Distribución de probabilidad binomial y

poisson.
(Variable discreta)

Clase 14
Dr. Felipe Núñez Chávez
PROPÓSITO

 Explica y diferencia las principales distribuciones de probabilidad para variables aleatorias

discretas.
 Aplica e interpreta las distribuciones de probabilidades para variables aleatorias discretas en el
desarrollo de prácticas y ejercicios..
DISTRIBUCIÓN DE PROBABILIDAD

 Notación factorial, combinaciones.

 Cálculo de probabilidades mediante la distribución binomial.
 Cálculo de probabilidades mediante la distribución de poisson.
La distribución de probabilidad binomial es una
distribución discreta que tiene muchísimas aplicaciones. Se
asocia con un experimento de múltiples pasos que se llama
experimento binomial. La palabra binomial viene de otra
palabra que significa “dos nombres” y esto nos hará recordar
que en cada ensayo que veremos en este tema siempre habrá
dos resultados: éxito y fracaso. Si es que respondes una
pregunta de alternativas al azar, la respuesta es correcta o
incorrecta. Si es que realizas un control de calidad a un
producto, este será defectuoso o no defectuoso. Si es que
lanzas una moneda, sale cara o sale cruz.
 DISTRIBUCIÓN BINOMIAL
I. Introducción.
El desarrollo de este tema, implica comprender previamente los siguientes conceptos:

 Notación factorial.
Se utiliza para representar las operaciones de multiplicación secuencial.
Su desarrollo significa el producto ordenado de los números enteros positivos, desde el que
indica el signo factorial, hasta llegar a 1.
Ejemplo:
Tres factorial 3! = 3x2x1 = 6
Cinco factorial 5! = 5x4x3x2x1 = 120
……..
N factorial N! = (N)(N-1)(N-2)x………x2x1

Por definición:
0! = 1
1! = 1
 Combinaciones.
Es un método que nos permite agrupar un conjunto de elementos en diferentes formas sin
considerar el orden de colocación.
𝒏 𝒏!
𝑪 =
𝒙 𝒙 ! ( 𝒏− 𝒙 ) !
Ejemplo:
De un equipo multidisciplinario, formado por un economista, un sociólogo, un antropólogo.
¿Cuántos comités de dos profesionales pueden formarse?
Solución
Según datos: n = 3, x = 2
Luego la cantidad de comités a formarse, serían:

Se pueden formar 3 comités, que serían:

Primer comité : Economista, Sociólogo.
Segundo comité: Sociólogo, Antropólogo.
Tercer comité : Economista, Antropólogo.
II. Cálculo de probabilidades mediante la distribución binomial.
La distribución binomial se utiliza para calcular probabilidades de variables discretas.
Se aplica en aquellos experimentos aleatorios que tienen sólo dos resultados mutuamente
excluyentes.

EXPERIMENTO ALEATORIO RESULTADOS POSIBLES

Lanzamiento de una moneda al aire. Cara o sello
Nacimiento de un ser humano con respecto al sexo. varón o mujer
Estado de salud de una persona. Sano o enfermo
Situación ocupacional de una persona. Ocupado o desocupado

Estos experimentos con resultados Dicotómicos, se le conoce con el nombre de ensayo de BERNOULLI,
en honor al científico que lo descubrió.
III. Requisitos de una distribución de probabilidad binomial.
a) El procedimiento tiene un número fijo de ensayos.
b) Los ensayos deben ser independientes. (El resultado de cualquier ensayo individual no afecta
las probabilidades de los demás ensayos).
c) Todos los resultados de cada ensayo deben clasificar en dos categorías (generalmente
llamadas éxito y fracaso)
d) La probabilidad de un éxito permanece igual en todos los ensayos.
IV. Notación para la distribución de probabilidad binomial.
Al llevar a cabo un experimento aleatorio, siempre estamos interesados en que suceda uno de los
dos resultados, si el resultado que esperábamos efectivamente sucede, diremos que hubo ÉXITO.
Si el resultado que esperábamos no sucede, entonces diremos que hubo FRACASO. Estos dos
resultados, se designan en términos de probabilidad, como p y q.
Es decir:

RESULTADOS PROBABILIDAD
ÉXITO p PROBABILIDAD DE ÉXITO
Donde: p + q = 1
FRACASO q PROBABILIDAD DE FRACASO
V. Fórmula General para calcular las Probabilidades Binomiales.

