Distribuciones de

probabilidad discreta
Antonio Millán A.
Monterrey, N.L.
Cap 6 p. 186
 Media 168
Estatura clase SD 10.03
Mediana 164
Q1 160
Q3 178
Sesgo 0.49
Moda 160
Rango 35
dispersión
6.0%
relativa

Rango
 Fam A Fam B Fam C Fam D
74 27 88
Fam C 17 67 28 82
13 41 5 58
45 40 3 55
42 34 1 54
Fam A 51

Media 29.25 51.2 12.8 64.7

SD 14.36 16.09 12.07 14.62
Dispersión
relativa
49.1% 31.4% 94.3% 22.6%
 Fam A Fam B Fam C Fam D
74 27 88
17 67 28 82
Fam C 13
45
41
40
5
3
58
55
42 34 1 54
51

Media 29.25 51.2 12.8 64.7

Fam D SD
Dispersión
14.36
49.1%
16.09
31.4%
12.07
94.3%
14.62
22.6%
relativa

Fam C

Fam B
 Probabilidad Clásica
Eventos mutuamente excluyentes
• Eventos mutuamente excluyentes: la
ocurrencia de cualquier evento significa
que ninguno de los otros eventos pueda
ocurrir al mismo tiempo.
• Dos eventos A y B son independientes si la
ocurrencia de uno no tiene efecto sobre la
probabilidad de que el otro ocurra.
• En el ejemplo del Diagrama de Arbol los
cuatro resultados posibles son
mutuamente excluyentes.
 Probabilidad Clásica
Eventos colectivamente exhaustivos

• Colectivamente exhaustivos: En el espacio

muestral deben estar todas las posibilidades
y por lo menos uno de los eventos debe
ocurrir cuando se realiza un experimento.
• En el ejemplo de las dos monedas, los cuatro
resultados son colectivamente exhaustivos.
En otras palabras, la suma de las
probabilidades = 1
• (.25 + .25 + .25 + .25).
 Probabilidad empírica
La probabilidad de que un evento suceda a la larga
se determina observando el número de veces que
ocurrió en un tiempo pasado

Ley de los grandes números: En un gran número de

pruebas, la probabilidad empírica de un evento se
acercará a su verdadero valor.
Número de veces que ocurrió el evento en el pasado
Probabilidad del evento=
Número total de observaciones
Probability
The probability of an outcome is the proportion of times the outcome would
occur if we observed the random process an infinite number of times.
Levin & Rubin
 Probabilidad subjetiva
• Probabilidad subjetiva: la posibilidad
(probabilidad) de que suceda un evento en
particular; la asigna un individuo que se basa
en alguna información disponible.
• Ejemplos de probabilidad subjetiva: estimar
la probabilidad de que el próximo año los
Tigres ganen el campeonato o estimar la
probabilidad de que este año renuncie
Trump.
 Tipos de probabilidad
Tipos de probabilidad

Probabilidad Probabilidad
objetiva subjetiva

Probabilidad Probabilidad
clásica empírica Parte de
información
disponible

Resultados Se sustenta en
igualmente frecuencias
probables relativas
 Probabilidad Conjunta
La probabilidad conjunta mide la posibilidad de
que dos o más eventos ocurran en forma
simultánea. Por ejemplo, el evento de que una
carta sea el rey de corazones o de que un
estudiante tenga corazones y entonces ambas
cartas.
 La regla de la multiplicación
La regla de la multiplicación requiere que
los dos eventos A y B sean independientes.
• Dos eventos A and B son independientes si la
ocurrencia de uno no tiene efecto en la
probabilidad de la ocurrencia del otro.
• La regla de la multiplicación se escribe como:

P(A y B) = P(A)*P(B).
 Probabilidad Condicional
_La probabilidad condicional es la
P. 160

posibilidad de que ocurra un evento

en particular dado que otro evento
ya ocurrió.
• Nota: la probabilidad del evento
A, dado que el evento B ya
ocurrió, se escribe como P(A|B).
Regla general de la multiplicación

