Probabilidad y Estadística Módulo 5

MÓDULO 5

MODELOS PROBABILÍSTICOS DISCRETOS

Mg. Adriana Noelia Poco

Lic. Stella Maris Farías

Ciclo lectivo 2014

1
Probabilidad y Estadística Módulo 5

Í NDI CE

MODELOS PROBABILÍSTICOS DISCRETOS .......................................................................... 3

Distribución de Bernouilli ........................................................................................................ 3
Distribución binomial ............................................................................................................... 4
Condiciones que debe cumplir un experimento binomial ..................................................... 6
Esperanza y varianza de una distribución binomial .................................................................. 8
Número más probable de repeticiones de un suceso .................................................................. 8
ACTIVIDAD 1 .................................................................................................................. 10
Distribución binomial: ejemplo resuelto con Excel............................................................. 12
Distribución multinomial ........................................................................................................ 13
ACTIVIDAD 2 .................................................................................................................. 14
Distribución hipergeométrica.................................................................................................. 15
Distribución hipergeométrica: ejemplo resuelto con Excel ................................................. 17
ACTIVIDAD 3 .................................................................................................................. 17
Distribución de Poisson .......................................................................................................... 18
Distribución de Poisson: ejemplo resuelto con Excel .......................................................... 19
ACTIVIDAD 4 .................................................................................................................. 20
Respuestas a ejercicios ........................................................................................................ 21

2
Probabilidad y Estadística Módulo 5

MODELOS PROBABILÍSTICOS DISCRETOS

DISTRIBUCIÓN DE BERNOUILLI

El primer modelo probabilístico que se presenta es el llamado “esquema de Bernoulli”, una

herramienta introducida por Jacob Bernoulli (1654-1705), para resolver problemas relacionados on
los juegos de azar. Existen numerosos fenómenos aleatorios en los cuales es factible aplicar este
modelo.

Sus características son las siguientes:

1) Se realiza una sola prueba o repetición del experimento.

2) Tal prueba tiene sólo dos resultados posibles, el éxito o el fracaso (sucesos mutuamente
excluyentes).

Sea Y una variable aleatoria de Bernoulli, la que toma el valor 1 si se tiene éxito y 0 si se
fracasa (siendo ésta una asignación arbitraria). Adoptamos el valor p a la probabilidad de tener
éxito y q a la probabilidad de fracasar, el modelo será:

Yi P( Yi ) X i . P( Yi ) bY g . P( Y )
i
2
i

0 q 0 0
1 p p p
∑ p+q=1 p p

Por lo tanto, la esperanza de la variable Y es: E ( Y ) = p , su varianza es

2
Var ( Y ) = E ( Y 2 ) − E ( Y ) = p − p 2 = p( 1 − p ) = p.q y su desviación estándar
σ = p .q .

Ejemplo:

En una empresa con 1000 empleados, hay 732 que ganan $1500 o menos y el resto, por su
especialización, gana más de ese monto. Si se considera éxito seleccionar un empleado cuyo
salario sea de $ 1500 o menos y fracaso si se saca un empleado que gana más de $1500, la
variable aleatoria tomará los valores 1 o 0 respectivamente:

Yi 1 (éxito) 0 (fracaso)

P ( Y i) p = 732/1000 ≈ 0,73 q = 268/1000 ≈ 0,27

3
Probabilidad y Estadística Módulo 5

DISTRIBUCIÓN BINOMIAL

* Un examen de opción múltiple está compuesto de 10 preguntas, con cuatro

respuestas posibles cada una., de las cuales una solamente es la correcta. Para
aprobar dicho examen se deben contestar como mínimo siete preguntas bien. Si
un estudiante responde al azar dichas preguntas, ¿qué probabilidad tiene de
aprobar la prueba?
.........

Para poder responder al interrogante planteado se debe estudiar la distribución binomial, que
brinda el modelo matemático para abordar la solución.

Existen numerosos fenómenos dicotómicos que, esencialmente, se reducen a dos resultados

alternativos opuestos, el éxito y el fracaso, es decir que responden al modelo de Bernoulli. En el
problema anterior el éxito es “aprobar el examen” y el fracaso es “no lograrlo”. Esta situación se
presenta también al extraer una bolilla de una urna y ver si es o no de un color determinado; al
lanzar una moneda y ver si se obtiene cara o sello, al inspeccionar una serie de componentes
fabricados, los que pueden ser defectuosos o correctos, al analizar si el número de hijos de una
familia supera o no cierto número.

En todos los casos se debe definir en primera instancia cuál es el suceso considerado como
éxito y consecuentemente surge qué es tomado como fracaso.

