PROBABILIDAD

M. en C. Yolanda Alvarado Pérez

M. en C. Yolanda Alvarado Perez
 UNIDAD DE COMPETENCIA

Distinguirá y aplicará las distintas

distribuciones discretas para
determinar la probabilidad en una serie
de datos..

M. en C. Yolanda Alvarado Perez

 TEMARIO
 Función de probabilidad
 Esperanza matemática, varianza
 Distribución binomial
 Distribución de Poisson
 Distribución Hipergeometrica


M. en C. Yolanda Alvarado Pérez

Distribuciones Discretas de
Probabilidad

M. en C. Yolanda Alvarado Perez

 Variables Aleatorias
 Es una función que asocia un número real a cada
elemento del espacio muestral. Generalmente las
variables aleatorias se designan con letras
mayúsculas.
 La variable aleatoria discreta:
Es aquella donde se puede contar su conjunto de
resultados posibles. Ejemplo: número de
artículos, número de accidentes, etc.
 Variable aleatoria continua:
Cuando una variable aleatoria puede tomar
valores en una escala continua. Ejemplo:
representan alturas, pesos, temperaturas,
distancias o periodos de vida.
M. en C. Yolanda Alvarado Perez
 EJEMPLO:

En el espacio muestral S, que se considera cada

uno de los posibles resultados cuando se verifican
3 componentes electrónicos, puede describirse:
S = [NNN, NND, NDN, DNN, NDD, DND, DDN,
DDD]
Donde N significa no defectuoso y D significa
defectuoso. Sea X la variable aleatoria que denota
el numero de componentes defectuosos que
ocurren. Entonces a cada punto del espacio
muestral se le asigna un valor numérico de 0, 1, 2
o 3. Estos son los valores que asume la variable
aleatoria.

M. en C. Yolanda Alvarado Perez

 Distribución de probabilidad
El conjunto de pares
n
ordenados (x, f (x)) es una
función de probabilidad,
 f ( xi )  1
f (i x1)  0
función masa de
p( X  x)  f ( x)
probabilidad o distribución
de probabilidad de la
variable aleatoria discreta x
si para cada resultado
posible x.

M. en C. Yolanda Alvarado Perez

 ejemplo
Sea la variable aleatoria x la cantidad de águilas
observadas cuando se lanzan dos volados. El
espacio muestral es el conjunto {aa, as, sa, ss} y
se puede ver que la variable x puede tomar como
valores 0, 1 y 2.

xi 0 1 2

f (xi) ¼ ½ ¼

M. en C. Yolanda Alvarado Perez

 Actividad
El ministerio de salud analizó los pozos de un país
para detectar dos clases de impurezas (A y B ) que,
por lo común contiene el agua potable. En 20% de
ellos no encontró impurezas de ninguna clase, en
40% detecto la impureza A y en 50% la B. Encuentre
la distribución de probabilidades de Y, es decir, la
cantidad de impurezas que contiene un pozo elegido
al azar.

M. en C. Yolanda Alvarado Perez

 Actividad
Un embarque de 7 televisores contiene 2
aparatos defectuosos. Un hotel realiza una
compra aleatoria de tres de ellos. Si X es el
número de unidades defectuosos que se
compran, encuentre la distribución de
probabilidad de X.

M. en C. Yolanda Alvarado Perez

 Distribución binomial
El numero x éxitos en n
experimentos de bernoulli n - número de ensayos.
recibe el nombre de variable p - probabilidad de éxito.
aleatoria binominal. la q - probabilidad de
distribución de esta variable fracaso.
discreta se llama x - número de éxitos que
distribución binominal y sus suceden en n. x=0,1,2,3…n
valores se representan por:

 n  x n x
b( x; n, p)    p q
 x
M. en C. Yolanda Alvarado Perez
 Actividad
 Suponga que los motores de un aeroplano operan en
forma independiente y de que fallan con una
probabilidad de 0.4. Suponiendo que uno de estos
artefactos realiza un vuelo seguro en tanto se
mantenga funcionando cuando menos la mitad de sus
motores, determine que aeroplano: uno de cuatro
motores ó uno de dos, tiene mayor probabilidad de
terminar su vuelo exitosamente.

M. en C. Yolanda Alvarado Perez

 Actividad
Encontrar la probabilidad de acertar
correctamente al menos 6 de 10 respuestas en
un examen de tipo falso, verdadero.

