DISTRIBUCIONES DE

PROBABILIDAD PARA
VARIABLES Presenta: Mtra. Natali López

ALEATORIAS Salgado

DISCRETAS Y
 DISTRIBUCIÓN BINOMIAL O DE
BERNOULLI
(VARIABLES ALEATORIAS DISCRETAS)

Planteada por el matemático Jakob I.

Bernoulli, es la más sencilla de todas las
distribuciones, la variedad de casos en los
cuales es apropiada la distribución
binomial es muy amplia.
APLICABILIDAD DE LA DISTRIBUCIÓN
BINOMIAL O DE BERNOULLI

Sólo son posibles dos resultados, conocidos

como éxito y fracaso.
La probabilidad de éxito permanece
constante durante todas las observaciones que
se realizan.
Los resultados son independientes entre sí.
La probabilidad de que un evento ocurra en un proceso de Bernoulli está
dada por la siguiente fórmula:

probabilidad de que suceda “x” éxitos, en un total de “n” intentos.

es el número de éxitos deseados
es el número de veces que se realiza la operación
es la probabilidad de obtener un éxito
es la probabilidad de obtener un fracaso, esto es el complemento de p
 EJEMPLO 1:
Determine la distribución de probabilidad
del número de artículos defectuosos que
podría contener una muestra de diez
artículos, si la población infinita de
artículos tiene un porcentaje de
defectuosos del 35%.
DISTRIBUCIÓN HIPERGEOMÉTRICA
(VARIABLES ALEATORIAS DISCRETAS)

Es una forma particular de la distribución

binomial, tiene poco valor práctico, debe
utilizarse en vez de la distribución binomial
cuando el tamaño de la población sea pequeño
en comparación con el tamaño de la muestra,
es decir, si la muestra excede del 20% de la
población.
La fórmula que permite calcular la probabilidad de esta distribución se
presenta enseguida:

es el número deseado de éxitos

es el numero de elementos de la población
es el número total de éxitos en la población
es el número de elementos de la muestra
 EJEMPLO 1:
De un grupo de 60 personas, 20 son
mujeres. Si se selecciona al azar a 30
personas, ¿cuál es la probabilidad de que
en la selección haya exactamente 8
mujeres?
 DISTRIBUCIÓN DE POISSON
(VARIABLES ALEATORIAS DISCRETAS)

El matemático francés Simeon-Denis Poisson

dedujo la fórmula para calcular la probabilidad
de que ocurra exactamente un número “x” de
eventos, cuando estos se presentan a razón de
eventos por unidad de tiempo.
La fórmula de la distribución de Poisson es la siguiente:

es el número de éxitos
es la frecuencia de ocurrencia de los eventos
es el número Euler
 EJEMPLO 1:
En una carretera pasan en promedio 27
autos por hora. Determine la probabilidad
de que circulen 19 autos por hora.
 EJEMPLO 2:
En una carretera pasan en promedio 27
autos por hora. ¿Cuál es la probabilidad de
que durante las próximas dos horas el
número de autos sea 48?
ACTIVIDAD 1:
1. ¿Cuál es la probabilidad de obtener 3 veces el número 5, en 10 lanzamientos
de un dado de 6 caras?
2. ¿Cuál es la probabilidad de obtener cuando mucho 3 veces el número 5, en
10 lanzamientos de un dado de 6 caras?
3. De un grupo de 60 personas, 20 son mujeres. Tabule la distribución de
probabilidad hipergeométrica del número de mujeres, si se selecciona al
azar a 30 personas.
4. En una carretera pasan en promedio 27 automóviles por hora. ¿Cuál es la
probabilidad de que durante la próxima hora el número de autos sea de 24?
5. En una carretera pasan en promedio 27 automóviles por hora, ¿cuál es la
probabilidad de que durante los próximos 30 minutos el número de autos
sea de 12?
6. Tabule la distribución de probabilidad del número de peces amarillos
que resultan al tomar aleatoriamente una muestra de 6 peces de una
pecera que contiene 200 peces amarillos y 300 rojos.
7. Una pecera contiene 20 peces amarillos y 30 rojos. Determine la
probabilidad de que, al tomar aleatoriamente una muestra de 15 peces,
esta contenga exactamente 7 peces amarillos.
8. En una enorme pecera hay 4 peces amarillos por tonelada de agua.
Determine la probabilidad de que, en una muestra aleatoria de 5
toneladas, haya exactamente:
a. 18 peces amarillos
b. 20 peces amarillos
c. 22 peces amarillos
 DISTRIBUCIÓN NORMAL
(VARIABLES ALEATORIAS CONTINUAS)
Es aquella en la cual, a partir de un punto central de
máxima frecuencia (la media de la distribución), los
valores mayores y menores que la media se distribuyen
simétricamente a derecha e izquierda, disminuyendo
gradualmente hasta desaparecer.