Centramos nuestra atención ahora en ensayos repetidos de un experimento en el que el

resultado de cualquier ensayo no afecta el resultado de otro. Según se estudió en el Módulo III
estos eventos se denominan eventos independientes pues el resultado obtenido en una realización
del mismo no afecta a la respuesta de la siguiente repetición.

Se supone ahora que nos encontramos frente a un experimento de Bernoulli, pero que el
mismo no se realiza una sola vez, sino que se repite n veces, lo que convierte a la prueba en un
experimento binomial.

Ejemplo:

Tenemos una caja con 12 bolillas, de las cuales 7 son blancas y 5 = 12 – 7 son negras.
Todas tienen igual peso, tamaño y forma, es decir que todas tienen idéntica posibilidad de ser
elegidas (probabilidad constante) y extraemos de ella sucesivamente tres bolillas.

4
Probabilidad y Estadística Módulo 5

Se define la variable aleatoria de BernouIlli Y, considerando la extracción de una sola bolilla

de la siguiente manera:
R|
Y1 = 1
Éxito: sale bolilla blanca: S| 7
T
P( Y1 ) =
12
=p

R|Y = 0
2
Fracaso: sale bolilla negra: S
|T P( Y ) = 125 = q
2

Se repite el experimento todas las veces que resulte necesario en idénticas condiciones, es
decir que se debe reponer la bolilla antes de una nueva extracción para que el suceso sea un evento
de pruebas repetidas con probabilidad constante. Si el experimento se repite tres veces,
devolviendo la bolilla a la caja luego de cada extracción; el proceso de Bernoulli se transforma en
un proceso binomial.

Sobre este esquema se pregunta:

a) ¿Cuál es la probabilidad de que salgan bolillas blancas en la 1º y 2º extracción y negra en la 3º?

7 7 5
P( A ∩ B ∩ C ) = P( A ). P( B ). P( C ) = . . = 0,14 = 14%
12 12 12

b) ¿Cuál es la probabilidad de que salgan dos bolillas blancas y una negra sin importar el orden?

Se presentan tres situaciones ahora:

7 7 5
P( A ∩ B ∩ C ) = 3. P( A ). P( B ). P( C ) = 3. . . = 0,42 = 42%
12 12 12
Si no interesa el orden en el que aparecen las bolillas, sino que importa solamente la cantidad
de bolillas blancas y negras obtenidas, a la probabilidad individual de uno de los resultados se la
debe multiplicar por el número total de ordenamientos posibles, ya que son sucesos mutuamente
excluyentes.

5
Probabilidad y Estadística Módulo 5

Generalizando esta situación, se supone un experimento aleatorio en el que sólo hay dos
resultados posibles; el éxito, con probabilidad p y su complementario, el fracaso, con
probabilidad q. Para el ejemplo el éxito es extraer bolilla blanca, con probabilidad p = 7/12 ≈ 0,58
y el fracaso, es sacar una bolilla negra con q = 5/12 ≈ 0,42. Como no existe otro resultado factible
debe ser: p + q = 1 (probabilidad total).
Llamando: n: número de repeticiones de un suceso
k: número de éxitos obtenidos
n-k : número de fracasos obtenidos
p: probabilidad de tener éxito
q: probabilidad de obtener un fracaso
Al responder a la pregunta formulada en la parte a) utilizando la simbología genérica resulta:

P ( A ∩ B ∩ C ) = p . p .q = p 2 .q = p k .q n− k

y en la parte b) es:

n
b ( k ; n; p ) =   . pk .qn−k Función de probabilidad de la variable
k 
aleatoria binomial

Se llama variable aleatoria binomial a la función que da el número de éxitos obtenidos en

n repeticiones independientes de un suceso de Bernoulli.”

Definición:

Una variable aleatoria X tiene distribución binomial de parámetros n y p, con n número

n
natural y 0 < p < 1 , si su distribución de probabilidad es b ( k ; n ; p ) =   . p k . q n − k para
k 
k = 0;1; 2;3;...; n

Condiciones que debe cumplir un experimento binomial

1) Existe un número finito de pruebas, o sea de veces que se repite el experimento aleatorio.
2) Cada repetición del experimento tiene dos posibles resultados: éxito o fracaso. Estos dos
resultados son mutuamente excluyentes.
3) La probabilidad de éxito o de fracaso es la misma en cada repetición del experimento.
4) Las pruebas son estadísticamente independientes; es decir que el resultado obtenido en una
repetición no influye en la siguiente. (pruebas repetidas con probabilidad constante).

