Distribuciones de probabilidades discretas.

Estadística de la Matemática I
 Objetivos
Encuentra la distribución de probabilidad de

una variable aleatoria discreta.

Analiza la distribución binomial, y multinomial

Resuelve problemas mediante la distribución

de Poisson.
 Distribución de probabilidad
de una variable aleatoria
La distribución de probabilidad de una variable
aleatoria es una lista mutuamente excluyente de
todos los posibles resultados numéricos para una
variable aleatoria tal que una probabilidad de
ocurrencia especifica se asocia con cada resultado.
 Valor esperado de una
variable aleatoria discreta
 Valor esperado de una
variable aleatoria discreta
Ejemplo: la tabla 5.1 ofrece la distribución de la
cantidad de prestamos aprobados en la oficina de
una sucursal bancaria local. Calcular el valor
esperado de la distribución de probabilidad del
número de hipotecas aprobadas por semana.
Distribución de probabilidad
de una variable aleatoria
 Valor esperado de una
variable aleatoria discreta
Hipotecas aprobadas por semana Probabilidad
(𝑿𝒊 ) 𝑃(𝑋𝑖 ) (𝑿𝒊 )𝑃(𝑋𝑖 )

0 0.10
1 0.10
2 0.20
3 0.30
4 0.15
5 0.10
6 0.05
𝜇=𝐸 𝑋 =
 Valor esperado de una
variable aleatoria discreta

La cifra de 2.8 obtenida para el valor esperado del numero de hipotecas aprobados
no es significativa literalmente, porque el numero real de hipotecas aprobadas
durante una semana determinada debe ser un valor entero. El valor esperado
representa la media de hipotecas aprobadas por semana.
Varianza y desviación estándar de una
variable aleatoria discreta
Varianza y desviación estándar de una
variable aleatoria discreta
Ejemplo: calcular la varianza y la desviación
estándar del número de hipotecas aprobadas por
semana.
Varianza y desviación estándar de una
variable aleatoria discreta
Hipotecas aprobadas por semana Probabilidad
(𝑿𝒊 ) (𝑿𝒊 )𝑃(𝑋𝑖 )
𝑃(𝑋𝑖 ) [𝑋𝑖 − 𝐸 𝑋 ]2 𝑃(𝑋𝑖 )

0 0.10 0.0
1 0.10 0.1
2 0.20 0.4
3 0.30 0.9
4 0.15 0.6
5 0.10 0.5
6 0.05 0.3
𝜇 = 𝐸 𝑋 = 2.8
Varianza y desviación estándar de una
variable aleatoria discreta
Varianza y desviación estándar de una
variable aleatoria discreta
Varianza y desviación estándar de una
variable aleatoria discreta
Distribución(𝑿𝒊 ) Probabilidad
𝑃(𝑋𝑖 ) (𝑿𝒊 )𝑃(𝑋𝑖 ) [𝑋𝑖 − 𝐸 𝑋 ]2 𝑃(𝑋𝑖 )

𝜇=𝐸 𝑋 =
 Distribución Binomial
Un modelo matemático es una expresión matemática que se
utiliza para representar una variable de interés.

La distribución binomial es uno de los modelos matemáticos

mas útiles. Se utiliza cuando la variable aleatoria discreta de
interés es el número de éxitos en una muestra compuesta
por 𝑛 observaciones.

La distribución binomial tiene cuatro propiedades fundamentales:

