Distribuciones Discretas de

Probabilidad

Capítulo 6

McGraw-Hill/Irwin ©The McGraw-Hill Companies, Inc. 2008

 OBJETIVOS
 Definir los términos distribución de probabilidad y variable
aleatoria.
 Distinguir entre distribuciones de probabilidad continua y
discreta.
 Calcular la media, varianza y desviación estándar de una
distribución de probabilidad discreta.
 Describir las características de la distribución de probabilidad
binomial y su aplicación en el cálculo de probabilidades.
 Describir las características de la distribución de probabilidad
hipergeométrica y su aplicación en el cálculo de
probabilidades.
 Describir las características de la distribución de Poisson y su
aplicación en el cálculo de probabilidades.

2
 ¿Qué es una Distribución de
Probabilidad?

Suponga que le
interesa el número de
caras que aparecen en
tres lanzamientos de
una moneda. Tal es el
experimento. Los
posibles resultados son:
cero caras, una cara,
dos caras y tres caras.
¿Cuál es la distribución
de probabilidad del
número de caras?
3
 La Distribución de Probabilidad del Número de Caras
Observado en 3 Lanzamientos de una Moneda

4
 Características de una Distribución de
Probabilidad

5
 Variables Aleatorias

Variables Aleatorias - Cantidad que resulta

de un experimento que, por azar, puede
adoptar diferentes valores.

6
 Tipos de Variables Aleatorias

 Variable Aleatoria Discreta variable aleatoria

que adopta sólo valores claramente
separados. Puede ser el resultado de contar
algo.

 Variable Aleatoria Continua se puede

suponer una infinidad de valores, con ciertas
limitaciones. Son el resultado de algún tipo
de medición.

7
 Variable Aleatoria Discreta - Ejemplos

 El número de estudiantes en clase.

 El número de niños en una familia.
 El número de vehículos que entran a un auto lavado
por hora.
 Número de hipotecas aprobadas por el Banco
Coastal Federal la semana pasada.

8
 Variable Aleatoria Continua - Ejemplos

 La distancia de viaje de un estudiante a

clases.
 El tiempo que tarda un ejecutivo para llegar
a su trabajo.
 La duración de una siesta de la tarde.
 La duración de una llamada telefónica.

9
 Características de una Distribución
Discreta
Las principales característica de una
distribución discreta son:
 La suma de las probabilidades de los
distintos resultados es1.00.
 La probabilidad de un resultado particular es
entre 0 and 1.00.
 Los resultados son mutuamente excluyentes.

10
 Media de una Distribución de Probabilidad

Media
• La media constituye un valor típico para
representar la localización central de una
distribución de probabilidad.
• La media de una distribución de probabilidad
también recibe el nombre de valor esperado.

11
 Varianza y Desviación Estándar de una
Distribución de Probabilidad

Varianza y Desviación Estándar

• Mide la cantidad de propagación en una distribución.

• Los pasos para el cálculo son los siguientes:
1. La media se resta de cada valor y la diferencia se eleva al
cuadrado.
2. Cada diferencia al cuadrado se multiplica por su probabilidad.
3. Se suman los productos que resultan para obtener la varianza.

12
 Media, Varianza, y Desviación Estándar de una
Distribución de Probabilidad - Ejemplo

John Ragsdale vende automóviles nuevos en

Pelican Ford. Por lo general John vende la
mayor cantidad de automóviles el sábado.
Ideó la siguiente distribución de
probabilidades de la cantidad de automóviles
que espera vender un sábado determinado.

13
 Media de una Distribución de Probabilidad -
Ejemplo

14
 Varianza y Desviación Estándar de una Distribución
de Probabilidad - Ejemplo

15
 Distribución de Probabilidad Binomial

Características de Distribución de
Probabilidad Binomial
 Solo hay dos posibles resultados en
determinado intento de un experimento.
 Los resultados son mutuamente excluyentes.
 La variable aleatoria es el resultado de
conteos.
 Cada prueba es independiente de cualquier
otra.

16
 Fórmula de la Probabilidad Binomial

17
 Probabilidad Binomial - Ejemplo
US Airways tiene cinco
vuelos diarios de
Pittsburgh al
Aeropuerto Regional
de Bradford,
Pennsylvania.
Suponga que la
probabilidad de
cualquier vuelo llegue
tarde sea de 0.20.
¿Cuál es la
probabilidad de que
ninguno de los vuelos
llegue tarde hoy?
18
 Probabilidad Binomial - Excel

19
 Distribución Binomial. – Media y
Varianza

20
 Distribución Binomial – Media y
Varianza: Ejemplo

Por ejemplo respecto al

número de vuelos
retrasados, recuerde
que  =.20 y n = 5.
¿Cuál es el número
promedio de vuelos
retrasados?
¿Cuál es la variación del
número de vuelos
retrasados?

21
 Distribución Binomial – Media y
Varianza: Otra Solución

22
 Distribución Binomial - Tabla
Cinco por ciento de los engranajes de tornillo producidos en una
fresadora automática de alta velocidad Carter-Bell se encuentra
defectuoso. ¿Cuál es la probabilidad de que, en seis engranajes
seleccionados, ninguno se encuentre defectuoso? ¿Exactamente
uno? ¿Exactamente dos? ¿Exactamente tres? ¿Exactamente
cuatro? ¿Exactamente cinco? ¿Exactamente seis de seis?