6
Probabilidad y Estadística Módulo 5

Si se analiza mediante la teoría de conjuntos el ejemplo anterior de la caja con 12 bolillas es:

E X P(X)
3
(n;n;n) 0 q
(n;n;b)
(n;b;n) 1 3q2p
(b;n;n)
(b;b;n) 2 3qp2
(b ; n ; b )
(n ; b ; b ) 3 p3
(b ; b ; b )

La distribución de probabilidades resulta:

X 0 1 2 3

P(X) 0,072 0,30 0,42 0,198

La probabilidad total, por ser sucesos mutuamente excluyentes, es la simple suma de las
probabilidades de cada uno de los resultados:

 3  0 3  3 1 2  3  2 1  3 3 0
  . p .q +   . p .q +   . p .q +   . p .q = 1
 0 1   2  3

El primer término de la igualdad corresponde al desarrollo en binomio de Newton de:

( p + q )3

En general se aprecia que en la determinación de la probabilidad de cada valor de X

intervienen los términos del desarrollo del binomio de Newton:

 n  0 n  n  1 n −1  n  2 n − 2 n
( p + q) n =   . p .q +   . p .q +   . p .q + ... +   . p n . q 0
0 1  2 n

y por esto la distribución se llama binomial.

7
Probabilidad y Estadística Módulo 5

Razonemos un poco ¿???!!!!!

En una población de insectos, de los cuales el 40% se infectan por un determinado virus, se
extrae una muestra de 10 insectos:

¿Cuál es la probabilidad de que se infecten 3 de ellos? ¿Y de qué menos de 3 de ellos lo

hagan?
Reconozcamos, en primera instancia, los datos:

n = ........ k = ........ p = ........ q = ........

El modelo matemático que permite, en cada caso, extraer conclusiones es:

..................................................................................................................................................

Hallar los resultados e interpretarlos.

Repasemos un poco ¿???!!!!!

¿Se puede ahora resolver el problema motivador de la página 4?

..................................................................................................................................................

Esperanza y varianza de una distribución binomial

Si se repite el experimento de Bernouilli n veces la esperanza y la varianza serán:

E ( X ) = n. p Var ( X ) = n . p . q

Tanto en el esquema de Bernoulli, como en el binomial es importante destacar que las

pruebas deben poder repetirse siempre con la misma probabilidad para el éxito que para el fracaso
y esto se logra reponiendo el elemento seleccionado al lote antes de una nueva extracción.

Número más probable de repeticiones de un suceso

En una distribución binomial, en general, a medida que crece la variable X, crece su

probabilidad, es decir que aumentan la posibilidades de tener éxito; hasta un determinado valor de
la misma, en el que dicha probabilidad comienza a decrecer.

8
Probabilidad y Estadística Módulo 5

Para el caso de las bolillas blancas y negras contenidas en la caja es:

Xi 0 1 2 3
P(Xi) 0,072 0,30 0,42 0,198

Evidentemente, la probabilidad de tener éxito aumenta hasta el tercer valor de X y

posteriormente disminuye. Este valor de X en el cual la probabilidad alcanza su máximo valor se
llama número más probable de repeticiones de un suceso y se simboliza con X 0.

P( X = X 0 ) ≥ P( X = X 0 + 1 )
Se verifica, por lo tanto que:
P( X = X 0 ) ≥ P( X = X 0 − 1 )

Para determinar el valor más probable de repeticiones de un suceso se utiliza la siguiente

desigualdad:

p .n − q ≤ X 0 ≤ p .n + p

Buscar en la bibliografía de la materia esta demostración.

Ejemplo:

En el ejemplo de las bolillas: n = 3 ; p = 7/12 ; q = 5/12, resultando:

7 5 7 7
.3 − ≤ X 0 ≤ .3 + 1,333 ≤ X 0 ≤ 2 ,333
12 12 12 12
Por ser nuestra variable discreta no podemos trabajar con números racionales, siendo por lo
tanto, X 0 el número entero comprendido en dicho intervalo. En este caso X 0 = 2.

Razonemos un poco ¿???!!!!!

Hallar el número más probable de respuestas correctas en el primer problema de este tema,
es decir en el caso del examen de opciones múltiples.

9
Probabilidad y Estadística Módulo 5

ACTIVIDAD 1

1) Se tira una moneda 5 veces. Calcular la probabilidad de que exactamente tres tiros
resulten cara.

2) Se sabe que la eficacia de un medicamento es del 70%, si se le administran a 5

pacientes, calcular la probabilidad de que:
2.1* se curen únicamente dos pacientes cualesquiera
2.2* se curen como mínimo dos pacientes

3) Un tirador tiene probabilidad ¼ de dar en el blanco. Cuál es la probabilidad de que

si tira 7 veces, haga por lo menos un blanco.

4) Una familia tiene 6 hijos. Suponiendo que la probabilidad de nacimiento de un

niño o niña es igual. Calcular la probabilidad de que esa familia tenga más niños que
niñas.