La probabilidad conjunta P(A y B) se

obtiene por medio de la fórmula
siguiente:
P(A y B) = P(A)*P(B|A) ó
P(A y B) =
P(B)*P(A|B)
• Por lo tanto la probabilidad
condicional será:
P(B|A) = P(A y B)/P(A)
 Diagramas de árbol
• Un diagrama de árbol es muy útil para
determinar la probabilidad condicional y la
probabilidad conjunta. En particular sirve para
analizar las decisiones administrativas que
consideran varias etapas.
• Es una gráfica útil en organizar los cálculos que
involucran varias etapas. Cada segmento en el
árbol es una etapa de el problema. Las hojas
del diagrama de árbol están ponderadas por
probabilidades.
 Ejemplo
• Un golfista tiene 12 camisetas de golf en su
closet. Suponga que 9 son blancas y el resto
azules. El se viste en la oscuridad, así que solo
toma una camiseta y se la pone. Juega golf dos
días y no hace la tintorería.
• ¿Cuál es la probabilidad de que ambas
camisetas seleccionadas sean blancas?
 7/10
B 0.7
8/11
B 0.7273
3/10
9/12 A 0.3
B 0.75 8/10
12 playeras B 0.8
9 Blancas 3/11
3 Azules A 0.2727

2/10
A 0.2
Elegir una playera
8/10
B 0.8
9/11
B 0.8182

2/10
3/12 A 0.2
A 0.25 9/10
B 0.9
2/11
A 0.1818

1/10
A 0.1
 7/10
B 0.7
8/11
B 0.7273
3/10
9/12 A 0.3
B 0.75 8/10
12 playeras B 0.8
9 Blancas 3/11
3 Azules A 0.2727

2/10
A 0.2
Elegir una playera
8/10
B 0.8
9/11
B 0.8182

2/10
3/12 A 0.2
A 0.25 9/10
B 0.9
2/11
A 0.1818

1/10
A 0.1
 7/10
B 0.7
8/11
B 0.7273
3/10
9/12 A 0.3
B 0.75 8/10
12 playeras B 0.8
9 Blancas 3/11
3 Azules A 0.2727

2/10
A 0.2
Elegir una playera
8/10
B 0.8
9/11
B 0.8182

2/10
3/12 A 0.2
A 0.25 9/10
B 0.9
2/11
A 0.1818

1/10
A 0.1
 7/10
B 0.7
8/11
B 0.7273
3/10
9/12 A 0.3
B 0.75 8/10
12 playeras B 0.8
9 Blancas 3/11
3 Azules A 0.2727

2/10
A 0.2
Elegir una playera
8/10
B 0.8
9/11
B 0.8182

2/10
3/12 A 0.2
A 0.25 9/10
B 0.9
2/11
A 0.1818

1/10
A 0.1
 7/10
B 0.7
8/11
B 0.7273
3/10
9/12 A 0.3
B 0.75 8/10
12 playeras B 0.8
9 Blancas 3/11
3 Azules A 0.2727

2/10
A 0.2
Elegir una playera
8/10
B 0.8
9/11
B 0.8182

2/10
3/12 A 0.2
A 0.25 9/10
B 0.9
2/11
A 0.1818

1/10
A 0.1
 7/10
B 0.7
8/11
B 0.7273
3/10
9/12 A 0.3
B 0.75 8/10
12 playeras B 0.8
9 Blancas 3/11
3 Azules A 0.2727

2/10
A 0.2
Elegir una playera
8/10
B 0.8
9/11
B 0.8182

2/10
3/12 A 0.2
A 0.25 9/10
B 0.9
2/11
A 0.1818

1/10
A 0.1
 7/10
B 0.7 0.3818
8/11
B 0.7273 0.5455
3/10
9/12 A 0.3 0.16364
B 0.75 8/10
12 playeras B 0.8 0.16364
9 Blancas 3/11
3 Azules A 0.2727 0.2045
2/10
A 0.2 0.04091
Elegir una playera
8/10
B 0.8 0.16364
9/11
B 0.8182 0.2045
2/10
3/12 A 0.2 0.04091
A 0.25 9/10
B 0.9 0.04091
2/11
A 0.1818 0.0455
1/10
A 0.1 0.00455

