El número de bacterias por cm2 , etc
  El número medio (promedio) de eventos en el espacio temporal o
región específica de interés, por lo general esta media se
representa por la lambda griega (λ)
 El número de resultados que ocurren en un intervalo de tiempo o
región específicos es independiente de el número que ocurre en
cualquier otro intervalo de tiempo o región
Características  La probabilidad de que un resultado muy pequeño ocurra en un
intervalo de tiempo muy corto o en una región pequeña es
proporcional a la longitud del intervalo de tiempo o al tamaño de
la región
 La probabilidad de que más de un resultado ocurra en un intervalo
de tiempo tan corto o en esa región tan pequeña es inapreciable,
que se puede asignar el valor de 0
 −𝜆 𝑥
𝑒 (𝜆)
 

𝑃 [ 𝑥= 𝑥 ] =
FUNCIÓN DE 𝐗!
PROBABILIDAD  
 : Número promedio de ocurrencias por unidad de tiempo o
 
espacio (n*p)
 X: Número de eventos de Poisson en un intervalo de tiempo o
en un espacio de tamaño t
 e: 2,7182
  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),

Medidas de  a)Valor esperado o media aritmética

resumen de la
distribución de E(x) = μ =
b) Varianza
Poisson :
V(x) = 𝜎2 =
 1. Un estudiante de educación a distancia comete en promedio 5
errores por página en un trabajo monográfico .¿ Cuál es la
probabilidad de que cometa 3 errores en un trabajo de 5
paginas?
𝝺=5
− 𝟓
  𝑒 (𝟓 )𝟑
𝑃 [ 𝑥= 3 ]=
𝟑!
  𝟎 . 𝟖𝟒𝟐
Ejemplos 𝑃 [ 𝑥= 3 ]=
𝟔
=  0.1404

La probabilidad de que el estudiante cometa 3 errores en 5

páginas es 0.1404 o 14.04%
 1. El promedio anual de terremotos en Japón es 0.5, ¿Hallar la
probabilidad de que no haya terremotos en los próximos 3 años?
𝝺 = 0.5
  𝑒 − 𝟎 . 𝟓 ( 𝟎 . 𝟓 )𝟎
𝑃 [ 𝑥= 0 ]=
𝟎!

  𝟎 . 𝟔𝟎𝟔𝟓𝟑𝟎
𝑃 [ 𝑥= 0 ]=
𝟏
Ejemplo
  𝑃 [ 𝑥 = 0 ] =𝟎 . 𝟔𝟎𝟔𝟓𝟑𝟎

la probabilidad de que en japón no haya terremoto en 3 años es de 0.6065

 1. 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 𝝺 = n*p =3000(1/1000) =3

a  .

a. 

La probabilidad de que ocurran exactamente 3 artículos con defectos es de

0.2240
b) al menos un artículo con defectos?

P(x ≥ 1) = p(x=0) P(x ≥ 1) = p(x=1)+p(x=2)+p(x=3)… p(x=3000)

P(x ≥ 1) = 1- 0.049789 =  0.049789
P(x ≥ 1) = 0.950213
 . 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
Distribución éxitos, y los N – r restantes como
fracasos.
hipergeométrica
En cada extracción, la probabilidad
de que el elemento sea un éxito es
diferente, ya que la extracción es sin
reposición.
 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
Utilidad 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
 Los experimentos que tienen este tipo de distribución
tienen las siguientes características:
a)      Al realizar un experimento con este tipo de
distribución, se esperan dos tipos de resultados.
b)      Las probabilidades asociadas a cada uno de los
CARACTERÍSTICAS resultados no son constantes.
c)      Cada ensayo o repetición del experimento no es
independiente de los demás.
d)      El número de repeticiones del experimento (n) es
constante.
 𝒎 𝑵 −𝒎
 
𝑪 𝑪 𝒙 𝒏−𝒙
𝑃 [ 𝑥= 𝑥 ] = 𝑵
FUNCIÓN DE 𝑪 𝒏
PROBABILIDAD
 N: Tamaño de la Población
DE LA  n: Tamaño de la muestra
 m: Todos o cantidad de elementos que
DISTRIBUCIÓN cumplen característica deseada
 x: Cantidad de éxitos
HIPERGEOMÉTRI
CA   𝒏 𝒏!
( ) 𝒌
𝒏
= 𝒄𝒌=
𝒌 !(𝒏 − 𝒌 ) !
 Sea X una variable aleatoria con distribución
hipergeométrica H ( N , n , m).

 a) Valor esperado o media aritmética

Medidas de E(x) = np
resumen de la
b) Varianza
distribución Var(x)=npq
hipergeométrica:
  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
a) p(x=2) m= 5 x= 2 N= 14 n= 4

𝟏𝟎 ∗ 𝟑𝟔
 
𝟓 𝟏𝟒 − 𝟓
  𝑪 𝑃
𝑪[ 𝑥 = 2 ] = 𝟐 𝟒 −𝟐
𝑃 [ 𝑥= 2 ]= 𝟏𝟎𝟎𝟏
EJEMPLOS 𝑪
𝟏𝟒
𝟒

  𝑃 [ 𝑥 = 2 ] =0.3596
La probabilidad de que 2 unidades sean defectuosas es de 0.3596
b) Las 4 sean defectuosas
𝟓 𝟏𝟒 − 𝟓   𝟓∗𝟏
  𝑪𝑃𝟒 𝑪
[ 𝑥 =
𝟒−𝟒 2 ] =
𝑃 [ 𝑥= 4 ]= 𝟏𝟒
𝟏𝟎𝟎𝟏
𝑪𝟒
  𝑃 [ 𝑥 = 4 ] =0.004995
La probabilidad de que 4 unidades sean defectuosas es de 0.004995
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?
m=5 x= 0 N=100 n=6
P(x≤ 1) = p(x=0)+p(x=1)
=  0.72908522