5) La probabilidad de que un artículo producido por una fábrica sea defectuoso es de

0,03. Hallar el n° esperado de artículos defectuosos en una partida de 1000 artículos.

6) Se lanza una moneda corriente 6 veces. Hallar la probabilidad de que:

6.1* salgan dos caras exactamente
6.2* salgan por lo menos 4 caras
6.3* no salgan caras

7) Se conoce que en una cierta variedad de maíz, la probabilidad de que una mazorca
elegida al azar tenga un peso superior a 320 grs. es igual a 0,4. Si una planta tiene 5
mazorcas:
7.1* ¿Cuál es la probabilidad de que 3 de ellas tengan un peso superior a los 320
grs.?
7.2* ¿Cuál es la probabilidad de que 1 o más mazorcas tengan un peso superior a los
320 grs.?

8) El archivo del observatorio meteorológico de cierta localidad muestra que el 40 %

de los días de abril son nublados.
8.1* Hallar la probabilidad de que durante el próximo abril haya a lo sumo 5 días
nublados.
8.2* Encontrar el número esperado y la varianza de días nublados en el próximo
abril.

9) Se sabe que cierta práctica agrícola ha sido adoptada por los productores en el 70%
de los casos. Con el objeto de observar la incidencia de la adopción sobre otras
variedades, se propone visitar 10 productores.
9.1* ¿Cuál es la probabilidad de que ninguno de los productores la haya adoptado?
9.2* ¿Cuál es la probabilidad de que al menos uno de ellos la haya adoptado?
9.3* ¿Cuál es el número esperado de productores que no la han adoptado?

10
Probabilidad y Estadística Módulo 5
10) Para un grupo de empresarios, el 25% de sus impuestos son auditados cada año.
De 5 individuos elegidos al azar, ¿cuál es la probabilidad de que exactamente dos
tengan auditoría de sus utilidades?

11) Analizando la totalidad de los alumnos de un colegio de enseñanza media, se

determinó que la probabilidad de que un alumno elegido aleatoriamente tenga
computadora en su casa es del 0,6. Si 4 alumnos son elegidos de dicha población,
hallar la probabilidad de que al menos tres de ellos tengan una computadora.

12) La sección de control de calidad de una fábrica ha determinado que de cada lote
de 100 dispositivos electrónicos producidos, 10 son defectuosos o al menos no
satisfacen las normas de calidad para ser aceptados. Si se seleccionan al azar tres
dispositivos hallar la probabilidad de que no más de uno sea defectuoso.
13) Cinco hombres de la misma edad y en buen estado de salud contratan seguros de
vida en una compañía de seguros. De acuerdo con las tablas que maneja la compañía
la probabilidad de que un hombre de esa edad viva en los próximos 30 años es de 2/3.
Hallar la probabilidad de que en 30 años vivan:
13.1* los cinco hombres.
13.2* solamente uno.
13.3* por lo menos un hombre.

14) Calcular la probabilidad de que en una familia de 4 hijos haya:

14.1* por lo menos un varón.
14.2* como máximo dos varones.

15) Unos grandes almacenes venden dos artículos en una de sus secciones. Un estudio
de marketing concluye que el 80 % de los productos vendidos en esta sección es del
tipo A y el resto del tipo B. Si un día determinado se venden en esta sección 12
artículos, determinar la probabilidad de que.
15.1* Los 12 sean del tipo A.
15.2* Al menos 5 sean del tipo A.
15.3* Tres sean del tipo B.
16) Si el 20% de los tornillos producidos por una máquina son defectuosos,
determinar la probabilidad de que de 4 tornillos escogidos al azar:
16.1* uno sea defectuoso.
16.2* ninguno sea defectuoso.
16.3* menos de dos sean defectuosos.

17) Una máquina fabrica una determinada pieza y se sabe que produce un 7 por 1000
de piezas defectuosas. Hallar la probabilidad de que al examinar 20 piezas sólo haya
una defectuosa.
18) Se dice que el 70% de los accidentes de una plantación agrícola se atribuyen a
errores humanos. Si en un período de tiempo dado, se suscitan 5 accidentes,
determine la probabilidad de que
18.1* dos de los accidentes se atribuyan a errores humanos.
18.2* como máximo dos de los accidentes se atribuyan a errores de tipo humano.
18.3* tres de los accidentes no se atribuyan a errores humanos.

11
Probabilidad y Estadística Módulo 5

19) La probabilidad de que el vapor se condense en un tubo de aluminio de pared

delgada a 10 atm de presión es de 0,30. Si se prueban 12 tubos de ese tipo en esas
condiciones, determine la probabilidad de que:
19.1* el vapor se condense en 4 de los tubos.
19.2* en más de dos tubos se condense el vapor
19.3* el vapor se condense en exactamente 5 tubos.