23
 Distribución Binomial - MegaStat
Cinco por ciento de los
engranajes de tornillo
producidos en una
fresadora automática
de alta velocidad
Carter-Bell se
encuentra defectuoso.
¿Cuál es la
probabilidad de que, en
seis engranajes
seleccionados, ninguno
se encuentre
defectuoso?
¿Exactamente uno?
¿Exactamente dos?
¿Exactamente tres?
¿Exactamente cuatro?
¿Exactamente cinco?
¿Exactamente seis de
seis?

24
 Binomial – Formas de Variación
(n constante)

25
 Binomial – Formas de Variación n
( constante)

26
 Distribuciones de Probabilidad
Binomial Acumulada
Un estudio del Departamento de Transporte de Illinois concluyó
que 76.2% de quienes ocupaban la parte anterior en los
vehículos utilizaba cinturón de seguridad. Esto significa que los
dos ocupantes de la parte delantera utilizaban cinturones de
seguridad. Suponga que decide comparar la información con el
uso actual que se da al cinturón de seguridad. Seleccione una
muestra de 12 vehículos. ¿Cuál es la probabilidad de que los
ocupantes de la parte delantera de exactamente 7 de 12
vehículos seleccionados utilicen cinturones de seguridad?

27
 Distribuciones de Probabilidad
Binomial Acumulada- Excel

28
 Población Finita

Una población finita es una población

formada por un número fijo de personas,
objetos o mediciones. Es decir se
conoce el número de elementos de la
población, que es relativamente
reducido. Ejemplos:
– El número de estudiantes en esta clase.
– El número de vehículos en el parqueadero.
– El número de casas construidas en Blackmoor.

29
 Distribución Hipergeométrica

La distribución hipergeométrica tiene las

siguientes características:
 Hay solo dos posibles resultados.
 La probabilidad de éxito, no es el
mismo en cada prueba.
 Es el resultado de un recuento del
número de éxitos en un número fijo de
pruebas.
30
 Distribución Hipergeométrica

Se aplica la distribución
hipergeométrica para determinar la
probabilidad de un número
específico de éxitos o fracasos:
– Se selecciona una muestra de una
población finita sin reemplazos
– El tamaño de la muestra n es mayor
que 5% del tamaño de la población.
N (i.e. n/N  .05)
31
 Distribución Hipergeométrica

32
 Distribución Hipergeométrica- Ejemplo

PlayTime Toys, Inc., tiene 50

empleados en el
departamento de ensamble.
Cuarenta empleados
pertenecen a un sindicato, y
diez, no. Se eligen al azar
cinco empleados para
formar un comité que
hablará con la empresa
sobre los horarios de inicio
de los turnos. ¿Cuál es la
probabilidad de que los
cuatro de los cinco
empleados elegidos para
formar parte del comité
pertenezcan a un
33
 Distribución Hipergeométrica- Ejemplo

34
 Distribución Hipergeométrica- Excel

35
 Distribución de Probabilidad de Poisson

La distribución de probabilidad de Poisson

describe el número de veces que se
representa un evento durante un intervalo
específico. El intervalo puede ser de
tiempo, distancia, área o volumen.
 Experimento de Probabilidad de Poisson
(1) La probabilidad de que ocurra el evento es
proporcional al tamaño del intervalo.
(2) Los intervalos no se superponen y son
independientes.

36
 Distribución de Probabilidad de Poisson

La distribución de Poisson se describe

matemáticamente por medio de las
siguiente fórmula:

37
 Distribución de Probabilidad de Poisson

 La media de número de éxitos, 

puede determinarse con n, en
este caso n es el número total de
pruebas, y , la probabilidad de
éxito.
 La varianza de la distribución de
Poisson es también igual a n .

38
 Distribución de Probabilidad de Poisson-
Ejemplo
Suponga que pocas veces se pierde equipaje en Northwest
Airlines. En la mayoría de los vuelos no se pierden maletas; en
algunos se pierde una; en unos cuantos se pierden dos; pocas
veces se pierden tres. Suponga que una muestra aleatoria de
1,000 vuelos arroja un total de 300 maletas perdidas. De esta
manera, la medida aritmética del número de maletas perdidas
por vuelo es de 0.3 que se calcula al dividir (300/1,000). Si el
número de maletas perdidas por vuelo se rige por una
distribución de Poisson con u = 0.3, la probabilidad de que no
se pierda ninguna maleta.

39
 Distribución de Probabilidad de
Poisson - Tabla
Suponga que pocas veces se pierde equipaje en Northwest Airlines. Suponga que
una muestra aleatoria de 1,000 vuelos arroja un total de 300 maletas perdidas.
De esta manera, la medida aritmética del número de maletas perdidas por
vuelo es de 0.3 (300/1,000). Si el número de maletas perdidas por vuelo se
rige por una distribución de Poisson con u = 0.3, la probabilidad de que no se
pierda ninguna maleta.

40
 Fin del Capítulo 6

41