M. en C. Yolanda Alvarado Perez

 Distribución de Poisson
 Es una distribución de probabilidad discreta,
expresa la probabilidad de un número de
eventos ocurriendo en un tiempo fijo si estos
eventos ocurren con una tasa media conocida,
y son independientes del tiempo desde el
último evento.
e = 2.71828...
K no. Éxitos
λ promedio por unidad de tiempo
y espacio

M. en C. Yolanda Alvarado Perez

 Ejemplo
Una prisión de máxima seguridad reporta que
el número de intentos de escape por mes sigue
una distribución aproximadamente Poisson
con una media de 1,5 intentos/mes. Calcule:
a. Probabilidad de tres intentos de escape
durante el próximo mes.
b. Probabilidad de al menos un intento de
escape el próximo mes.

M. en C. Yolanda Alvarado Perez

 Solución

  1.5
e 1.51.53
a ) p ( k  3)   0.1255
3!
b) p ( k  1,2,3,...)  1  P ( k  0)
e 1.51.50
 1 0.7768
0!

M. en C. Yolanda Alvarado Perez

 Distribución hipergeométrica

Un experimento hipergeométrico es aquel que posee las dos

propiedades siguientes:
 Una muestra aleatoria de tamaño n se selecciona sin
reemplazo de un total de N resultados o artículos totales.
 k resultados o artículos del total de n pueden clasificarse
como éxitos y n-k como fracasos.
 La distribución de probabilidad de la variable aleatoria
hipergeométrica x, el número de éxitos en una muestra
aleatoria de tamaño n seleccionada de n resultados
posibles, de los cuales k son consideradas como éxitos y n-
k como fracasos
 k  N  kes:

   N - población
x nx 
h( N ; n, k , x)    x  0,1,2...n n-muestra de la población
N k-éxitos en la población
 
n M. en C. Yolanda Alvarado Perez
x-éxitos en la muestra
 ejemplo 1
De un lote de 10 proyectiles, 4 se seleccionan
al azar y se disparan. si el lote contiene 3
proyectiles defectuosos que no explotarán.
cuál es la probabilidad de que:
a) Los 4 exploten
b) Por lo menos 2 no exploten

M. en C. Yolanda Alvarado Perez

 Solución
a) N=10, n=4, k=7 , x=4

 7 10  7 
  
4 44 
h(10;4,7,4)     0.1666
10 
 
4

b) N=10, n=4, k=3, x=2,3

 3 10  3   3 10  3 
     
2 4  2   3  4  3 
p( x  2,3)      0.333
10  10 
   
4
  4

M. en C. Yolanda Alvarado Perez

 Distribución geométrica
 Si repetidos intentos independientes pueden
resultar en un éxito con una probabilidad p y
en un fracaso con una probabilidad de q = 1 –
p, entonces la distribución de probabilidad de
la variable aleatoria x, el número del intento en
el cual ocurre el primer éxito es:
g ( p; x) = pq x- 1 x = 1, 2,3....

M. en C. Yolanda Alvarado Perez

 Ejemplo
El tablero de un conmutador telefónico es de muy poca
capacidad en cuanto al tiempo de ocupado se refiere, de tal
forma que las personas no pueden encontrar una línea
desocupada para sus llamadas. Puede ser de interés saber el
número de intentos necesarios que se requieren para tener una
línea disponible. Suponga que sea p = 0.05 la probabilidad de
tener línea durante la mayor congestión de llamadas. Se tiene
el interés partículas de saber la probabilidad de que sean
necesarios 5 intentos para lograr una comunicación. R. 0.0041

M. en C. Yolanda Alvarado Perez

 Solución
p = 0.05 x= 5 sustituyendo

p(0.05,5) = (0.05)(1- 0.05)5- 1 = 0.05(0.95)4 = 0.0041

M. en C. Yolanda Alvarado Perez

 Distribución multinomial
Si un intento determinado puede resultar en cualquiera de los k
resultados E1, E2, E3,……, Ek con probabilidades p1,p2,p3,
…..,Pk , entonces la distribución de probabilidad de las variables
aleatorias x1 ,x2 ,x3 ,….., xk que representan el número de
ocurrencias para e1, e2, e3,……, ek en n intentos independientes
es:
 f(x1,x2, x3,…xk; p1,p2,p3,…..,pk, n) =
 
n! x x x
p p ....... p k
1 2
x !x !....x ! 1 2 k
1 2 k
GRACIAS

M. en C. Yolanda Alvarado Perez

M. en C. Yolanda Alvarado Perez
M. en C. Yolanda Alvarado Perez
M. en C. Yolanda Alvarado Perez
M. en C. Yolanda Alvarado Perez
M. en C. Yolanda Alvarado Perez
M. en C. Yolanda Alvarado Perez