Universidad de Oriente

Extensin Regin Centro-Sur

Anaco, edo. Anzotegui

Profesora:

Bachilleres:

Giovanny, Brizuela

Alejandra, Santamara CI 24831474

Desiree, Sequera CI 24229203
Jos, Marn CI 21629431
Adrin, Palacios CI 21328897

Anaco, Noviembre de 2013

NDICE GENERAL

1 MARCO TEORICO
1.1 DISTRIBUCI BINOMIAL.. 4
1.2 DISTRIBUCIN DE POISSON.... 5
1.3 DISTRIBUCIN HIPERGEOMTRICA... 5

2 EJERCICIOS
2.1 DISTRIBUCIN BINOMIAL........................................6, 7
2.2 DISTRIBUCIN POISSON.. 7, 8
2.3 DISTRIBUCIN HIPERGEOMTRICA8, 9

INTRODUCCIN

La distribucin de variables discretas es aquella cuya funcin de probabilidad

solo toma valores positivos en un conjunto de valores de x finito o infinito
numerable. Entre las distribuciones de variables discretas ms importantes
tenemos: la distribucin binomial, de Poisson, hipergeomtrica, entre otros.
La distribucin binomial es una distribucin de probabilidad discreta que mide
el nmero de xitos en una secuencia de ensayos de Bernoulli independientes
entre s; con una probabilidad fija de ocurrencia del xito entre los ensayos.
La distribucin de Poisson debe su nombre a Simon Denis Poisson (17811810), se aplica a varios fenmenos discretos de la naturaleza cuando la
probabilidad de ocurrencia de un fenmeno es constante en el tiempo o en el
espacio.
La distribucin hipergeomtrica se utiliza para calcular la probabilidad de una
seleccin aleatoria de un objeto sin repeticin. Aqu, el tamao de la poblacin es
el nmero total de objetos en el experimento.

1 MARCO TEORICO

1.1 DISTRIBUCIN BINOMIAL

Una distribucin de probabilidad de variable aleatoria discreta utilizada
ampliamente es la distribucin binomial. Esta distribucin describe una variedad
de procesos de inters para los administradores. Por otra parte, describe datos
discretos, no continuos, que son resultado de un experimento conocido como
proceso de Bernoulli, en honor del matemtico suizo nacido en el siglo XVII,
Jacob Bernoulli. El lanzamiento de la moneda no alterada un nmero fijo de veces
es un proceso de Bernoulli, y los resultados de tales lanzamientos pueden
representarse mediante la distribucin binomial de probabilidad. El xito o fracaso
de los solicitantes de empleo, entrevistados para prueba de aptitudes, tambin
puede ser descrito como un proceso de Bernoulli. Por otro lado, la distribucin de
frecuencias de la duracin de las luces fluorescentes de una fbrica se podra
medir mediante una escala continua de tiempo y no se podra clasificar como una
distribucin binomial.

Cada proceso de Bernoulli tiene su propia probabilidad caracterstica. Considere

una situacin en la que, a lo largo del tiempo, siete dcimas partes de todas las
personas que solicitan cierto tipo de trabajo aprueban el examen de aptitudes.
Diramos que, en este caso, la probabilidad caracterstica es de 0.7, pero
podramos describir el resultado del examen con el proceso de Bernoulli slo si
tenemos la certeza de que la fraccin de los que aprueban el examen (0.7)
permanece constante en el tiempo. Desde luego que las otras caractersticas del
proceso de Bernoulli tambin deben cumplirse. Cada examen tendra que tener
solamente dos resultados (xito o fracaso) y los resultados de cada prueba
deberan ser estadsticamente independientes. En un lenguaje ms formal, el
smbolo P representa la probabilidad de tener xito (0.7 en este ejemplo) y el
smbolo q (1-P) es la probabilidad de que resulte en un fracaso (0.3). Para
representar un cierto nmero de xitos, utilizaremos el smbolo X, y para
representar el nmero total de intentos o de ensayos utilizamos el smbolo n. En
las situaciones que analizaremos, el nmero de ensayos est fijo desde antes de
empezar el experimento.

