TÉCNICAS E INSTRUMENTOS PARA

LA INVESTIGACIÓN
DISTRIBUCIONES DE PROBABILIDADES PARA
VARIABLES DISCRETAS

www.usat.edu.pe
CONTENIDO

o Variable aleatoria

o Distribuciones de Probabilidad

o Principales Distribuciones de Probabilidad discretas: Binomial y

Poisson. Características y uso de tablas

www.usat.edu.pe
 Logro de la sesión:
Al término de la sesión, el estudiante resuelve
problemas de situaciones reales considerando
variables aleatorias y distribución de probabilidad
discreta, con orden en el procedimiento y exactitud en
el resultado.

www.usat.edu.pe
DEFINICIONES PRELIMINARES:
I. VARIABLE ALEATORIA:
• Se denota por una X.
• Es aquella que puede tomar diferentes valores a
través del tiempo o de sujeto a sujeto.
• Si una variable, es una variable aleatoria, entonces
tiene una distribución de probabilidad.

EJEMPLOS:
• X: Nº de casas vendidas en Trujillo.
• X: Nº de ingenieros reconocidos a nivel nacional.
• X: Ventas diarias de una empresa.
• X: Nº de clientes que llegan diariamente a Plaza Vea.
• X: Nº de automóviles que llegan a una Estación de Servicio.
• X: Nº de llamadas telefónicas que recibe una secretaria.
• X: Edad de las personas.
• X: Tiempo de vida de un neumático.
• X: Nº de artículos defectuosos de un proceso productivo.
www.usat.edu.pe
II. FUNCION DE PROBABILIDAD:
• Es una fórmula matemática que nos permite calcular
probabilidades.
• Una función de probabilidad, calcula la probabilidad para
cada valor individual de la variable aleatoria X.
• Se denota por:

f (x) = P[ X = x ]
EJEMPLOS:
n
P[X  x]   p x q n  x
 x

Distribución Binomial:

Distribución Poisson: eλ λ x

P[X  x] 
x!
III. FUNCION DE PROBABILIDAD ACUMULADA:
• Llamada también función de distribución que se denota por
F(x).
• Es aquella que nos permite calcular probabilidades
acumuladas.
• Se denota por:

F(x) = P[ X ≤ x ]
Por ejemplo:

• F(1) = P[X≤1]=P(X=0) + P(X=1)

• F(2) = P[X≤2]=P(X=0) + P(X=1) + P(X=2)
• F(3) = P[X≤3]=P(X=0) + P(X=1) + P(X=2)+P(X=3)
DISTRIBUCIONES DISCRETAS
Distribución Binomial

Distribución Poisson

www.usat.edu.pe
 DISTRIBUCIÓN BINOMIAL
CARACTERISTICAS:

• Los parámetros de la distribución binomial son “n”

y “p”., donde:
n=Número de ensayos o tamaño de muestra
p = probabilidad de éxito en cada ensayo. Parámetros:
De aquí se obtiene que la probabilidad de fracaso es
q = 1-p
• Si una v.a. X tiene una distribución binomial, esta se
n,p
denota por:
X  B ( n, p )
• Su función de probabilidad está dada por:

P(X  x)  C xn p x (1  p ) n  x , x  0,1,2,......n
 EJERCICIO:

En la Farmacia del Hospital General, Función de probabilidad

el inspector de control de calidad ha
determinado que el 25% de los P(X  x)  C xn p x (1  p ) n  x
medicamentos están vencidos.
Para probar su afirmación extrae una Solución:
muestra de 5 medicamentos y a partir
a. P(X  0)  C05 0.250 (0.75) 5
de ello desea calcular las siguientes
probabilidades: = 0.2373
a. Ninguno esté vencido.
b. P(X  1)  C1 0.25 (0.75)
5 1 4

b. Exactamente 1 esté vencido.

c. Menos de 2 estén vencidos. = 0.3955
c. P(X  2)  P(X  1)  P(X  0)  P(X  1)
= 0.6328
PARAMETROS:
n=5
p = 0.25
 MANEJO DE MEGASTAT:

1° paso

Número de ensayos
o tamaño de muestra
(n)
2° paso
Probabilidad de éxito
(p)

3° paso Analizar resultados

 MANEJO DE MEGASTAT:
Probabilidades Probabilidades
simples acumuladas
P(X=x) P( X ≤ x )

posibles valores que

puede tomar “X”
MANEJO DE MEGASTAT:

Para el calculo de probabilidades usando Megastat debe tener en cuenta

lo siguiente:

A.
A. PP((XX≤≤aa))==Usar
Usarprobabilidades
probabilidadesacumuladas
acumuladasde deMegastat
Megastat
B.
B. PP((XX>>aa)) ==11-- PP((XX≤≤aa))
C.
C. PP((XX≥≥aa)) ==11-- PP((XX≤≤aa--11))
D.
D. PP((XX==aa)=)=Usar
Usarprobabilidades
probabilidadessimples
simplesde deMegastat
Megastat
E. P ( a ≤ X ≤ b ) = P ( X ≤ b ) - P ( X ≤ a-1
E. P ( a ≤ X ≤ b ) = P ( X ≤ b ) - P ( X ≤ a-1 ) )
F.
F. PP((aa≤≤XX<<bb))==PP((XX≤≤b-1b-1))--PP((XX≤≤a-1
a-1))
G.
G.PP((aa<<XX<<bb))==PP((XX≤≤b-1 b-1))--PP((XX≤≤aa))
H.
H.PP(X (X<<aa))==PP((XX≤≤a-1
a-1))
I.I. PP((aa<<XX≤≤bb))==PP((XX≤≤bb))––PP((XX≤≤aa))
En general, el 45% de los postulantes fallan en una prueba de
selección de personal. ¿Cuál es la probabilidad de que en una
muestra de 15:

a) Fallen exactamente 4.
b) Fallen por lo menos 8.
c) Fallen más de 4.

www.usat.edu.pe
SOLUCIÓN:
X = Candidatos que fallan en una prueba de selección
Parámetros:
n = 15 candidatos
p = probabilidad que un candidato falle en una prueba de
selección.
p = 0.45; q = 0.55
Función de probabilidad:
15  x
P(X  x)  C 15
x (0.45) x
( 0. 55) , X  0,...,15

a) Fallen exactamente 4.
P(X = 4) = 0.078 = 7.8%
b) Fallen por lo menos 8.
P(X ≥ 8) = 1 - P(X ≤ 7) = 1 - 0.6535 = 0.3465 = 34.65%

c) Fallen más de 4.
P(X > 4) = 1 - P(X ≤ 4)= 1 - 0.1204 = 0.8796 = 87.96%

www.usat.edu.pe
 DISTRIBUCIÓN POISSON
Es otra de las distribuciones discretas
más importantes del cálculo de
probabilidades.
Se utiliza cuando se quieren evaluar
variables aleatorias discretas pero
ocurridos en espacios continuos.
Estos espacios continuos pueden ser el
tiempo, volumen, espacio, etc.
Función de probabilidad
e λ λ x
PX  x/λ  
x!
Donde λ = Número esperado de éxitos. Simeon Poisson
e = Constante matemática.
x = Número de éxitos por unidad.

Parámetro: λ
– Número de manchas en un metro cuadrado de un
esmaltado de un refrigerador.
– Número de personas que llegan a una tienda de
autoservicios durante una hora.
– Número de llamadas telefónicas en un día.
– Número de clientes que llegan a un banco durante las 10 y
12 p.m.
– Número de bacterias en un cm3 de agua.
– Número de solicitudes de seguro procesadas por una
compañía en un tiempo determinado, etc.

www.usat.edu.pe
 Función de probabilidad

e λ λ x
PX  x/λ  
x!
Se conoce que el número promedio de llamadas para solicitar una consulta a la
central de Essalud, es de 3 llamadas por minuto.
Calcular las siguientes probabilidades:
a.Se den exactamente dos llamadas en un minuto.
b.Se den a lo más 2 llamdas en un minuto.