1.0000 1.0000
 7/10
B 0.7 0.3818
8/11
B 0.7273 0.5455
3/10
9/12 A 0.3 0.16364
B 0.75 8/10
12 playeras B 0.8 0.16364
9 Blancas 3/11
3 Azules A 0.2727 0.2045
2/10
A 0.2 0.04091
Elegir una playera
8/10
B 0.8 0.16364
9/11
B 0.8182 0.2045
2/10
3/12 A 0.2 0.04091
A 0.25 9/10
B 0.9 0.04091
2/11
A 0.1818 0.0455
1/10
A 0.1 0.00455

1.0000 1.0000
 Ejercicio
Cuál es la probabilidad de que en
una bolsa que contiene tres catotas
blancas y dos negras:
a) Elija una catota negra en la primer
etapa?
b) Elija una catota blanca después de
dos blancas en la primera y segunda
etapa?
c) Elija una catota negra después de
elegir una negra?
 Respuestas

Sea N el evento de elegir una negra

Sea B el evento de elegir una B
a) P(N)=? ======= 2/5=0.4
b) P(B/B/B)=? =====1/3=0.333
c) P(N/N)=? =====1/4=0.25
 Iniciamos

 Distribuciones de probabilidad
 Variable aleatoria discreta
 Dos modelos de distribución
• Binomial
• Poisson
• Hipergeométrica
Las máquinas de rellenado modernas
están diseñadas para trabajar de manera
eficiente y con una alta confiabilidad.
Estos mecanismos pueden llenar tubos
de dentífrico con una escala de precisión
de 0.1 onzas el 80% de las veces. Un
visitante de la planta que observa cómo
los tubos ya llenos son empaquetados en
una caja, pregunta: ¿Cuáles son las
posibilidades de que exactamente la
mitad de los tubos de una caja
seleccionada al azar están llenos con una
precisión de 0.1 onzas del nivel deseado?
 Distribución de probabilidad
 Una distribución de probabilidad es una lista de
todos los posibles resultados de un experimento con sus
respectivas probabilidades asociadas a cada resultado.
Distribución de frecuencias teóricas.

Experimento: Lanzar una

moneda tres veces. Observe el
número de caras. Los posibles
resultados son: cero caras, una
cara, dos caras, y tres caras.
¿Cuál es la distribución de
probabilidad para el número
de caras?
 EJEMPLO 1

 El espacio muestral para este

experimento será: TTT, TTH, THT, THH,
HTT, HTH, HHT, HHH.
 Entonces los valores posibles de x (número
de caras) son x = 0,1,2,3.
 EJEMPLO 1 continuación

Distribución de probabilidad para el número de caras

observadas en 3 lanzamientos de una moneda
 EJEMPLO 1
continuación

Distribución la probabilidad para el número de caras

observadas en 3 lanzamientos de una moneda
Número de caras Probabilidad de
resultados
0 1/8 = .125
1 3/8 = .375
2 3/8 = .375
3 1/8 = .125
Total 8/8 = 1
 Características de una
distribución de probabilidad
1. La probabilidad de un resultado se
encuentra entre 0 y 1, inclusive.
2. Los resultados son mutuamente
excluyentes.
3. La lista de los resultados es exhaustiva,
así que la suma de las probabilidades de
los eventos es 1.
 Variables aleatorias

 Una variable aleatoria es el valor

numérico resultado de un experimento, que
por azar puede asumir diferentes valores.

 EJEMPLO: considere un experimento

aleatorio en el cual seleccionamos a un
estudiante de la clase y medimos su estatura.
Sea X el número de centímetros de los pies
descalzos a la cabeza.
 Variable aleatoria continua

 Una variable aleatoria continua es la que

puede tomar un número infinito de valores.

 Ejemplos: la altura de un jugador de

básquetbol, la longitud de un cabello, el
peso.

