DISTRIBUCIONES USUALES

 Introducción
 Distribuciones discretas
 Distribución binomial
 Principales características
de la distribución binomial
 Distribución de Poisson
 Principales características
de la distribución de
Poisson
INTRODUCCIÓN.- Ciencia.- un objetivo: describir la realidad.

¿Cómo puedo describir la

realidad en la que estamos
inmersos?
¿Me
¿Quépodrías
debe decir
incluir
como podríamos un
principalmente
describir
modelo la realidad de
matemático?
nuestro entorno?

Debe incluir principalmente

¡Claro
una que si¡.
variable Una manera
aleatoria para
de hacerlo
que es mediante
el modelo describa
modelos
mejor matemáticos
la realidad
 ¿Conoces algunos
modelos de variables
aleatoria?

Claro que conozco. Te

haré conocer poco a poco
esos modelos. Pon
mucha atención
 MODELOS DE
DISTRIBUCIONES DE
PROBABILIDADES

Distribuciones de variables Distribuciones de variables

aleatorias discretas aleatorias continuas
(Distribuciones discretas) (Distribuciones continuas)
 DISTRIBUCIONES DISCRETAS
DISTRIBUCION BINOMIAL
Referencia histórica
El cálculo de probabilidades tuvo un
notable desarrollo con el trabajo del
matemático suizo Jacob Bernoulli (1654-1705).

Bernoulli definió el proceso conocido por su

nombre el cual establece las bases para el
desarrollo y utilización de la distribución binomial.
¿En que consiste el
proceso de Bernoulli?

Primero te digo que es

una prueba o
experimento de Bernoulli
y luego el proceso
 Prueba de Bernoulli: Experimento con dos resultados
mutuamente excluyentes (“Éxito” y “Fracaso”)
Lanzar una moneda, Averiguar si un artíclo es defectuoso o no,
Aprobar o reprobar un examen
Proceso de Bernoulli: n experimentos Bernoulli con
siguientes supuestos o hipótesis:

a) Pruebas independientes
b) Probabilidad de “éxito” constante a lo largo del
proceso
Ejemplo: Lanzar muchas veces una moneda

Distribución binomial.- Distribución de probabilidades

con base al proceso de Bernoulli.
Función de cuantía de la distribución binomial

Demostración: Pag. 106 “Probabilidad y Estadística)

Principales características de la distribución binomial

Función generatriz de momentos.-

Demost.: Pag. 107

Función generatriz de momentos
Esperanza matemática.-

Varianza.- donde 𝒒=𝟏 − 𝒑

Asimetría

Curtosis

Demostraciónes: En pags. 107 – 110 en “Probabilidad y Estadística”

EJEMPLO
En el departamento de contabilidad, 25 de cada 100 comprobantes son generalmente elaborados
por el auxiliar de contabilidad, Si se eligen al azar 40 documentos , a) ¿cuál la probabilidad de que
más de dos comprobantes hayan sido elaborados por el auxiliar? b)¿Cuántos documentos, en
promedio, podrían haber sido elaborados por dicho ayudante y con que variabilidad?

n=40 𝜇=𝑛𝑝 𝜇=40 ∗ 0,25=10

P=0,25
𝑃 ( 𝑥 ≥ 2 )=1 − 𝑃 ( 𝑥 <2 ) =1−( 𝑃 ( 𝑥=0 ) + 𝑃 ( 𝑥=1))

𝑃 ( 𝑥 <2 ) = 𝑃 ( 𝑥=0 ) + 𝑃 (𝑥 =1) 𝑃 ( 𝑥 <2 ) =𝐶 40 0 40 40 1 39

0 ∗ 0,25 ∗ 0,75 + 𝐶 1 ∗ 0,25 ∗0,75 = 0,00014

𝑃 ( 𝑥 ≥2 )=1 −0.000014=1 𝜎 =√ 40 ∗0,25 ∗ 0,75=2,74 ≈ 3

10 − 3 ≤ 𝑥 ≤ 10+3 7 ≤ 𝑥 ≤ 13 1 −2 𝑝 1− 2∗ 0,25
𝐴𝑠 = = =0,18
√ 𝑛𝑝𝑞 2,74

1− 6 𝑝𝑞 1− 6 ∗ 0,25 ∗0,75
𝐾= 𝐾= =2,95< 3
√ 𝑛𝑝𝑞 2,74
DISTRIBUCIO DE POISSON

Referencia histórica:

La distribución de Poisson se llama así

en honor de su creador, el francés
Simeon Dennis Poisson (1781 – 1840).
Esta distribución de probabilidades fue
uno de los múltiples trabajos
matemáticos que Poisson completó en
su trayectoria productiva
¿En que consiste
la distribución de
Poisson ?

Se funda en el
proceso llamado de
Poisson .
Te iré explicando en
que consiste tal
proceso
Proceso de Poisson.-

Consiste en la ocurrencia de acontecimientos a lo

largo de un intervalo de tiempo y longitud

Hipótesis:

 Número de acontecimientos en intervalos de

tiempo t no sobrepuestos son variables aleatorias
independientes.

 En intervalos de tiempo de igual amplitud la

probabilidad de ocurrencias es constante
 Función de cuantía.-
Simbolizando por:
T: Tiempo en que ocurre el proceso de Poisson
t: Intervalos de tiempo de igual amplitud en que se
divide T.
n: Número de intervalos de igual amplitud t
p: Probabilidad de que ocurra en evento en el
intervalo t
Puede obtenerse la función de cuantía:

Demostración: Pag.115 “Probabilidad y Estadística”

 Función generatriz de momentos.-

Esperanza matemática.-

Varianza.- entonces

Asimetría.
-

Curtosis :

Demostraciones: Pags. 150 – 117 “Probabilidad y Estadística

 EJEMPLO
Una Cia. De seguros, sabe que el 2 % de la población fallece anualmente por cierto tipo de
accidente. La Cia. cuenta con 100 asegurados contra este tipo de accidente. ¿Cuál la probabilidad de
que la Cia, tenga que pagar a más de 4 asegurados cierto año? Además calcular los valores de los
parámetros:

( )
𝑥 −𝜆 0 1 2 3 4
𝜆 𝑒 −2 2 2 2 2 2
𝑃 ( 𝑋 > 4 )=1 − 𝑃 ( 𝑋 ≤ 4) 𝑃 ( 𝑋 ≤ 4 )=∑ =𝑒 + + + + =0,95
𝑥! 0 ! 1 ! 2! 3 ! 4 !
𝑃 ( 𝑋 > 4 )=1 −0,95= 0,05 𝜎 =√ 𝜆=√ 2=1,41 ≈ 1 ≤ x ≤2+1 1≤x≤3

𝜇3 11 11 1
𝐴𝑆= 𝐴
𝐴𝑆𝑆=
= =
= =0,71
=0,71 3 𝐾 = +3=3.50
𝜎
3
√ 𝜆𝜆 √ 22 2
EJERCICIO

En los siguientes problemas propuestos, analice los mismos mediante los

parámetros correspondientes:
1) En un examen tipo test se hacen 5 preguntas con cuatro respuesta posibles,
sendo una solaa la verdadera. Si los alumnos eligen las respuestas al azar a)
¿Cuál la probabilidad correctamente las tres preguntas b) Si se requiere de
por lo menos 3 respuestas correctas para apobar el curso y el grupo de
estudiantes consta de 40 personas ¿Cuántos se espera que aprueben?. C)
¿Cuál es el promedio esperado de respuestas correctas?

2) En una ciudad d 1 000 000 de habitantes, ocurre generalmente mensuales por

cada 400 000 habitantes. Calcular, a) Probabilidad de que en cierto mes
ocurran más de 3 suicidios, b) número de meses del año en los cuales se
espera más de suicidios.
 ¡GRACIAS!

FIN DEL TEMA

“DISTRIBUCIONES DISCRETAS”