Frmula binomial:

( nx ) P q

F ( X )=

n x

1.2 DISTRIBUCIN DE POISSON

La distribucin de Poisson debe su nombre a Simon Denis Poisson (17811840), un francs que desarroll la distribucin a partir de los estudios que realiz
durante la ltima parte de su vida. La distribucin de Poisson se utiliza para
describir ciertos tipos de procesos, entre los que se encuentran la distribucin de
llamadas telefnicas que llegan a un conmutador, las solicitudes de pacientes que
requieren servicio en una institucin de salud, las llegadas de camiones y
automviles a una caseta de cobro, y el nmero de accidentes registrados en cierta
interseccin. Estos ejemplos tienen en comn un elemento: pueden ser descritos
mediante una variable aleatoria discreta que toma valores enteros (0, 1, 2, 3, 4, 5,
etc.). El nmero de pacientes que llegan al consultorio de un mdico en un cierto
intervalo ser de 0, 1, 2, 3, 4, 5 o algn otro nmero entero. De manera parecida,
si usted cuenta el nmero de automviles que llegan a una caseta de cobro de
alguna carretera durante un periodo de 10 minutos, el nmero ser de 0, 1, 2, 3, 4,
5 y as consecutivamente.

Frmula de Poisson:

F ( x )=

e
X!

Donde:
= El nmero medio de representaciones por intervalos de tiempo
X = Probabilidad que se desea calcular

1.3 DISTRIBUCIN HIPERGEOMTRICA

Es una distribucin discreta relacionada con muestreos aleatorios y sin
reemplazo.

Consideremos una poblacin con N elementos, de los cuales, K son xitos (es
decir, tienen una determinada caracterstica) y N-K son fracasos (no tienen esa
caracterstica). La distribucin hipergeomtrica es la distribucin de la variable

aleatoria X = << nmero de xitos obtenidos en n observaciones al azar de la

poblacin, sin reemplazamiento>>. Su funcin de masa es:
k N k
(
x )( nx )
F ( x )=
( Nn )
2 EJERCICIOS

2.1 Distribucin binomial

1) Probabilidad de que un paciente se recupere de una enfermedad sangunea es

0,4.Si se sabe que 15 personas contraen esta enfermedad .Cual es la probabilidad
de que:
a) Sobrevivan 5 personas
b) Sobrevivan al menos 10 personas
n=15; P= 0.4; X=nmero de personas que sobrevivan
Respuestas:

a) P(x=5) =

(155)( 0,5 )
5

15 x 5
x ( 10.4 )
= 0.185919%

15

b) P (X10) =

( 15x )0,4 x 0,615x

10

P (X10) = 0,0338 o 3,38%

2) En una empresa estatal hipottica se est realizando una inspeccin en la cual

se necesita que de una muestra de 20 trabajadores, por lo menos 11 pertenezcan al
sector obrero, no profesional. Segn el presidente de este sindicato en particular,
el 83% de los trabajadores de la empresa son obreros no profesionales. Si se
6

realiza el muestreo de los 20 trabajadores, Cul es la probabilidad de que dicha

muestra contenga la proporcin necesaria previamente sealada?
N= 20 P=0.83 q=10.83= 0.17 x= x 11
n=20

(20x ) ( 0.83 ) x ( 0.17 )20 x

F ( x 11 ) =

x=11

F ( x 11 ) = 0.9992 99.92%
3) Un examen consta de 10 preguntas a los que hay que contestaron S o No.
Suponiendo que a las personas que se les aplica no saben contestar a ninguna de
las preguntas y, en consecuencia, contestan al azar, hallar la posibilidad de obtener
cinco aciertos.
N=10; X=0.5;

P=0.5; q=0.5;

(105)( 0.5) ( 0.5 )

5

P ( x=5 ) =

105

P ( x=5 ) = 0.2461 o 24.61%

2.2 Distribucin Poisson

1) Para el caso de un alambre de cobre, supngase que el nmero de fallas

descrito estadsticamente en el departamento de calidad de una industria es de 3
fallas por rollo. Si se tiene ms de una falla en un rollo de alambre, este debe ser
devuelto. Cul es la probabilidad de devolver el alambre al almacn por concepto
de falla?
X = x2; =3
1

P (X1) =

e3 3 x
0

X!