Distribución Binomial
Distribución Binomial
Distribución Binomial
Cálculo de probabilidades binomiales
La exactitud al tomar los pedidos en la ventanilla de servicios a los automovilistas
es una característica importante muy importante de las cadenas de comida rápida.
Todos los meses, QRS Magazine publica los resultados de sus encuestas. La exactitud
se evalúa como el porcentaje de pedidos compuestos por un artículo principal, un
secundario y una bebida(pero solicitando que se elimine algún ingrediente normal
como los pepinillos) que se sirven correctamente. Hace poco, el porcentaje de
pedidos de este tipo de pedidos correctamente en Burger King fue del 88%.
promedios y la desviación estándar del numero de pedidos servidos con exactitud.
Cálculo de probabilidades binomiales
Suponga que usted y dos de sus amigos van en su automóvil a la
ventanilla de servicio de Burger King, cada uno hace un pedido como
el descrito antes. ¿Cuál es la probabilidad de que los tres pedidos se
sirvan con exactitud?, ninguno de los tres?, ¿ al menos dos de los tres?,
¿ cuales son los promedios y la desviación estándar del numero de
pedidos servidos con exactitud?.
Cálculo de probabilidades binomiales
Cálculo de probabilidades binomiales
 La complejidad de las llegadas y las salidas en un aeropuerto es tal que a menudo
se utiliza la simulación computarizada para modelar las condiciones “ideales”.
Para un aeropuerto específico que contiene tres pistas se sabe que, en el escenario
ideal, las siguientes son las probabilidades de que las pistas individuales sean
utilizadas por un avión comercial que llega aleatoriamente: ¿Cuál es la
probabilidad de que 6 aviones que llegan al azar se distribuyan de la siguiente
manera?
 Pista 1: p1 = 2/9, Pista 1: 2 aviones,
 Pista 2: p2 = 1/16, Pista 2: 1 avión
 Pista 3: p3 = 11/18 Pista 3: 3 aviones.
 Los tipos de aplicaciones de la distribución hipergeométrica son muy similares a
los de la distribución binomial.
 La distribución hipergeométrica no requiere independencia y se basa en el
muestreo que se realiza sin reemplazo.
 Las aplicaciones de la distribución hipergeométrica se encuentran en muchas
áreas, con gran uso en muestreo de aceptación, pruebas electrónicas y garantía de
calidad.
 En general, nos interesa la probabilidad de seleccionar x éxitos de los k artículos
considerados como éxito y n − x fracasos de los N − k artículos que se consideran
fracasos cuando una muestra aleatoria de tamaño n se selecciona de N artículos
 Esto se conoce como un experimento hipergeométrico; es decir, aquel que posee
las siguientes dos propiedades:
 1. Se selecciona una muestra aleatoria de tamaño n sin reemplazo de N artículos.
 2. k de los N artículos se pueden clasificar como éxitos y N − k se clasifican como
fracasos.
 El número X de éxitos de un experimento hipergeométrico se denomina variable
aleatoria hipergeométriea. En consecuencia, la distribución de probabilidad de la
variable hipergeométrica se llama distribución hipergeométrica, y sus valores se
denotan como h(x; N, n, k), debido a que dependen del número de éxitos k en el
conjunto N del que seleccionamos n artículos.
 Lotes de 40 componentes cada uno se denominan aceptables si no
contienen más de tres defectuosos. El procedimiento para muestrear
el lote consiste en se leccionar 5 componentes al azar y rechazar el
lote si se encuentra un componente defectuoso.
 ¿Cuál es la probabilidad de que se encuentre exactamente 1
defectuoso en la muestra,si hay 3 defectuosos en todo el lote?
 Distribución de Poisson
Muchos estudios se basan en el conteo de las veces que se presenta un evento
dentro de un área de oportunidad dada. El área de oportunidad es una unidad
continua o intervalo de tiempo, volumen o área en donde se puede presentar más de
un evento. Algunos ejemplos serían los defectos en la superficie de un refrigerador,
el numero de fallas de la red en un día, o el número de pulgas que tiene un perro.
Cuando se tiene un área de oportunidad como éstas, se utiliza la distribución de
Poisson para calcular la probabilidad si:
Distribución de Poisson
Distribución de Poisson
 Distribución de Poisson
Ejemplo 1: considere el numero de clientes que llegan a un banco ubicado en la
zona central de negocios de una gran cuidad, durante la hora del almuerzo. Para
demostrar la distribución de Poisson , suponga que la media de clientes que llega al
banco por minuto durante la hora que va del mediodía a 1 PM es de 3.0. ¿cuál es la
probabilidad de que lleguen exactamente dos clientes durante un minuto dado?
 Distribución de Poisson
¿Cuál es la probabilidad de que lleguen más de dos clientes durante un minuto
dado?
1.Se selecciona al azar un comité de 3 personas a partir de 4 doctores y enfermeras.
Escriba una fórmula para la distribución de probabilidad de la variable aleatoria X
que representa el número de doctores en el comité. Encuentre P(2 ≤ X ≤ 3).

 2. Se sabe que 60% de los ratones inoculados con un suero quedan protegidos
contra cierta enfermedad. Si se inoculan 5 ratones, encuentre la probabilidad de
que
 a) ninguno contraiga la enfermedad;
 b) menos de 2 contraigan la enfermedad;
 c) más de 3 contraigan la enfermedad.
 3. El estudio de un inventario determina que, en promedio, las demandas de un
artículo particular en un almacén se realizan 5 veces al día. ¿Cuál es la
probabilidad de que en un día dado se pida este artículo
 a) más de 5 veces?
 b) ninguna vez?