20) Un agricultor que siembra fruta afirma que 2/3 de su cosecha ha sido contaminada
por la mosca del mediterráneo, encuentre la probabilidad de que al inspeccionar 6
frutas:
20.1* 4 estén contaminadas por la mosca.
20.2* estén contaminadas entre 1 y 3.

21) Se sabe que el 40% de las aves zancudas de una población están infectados con un
virus. Si se seleccionan 5 zancudas y se chequean una a una para observar la
presencia del virus tendríamos un experimento binomial en el cual la variable
aleatoria X es número de aves con el virus. Elaborar la función de probabilidad para
la variable.

Distribución binomial: ejemplo resuelto con Excel

Si el 20% de los tornillos producidos por una máquina son defectuosos, determinar la
probabilidad de que de 4 tornillos escogidos al azar:
1. * uno sea defectuoso.
2. * menos de dos sean defectuosos.
1. * Probabilidad de un valor individual

2.* Probabilidad acumulada

12
Probabilidad y Estadística Módulo 5

DISTRIBUCIÓN MULTINOMIAL

En un experimento binomial cada repetición de un suceso tiene dos resultados posibles: éxito
o fracaso.

La distribución multinomial es esencialmente igual a la binomial con la única diferencia de

que cada prueba tiene más de dos posibles resultados mutuamente excluyentes.

Características:

1) Al llevar a cabo un experimento con esta distribución se esperan más de dos tipos de
resultados.
2) Las probabilidades asociadas a cada uno de los resultados son constantes.
3) Cada uno de los ensayos o repeticiones del experimento son independientes.
4) El número de repeticiones del experimento, n es constante.
Si definimos:
n : número de repeticiones del suceso.
ki : número de éxitos en cada categoría del suceso.

pi : probabilidad del éxito para cada categoría.

La probabilidad de que se produzcan k1 ; k2 ;...; ki éxitos en n repeticiones de un suceso, con

probabilidad p1 ; p2 ;...; pi de éxito está dada por:

n!
P ( n;k1 ,k2 ,k3 ,...,ki ; p1 , p2 , p3,..., pi ) = . p1k1 .p2 k2 .p3k3 ...pi ki
k1 ! .k2 ! ...ki !

n!
En la expresión anterior indica el número de permutaciones que se logran
k 1 ! k 2 ! ... k i !

con n elementos en los cuales k1 pertenecen a la primera categoría, k2 a la segunda, … , ki a la i-

ésima.
Si se tiene un grupo de n = 4 elementos: A A A B
Hay dos categoría A y B. De la primera hay 3 elementos y de la segunda hay 1.
k1 = 3 k2 = 1 Los grupos a formar son: AAAB AABA ABAA BAAA
4!
O sea: = 4 grupos.
3! . 1!

13
Probabilidad y Estadística Módulo 5

Ejemplo:

Para un control de Q una compañía clasifica a su lote de producción en artículos excelentes,

buenos, regulares y malos. La probabilidad de sacar un artículo excelente es de 0,5, uno bueno de
0,3 y uno regular y uno malo de 0,1 en cada caso.
Si en el control se sacan 10 artículos al azar. ¿Cuál es la probabilidad de extraer 3 excelentes,
4 buenos, 2 regulares y uno malo?

10 ! 3 4 2 1
P (10; 3 , 4 , 2 ,1; 0 ,5; 0 ,3; 0 ,1; 0 ,1) = . 0 ,5 .0 ,3 .0 ,1 . 0 ,1 = 0 , 013
3 ! . 4 ! . 2 ! . 1!

ACTIVIDAD 2

1) De acuerdo con la teoría de la genética, un cierto cruce de conejillo de indias

resultará en una descendencia roja, negra y blanca en la relación 8 : 4 : 4. Encuentre la
probabilidad de que entre 8 descendientes:
1.1* 5 sean rojos, 2 negros y un blanco.
1.2* 3 sean rojos y 2 sean negros.

2) Se realizó una encuesta a personas de una ciudad acerca de su actitud frente a la

donación de órganos y el 15% dijo estar en contra, el 45% a favor y el resto prefirió
no contestar. Si se extrae una muestra de 20 personas, ¿cuál es la probabilidad de que
5 estén en contra, 5 estén a favor y el resto permanezca indiferente?

3). Un laboratorista sabe que en una ciudad el 40% de los habitantes posee sangre tipo
A, el 30% tipo B, el 20% tipo AB y el 10% tipo 0. Se selecciona una muestra de 10
personas al azar, cuál es la probabilidad de que 1 de ellas sea tipo 0, dos personas
sean tipo AB, tres personas sean tipo B y cuatro personas sean tipo A.