 Depende mucho de la precisión del

instrumento de medición.
 Variable aleatoria discreta

• Una variable aleatoria discreta es la

que puede tomar únicamente ciertos
valores separados con claridad, como
resultado de algún experimento de interés.
• EJEMPLO: sea X el número de caras
cuando una moneda se lanza tres veces.
Aquí los valores para X son x = 0,1,2,3.
• # de hijos, # materias aprobadas.
 Ejemplos de Variables
aleatorias discretas

Valores posibles para la

Experimento Variable aleatoria (x)
variable aleatoria
Llamar a cinco Número de clientes que hacen
0, 1, 2, 3, 4, 5
clientes un pedido
Inspeccionar un envío Número de radios que tienen
0, 1, 2, . . . , 49, 50
de 50 radios algún defecto
Hacerse cargo de un
restaurante durante Número de clientes 0, 1, 2, 3, . . .
un día
Vender un automóvil Sexo del cliente 0 si es hombre; 1 si es mujer
 La media de una distribución
de probabilidad discreta
La media:
 Determina la localización central de los
datos.
 Es el valor promedio a largo plazo de la
variable aleatoria.
 También se conoce como el valor
esperado E(x) de una distribución de
probabilidad.
 Es un promedio ponderado.
 La media de una distribución
de probabilidad discreta
 La media se calcula con la fórmula:

 Donde  es la media, y P(x), la probabilidad

de los diferentes resultados de x.
 La varianza de una distribución
de probabilidad discreta

 La varianza mide la cantidad de

dispersión (variación) de una distribución.
 La varianza de una distribución discreta
se denota por la letra griega  2 (sigma
cuadrada).
 La desviación estándar se obtiene al
sacar la raíz cuadrada de  2
 La varianza de una distribución
de probabilidad discreta
 La varianza de una distribución de
probabilidad discreta se calcula con la
fórmula
Ejercicio_10 minutos
Autoevaluación 6-2
 Distribuciones
de probabilidad
discreta
Distribución
Binomial
 Características de la Distribución de
probabilidad binomial
La distribución binomial tiene las siguientes
características (se conoce como experimento de
Bernoulli) :
1. El experimento consiste en una serie de n ensayos idénticos.
2. En cada ensayo hay dos resultados posibles. A uno de estos
resultados se le llama éxito y al otro se le llama fracaso.
3. La probabilidad de éxito, que se denota  , no cambia de un
ensayo a otro. Por ende, la probabilidad de fracaso, que se denota
1 -  , tampoco cambia de un ensayo a otro.
4. Los ensayos son independientes.
Distribución de probabilidad binomial

Para construir una distribución

binomial se tiene que:
• n es el número de ensayos
• x es el número de éxitos
observados
•  es la probabilidad de éxito en
cada ensayo
Distribución de probabilidad binomial

La fórmula para la distribución de probabilidad

binomial es:

Donde
C es la combinación matemática
n es el número de ensayos
X es la variable aleatoria definida como número de éxitos
 es la probabilidad de éxito en cada ensayo
 Media y varianza de la distribución
binomial
La media está dada por:

  n
La varianza está dada por:

2
  n (1   )
 Vuelos a Durango – Ejemplo
• Hay cinco vuelos diarios de Monterrey a
Durango. Suponiendo que la
probabilidad de que cualquier vuelo
llegue tarde sea de .20
• ¿Cuál es la probabilidad de que ningún
vuelo llegue tarde hoy?
• ¿Cuál es la probabilidad de que tres
vuelos lleguen tarde?
• ¿Cuál es la probabilidad de que ningún
vuelo llegue a tiempo?
 Vuelos atrasados – Ejemplo

 Hay cinco vuelos diarios

de Monterrey a Durango.
Suponiendo que la
probabilidad de que
cualquier vuelo llegue
tarde sea de .20
 ¿Cuál es la probabilidad
de que ningún vuelo
llegue tarde hoy?
 EJEMPLO

• Para el ejemplo
relacionado a los vuelos
demorados, recordemos
que  =.20 y n = 5

• ¿Cuál es el promedio de
vuelos retrasados?