Es la más utilizada para variables aleatorias continuas, el

matemático alemán Karl Fiedrich Gauss, presentó las
leyes fundamentales de la distribución normal de
probabilidad y su curva se conoce también como campana
 EJEMPLO 1:
Determine con base en la tabla estadística, el
área bajo la curva normal,
a) A la derecha de z=0.47
b) A la derecha de z=-1.13
c) Entre z=0.54 y z=1.91
Para encontrar los valores
de “z” en la campana de
Gauss se sigue la
siguiente fórmula:
 EJEMPLO 2:
La estatura promedio de los empleados de una
empresa muy grande es de 1.65 metros, con una
desviación estándar de 6.2 cm.
Suponga una distribución normal y determine que
porcentaje de los empleados miden:
a) Más de 1.57 metros
b) Menos de 1.70 metros
c) Entre 1.57 metros y 1.70 metros
ACTIVIDAD 2:
1. Determine el porcentaje del área bajo la curva de
distribución normal
a. Entre z=0.74 y z=1.11
b. Entre z=-0.9 y z=3.33
2. Suponga que el monto promedio de compras por cliente
de una empresa es $128.45 y una desviación estándar de
$18.26. Determine la probabilidad de que un cliente
cualquiera compre:
a. Más de $100
b. Más de $150
c. Menos de $120
3. TelCom Satellite presta servicios de comunicación a los negocios del área
metropolitana de Chicago. Los funcionarios de la compañía han aprendido
que la transmisión satélite promedio es de 150 segundos, con una desviación
estándar de 15 segundos. Los tiempos parecen estar distribuidos
normalmente.
Para estimar de manera apropiada la demanda del cliente por sus servicios y
establecer una estructura de tarifas que maximice las utilidades corporativas,
TelCom debe determinar qué tan probable es que algunas llamadas se presenten.
El director de servicios desea que usted proporcione estimados de la
probabilidad de que una llamada dure:
a)Entre 125 y 150 segundos
b)Menos de 125 segundos
c)Entre 145 y 155 segundos
d)Entre 160 y 165 segundos
DISTRIBUCIÓN T DE STUDENT
(VARIABLES ALEATORIAS CONTINUAS)
La distribución t de Student, inicialmente se diseñó para
examinar las diferencias entre dos muestras
independientes y pequeñas que tengan distribución normal
y homogeneidad en sus varianzas. Gosset, desarrollador de
esta distribución (1908), la diseñó para probar hipótesis en
estudios con muestras pequeñas (menores de 30).
Al plantear las hipótesis nula (H0) y la hipótesis alternativa
(H1), se debe considerar que la alternativa plantea
matemáticamente lo que queremos demostrar, en tanto que
la hipótesis nula plantea exactamente lo contrario.
TABLA T DE STUDENT
EJEMPLO 1:

Encontrar el valor de t, si la confianza es del 95% y

la muestra de 20 unidades.
EJEMPLO 2:

Si la muestra es de 25 unidades y la confianza del

99%, ¿cuál es el valor de t?

EJEMPLO 3:

Si la muestra es de 30 unidades y la confianza del

90%, el valor de t es…
CASOS DE ESTUDIO CON
DISTRIBUCIÓN T DE STUDENT
EJEMPLO 1:

Un estudio revelaba que la velocidad de lectura de niños entre 6 y 8 años

de edad con Síndrome de Down que se habían atendido en el centro de
apoyo para el aprendizaje era de 74 palabras por minuto en lecturas
seleccionadas. Se hizo un muestreo al azar con 24 niños de tales
características para corroborar si se encontraban cerca de este patrón. Se
obtuvo una media de 78.76 palabras por minuto con desviación estándar
de 3 palabras por minuto. ¿Es el promedio de la muestra diferente al del
patrón de 74 ppm? Utílice t de student a dos colas con confianza del 95%
EJEMPLO 2:

Una muestra de 20 profesores universitarios

aparentemente sanos proporcionó un valor
promedio de capacidad máxima respiratoria de 102
lpm con desviación estándar de 10.5 lpm. ¿Es
posible concluir que la media de latidos por minuto
no es de 110? Utilice confianza al 90%
ACTIVIDAD 3:
1. Un gerente de ventas de libros universitarios afirma que en
promedio sus representantes de ventas realiza 40 visitas a
profesores por semana. Varios de estos representantes
piensan que realizan un número de visitas promedio
superior a 40. Una muestra tomada al azar durante 8
semanas reveló un promedio de 42 visitas semanales y una
desviación estándar de 2 visitas. Utilice un nivel de
confianza del 99% para aclarar esta situación.
2. Se aplica una prueba de autoestima a 25 personas
quienes obtienen una calificación promedio de 62.1
con una desviación estándar de 5.83. Se sabe que el
valor correcto de la prueba debe ser mayor a 60.
¿Existe suficiente evidencia para comprobar que no
hay problemas de autoestima en el grupo
seleccionado? Utilice un nivel de confianza del 90%