=  0.24302841
m=5 x= 1 N=100 n=6

P(x≤ 1) = 0.7291+0.2430 = 0.97211363

La probabilidad de que acepte un lote de 100 artículos que

contengan 5 defectuosos es de 0.9721
ALGUNAS
DISTRIBUCIONES
IMPORTANTES -
CONTINUAS
  Distribución uniforme de probabilidad
DISTRIBUCIONES
 Distribución exponencial de probabilidad
IMPORTANTES -
CONTINUAS  Distribución Normal de probabilidad
 ¿Qué es la distribución normal?

 La idea es conocer, en un estudio estadístico, como se

distribuye la población estudiada según una
determinada característica; y hablamos de función
normal porque, con muestras suficientemente
representativas, los resultados obtenidos serán
siempre los mismo que serán los resultados de la
población general, es decir, si hacemos varias
Distribución encuestas diferentes las distribuciones no cambiarán y
serán iguales.
Normal
 Se utiliza en muchos fenómenos que ocurren en la naturaleza, en
la industria y en cualquier campo, tales como: la temperatura del
medio ambiente, la precipitación pluvial, las mediciones de
magnitudes físicas, el peso y la talla de las personas, etc.
Por ejemplo:
Utilidad • Consumo de cierto producto por un mismo grupo de individuos,
• Cociente intelectual, grado de adaptación a un medio
• Efecto de una misma dosis de un fármaco, o de una misma
cantidad de abono
 Tiene
  la forma de una campana

-Es simétrico respecto a su media

-Concede con 3 medidas de tendencia central

(X=Me=Mo)

El recorrido de la variable
Características EL área comprende entre la curva y el eje Y es igual 1
 FUNCIÓN DE
DENSIDAD  Dónde : x= Variable normal que toma los valores x de
PROBABILIDAD u= media 𝞂= desviación estándar
DE LA
3.14159 e=2,71828 x N(
DISTRIBUCIÓN
X N(
NORMAL
ESTÁNDAR La distribución normal es el modelo probabilístico que se usa
más frecuentemente y sirve como una buena aproximación de
muchas distribuciones que tienen aplicaciones importantes.
  Paso 1 : interpretar gráficamente el área de interés
 Paso 2: determinar el valor Z

Pasos para  Paso 3: Buscar en la tabla de probabilidades

 Paso 4: hacer la suma o reta de áreas para encontrar la
determinar el probabilidad deseada
área bajo la
curva normal
estándar
  Z, se le denomina variable tipificada de X , un valor z es la distancia
a partir de la media, medida en las unidades de desviación
estándar.
 El valor Z = la distancia entre un valor seleccionado (x) y la media
dividida por la desviación estándar

El valor Z  
𝑥− 𝜇
𝑧=
𝜎
 a) Valor esperado o media aritmética
Medidas de  E(Z) = =0
resumen de la   b) Varianza
distribución  Var(Z)==1
Normal:
 1) P( Z < a) =F(a)

 2) P(Z >a) = 1- P(z<a) = 1- F(a)

Usando tabla  3) P(a<z < b)= F(b) – F(a)

(Propiedades)  4) P(z<- a)=1 – P(z< a)

 5) P(z>-a)=P(z< a)
 1. Utilizando la tabla hallas las siguientes probabilidades :
a. P(Z < 1.68)= 0.9535
b. P (z> 1.68) = 1-p(z<a) = 1- p(z<1.68)= 1-0.9535 = 0.00465
c. P (1.45 < z < 2.96 )= F(b) – F(a) = p(z<2.96)-p(z<1.45)=0.9985-0.9265= 0.072
d. P (z<- 2.3 )
e. P(- 1< z <1 )
2. Suponga que el ingreso familiar mensual en una comunidad tiene distribución

Ejemplos normal con media $600 y desviación estándar $100.

a) Calcular la probabilidad de que el ingreso de una familia escogida al azar sea menor
que $400.
3. Los coeficientes de inteligencia (CI)de un grupo de pacientes, tienen
aproximadamente una distribución normal ,con una media de 100 y una desviación
típica de 10 .Se pide :

a)Hallar la proporción de pacientes con CI mayores que 125

b) ¿Cuál es la prob. de que un paciente elegido al azar entre los de esa población ,tenga
una CI entre 105 y 115?

c) ¿Cuál es la prob. de que un paciente elegido al azar entre los de esa población tenga
un CI entre 80 y 95?
 . Los coeficientes de inteligencia (CI)de un grupo de pacientes, tienen
aproximadamente una distribución normal ,con una media de 100 y una
desviación típica de 10 .Se pide :

a)Hallar la proporción de pacientes con CI mayores que 125

b) ¿Cuál es la prob. de que un paciente elegido al azar entre los de esa

población ,tenga una CI entre 105 y 115?

c) ¿Cuál es la prob. de que un paciente elegido al azar entre los de esa población
tenga un CI entre 80 y 95?
Ejemplos P(x> 125)
 
a) x=cI u= 100 𝞂=10 = 2.5
P(z>2.5) = 1-p(z<a)
P(z>2.5)= 1-p(z<2.5)
= 1- 0.9798
=0.0202
 
b.P(105≤x≤115) = p(b)-p(a) = 0.9332-0.6915 =0.5
= 0.2417
 
= 1.5