• ¿Cuál es la varianza de
vuelos retrasados?
Distribución binomial para el ejemplo de
los vuelos retrasados
 EJEMPLO
VUELOS ATRASADOS DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL
 Formas de la Binomial
Para diferentes  (n constante)
 Formas de la Binomial
Para diferentes n ( constant)
Distribución
Poisson
 Concepto de distribución de
probabilidad de Poisson
• La distribución binomial se volverá cada
vez más sesgada a la derecha conforme la
probabilidad de éxitos sea más pequeña.
• La forma límite de la distribución binomial,
donde la probabilidad de éxitos  es muy
pequeña y n es muy grande, se llama
distribución de probabilidad de
Poisson
Distribución de probabilidad de
Poisson
La distribución de Poisson se describe en forma
matemática por medio de la fórmula:
x u
 e
P( x ) 
x!
Donde  = es la media aritmética de
ocurrencias (éxitos) en un intervalo determinado.
e = la constante 2.71828.
x = el número de ocurrencias (éxitos).
Distribución de probabilidad de Poisson

 La media de éxitos  en una situación

binomial lo determina n  , donde n es el
número de ensayos y  es la probabilidad
de los éxitos.

 La varianza en la distribución de Poisson es

también igual a n  .
Características de la Distribución
de probabilidad de Poisson
• Describe el número de veces que
ocurren algunos eventos durante un
intervalo especificado. El intervalo puede
ser tiempo, distancia, área, o volumen.
• Supuestos de la distribución de Poisson:
• La probabilidad es proporcional a la longitud del
intervalo.
• Los intervalos son independientes.
 Aeroméxico – Ejemplo
Aeroméxico rara vez pierde el equipaje.
Suponga que una muestra aleatoria
de 1,000 vuelos muestra un total de
300 equipajes perdidos.
Así que la media aritmética de equipaje
perdido por vuelo es 0.3 (300/1,000). Si
el número de equipajes perdidos
sigue una distribución de Poisson con
u = 0.3, encuentre la probabilidad de
que no se pierda ningún equipaje.
 Accidentes – Ejemplo
En USA, cada año ocurren 15 accidentes
aéreos (The World Almanac and Book of Facts,
2004).
a. Calcule el número medio de accidentes aéreos
por mes.
b. Calcule la probabilidad de que no haya ningún
accidente en un mes.
c. De que haya exactamente un accidente en un
mes.
d. De que haya más de un accidente en un mes.
 Suponga que estamos investigando la seguridad de
una peligrosa intersección. Los registros policiacos
indican una media de cinco accidentes mensuales
en esta intersección. El número de accidentes está
distribuido de acuerdo con una distribución de
Poisson, y el Departamento de Seguridad de
Tránsito desea que calculemos la probabilidad de
que en cualquier mes ocurran exactamente 0, 1, 2,
3 o 4 accidentes. Cuál es la probabilidad de que
haya tres o más accidentes?
Te sirve?
P(0)= 0.00674
P(1)= 0.03370
P(2)= 0.08425
P(3)= 0.14042
 Fin
Respuestas al ejercicio de autoevaluación 6-2:
a) Es discreta
b) 0.93
c) 0.0201
 Ejemplo: Discriminación?
• Como ejemplo de la probabilidad condicional, considere
el caso de las promociones de los agentes de policía de
una determinada ciudad. La fuerza policiaca consta de
1200 agentes, 960 hombres y 240 mujeres. De éstos, en
los últimos dos años, fueron promovidos 324.
• Después de analizar el registro de las promociones, un
comité femenil protestó, ya que habían sido promovidos
288 agentes hombres, frente a sólo 36 mujeres. Los
directivos de la fuerza policiaca argumentaron que el
número de mujeres promovidas no se debía a una
discriminación, sino a que el número de mujeres que
son agentes de policía es una cantidad pequeña.
 Hombre Mujer Total
Promovido 288 36 324
NO promovido 672 204 876
Total 960 240 1200
H M
Hombre Mujer Total
P Promovido 288 0.30 36 0.15 324 0.27
0.89 0.24 0.11 0.03
NP NO promovido 672 0.70 204 0.85 876 0.73
0.77 0.56 0.23 0.17
Total 960 240 1200
0.80 0.20
Cap 5 ejercicio 29
Cada vendedor de Puchett, Sheets, and Hogan Insurance Agency
recibe una calificación debajo del promedio, promedio y por encima
del promedio en lo que se refiere a sus habilidades en ventas. A
cada vendedor también se le califica por su potencial para progresar:
regular, bueno o excelente. La siguiente tabla muestra una
clasificación cruzada de estas características de personalidad de los
500 empleados.
a) ¿Qué nombre recibe esta tabla?
b) ¿Cuál es la probabilidad de que una persona elegida al azar tenga
una habilidad para las ventas con calificación por encima del
promedio y un excelente potencial para progresar?
c) Construya un diagrama de árbol que muestre las probabilidades,
probabilidades condicionales y probabilidades conjuntas.
 Cap 5 ejercicio 29

