SESIÓN 13

TEMARIO

1. Conceptos generales variable aleatoria

2. Variable aleatoria discreta: Distribución Binomial
3. Variable aleatoria discreta: Distribución Poisson
LOGRO DE LA SESIÓN:

Al finalizar la sesión, el estudiante aplica los

conceptos de variable aleatoria, para asociar el
resultado de un experimento aleatorio de tipo
discreto o de Poisson, tomando en cuenta
aplicaciones en contextos reales de sus carreras.
DUDAS SOBRE LA CLASE ANTERIOR:

1) ¿Qué temas trabajamos la clase anterior?

2) ¿Hubo algún ejercicio que no pudieron resolver?
3) ¿Pará que sirve el teorema de bayes?
4) ¿Cuándo aplicamos probabilidad total?

Datos/Observaciones
CONOCIMIENTOS PREVIOS:

Se conoce por experiencias anteriores que el 20% de las plantas de

limonero son atacadas por cierta plaga. Si se desea llevar a cabo un
experimento con 10 plantas. Cuál será la probabilidad de que:

a) 5 plantas sean atacadas?

b) 3 o más plantas sean atacadas?

Datos/Observaciones
UTILIDAD DEL TEMA:

APLICACIONES DE DISTRIBUCIÓN BINOMIAL Y POISSON

• Utilizamos la distribución binomial en todos los eventos donde
solamente hay dos resultados. En el campo de los negocios por
ejemplo cuando una inversión genera una ganancia o pérdida. Ahí,
sin darnos cuenta, estamos haciendo uso de este concepto.
• La distribución de Poisson se utiliza en el campo de riesgo
operacional con el objetivo de modelar las situaciones en que se
produce una pérdida operacional. En riesgo de mercado se emplea
el proceso de Poisson para los tiempos de espera entre
transacciones financieras en bases de datos de alta frecuencia.

Datos/Observaciones
 DESARROLLO DEL TEMA:
Variable aleatoria

 Es la descripción numérica del resultado de un experimento.

 Una variable aleatoria asocia un valor numérico a cada uno de los resultados experimentales.
 Las variables aleatorias se designan por letras mayúsculas: X, Y, Z, etc., y a sus valores que
toman por letras minúsculas.

La variable aleatoria Lo que es aleatorio es el

atribuye a cada experimento, sobre cuyo
elemento un espacio muestral se
número fijo y define la variable
determinado. aleatoria.
 VARIABLE ALEATORIA
Variable aleatoria: Discreta y Continua

VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA CONTINUA

El rango está determinado por un conjunto finito El rango está determinado por un conjunto
o infinito numerable de valores. infinito no numerable de valores.
Ejemplos: Ejemplos:
- Número de personas contagiadas por covid. - Temperatura del ambiente en °C.
- Cantidad de preguntas correctamente - Peso en Kg de lotes de mercadería.
contestadas en una evaluación de personal. - Tamaño en MB de una aplicativo en ANDROID.
- Número de profesionales que participan en
un proyecto.
 Variable aleatoria: Discreta

Sea el experimento: Se lanzan 3 monedas

Variable Aleatoria: X= Número de sellos obtenidos Función de Probabilidad
Espacio muestral 𝛺 = P=f(x)

3/8 3/8
Espacio Muestral R(x) P(X=x)
CCC 0 1/8 = 0,125
1/8
CCS,CSC,SCC 1 3/8 = 0,375 1/8

CSS,SCS,SSC 2 3/8 = 0,375

SSS 3 1/8 = 0,125
0 1 2 3 X
Propiedad R ( x )
 VARIABLE ALEATORIA
Variable aleatoria: Continua
𝑏

𝑃 [ 𝑎 ≤ 𝑥 ≤𝑏 ] =∫ 𝑓 ( 𝑥 ) 𝑑𝑥
𝑎

Si: a < b, se tiene que

1)
 DISTRIBUCIÓN BINOMIAL
Distribución discreta: Binomial
1. El experimento consiste en una secuencia de "n" pruebas, donde "n" se fija antes del experimento.