Solución:
e 3 32
a. Se tiene que λ = 3 llamadas por minuto. P X  2   0.224
2!

b. P  X  2   P(X  0)  P(X  1)  P(X  2)

e 3 30 e 3 31 e 3 32
    0.497  0.149  0.224  0.423
0! 1! 2!

www.usat.edu.pe
La central telefónica de una empresa recibe un promedio de 3.4
órdenes de pedido por hora. Estas ocurrencias se producen al azar.
¿Cuál es la probabilidad de que se produzcan:
a) Exactamente 4 órdenes de pedido en una hora dada.
b) Como máximo 5 órdenes de pedido en una hora.
c) Más de 5 órdenes de pedido en dos horas.

www.usat.edu.pe
Solución
  3.4 órdenes de pedido / hora
a) Exactamente 4 órdenes de pedido en una hora dada.

b) Como máximo 5 órdenes de pedido en una hora.

P(X ≤ 5) = 0.8705 = 87.05%

c) Más de 5 órdenes de pedido en dos horas.

P(X > 5) = 1 - P(X ≤ 5) = 1 - 0.327 = 0.673 = 67.3%

www.usat.edu.pe
MANEJO DE MEGASTAT:

1° paso

Lamda (promedio)
()

2° paso
Valor máximo
(opcional)

3° paso Analizar resultados

 MANEJO DE MEGASTAT:
Probabilidades Probabilidades
simples acumuladas
P(X=x) P( X ≤ x )
Poisson distribution

3.4 mean rate of occurrence

cumulative
X P(X) probability Poisson distribution (µ = 3.4)
0 0.03337 0.03337 0.25
1 0.11347 0.14684
2 0.19290 0.33974
3 0.21862 0.55836 0.20
4 0.18582 0.74418
5 0.12636 0.87054
6 0.07160 0.94215 0.15
7 0.03478 0.97693
P(X)

8 0.01478 0.99171
9 0.00558 0.99729 0.10
10 0.00190 0.99919
11 0.00059 0.99978
0.05
12 0.00017 0.99994
13 0.00004 0.99999
14 0.00001 1.00000 0.00
posibles valores que15 0.00000 1.00000 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
puede tomar “X” 16 0.00000 1.00000 X
17 0.00000 1.00000
18 0.00000 1.00000
1.00000

3.400 expected value

3.400 variance
1.844 standard deviation
 DISTRIBUCIÓN POISSON
Ejercicio 3: Función de
probabilidad
Si como promedio un tablero
e λ λ x
electrónico recibe 0.05 llamadas PX  x/λ  
x!
por segundo, ¿Cuál es la
Solución
probabilidad de que en un :
determinado minuto: Se tiene que λ = 0.05 llamadas por
segundo
a. Reciban exactamente dos
Entonces: λ = 0.05(60) = 3 llamadas por
llamadas. minuto.
b. Reciban no más de dos
e 3 32
llamadas. a. PX  2    0.224
2!

b. PX  2   P(X  0)  P(X  1)  P(X  2)

e 3 30 e 3 31 e 3 32
    0.497  0.149  0.224  0.423
0! 1! 2!
www.usat.edu.pe
¿QUÉ HEMOS VISTO?

 Variable aleatoria

 Distribuciones de Probabilidad Discreta

 Principales Distribuciones de
Probabilidad discretas: Bernoullí,
Binomial y Poisson. Características y
uso de tablas

www.usat.edu.pe
 Estimado estudiante, puedes revisar los siguientes textos que se encuentran en
tu biblioteca:

519.2 PROBABILIDAD Y ESTADÍSTICA PARA

1 SCHEAFFER Mc. CLAVE 2005
SCHE INGENIERÍA

519.5 LEVINE-KREHBIEL-
2 ESTADÍSTICA PARA ADMINISTRACIÓN. 2006
LEVI/P BERENSON

WILLIAM W. HINES
519.2 DOUGLAS C. MONTGOMERY PROBABILIDAD Y ESTADÍSTICA PARA
3 2011
HINE DAVID M. GOLDSMAN INGENÍERIA
CONNIE M. BORROR

www.usat.edu.pe