4) Una fábrica de máquinas agrícolas produce sus unidades en tres plantas diferentes.
La planta A realiza 500 unidades; la B, 1000, y la C, 2000. Si se selecciona seis
unidades al azar, ¿cuál es la probabilidad de que resulten dos de la planta A y tres de
la planta B?

5) Considerando los descendientes de un cruzamiento Aa x Aa. Si observamos cuatro

descendientes, que probabilidad existe de obtener 1 AA, 2 Aa y 1 aa? Interpretar el
resultado.

14
Probabilidad y Estadística Módulo 5

DISTRIBUCIÓN HIPERGEOMÉTRICA

La distribución hipergeométrica es una de las distribuciones discretas más importantes, sobre

todo en el ámbito del control estadístico de la calidad.

La distribución de probabilidad de la variable aleatoria hipergeométrica X, indica el número

éxitos en una muestra aleatoria de tamaño “n” seleccionada de un lote mayor de tamaño “N”, de
los cuales “k” son consideradas como éxitos “N – k” como fracasos.

Es decir que una variable tiene distribución hipergeométrica si procede de un experimento

que cumple las siguientes condiciones:

1) Se toma una muestra de tamaño n, sin reemplazo, de un conjunto finito de N objetos.

2) k de los N objetos se pueden clasificar como éxitos y N - K como fracasos.

Si la extracción de un elemento de la muestra se hace sin reposición, al no reintegrar ese

elemento las condiciones se ven modificadas de una repetición a otra, por lo que hay dependencia
entre ellas y cambian también las probabilidades.

Definición:

Se dice que una variable aleatoria X tiene distribución hipergeométrica de parámetros x, N,

k   N −k 
  . 
 x n− x 
n, k, si su función de probabilidad es h ( x;n,k ,N ) =
N
 
n 

La interpretación gráfica del caso es:

k
x

n-x

N-k

Tamaño del lote: N piezas

Número de éxitos en el lote: k Número de fracasos en el lote: N – k.
Tamaño de la muestra: n piezas
Número de éxitos en la muestra: x Número de fracasos en la muestra: n-x.

15
Probabilidad y Estadística Módulo 5

En este caso, la probabilidad del éxito en pruebas sucesivas no es constante pues depende del
resultado de las pruebas anteriores. Por tanto, las pruebas no son independientes entre sí.
Si se supone que las extracciones se hacen al azar, todos los elementos del lote N tiene la
misma oportunidad de integrar la muestra n. Así, se puede modelizar el experimento como la
elección al azar de un subconjunto de tamaño n de una población con tamaño N. Todos los casos
N
posibles están dados por   .
n 
El número de casos favorables se obtiene multiplicando todas las formas que existen de
seleccionar x elementos de un grupo mayor k, que posee cierta característica considerada como
éxito, por el número de formas de extraer n − x elementos de un grupo de N − k , que no posee esa
característica.
k   N −k 
  . 
 x n− x 
Aplicando la definición clásica de probabilidad resulta: h ( x;n,k ,N ) =
N
 
n 
Esta distribución se utiliza cuando el muestreo se realiza sin reposición y, por lo tanto no
puede aplicarse la binomial.
Ejemplo:

Una compañía recibe un lote de mil unidades. Para aceptarlo se seleccionan 10 unidades de
manera aleatoria y se inspeccionan. Si ninguna se encuentra defectuosa, el lote ese acepta, de otro
modo se rechaza. El lote contiene un 5% de unidades defectuosas.
a) Determine la probabilidad de aceptarlo mediante el empleo de distribución
hipergeométrica.
b) Aproxime el resultado de la a) mediante el empleo de distribución binomial.
X: variable aleatoria hipergeométrica que indica el nº de piezas defectuosas en una muestra
a) Tamaño del lote N = 1000 Tamaño de la muestra n = 10
Cantidad de defectuosas en el lote k = 50 ( 5% o sea 50 de 1000)
Cantidad de defectuosas de la muestra x = 0
FG 50IJ . FG 950IJ
H 0 K H10 K = 0,5973
fh =
FG1000IJ
H10 K
b) mediante aproximación binomial: f b (0;10; 0.05) = 0,5987
Existe una buena aproximación entre los resultados.
En el ejercicio anterior ¿cómo cambiarían las respuestas de las partes a) y b) si el tamaño del
lote fuera de 40 unidades?