2. Las pruebas son independientes, por lo que el resultado de cualquier prueba no afecta al resultado
de cualquier otro.

3. En cada prueba, solo hay 2 posibles resultados: éxito o fracaso

Probabilidad de éxito = 𝑝

Probabilidad de fracaso = 𝑞 = 1 − 𝑝
 DISTRIBUCIÓN BINOMIAL
Distribución discreta: Binomial
Fórmula
𝑑𝑜𝑛𝑑𝑒: 0 ≤ 𝑥 ≤ 𝑛
𝜇 = 𝐸(𝑋) = 𝑛𝑝

Para construir una distribución binomial es necesario conocer el número de pruebas que se
repiten (n) y la probabilidad de que suceda un éxito en cada una de ellas (P).
Notación: X ~ B(n,p)

Usos por ejemplo:

 Un tratamiento médico puede ser: Efectivo o No Efectivo.
 El cliente de un banco puede ser catalogado como: Moroso o No Moroso
 Un artículo producido puede ser: Defectuoso o No Defectuoso
 DISTRIBUCIÓN BINOMIAL
Ejercicios: Distribución discreta binomial

65 de cada 100 estudiantes de un colegio del

interior del país cursan estudios universitarios
al terminar su secundaria. En un grupo de 8
estudiantes elegidos al azar de un determinado
colegio del interior del país que están
culminando su etapa escolar. Halle la
probabilidad de que estudien una carrera:

a) Exactamente 3 estudiantes
b) Más de 6 estudiantes
c) Calcule la media
 DISTRIBUCIÓN BINOMIAL
Solución: Distribución discreta binomial
X: Número de estudiantes que estudian una Carrera universitaria. ( )
𝑃 ( 𝑋 =𝑥 ) = 𝑛 𝑝 𝑞
𝑥
𝑥 𝑛− 𝑥

Éxito: {Estudien una carrera} → p = 65/100 = 0.65

X ~ B(n=8 ; p = 0,65)
Fracaso: {No estudien una carrera} → 𝑞 = 0.35 𝑋 = 0,1,2,3,4,5,6,7,8

solución a: 3 alumnos estudien una carrera universitaria (X=3)

P(𝑋 = 3) = .0. 653 ∙ 0. 355 =
solución c. Media
La probabilidad que estudien 3 alumnos de un total de 8 una carrera es 𝐸 (𝑋) = 𝑛𝑝
𝐸 ( 𝑋)=
solución b.Más de 6 alumnos estudien ( X>6)
𝑃 (𝑋 > 6 )= 𝑃 ( 𝑋 = 7)+ 𝑃 ( 𝑋 = 8)

La probabilidad que estudien más de 6 alumnos de un total de 8 una carrera es 0.169

 DISTRIBUCIÓN BINOMIAL
Si el porcentaje de personas contagiadas de covid con variante delta es del 15%, que
probabilidad existe de que:
a) si se escogen 5 personas al azar, uno de ellos este contagiado del COVID.

b) si se escogen 8 personas al azar, al menos dos de ellos estén

contagiados.

1 -[

c) si se escogen 10 personas al azar, a lo mucho 2 estén contagiados.

 DISTRIBUCIÓN POISSON
Distribución discreta: Poisson
Cuando en una distribución binomial n > 30 y p < 0,1 puede considerarse que cumple con la
distribución poisson 𝜆 = np
El proceso de Poisson es un experimento aleatorio utilizado para describir el número de veces
que un evento ocurre en un espacio finito de observación (área, tiempo, etc).

Es útil para la ocurrencia de eventos por unidad de tiempo: errores/mes, quejas/semana,

defectos/día.

Tasa de ocurrencia (𝝀)

Ejemplo. La central telefónica A recibe 50 llamadas telefónicas en 5 horas.
¿Cuantas llamadas recibirá en 4 horas?
𝜆 𝐴 = 50
importante recordar que es para 5 horas
 DISTRIBUCIÓN POISSON
Distribución discreta: Poisson
𝜇 = 𝐸(𝑋)= 𝜆
Fórmula
D𝑜𝑛𝑑𝑒: 𝑥 = 0,1,2,3, …

Donde:
 P(X=x) es la probabilidad de ocurrencia cuando la variable discreta X toma un
valor finito x.
 λ = Lambda es la ocurrencia promedio por unidad (tiempo, volumen, área, etc.).
La constante e tiene un valor aproximado de 2.711828

Notación: X ~ P(𝜆)
 DISTRIBUCIÓN POISSON
Ejercicio: Distribución discreta Poisson
Un cajero automático es utilizado cada 20 minutos por 6 personas. Se desea saber cuál es la
probabilidad de que:

a) El cajero sea utilizado por 10 personas en 20 minutos.