Potencial para progresar

Habilidades en
Regular Hor Bueno Hor Excelente Hor Total
Ventas
Debajo del promedio 16 0.32 12 0.24 22 0.44 50
Ver 0.10 0.032 0.08 0.024 0.11 0.044 0.100
Promedio 45 0.30 60 0.40 45 0.30 150
Ver 0.29 0.090 0.42 0.120 0.22 0.090 0.300
Por encima del
promedio
93 0.31 72 0.24 135 0.45 300

Ver 0.60 0.186 0.50 0.144 0.67 0.270 0.600

Total 154 144 202 500
0.308 0.288 0.404
 Variables aleatorias
contínuas
Valores posibles para la
Experimento Variable aleatoria (x)
variable aleatoria
Tiempo en minutos entre la
Operar un banco x >= 0
llegada de los clientes
Llenar una lata de
refresco (máx. 12.1 Cantidad de onzas 0<=x<=12,1
onzas)
Construir una Porcentaje del proyecto
0<=x<=100
biblioteca terminado en seis meses
Temperatura a la que tiene
Probar un proceso
lugar la reacción deseada 150<=x<=212
químico nuevo
(min. 150°F; máx. 212°F)
 Desempleo-otro EJEMPLO
• El Departamento de Trabajo del estado de
Alabama informó que el 20% de la mano
de obra está desempleada. De una
muestra de 14 obreros, calcule la
probabilidad de que tres obreros estén
desempleados.
• (con n =14,  = .2)
• …… P(X=3)=?
• …. la probabilidad de que tres obreros
estén desempleados: P(X=3)=.250
 EJEMPLO

• Del ejemplo de los obreros

desempleados, recuerde que  =.2
y n =14.
• Entonces, la media = n = 14(.2) =
2.8.
• La varianza = n  (1-  ) = (14)(.2)
(.8) = 2.24
 Desempleo-EJEMPLO…cont
Distribuciones de probabilidad Acumulada
Nota: los siguientes son ejemplos de distribuciones de
probabilidad acumulada:
1. Cuál es la probabilidad de que tres o más obreros
estén desempleados:
2. P(x ≥3)=.250 +.172 +.086 +.032 +.009
+.002+...=.551 (los cálculos no reportados se
desprecian)
3. De qué otra forma podríamos calcular con mayor
exactitud?
4. P(x ≥3)= 1- P(x <3)
5. P(x <3)= P(x =0) + P(x =1) + P(x =2)
Tablas de distribución Binomial
 Distribución
Hipergeométrica
 Población finita

• Una población finita es la que

tiene un número específico de
individuos, objetos o mediciones.
• Por ejemplo: el número de
estudiantes en una clase o el de
automóviles en un estacionamiento.
 Juguetes Hora de Jugar S. A.
Distribución hipergeométrica –
Ejemplo
Juguetes Hora de Jugar, S.A., emplea a
50 personas en el departamento
de ensamble. 40 de ellos
pertenecen al sindicato y 10 no.

Cinco empleados son seleccionados

aleatoriamente para formar un
comité, reunirse con el
administrador y hablar acerca de la
hora de entrada en los turnos.