16
Probabilidad y Estadística Módulo 5

Distribución hipergeométrica: ejemplo resuelto con Excel

Resolviendo el ejemplo con software tenemos:

ACTIVIDAD 3

1) En el Departamento de Inspección de Proveedores se reciben semanalmente lotes

de tornillos para el ensamble de piezas de máquinas. Los lotes tienen100 unidades y
son sometidos a un plan de muestreo de aceptación en el que se seleccionan 10
tornillos, se inspeccionan, y se acepta el lote si la muestra no contiene más de 1
tornillo defectuoso. ¿Qué probabilidad existe de rechazar un lote que contienen un
5% de tornillos defectuosos?
2) Para resolver con software: La probabilidad de que un niño en edad escolar
presente escoliosis (desviación de columna vertebral) es 0,004. De una muestra de 50
niños pertenecientes a una zona de nuestro país, con 10.000 niños, calcular:
2.1* la probabilidad de que menos de 5 niños tengan escoliosis.
2.2* la probabilidad de que entre 8 y 10 niños inclusive presente escoliosis.

3) De un lote de 20 proyectiles, 6 se seleccionan al azar y se disparan. Si el lote

contiene 3 proyectiles defectuosos que no explotarán, ¿cuál es la probabilidad de que:
3.1* los 4 exploten?
3.2* al menos 2 no exploten?

4) Se sabe que el 7% de útiles quirúrgicos en un lote de 100 no cumplen las

especificaciones de calidad. Tomada una muestra al azar de 10 unidades sin
reemplazo, interesa conocer la probabilidad de que no más de dos sean defectuosos.

5) Entre 16 camiones de transporte de frutas, 5 emiten cantidades excesivas de

contaminantes. Si se seleccionan al azar 8 de los camiones para una inspección ¿Cuál
es la probabilidad de que esta muestra incluya por lo menos 3 de los camiones que
emiten cantidades excesivas de contaminantes?

17
Probabilidad y Estadística Módulo 5

DISTRIBUCIÓN DE POISSON

Esta distribución resulta aplicable en muchos procesos donde existe una observación por
unidad de tiempo o espacio, por ejemplo: el número de microorganismos por muestra de agua de
una laguna, número de defectos encontrados en cada grano de maíz, número de accidentes de
trabajo por día en una empresa, número de llamadas recibidas en una central por minuto, número
de partículas emitidas por una sustancia radioactiva en medio minuto, etc.

Todos estos procesos se miden por unidad de tiempo o espacio, y el número de éxitos por
unidad de tiempo o espacio es lo que equivale al número de éxitos en n pruebas de la distribución
binomial.

Cuando a la unidad de tiempo o espacio se la subdivide en muchas partes (n es muy grande),

y la probabilidad de éxito en cada prueba es muy pequeña ( p ) estamos en presencia de un
experimento que responde al esquema de Poisson, pues los resultados obtenidos aplicando la
distribución binomial distan mucho de la realidad. Esta distribución puede interpretarse como el
límite de la distribución binomial si el tamaño de la muestra es muy grande y la probabilidad de
éxito es muy pequeña.

Resumiendo, para que una variable aleatoria discreta X tenga asociada una distribución de
probabilidades de Poisson le exigimos las siguientes condiciones:

1) Debe existir un número fijo y finito de pruebas.

2) Cada una de ellas tiene solo dos resultados posibles: éxito o fracaso.
3) La probabilidad de éxito es la misma en cada prueba.
4) Las pruebas son estadísticamente independientes.
5) El tamaño de la muestra debe ser grande.
6) La probabilidad de éxito es pequeña.

La distribución de Poisson parte de la distribución binomial, pues cuando en una distribución

binomial se realiza el experimento un número "n" muy elevado de veces y la probabilidad de éxito
"p" en cada ensayo es reducida, entonces se aplica el modelo de distribución de Poisson.

Si designamos con la letra griega λ a la media o valor esperado de la variable X con

distribución de Poisson, conociendo su valor queda identificada la distribución.

La distribución de Poisson sigue el siguiente modelo:

−λ k
e .λ
P( X = k ) =
k!

18
Probabilidad y Estadística Módulo 5

La esperanza es: λ = n . p donde:

n: número de pruebas
p: probabilidad de éxito en cada prueba

La varianza para la distribución binomial es: Var ( X ) = n . p . q = n . p .(1 − p ) ya que p → 0 ;

(1 − p ) → 1 resultando: Var ( X ) = n . p = λ

Ejemplo:

La aparición de ciertos microorganismos en el agua de una laguna sigue una distribución de

Poisson con λ = 36 para muestras de 12 cm3 . Calcular la probabilidad de que en muestras de
1 cm3 haya por lo menos un microorganismo.

12 cm 3_________________ 36 mic.
1 cm 3__________________ x x = 3 mic. en cada cm 3 ⇒ λ = 3

e −3 .3 0
P( X ≥ 1) = 1 − P( X = 0) = 1 − = 0,9502 ≅ 95%
0!

