Distribución de

probabilidad
discreta
PROF. LIC. AMANDA MARLENE C. DURÉ ROLÓN
DISTRIBUCION BINOMIAL
DISTRIBUCION DE POISSON
 El proceso de Bernoulli
• El experimento consta de
ensayos repetidos.

• Cada ensayo produce un

resultado que se puede clasificar
como éxito o fracaso.

• La probabilidad de un éxito, que

se denota por p , permanece
constante de un ensayo a otro.

• Los ensayos repetidos son

independientes.
Prof. Lic. Amanda Marlene C. Duré Rolón 3
 Distribución binomial
• El número x de éxitos en n experimentos de Bernoulli se
denomina variable aleatoria binomial.

• La distribución de probabilidad de esta variable discreta se

llama distribución binomial y sus valores se denotaran como ,
donde n es el numero de ensayos y p la probabilidad de éxito
en un ensayo.

Prof. Lic. Amanda Marlene C. Duré Rolón 4

Uso de tablas de sumas de probabilidad
binomial

Prof. Lic. Amanda Marlene C. Duré Rolón 5

 Ejemplos
1.La probabilidad de que el comprador de un osciloscopio haga
uso del service dentro del plazo de garantía es 0,2.
• Para los 5 osciloscopios que cierta empresa ha vendido
independientemente a 5 compradores este mes:
• a) ¿cuál es la probabilidad de que exactamente 3 de los
compradores hagan uso de la garantía?
• b) ¿cuál es la probabilidad de que 3 o mas compradores
hagan uso de la garantía?

Prof. Lic. Amanda Marlene C. Duré Rolón 6

 Resolución
• Cada comprador puede hacer uso (éxito) o no (fracaso) de la garantía.
• La probabilidad de que un único comprador haga uso de la garantía es de
0,2. ( p= 0,2)
• Se consideran cinco osciloscopios ( n = 5)
• Entonces la variable binomial es:
x: cantidad de compradores de osciloscopios que hacen uso de la
garantía de un total de 5.

b) , o bien , se puede calcular

Prof. Lic. Amanda Marlene C. Duré Rolón 7

Otras maneras de calcular :

• Usando Probability
Distributions que esta
para Android y iOS .
• Para calcular
probabilidades
binomiales :
seleccionamos
distribución binomial.
• Luego completamos los
valores de n, p y x y
elegimos la opción
probabilidad puntual:

Prof. Lic. Amanda Marlene C. Duré Rolón 8

Usando Excel

Prof. Lic. Amanda Marlene C. Duré Rolón 9

GEOGEBRA

Prof. Lic. Amanda Marlene C. Duré Rolón 10

USANDO TABLAS DE PROBABILIDADES
PUNTUALES BINOMIALES

Prof. Lic. Amanda Marlene C. Duré Rolón 11

Tabla A.1 Sumas de probabilidad binomial

Prof. Lic. Amanda Marlene C. Duré Rolón 12

 Áreas de aplicación
• La distribución binomial tiene aplicaciones en muchos campos
científicos, por ejemplo: Un ingeniero industrial esta interesado en la
proporción de artículos defectuosos en cierto proceso industrial, a
menudo las medidas de control de calidad y los esquemas de muestreo
para procesos se basan en la distribución binomial.

• Como la variable aleatoria binomial depende solo de valores que toman

los parámetros n, p , q parecería razonable suponer que la media y la
varianza de una variable también dependen de los valores que toman tales
parámetros.

Prof. Lic. Amanda Marlene C. Duré Rolón 13

Ejemplo
Al probar cierta clase de neumático para camión en un terreno accidentado ,
se encuentra que el 25% de los camiones no completan la prueba de
recorrido sin pinchaduras. De los siguientes 15 camiones probados , calcule
la probabilidad de que :
a) de 3 a 6 tengan pinchaduras
b) menos de 4 tengan pinchaduras
c) mas de 5 tengan pinchaduras
d)¿ cuantos de los 15 camiones esperaría que tuvieran pinchaduras?
e) ¿cual es la varianza del numero de pinchaduras de los 15 camiones ?

Prof. Lic. Amanda Marlene C. Duré Rolón 14

Resolución
• X: número de camiones pinchados después de la prueba.
• X es una v.a. binomial con p=0,25, n = 15 ensayos.

Prof. Lic. Amanda Marlene C. Duré Rolón 15

 Distribución de Poisson
• Los experimentos que producen valores
numéricos de una variable aleatoria x, el
número de resultados que ocurren
durante un intervalo de tiempo
determinado o en una región especifica ,
se denominan experimentos de Poisson .