b) El cajero sea utilizado por al menos 3 personas en 20 minutos.
c) El cajero sea utilizado por 5 personas en 10 minutos
 DISTRIBUCIÓN POISSON
𝑒− 𝜆 . 𝜆 𝑥
Ejercicio: Distribución discreta Poisson: 𝑃 ( 𝑋 =𝑥 ) = , 𝑋 =0,1,2,3 , …
𝑥!
Solución a:
Sea: X: Número de personas que usan cajero automático: Tasa de ocurrencia: 𝜆1 = 6
−6 10
Piden: 𝑃 ( 𝑋 =10 ) = 𝑒 . 6 La probabilidad de que el cajero sea utilizado
=¿
10! por 10 personas en 20 minutos es 0,041.

Solución b: Piden: 𝑃(𝑥 ≥ 3) = 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + ⋯

Propiedad
𝑃 ( 𝑥 ≥3 )=1 − 𝑃 ( 𝑥<3 ) ¿ 1− [ 𝑃 ( 𝑥= 0 ) + 𝑃 ( 𝑥=1 ) + 𝑃 ( 𝑥=2) ]

( )
−6 0 −6 1 −6 2
𝑒 . 6 𝑒 . 6 𝑒 .6
1− + + La probabilidad de que el cajero sea utilizado
0! 1! 2!
por 10 personas en 20 minutos es .
𝑃 ( 𝑥 ≥3 )=1 − ( 0.062 ) =
 DISTRIBUCIÓN POISSON
Ejercicio: Distribución discreta Poisson:

Solución c: 6 personas 20 minutos

𝜆 𝑛𝑢𝑒𝑣𝑜 10 minutos

𝜆 𝑛𝑢𝑒𝑣𝑜 = 3
Reemplazando: 𝑒− 𝜆 . 𝜆 𝑥
𝑃 ( 𝑋 =𝑥 ) = , 𝑋 =0 , 1 , 2, 3 , …
𝑥!

𝑒 −3 . 35
𝑃 ( 𝑋 =5 )= =¿
5!

La probabilidad de que el cajero sea utilizado por 5 personas en 10 minutos es:

 DISTRIBUCIÓN POISSON
Ejercicio: Distribución discreta Poisson
Se cree que el número promedio de individuos por cada 2𝑘𝑚2 de cierta especie de
mamíferos que habita en las alturas de cierta region es de 1.2.
Si se tiene una área de 3 𝑘𝑚2.¿Cuál es la probabilidad que se encuentre como mínimo 2
individuos?

Solución Del problema: Tasa de ocurrencia: 𝜆1 = 1.2 para 2𝑘𝑚2 2 𝑘𝑚2 1.2 ind.
X: Número de habitantes por área
3 𝑘𝑚2 𝜆 𝑛𝑢𝑒𝑣𝑜
Piden: P(x ≥ 2)
𝜆 𝑛 𝑢 𝑒 𝑣 𝑜 = 1.8
𝑃(x ≥ 2) = 1 − 𝑃(𝑥 < 2) = 1 − [P ( 𝑥 = 0) +P(x=1)

1− ( 0!
+
1! )
𝑒 −1 .8 ∗1 , 8 0 𝑒− 1 .8 ∗1 , 81=1 −(0.4629) = 0.5371

La probabilidad que se encuentre como mínimo 2 individuos es 0.5371.

ESPACIO PRACTICO AUTONOMO:
Conclusiones
Resolveremos el
siguiente ejercicio
de manera individual
8 minutos!!
 EJERCICIO INDIVIDUAL Nº1
Se conoce por experiencias anteriores que el 20% de las plantas de
limonero son atacadas por cierta plaga. Si se desea llevar a cabo un
experimento con 10 plantas. Cuál será la probabilidad de que:
a) 5 plantas sean atacadas?
b) 3 o más plantas sean atacadas?
 EJERCICIO INDIVIDUAL Nº2
A cierta fábrica de laminados de madera, llegan por término medio 3
clientes cada 2 horas. Suponiendo que las llegadas se distribuyen de
acuerdo a una distribución de Poisson. Calcule La probabilidad de
que en una mañana de trabajo (de 9:30 a 13:30 horas) lleguen más
de 2 clientes.
 CIERRE:

¿Qué hemos aprendido?

1. ¿Cuál es la diferencia entre una

variable aleatoria discreta y
variable aleatoria continua?

2. ¿Qué diferencias existe entre

una distribución Binomial y Poisson?