DISTRIBUCIONES

DE PROBABILIDAD
 DISTRIBUCIONES DISCRETAS
DISTRIBUCION BINOMIAL

Sea un experimento aleatorio en el que sólo puedan darse dos

posibilidades: que ocurra un determinado suceso A, que
llamaremos éxito, o que no ocurra dicho suceso, o sea que
ocurra su complementario, que llamaremos fracaso Á .

Se repite el experimento n veces en las mismas condiciones

(independencia). Se define la variable aleatoria Binomial :

X: “nº de veces que ocurre el suceso A (nº éxitos) en n

realizaciones independientes del experimento”
Por lo tanto, X: 0, 1, 2 , 3, ……n
 DISTRIBUCIÓN BINOMIAL

Definición: Se dice que una v.a. tiene una distribución

binomial, si tiene las siguientes características:
a.- Cada ensayo, prueba o repetición tiene 2 resultados:
éxito y fracaso.
b.- La probabilidad del éxito es p y la del fracaso es q y
permanece constante en cada prueba o ensayo.
c.- Los n ensayos son independientes.
d.- la v.a. X indica el número de éxitos en las n pruebas.
e.- Cuando se realiza la selección de la muestra, se realiza
uno por uno y con reposición. La población puede ser
finita o infinita.
 DISTRIBUCIÓN BINOMIAL

f.- La función de cuantía es como sigue.

𝑓 𝑥 = 𝐶𝑥𝑛 𝑝 𝑥 𝑞 𝑛−𝑥
La distribución tienen dos
𝑛 𝑘 𝑛−𝑘
𝑝 𝑋=𝑘 = 𝑝 𝑞 parámetros n y p, en cambio el
𝑘 de Bernoulli tiene un solo
parámetro que es p

Donde:
Media:
n es el número de pruebas. µ=n*p
k es el número de éxitos. Varianza:
p es la probabilidad de éxito. σ𝟐 = 𝒏 ∗ 𝒑 ∗ 𝒒

q es la probabilidad de fracaso. Desv.Estándar

𝑛 𝑛! 𝝈= 𝒏∗𝒑∗𝒒
El número combinatorio = 𝑘! 𝑛−𝑘
𝑘 !
 DISTRIBUCIÓN BINOMIAL

Ejemplo Nº 1
La probabilidad de que cierto componente resista una prueba de
impacto es de 4/5. Encuentre la probabilidad de que 3 de los 5
componentes siguientes resistan la prueba de impacto.
 DISTRIBUCIÓN BINOMIAL

Ejemplo Nº 1
La probabilidad de que cierto componente resista una prueba de
impacto es de 4/5. Encuentre la probabilidad de que 3 de los 5
componentes siguientes resistan la prueba de impacto.

p = 0,8 q = 0,2 n = 5 x=3

p 𝑥 = 3 = 𝐶35 0.83 0.25−3

P(X = 3) = 0.2048

La probabilidad de que 3 de los 5 componentes

resistan es de 0.2048
 DISTRIBUCIÓN BINOMIAL
Ejemplo 2:
Los alumnos de cierta clase se encuentran en una proporción del
67% que estudian inglés y el resto francés.
Tomamos una muestra de 15 alumnos de la clase, calcular:
a) Probabilidad de que al menos encontremos tres alumnos de
inglés.
 DISTRIBUCIÓN BINOMIAL
Ejemplo 2:
Los alumnos de cierta clase se encuentran en una proporción del
67% que estudian inglés y el resto francés.
Tomamos una muestra de 15 alumnos de la clase, calcular:
a) Probabilidad de que al menos encontremos tres alumnos de
inglés.
p = 0,67 q = 0,33 n = 15 x≥3

p 𝑥 ≥ 3 = 1 − 𝑝(𝑥 < 3)

