DISTRIBUCIONES DE

PROBABILIDAD

01 DISTRIBUCION
03 05
BINOMIAL DISTRIBUCION DE
POISSON

DISTRIBUCION DE TEORIA DEL LIMITE

DISTRIBUCION
BERNOULLI CENTRAL
HIPERGEOMETRICA

02 04
 DISTRIBUCION HIPERGEOMETRICA

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.
Esta distribución normalmente se plantean que de una población o

conjunto “N”, se extrae una muestra “n”, dentro de la cual se espera

que “x” veces ocurra un evento que también esta ocurriendo “k”
veces en al población.
 DISTRIBUCION HIPERGEOMETRICA

CARACTERÍSTAS

• La población contiene un número finito de elementos N

• Una muestra de n elementos es seleccionada aleatoriamente de la población.

• Existen x elementos con la característica deseada en la población.

• k es el número de elementos con la característica deseada en al muestra

 DISTRIBUCION HIPERGEOMETRICA

CONSIDERACIONES:
• N : Tamaño de la población
• n : Tamaño de la muestra FORMULA:
• x : Número de éxitos esperados en la muestra.
• k : Éxitos en la población

k N-k
x * n-x
P(x,n,k,N) =
P=
k
N
q= 1- k
N N
n
Esperanza = E(x) = n . p
N-n
Varianza = ∂2 = n. p . q
* N-1
 DISTRIBUCION HIPERGEOMETRICA

Ejemplo 1:
Una urna contiene diez canicas, de las cuales cinco son verdes, dos son azules y tres son rojas. Tres
canicas se van a sacar de la urna, una a la vez sin reemplazo. ¿Cuál es la probabilidad de que las tres
canicas sacadas sean verdes?

DATOS:

• N=10 k N-k 5 10 - 5 5 5
• n= 3
x * n-x 3 * 3-3 3 * 0

• k= 5
P(x,n,k,N) = = =
N 10 10
• x=3 n 3 3

= 0,083 = 8,3 %
 DISTRIBUCION HIPERGEOMETRICA

Ejemplo 2:

Unas fotocopiadoras usadas son enviadas al proveedor, limpiadas y luego devueltas según
convenios de rente. No se hacen reparaciones importantes y en consecuencia algunos
clientes reciben máquinas que no funcionan bien. Entre ocho fotocopiadoras disponibles hoy,
tres de ellas están funcionando mal. Un cliente desea rentar cuatro máquinas de inmediato.
Para satisfacer la fecha límite fijada por el cliente, cuatro de las ocho máquinas se
seleccionan al azar y. sin mas pruebas son enviadas al cliente. ¿Cuál es la probabilidad de
que el cliente reciba:
a) máquinas que no funcionen mal?
b) al menos una máquina que funcione mal?
 DISTRIBUCION HIPERGEOMETRICA
Ejemplo 2:

a) máquinas que no funcionen mal?

DATOS:

• N= 8 k N-k 3 8-3 3 5
• n= 4
x * n-x 0 * 4-0 0 * 4

• k= 3
P(0) = = =
N 8 8
• x= 0 n 4 4

= = 7,14 %
0,00714
b) al menos una máquina que funcione mal?

P(X ≥ 1) = P(x=1) + P(x=2) + P(x=3) = 1- P(x=0) = 1- 0,0714 = 0.929 = 92,9 %

 DISTRIBUCION HIPERGEOMETRICA
Ejemplo 3:

Una empresa donde trabajan veinte personas, hay siete que fuman, si se seleccionan
cuatro personas al azar. ¿Cuál es la probabilidad de que al menos una fume?

DATOS:

• N=20
• n= 4 P(X ≥ 1) = P(x=1) + P(x=2) + P(x=3) + P(x=4)
• k= 7
• x=1,2,3,4

P(X) = 1 - P(x=0)
 DISTRIBUCION HIPERGEOMETRICA

P(X) = 1 - P(x=0) k N-k 7 20 - 7

* 0 * 4-0
1-
x n-x

DATOS:
P ( 0) = 1- N
=
20
• N=20 n 4
• n= 4
• k= 7
7 13
• x=0
0 * 4
= 1- 20
= 0,8524 = 85,24 %
4
 DISTRIBUCION DE POISSON

La distribución de Poisson, es una dsitribución de

probabilidad de una variable aleatoria discreta que nos
proporciona la probabilidad de que ocurra un determinado
suceso un número de veces K en un intervalo determinado
de tiempo, longitud, area, etc.
 DISTRIBUCION DE POISSON

SUPUESTOS

• La variable aleatoria es el número de veces que ocurre un evento durante

un intervalo definido. El intervalo puede ser de tiempo, distancia, área,
volumen o alguna unidad similar.