Esta distribución, como la binomial, define una distribución discreta. El espacio muestral
está constituido por un conjunto numerable infinito.

Razonemos un poco ¿???!!!!!

Una fábrica de rejas para arado afirma que la probabilidad de rotura de una reja durante el
primer afilado es de 0,4%. Si un establecimiento hace un pedido de 1.000 rejas, ¿cuál es la
probabilidad de que se rompan 8 rejas durante el primer afilado? ¿Y de qué se rompan a lo sumo
10 rejas?
Los datos que extraemos del planteo son: n = …….... λ = ........... k = ............

El resultado es: ........................................................................................................................

Distribución de Poisson: ejemplo resuelto con Excel

Supóngase que el 2% de los artículos producidos por una fábrica son defectuosos. Hallar la
probabilidad de haya 3 artículos defectuosos en una muestra de 100 artículos.

19
Probabilidad y Estadística Módulo 5

ACTIVIDAD 4

1) Se sabe que el número de ciertos microorganismos en muestras de 1 cm³ de agua,

extraídos de una laguna, poseen una distribución de Poisson con λ=3. Calcular la
probabilidad de hallar más de 2 microorganismos en una muestra de 1 cm³.

2) Supóngase que el 2% de los artículos producidos por una fábrica son defectuosos.
Hallar la probabilidad de haya 3 artículos defectuosos en una muestra de 100
artículos.

3) Si la probabilidad que un individuo sufra una reacción por una inyección de un

determinado suero es 0,001. Determinar la probabilidad de que un total de 2000
individuos:
3.1* 3 exactamente tengan reacción
3.2* más de dos individuos tengan reacción

4) El número medio de personas que compra una entrada en las ventanillas de un

estadio de fútbol en el día en que se celebra el partido es de 300 por hora en cada una
de las ventanillas habilitadas. La persona encargada de vender entradas en una
ventanilla puede atender a un máximo de 8 personas por minuto. Supuesta una
frecuencia constante de llegada de gente a comprar entradas durante la jornada,
determinar la probabilidad de que, en un minuto dado, lleguen a la ventanilla más
personas de las que pueden ser atendidas.

5) En la inspección de hojalata producida por un proceso electrolítico continuo, se

identifican 0.2 imperfecciones en promedio por minuto. Determine las probabilidades
de identificar:
5.1* una imperfección en 3 minutos
5.2* al menos dos imperfecciones en 5 minutos
5.3* cuando más una imperfección en 15 minutos.

6) Si en promedio, llegan 3 pacientes por minuto al servicio de emergencia del

hospital del Niño durante las horas de siesta en verano. ¿Cuál es la probabilidad de
que en un minuto dado, lleguen exactamente 2 pacientes? Y ¿Cuál es la probabilidad
de que lleguen más de dos pacientes en un minuto dado?

7) Cierta enfermedad tiene una probabilidad muy baja de ocurrir, p=1/100.000.

Calcular la probabilidad de que en una ciudad con 400.000 habitantes haya más de 4
personas con dicha enfermedad. Calcular el número esperado de habitantes que la
padecen.

20
Probabilidad y Estadística Módulo 5

Respuestas a ejercicios

ACTIVIDAD 1

1) 31% 2) 2.1* 13% 3) 87%

2.2* 97%

4) 34% 5) 30 6) 6.1* 0,23

6.2* 0,34
6.3* 0,015

7) 7.1* 0,23 8) 8.1* 0 9) 9.1* 0

7.2* 0,92 8.2* 12 ; 7,2 9.2* 1
9.3* 3

10) 0,26 11) 0,48 12) 0,97

13) 13.1* 0,13 14) 14.1* 0,94 15) 15.1* 7%

13.2* 0,04 14.2* 0,69 15.2* 100%
13.3* 0,995 15.3* 24%

16) 16.1* 0,41 17) 0,12 18) 18.1* 0,13

16.2* 0,41 18.2* 0,16
16.3* 0,82 18.3* 0,13

19) 19.1* 0,23 20) 20.1* 0,33 21) a cargo del alumno
19.2* 0,75 20.2* 0,32
19.3* 0,16

ACTIVIDAD 2

1) 1.1* 0,082 2) 0,68% 3) 0,035

1.2* 0,068

4) 0,016 5) 0,19

ACTIVIDAD 3

1) 0,077 2) 2.1* 1 3) 3.1* 0,18

2.2* 0 3.2* 0,20

4) 0,98 5) 0,52

21
Probabilidad y Estadística Módulo 5

ACTIVIDAD 4

1) 0,58 2) 0,18 3) 3.1* 0,18

3.2* 0.32

4) 0,068 5) 5.1* 0,33 6) 0,22 ; 0,58

5.2* 0,26
5.3* 0,20

7) 0,37

22