¿Cuál es la probabilidad de que cuatro

de los cinco seleccionados en el
comité pertenezcan al sindicato?
 Características
Distribución hipergeométrica
La distribución hipergeométrica tiene las
siguientes características:
1. Solo hay 2 posibles resultados.
2. La probabilidad de éxito no es la misma
en cada ensayo.
3. Es el resultado de un recuento del
número de éxitos en un número fijo de
ensayos.
 Ecuación
Distribución hipergeométrica
La fórmula de esta distribución es:
( S Cx )( N  S Cn  x )
P( x ) 
N Cn
Donde
• N = es el tamaño de la población.
• S = el número de éxitos en la población.
• x = el número de éxitos de interés.
• n = el tamaño de la muestra.
• C = símbolo de la combinación.
 Criterio
Distribución hipergeométrica
Use la distribución hipergeométrica para encontrar
la probabilidad de un número específico de
éxitos o fracasos si:
• La muestra es seleccionada de una población finita sin
reemplazo (recuerde que una característica de la
distribución binomial es que la probabilidad de éxitos
sea la misma para todos los ensayos).
• El tamaño de la muestra n es igual o más grande al
5% del tamaño de la población N
• Es decir n/N  .05
Juguetes Hora de Jugar – Ejemplo…cont
 Ejemplo
Media, varianza, y desviación estándar de una
distribución de probabilidad - Ejemplo
 Brenda vende carros nuevos.
Generalmente vende una gran cantidad
los sábados. Ella ha desarrollado la
siguiente distribución de probabilidad para
el número de carros que espera vender en
un sábado particular.
¿Cuál es el promedio de sus ventas y su
distribución de probabilidad?
¿Cuál es la varianza, y desviación
estándar?
 El ejemplo de Aeroméxico

Aeroméxico raramente pierde el equipaje. Suponga

que una muestra aleatoria de 1,000 vuelos
muestre un total de 300 equipajes perdidos. Así
que la media aritmética de equipaje perdido por
vuelo es 0.3 (300/1,000). Si el número de
equipajes perdidos sigue una distribución de
Poisson con u = 0.3, encuentre la probabilidad de
que no se pierda ningún equipaje.
Ejemplo usando tablas
Ejemplo Coastal Insurance Company
 EJEMPLO Urgencias de un hospital

 El departamento de urgencias de un hospital, con

horario de 6 a 10 PM, se especializa en lesiones
menores y enfermedades respiratorias. Si se sabe que
el número promedio que llega es de 4.0 enfermos por
hora, ¿cuál es la probabilidad de que lleguen 4
enfermos en una hora?

4 4
4 e
P(4)   .1954
4!
Distribución de probabilidades
Binomial vs Hypergeométrica
Problemas relevantes de tarea
82. Tim Beckie es propietario de Bleckie Investment y Real
Estate Company. La compañía recientemente compró cuatro
terrenos en Holly Farms Estates y seis terrenos en Newburg
Woods. Los terrenos eran igual de atractivos y se venden en el
mismo precio aproximadamente.
a) ¿Cuál es la probabilidad de que los siguientes dos terrenos
que se vendan se ubiquen en Newburg Woods?
b) ¿Cuál es la probabilidad de que por lo menos uno de los
siguientes cuatro que se vendan se ubique en Holly Farms?
c) ¿Estos eventos son independientes o dependientes?
Como ejemplo de la probabilidad condicional, considere el
caso de las promociones de los agentes de policía de una
determinada ciudad. La fuerza policiaca consta de 1200
agentes, 960 hombres y 240 mujeres. De éstos, en los últimos
dos años, fueron promovidos 340.
En la tabla siguiente se muestra cómo quedaron repartidas
estas promociones entre los hombres y mujeres.
Después de analizar el registro de las promociones, un comité
femenil protestó, ya que habían sido promovidos 288 agentes
hombres, frente a sólo 36 mujeres. Los directivos de la fuerza
policiaca argumentaron que el número de mujeres promovidas
no se debía a una discriminación, sino a que el número de
mujeres que son agentes de policía es una cantidad pequeña.
Ahora verá cómo emplear la probabilidad condicional para
analizar esta acusación de discriminación.
Objetivos de aprendizaje
Al concluir el capítulo 6, será capaz de:
• Explicar las características de una distribución de
probabilidad.
• Distinguir entre una variable aleatoria discreta y una
continua.
• Calcular la media de una distribución de probabilidad.
• Calcular la varianza y la desviación estándar de una
distribución de probabilidad.
• Describir y calcular las probabilidades de una distribución
binomial.
• Describir y calcular las probabilidades de una distribución
hipergeométrica.
• Describir y calcular las probabilidades de una distribución
de Poisson.
 Características de una
distribución discreta
1. La suma de las probabilidades de todos los
resultados posibles es 1.00