P(X1) = 0.1991

P (X2) = 1-[P(X1)] P(X2) = 1-0.1991 P(X2) = 0.8008 o 80.08%

7

2) Durante un experimento aleatorio el nmero promedio de partculas

radioactivas, que pasan a travs de un contador en un milisegundo es de 4.
Determine: a) Cul es la probabilidad de que 6 partculas entren al contador en
un milisegundo dado?, b) Cul es la probabilidad de que 10 partculas entren al
contador en 4 milisegundos?
a) =4; X=6
4

P(X=6) =

e 4
6!

0,1042 o 10,42%

b) =16; X=10
1ms 4 partculas
4ms
P(X=10) =

=16
e16 1610
10 !

0,0341 o 3,41%

3) Si ya se conoce que solo el 3% de los alumnos de contabilidad son muy

inteligentes, calcular la probabilidad de que si tomamos 100 alumnos al azar, 5 de
ellos sean muy inteligentes.
= 3; X=5
F(X=5) =

e3 35
5!

F(X=5) = 0,10081 o 10,081%

2.3 Distribucin Hipergeomtrica

1) En una florera hay 20 variedades de flores, de las cuales 8 son diferentes clases
de rosas. Qu probabilidad hay de que al extraer una muestra al azar de 12
flores, se incluyan 3 clases de rosas?
N=20; n=12; K=8; X=3

F(X=3) =

( 83 )( 208
123 )
( 2012 )

F(X=3) = 0,0978 o 9,78%

2) Si se extraen 8 canicas sin reemplazo de una urna que contiene 9 azules y 3

negras. Encontrar la probabilidad de que haya 6 canicas azules dentro de las 8 que
se extrajeron.
N=12; n=8; K=9; X=6

F(X=6) =

( 96 )( 129
86 )
( 128 )

F(X=6) = 0,5091 o 50,91%

3) Un vendedor de insecticidas quiere vender a una planta un lote de 50 barriles de

cierto producto. El gerente de la planta sospecha que los barriles estn caducos,
pero el vendedor sostiene que solo 10 barriles han caducado y est dispuesto a
permitir que se analicen 5 barriles sin costo para el comprador, para que este
decida si adquiere el lote. Cul es la probabilidad de que el gerente encuentre que
4 o ms de los 5 barriles examinados han caducado, suponiendo que el vendedor
tiene razn en su afirmacin?
N=50; n=5; K=10; X= X4

10 5010
(
x )( 5x )

( 505 )
5

F(X4) =

F(X4) = 0,00408 o 0,408%

CONCLUSIN

La distribucin de Poisson se utiliza para describir ciertos tipos de procesos,

entre los que se encuentran la distribucin de llamadas telefnicas que llegan a un
conmutador, las solicitudes de pacientes que requieren servicio en una institucin
de salud, las llegadas de camiones y automviles a una caseta de cobro, y el
nmero de accidentes registrados en cierta interseccin.
La distribucin binomial describe una variedad de procesos de inters para los
administradores. Por otra parte, describe datos discretos, no continuos, la

10

distribucin hipergeomtrica por su parte, es utilizada cuando hay un conjunto que

a su vez tiene un sub-conjunto para as poder calcular la probabilidad deseada.

GLOSARIO

Finito: que tiene fin o lmites.

Discreto: Moderado, sin exceso.
Aleatorio: Que depende de la suerte o del azar.
Variable: Magnitud que puede tener un valor cualquiera de los comprendidos en
un conjunto. Inestable, inconstante.
11

Escala: Sucesin ordenada de cosas distintas, pero de la misma especie.

Probabilidad: Clculo o determinacin cuantitativa de la posibilidad de que se
verifique un suceso.
Distribucin: Reparto de algo segn un criterio.
Intervalo: Conjunto de los valores que toma una magnitud entre dos lmites
dados.

BIBLIOGRAFA

http://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_hipergeom%C3%A9trica

12

13