𝒏 𝒙 ( 𝒏− 𝒙) 𝒏! 𝒙 (𝒏 − 𝒙 )
𝒑 ( 𝒙 )=𝑷 ( 𝑿= 𝒙 ) =𝑪 . 𝒑 . 𝒒 = .𝒑 .𝒒
𝒙 𝒙 ! (𝒏 − 𝒙 ) !

Donde:

Media Varianza
  np ;  2  npq
Ejemplo 1:
Supongamos en la comunidad “x”, donde a través de una muestra se encontró que el 30% de la
población en edad activa estaba desempleada. Calcular la probabilidad de seleccionar dos personas
ocupadas en esta población.
Solución
Según datos del problema:
n=2 entonces p = 0.70
x=2 personas ocupadas q = 0.30
Aplicando la fórmula:

Interpretación: La probabilidad de seleccionar dos personas ocupadas de esta población, es de 49%.

Éxito Cliente que realiza la compra

Probabilidad de éxito (p) 0,70

Probabilidad de fracaso (q) 0,30

Número de ensayos (n) 2

Número de éxitos en los “n” ensayos (x) 2

P x  n
 Cx x
p q n x

2
𝑃 ( 𝑥=2 )=𝐶 ⋅¿ 2
Ejemplo 2:
En la Caja Huancayo se reportó que el 20% de préstamos a sus clientes habían vencido en el mes
de abril. Si se toma una muestra aleatoria de 8 clientes, de los cuales se les notifico sobre su
vencimiento. ¿Cuál es la probabilidad de que 3 clientes realicen sus pagos de vencimiento
después de la notificación?

Solución
Éxito Pagos de vencimientos de préstamos
Probabilidad de éxito (p) 0.20
Probabilidad de fracaso (q) 0.80
Número de ensayos (n) 8
Número de éxitos en los “n” ensayos (x) 3

Aplicando la fórmula:

Interpretación: La probabilidad de los 8 clientes notificados por vencimientos de pagó por la

Caja Huancayo, 3 de ellos realicen sus pagos es de 14,68%
 Aplicando lo aprendido

1. Suponiendo que la probabilidad de que un automovilista respete la luz verde es de 0.75, utilice la
fórmula de probabilidad binomial para calcular la probabilidad de obtener exactamente 3
automovilistas que respeten la luz verde cuando va a cambiar de luz 5 segundos antes. Es decir,
calcule

2. Utilice la fórmula de probabilidad binomial para calcular la probabilidad de x éxitos, dada la

probabilidad p de éxito en un solo ensayo.

3. La probabilidad de tener una unidad defectuosa en una línea de ensamblajes es de 0,05. Si el

conjunto de unidades terminales constituyen un conjunto de ensayos independientes.
¿Cual es la probabilidad de que entre 10 unidades, dos se encuentres defectuosas?
La distribución de Poisson es una distribución de probabilidad
discreta, que describe el número de veces que ocurre un evento
durante un intervalo específico; el cual puede ser de tiempo,
distancia, área, volumen, entre otros. Por ejemplo, son variables
de Poisson: el número de llamadas que recibe una central
telefónica en el período de 1 minuto, el número de bacterias en
un volumen de 1 litro de agua o el número de fallas en la
superficie de una pieza de cerámica rectangular.
 DISTRIBUCIÓN DE POISSON

I. Introducción.
La distribución de Poisson se usa para modelar situaciones en la que el número de pruebas es muy
grande y el número de éxitos es muy pequeño, situaciones en las que hay ocurrencias aleatorias de
sucesos por unidad de espacio o tiempo, y en donde se desea conocer la probabilidad de un número
especifico de éxitos.
El intervalo de tiempo dado puede ser de cualquier duración, por ejemplo, un minuto, un día, una
semana, etc. Así la variable aleatoria x puede representar el número de llamadas telefónicas por hora,
el número de pacientes fallecidos en un día determinado. El espacio podría ser un segmento de línea,
un área o volumen, un pedazo de material. Así, x podría representar el número de bacterias en un
determinado campo de cultivo.
II. El proceso de Poisson.
Las siguientes proposiciones describen lo que se conoce como proceso de Poisson:
a) Las ocurrencias de los eventos son independientes.
b) Teóricamente, debe ser posible un número infinito de ocurrencias del evento en el intervalo.
c) La probabilidad de una ocurrencia del evento en un intervalo dado es proporcional a la
longitud del intervalo.
La distribución de probabilidad de Poisson está dada por:

−𝝁 𝒙
𝒆 .𝝁
𝒑 ( 𝒙 )=
𝒙!
𝒙=𝟎 ,𝟏 , 𝟐 , …
Donde:
número de ocurrencias cuya probabilidad se desea conocer.
constante matemática = 2,71828.
número promedio de ocurrencias por unidad de tiempo o espacio.
Media Varianza
Ejemplo 1:
La oficina de estadística del hospital ESSALUD ha estudiado el número de muertes debido a una
cierta enfermedad y ha llegado a la conclusión de que éstas están distribuidas de acuerdo con la ley de
Poisson. Los registros del hospital revelan que durante este período, el número de muertes ha sido en
promedio, de 3 por día. Si dicha oficina está en lo cierto, al suponer una distribución de Poisson, hallar
la probabilidad de que:

a) En un día dado, mueran exactamente 2 pacientes con esa enfermedad.

b) En un día particular, nadie muera de la enfermedad.
c) En un día particular, mueran 3 ó 4 pacientes.
 Solución
Sea:
el número de pacientes fallecidos debido a la enfermedad
número promedio de muertes = 3 por día
Reemplazando en la fórmula: −𝝁
𝒆 .𝝁
𝒙
𝒑 ( 𝒙 )=
𝒙!
a) En un día dado, mueran exactamente 2 pacientes con esa enfermedad.

La probabilidad de que mueran 2 pacientes es de 22,40%

b) En un día particular, nadie muera de la enfermedad.

La probabilidad de que nadie muera es del 4.98%

c) En un día particular, mueran 3 ó 4 pacientes.
+
La probabilidad de que mueran 3 ó 4 pacientes es de 39.2%
Ejemplo 2:
En un centro telefónico de atención a clientes se reciben en promedio 6 llamadas por hora. ¿Cuál es
la probabilidad de que en una hora seleccionada aleatoriamente se reciban exactamente 2 llamadas?
Solución
Media (µ) 6 llamadas por hora
Número de eventos esperados (x) 2 llamadas en una hora

Reemplazando en la formula:
−𝟔 𝟐
𝒆 −𝝁 . 𝝁 𝒙 𝒆 −𝟔 . 𝟔𝟐 (𝟐 . 𝟕𝟏𝟖𝟑) . 𝟔
𝒑 ( 𝒙 )= 𝒆𝒏𝒕𝒐𝒏𝒄𝒆𝒔 :𝒑 ( 𝟐 )= = =𝟎 . 𝟎𝟒𝟒𝟔=𝟒 . 𝟒𝟔%
𝒙! 𝟐! 𝟐!

Interpretación:
La probabilidad de que en una hora, exactamente se reciban 2 llamadas por hora es de 4,46 %
 Aplicando lo aprendido

1. En el centro comercial Plaza Vea, en la sección de electrodomésticos, un promedio de 12 personas por

hora le hacen preguntas al encargado de está sección. ¿Cuál es la probabilidad de que exactamente 3
personas se acerquen al encargado a hacer preguntas en un periodo de 10 minutos?

2. Un libro de 500 páginas tiene 200 errores de impresión distribuidos aleatoriamente. Calcule la
probabilidad de que cualquier página elegida al azar tenga un error.
Luego calcule la media y la varianza de esta distribución.
 Referencias Bibliográficas
Básica:
• Triola, M. (2018). Estadística. (12a ed.). México, D.F. : Pearson.
Complementaria:
• Mendenhall, W., Beaver, R. y Beaver, R. (2013). Introducción a la probabilidad y
estadística (13ª ed.). México: Cengage Learning.
• Delgado, R. (2008). Probabilidad y estadística para ciencias e ingeniería (1ª ed.).
México publicaciones Delta.
• Pérez, C. (2012). Estadística aplicada –IBM SPSS. España: Garceta grupo editorial.
• Ross, S. (2011). Probabilidad y estadística para ingenieros (3ª ed.). México: Mc Graw Hill.
• Instituto Nacional de Estadística e Informática. En: http://www.inei.gob.pe/ (consulta
23-05-18)
• Canales, E. (2005, Jul 26). Mexicar / AMLO sin estadística. El Norte. Retrieved from.