2. La probabilidad de un resultado particular

estará entre 0 and 1.00

3. Los resultados son mutuamente

excluyentes.
 EJEMPLO 1 continuación

1. El resultado “cero caras” ocurre una vez.

2. El resultado “una cara” ocurre tres veces.
3. El resultado “dos caras” ocurre tres veces.
4. El resultado “tres caras” ocurre una vez.
5. A partir de la definición de una variable
aleatoria, en este experimento X es una
variable aleatoria.
 CITIBANK* LONG ISLAND CITY, NUEVA YORK
Citibank, una división de Citigroup, proporciona una amplia gama de
servicios financieros, que comprende cuentas de cheques y de
ahorro, préstamos e hipotecas, seguros y servicios de inversión,
todos dentro del marco de una estrategia única llamada Citibanking.
Citibanking significa una identidad de marca consistente en todo el
mundo, una oferta coherente de productos y servicios de calidad
para el cliente. Citibanking permite al cliente disponer de dinero en
cualquier momento, en cualquier parte y de la manera que lo
desee. Ya sea que el cliente desee ahorrar para el futuro o solicitar
un préstamo para hoy, lo puede hacer en Citibank.
Los cajeros automáticos de Citibank, localizados en los Citicard
Banking Center (CBC), permiten al cliente hacer todas sus
operaciones bancarias en un solo lugar con un simple toque de su
dedo, 24 horas al día y 7 días a la semana. Más de 150 operaciones
bancarias diferentes, desde depósitos hasta manejo de inversiones,
pueden ser realizadas con facilidad.
Los cajeros automáticos Citibanking son mucho más
que un simple cajero automático y en la actualidad los
clientes realizan en ellos 80% de sus transacciones.
Cada Citibank CBC opera como un sistema de espera
en línea al que los clientes llegan en forma aleatoria a
solicitar el servicio de uno de los cajeros automáticos.
Si todos los cajeros automáticos están ocupados,
debe esperar en la fila. Con periodicidad realizan
estudios acerca de la capacidad de los CBC para
determinar los tiempos de espera para el cliente y
establecer si son necesarios más cajeros automáticos.
Los datos recolectados por Citibank muestran que la llegada
aleatoria de los clientes sigue una distribución de probabilidad
conocida como distribución de Poisson. Mediante la distribución
de Poisson, Citibank calcula las probabilidades de que llegue un
número determinado de clientes a un CBC durante un
determinado periodo y decidir cuál es el número de cajeros que
necesita. Por ejemplo, sea x la cantidad de clientes que llega en un
periodo de un minuto.
Suponga que la tasa media de llegadas de clientes a un
determinado CBC es dos clientes por minuto, la tabla siguiente da
las probabilidades de que llegue un determinado número de
clientes por minuto.
X Probabilidad
0 0.1353
1 0.2707
2 0.2707
3 0.1804
4 0.0902
5 o más 0.0527
 Otros ejemplos
1. Si cuentas el número de empleados ausentes
en el turno matutino del lunes, el número
puede ser 0, 1, 2, 3,… El número de ausencias
es una variable aleatoria.
2. Si pesas cuatro lingotes de acero, los pesos
pueden ser de 2,492 libras, 2,497 libras, 2,506
libras, etc. El peso es una variable aleatoria.
3. La cantidad diaria de conductores multados por
conducir bajo la influencia del alcohol en
Nuevo León.
4. El total de pulgadas de lluvia por año.