P(X ≥ 3) = 1 - 0.000028

P(X ≥ 3) = 0.999972
Ejemplo 3
Un comerciante tiene conocimiento de que el
12% de los artículos del lote recibido están
defectuosos. Si un comprador elige 4 artículos,
encuentre la probabilidad de que.
a) los 4 estén defectuosos.
b) de 1 a 3 estén defectuosos.
Ejemplo 3
Un ingeniero que labora en el departamento de control
de calidad de una empresa eléctrica, inspecciona una
muestra al azar de 20 alternadores de un lote. Si el 10%
de los alternadores del lote están defectuosos. Cuál es
la probabilidad de que en la muestra:

a) Ninguno esté defectuoso

b) Uno salga defectuoso
c) A lo más dos salgan defectuosos
d) Más de tres estén con defectos
 Distribución Hipergeométrica
 Consideremos una población de N elementos,
de los cuales K tienen la característica de
interés y, por lo tanto, N – K no la tienen.
 Un experimento hipergeométrico consiste en
extraer al azar una muestra de n elementos a
partir de la población mencionada.
 La variable aleatoria hipergeométrica se define
como el número de elementos en la muestra
que tienen la característica de interés.
 Distribución
 Hipergeométrica
La función de probabilidad es:

𝐶𝑋𝐾 𝐶𝑛−𝑥
𝑁−𝐾
𝑓 𝑥 =𝑃 𝑋=𝑥 =
𝐶𝑛𝑁

 Se escribe X  H(N, K, n,)

 Esperado o Media Varianza

𝐾 𝐾 𝑁−𝑛
𝐾 𝑉 𝑋 = 𝑛( )(1 − )( ൰
𝐸 𝑋 = 𝑛( ) 𝑁 𝑁 𝑁−1
𝑁
 Ejemplos:

 En una fiesta hay 20 personas: 14 casadas y 6

solteras. Se eligen 3 personas al azar ¿Cuál es
la probabilidad de que las 3 sean solteras?

 En una urna hay 7 bolas blancas y 5 negras. Se

sacan 4 bolas ¿Cuál es la probabilidad de que
3 sean blancas?
Una caja contiene 9 baterías de las cuales 4
están en buen estado y las restantes
defectuosas. Se toma una muestra eligiendo
al azar tres baterías. Calcule la probabilidad
que en la muestra se obtengan

A) Ninguna batería en buen estado

B) Al menos una batería en buen estado
C) No mas de dos baterías en buen estado
Se tienen lotes de 40 componentes. El proceso de
inspección consiste en elegir al azar cinco de sus
componentes y rechazar el lote si se encuentra al
menos un componente defectuoso. Si en un lote
que se inspecciona hay tres componentes
defectuosos:
¿Cuál es la probabilidad de que se encuentre
exactamente un componente defectuoso en
la muestra?
¿Cuál es la probabilidad de rechazar el lote?
Calcule el valor esperado, varianza y
desviación estándar de la variable aleatoria.
 DISTRIBUCIÓN DE POISSON
Llamada así en honor al probabilista francés Simeón Denis
Poisson.
Se define la variable aleatoria X como el número de
sucesos que ocurren en un intervalo continuo de tiempo,
longitud o espacio, de un tamaño determinado.
Estos sucesos son continuos e independientes, lo que
significa que el número de éxitos que ocurren en un
intervalo de tiempo dado o espacio son independientes,
de los que ocurren en cualquier otro intervalo, pero se
supone que la tasa de éxitos por unidad de tiempo o
espacio permanece constante, esta tasa lo
representaremos por l.
Distribución de Poisson

l
e l x
p( x)  , x  0,1,2,... l  0
x!
 Donde
 l : Número medio de sucesos esperados en una
unidad de tiempo, espacio, etc.
 e: 2,71828 18284 59045 23536 02874 71352 66249
77572 47093 69995…
 Media y Varianza de la
distribución de Poisson