• La probabilidad de ocurrencia es la misma para cualesquiera dos intervalos

de igual longitud.

• La ocurrencia o no ocurrencia en cualquier intervalo es independiente de la

ocurrencia o no ocurrencia en cualquier intervalo.

• Dos eventos no pueden ocurren exactamente al mismo tiempo.

 DISTRIBUCION DE POISSON
Se dice que la variable aleatoria discreta X tiene una distribución de Poisson con parámetro
( > 0), si la función de probabilidad de X es:
Media: Varianza:

x=
∑ f.x ∂
2
=
∑ x .f - x2
2
ƒ(x) = P(x, )
N N
: valor esperado (promedio)

N=Tamaño de la Población
= N.p P= Probabilidad de éxito
ƒ(x) = P(x, )=
ƒ(x) = probabilidad de ocurrencias
X = 0;1;2;3;4;..;n
: base de los logaritmos naturales (2,71828..)
 DISTRIBUCION DE POISSON

Ejemplo 1:
En un banco un asesor comercial atiende en promedio a tres personas por hora ¿Cuál es la
probabilidad que en la siguiente hora atienda solamente a dos personas?

2 -3
DATOS
3*
=3 P(x=2) =
2!
x =2
= 2,7182 9 * 0,0489
P(x=2) = P(x=2) =
2

P(x=2) = 0,2241 = 22,41%

 DISTRIBUCION DE POISSON
Ejemplo 2:
En un hospital de la ciudad de la ciudad de Sucre, se esta estudiando los nacimientos de bebes varones. Se
sabe que en una semana nacen una media de siete varones. Calcular:
a) La probabilidad de que nazcan 3 varones en
una semana 3 -7
b) La probabilidad de que nazcan menos de 7*
tres varones en la semana P(x=3) =
3!
343 0,000912
DATOS

=7 P(x=3) = *
6
P(x=3) =
x =3
= 2,7182

P(x=3) = 0,052 = 5,2%

 DISTRIBUCION DE POISSON
Ejemplo 2:
2 -7
7*
P(x<3) = P(x=2)+ P(x=1)+ P(x=0) P(x=2) = = 0,022
2!
DATOS
1 -7
=7 7*
P(x=1) = = 0,006
x = 2;1;0 1!
= 2,7182
0 -7
7*
P(x=0) = = 0,001
0!
P(x<3) =
P(x=3) = 0,029 = 2,90%
 DISTRIBUCION DE POISSON

EJERCICIO:

UNA EMPRESA QUE VENDE POR INTERNET, REGISTRA LAS VENTAS QUE HACE POR
EMAIL EN UN PERIODO DE 40 DÍAS. LA TABLA MUESTRA LOS SIGUIENTES
RESULTADOS:

Número de emails (x) 0 1 2 3 4 5 >5

Frecuencia (f) 8 13 10 6 2 1 0

a) Calcular la media y la varianza.

b) Usando la distribución de Poisson calcular la probabilidad de que lleguen 1, 2, y 3
emails de ventas.
 DISTRIBUCION DE POISSON

EJERCICIO: Número de emails (x) 0 1 2 3 4 5 >5

Frecuencia (f) 8 13 10 6 2 1 0

Media:

x= ∑ f.x =
0 + 13 + 20 + 18 + 8 + 5 + 0
= 1,6
N 40

Varianza:
0 + 13 + 40 + 54 + 32 + 25 + 0

∂
2
=
∑ x .f - x2
2 =
40
= 4,1

N = 4,1 – 2,56 = 1,54

 DISTRIBUCION DE POISSON

EJERCICIO:

-1,6
1,6 1
*
= 0,3230
P(x=1) =
ƒ(x) = P(x, )= 1!
2 -1,6
DATOS P(x=2) =
1,6 *
= 0,2535
= 1,6 2!
x = 1; 2 y 3 3 -1,6
= 2,7182
1,6 *
= 0,1310
P(x=3) =
3!