• El intervalo de tiempo puede ser de

cualquier duración , como un minuto, un
día, una semana, un mes o incluso un
año.

• Ejemplos: el número de llamadas

telefónicas por hora que recibe una
oficina, el numero de juegos
suspendidos debido a la lluvia durante la
temporada de futbol, etc.
Prof. Lic. Amanda Marlene C. Duré Rolón 16
 Propiedades
1. El numero de resultados que ocurren en un intervalo o región especifica
es independiente del numero que ocurre en cualquier otro intervalo de
tiempo o región de espacio disjunto. No tiene memoria.
2. La probabilidad de que ocurra un solo resultado durante un intervalo
muy corto o en una región pequeña es proporcional a la longitud del
intervalo o al tamaño de la región , y no depende del numero de
resultados que ocurre por fuera de ese intervalo o región .
3. La probabilidad que ocurra mas de un resultado en tal intervalo de
tiempo corto o que caiga en tal región pequeña es insignificante.

Prof. Lic. Amanda Marlene C. Duré Rolón 17

 Variable aleatoria de Poisson
• El número x de resultados que ocurren durante un
experimento de Poisson se llama v.a. de Poisson y su
distribución de Poisson .
• El número medio de resultados se calcula λt, donde t es el
tiempo, distancia, área , etc.

• P(x,λt) : tasa de ocurrencia de los resultados

λt)= , x= 0,1,2,…

Prof. Lic. Amanda Marlene C. Duré Rolón 18

Aplicaciones : media y varianza
Al control de calidad, aseguramiento de calidad y muestreo de
aceptación. Así como distribuciones continuas empleadas en
técnicas de confiabilidad y teoría de colas dependen del proceso
de Poisson
Media: t
Varianza : t

Sea X una v.a. binomial con distribución de probabilidad .

Cuando permanece constante ,

Prof. Lic. Amanda Marlene C. Duré Rolón 19

Tabla de sumas de probabilidad de Poisson

Prof. Lic. Amanda Marlene C. Duré Rolón 20

Ejemplo 1
• Un libro de 60 paginas tiene 12 errores,
• a) ¿cual es la probabilidad de encontrar 3 errores en las primeras 15 paginas?
• b) ¿cual es la probabilidad de no encontrar ningún error en las primeras 15
paginas?
• c)¿ cual es la probabilidad de encontrar 3 errores entre las paginas 20 y 35 ?
• X: número de errores en t = 15 paginas
• X es la v.a. de Poisson con parámetro
• A)

• B)

• C) El proceso de Poisson no tiene memoria , la respuesta seria la misma de a)

Prof. Lic. Amanda Marlene C. Duré Rolón 21

Ejemplo2
• Carlos recibe en promedio 6 llamadas por
día, de lunes a viernes.
• A) ¿cuál es la probabilidad de que Carlos
reciba solamente una llamada en un día
especifico?
• B) ¿cuál es la probabilidad que en 2 de los 5
días reciba exactamente una llamada?, es
decir, en cada día reciba exactamente una
llamada.

• X: numero de llamadas que recibe Carlos en un

día cualquiera.
• X es una v.a. de Poisson con llamadas por día.
• A)
• y es la v.a. binomial con n = 5 días e y = 2 días.
• B)
Prof. Lic. Amanda Marlene C. Duré Rolón 22
Aproximación de Poisson a la binomial
• Si n es grande y p es pequeña, se comienzan a simular
las implicaciones de espacio continuo o región
temporal del proceso de Poisson . La independencia
de Bernoulli es consistente con el proceso de Poisson .
• Si p tiende a cero y n tiende a infinito, se puede usar
la distribución de Poisson para aproximar
probabilidades binomiales.
• Si p tiende a uno , se intercambian las definiciones de
éxito y fracaso , con lo que p tiende a cero y asi se
pueda usar la aproximación .
Prof. Lic. Amanda Marlene C. Duré Rolón 23
Ejemplo
• Suponga que , en promedio, 1 persona en 1000 comete un error numérico
al preparar su declaración de impuestos.
• Si se seleccionan 10.000 formas al azar y se examinan , encuentre la
probabilidad de que 6 ,7 u 8 de las formas contengan un error.

• El experimento es binomial con n = 10.000 y p= 0,001 .

• Como n tiende a infinito y p tiende a cero , se puede aproximar el
resultado binomial por Poisson utilizando:

Prof. Lic. Amanda Marlene C. Duré Rolón 24

Prof. Lic. Amanda Marlene C. Duré Rolón 25