Media
E(X) = µ = n*p = l

Varianza
V(X) = 2  l
 DISTRIBUCIÓN DE POISSON
Ejemplo Nº 1:
En cierto proceso de fabricación en el que se producen
artículos de porcelana ocurren defectos que ocasionan
problemas en las ventas, el fabricante asegura que en
promedio uno de cada 1000 artículos producidos es
defectuoso. ¿Cuál es la probabilidad de que en una caja
de 3000 artículos haya exactamente 3 artículos con
defectos?
Ejemplo Nº 2:
Si un banco recibe en promedio 6 cheques sin fondo por
día ¿Cuáles son las probabilidades de que reciba:
a) 4 cheques sin fondo en un día
b) 10 cheques sin fondo en cualquiera de dos días
consecutivos
EJEMPLO 3

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:
a) Una imperfección en 3 minutos.
b) Al menos 2 imperfecciones en 5 minutos.
c) Cuando más, una imperfección en 15
minutos.
 DISTRIBUCION NORMAL

Llamada también distribución gaussiana, es la distribución de

v.a. continua más importante y seguramente la de mayor uso, es
la distribución modelo y sirve de aproximación para las demás
distribuciones, asimismo de acuerdo a la ley de los grandes
números muchas estadísticas muestrales tienen distribución
normal.
La distribución normal queda totalmente definida mediante
dos parámetros: la media (Mu) y la desviación estándar
(Sigma).
Campo de variación:
- < x < 
 DISTRIBUCION NORMAL

Características
1.- El área formada por la curva f(x) y la recta real (x) tiene como
magnitud igual a uno.
2.- La media: E(x), mediana y moda coinciden, esto es, son
iguales en magnitud, lo que implica que la distribución es
simétrica y unimodal.
3.- Es simétrica respecto a su promedio (m), por lo tanto el área
superior al punto m , es igual al área inferior a dicho punto. El
valor es igual a 0,5.

0,5 0,5
Área total = 1

m
 Función de densidad

( x  μ)2

1 2σ 2
f ( x)  e (σ  0)
σ 2π

x  N (μ, σ)
Normal estándar

xm
z

x : Variable aleatoria
µ : Media aritmética de la población.
σ : Desviación estándar de la población
 Encontrar las siguientes
probabilidades:
a) Calcular:
P(0  Z  2)

P  (1.25  Z  2.58)

P( Z  1.45)

P(2.15  Z  0.95)

P( Z  2.25)
 DISTRIBUCION NORMAL

Ejemplo 1
Los salarios de los trabajadores en cierta industria son en
promedio $ 11.9 por hora y la desviación estándar es de $ 0.4. Si
los salarios tienen una distribución normal. ¿Cuál es la
probabilidad de que un trabajador seleccionado al azar:
a) Reciba salarios inferiores a $ 11?
 DISTRIBUCION NORMAL

Ejemplo 2
Los tiempos de atención al cliente en minutos en una entidad
financiera BCP tienen distribución normal con media 10 minutos
y desviación estándar de 0.6 minutos, hallar:
a) La probabilidad de que el tiempo de atención sea menor a
11 minutos.
Ejemplo 3

El coeficiente de inteligencia de un grupo de alumnos tiene

aproximadamente una distribución normal con un puntaje
promedio de 100 y una desviación estándar de 10.5. Encontrar:
a) La proporción de alumnos con coeficientes de inteligencia
mayores que 120
b) La proporción de alumnos con coeficientes de inteligencia
menores que 115
c) La proporción de alumnos con coeficientes de inteligencia
entre 114 y 124
d) Si el Nº total de alumnos es 180, Cual es el número de
alumnos que tienen coeficiente de inteligencia entre 114 y
124?
Ejemplo 4

Una fábrica produce un tipo de neumáticos que tiene

una vida útil media de 80000 km y una desviación
estándar de 8000 km. Suponiendo que esta vida útil esta
distribuida normalmente:
a) ¿Cuál es la probabilidad que un neumático dure más
de 96000 km?