Universidad Nacional Mayor de San Marcos

ESTADÍSTICA APLICADA A LAS CIENCIAS SOCIALES

“DISTRIBUCIÓN DE PROBABILIDAD
DISCRETA”

DOCENTE: GLICERIO GÓMEZ HUAMANI

TEMARIO

1. Variables aleatorias.

2. Distribuciones de probabilidad discreta.

3. Distribución Binomial.

4. Distribución Poisson.

5. Ejercicios propuestos.
Caso: Producción de tornillos

En un proceso de producción de tornillos, donde los niveles de calidad

están fuera de los permitidos. Se sabe que de cada 80 tornillos, 20
presentan defectos. Sea “Z” el número de tornillos defectuosos elegido
aleatoriamente.

¿Qué representa Z?

¿Z es continua o discreta?

Se podrá Determinar P(Z ≤ 7).

¿Se pueden calcular todas las probabilidades para Z? Explique.

¿Y si Z fuera el tiempo en horas de fabricación de los tornillos, tendría el mismo

tratamiento? Explique.
Distribuciones de probabilidad discreta
1. Variable aleatoria
Una variable aleatoria o variable estocástica es una variable
estadística cuyos valores se obtienen de mediciones en algún tipo
de experimento aleatorio.
X :E →
w → X ( w)
El rango de la variable aleatoria X es el conjunto de todos sus posibles valores.
Variable Aleatoria Discreta: Cuando
Sea X una variable aleatoria discreta. La
la variable aleatoria toma valores
función de probabilidad de X es una
discretos (números enteros) se dice
función P(x) tal que:
que es una v.a.d.
Variable Aleatoria Continua: Cuando
la variable aleatoria toma valores de la
recta real (número reales) se dice que
la variable es una v.a.c. .
 2. Distribuciones de probabilidad discreta

Distribuciones de probabilidad discreta

Una distribución de probabilidad es un modelo matemático que desarrolla en forma analítica

el comportamiento de un fenómeno (variable) real.
DISTRIBUCIONES DE PROBABILIDAD DISCRETAS
Distribución Binomial Distribución Poisson
◼ El experimento consiste en contar el número de
◼ El experimento consiste de n pruebas idénticas.
veces que ocurre un evento durante una unidad
◼ Cada prueba tiene únicamente dos resultados: de medida (tiempo, área o volumen).
S(Exito) y F(Fracaso) ◼ El número de eventos que ocurren en una
◼ Las pruebas son independientes. unidad de medida especifica es independiente
◼ La variable aleatoria binomial x es el número de de lo que ocurra en cualquier otra.
éxitos obtenidos en las n pruebas. ◼ El número promedio de eventos en cada
unidad de medida se denota por la letra griega
P  X = x  = Cnx p x q n− x , x = 0, 1, 2, ... , n
lambda λ.
e−  x
P X = x = , x = 0, 1, 2, ...
◼ El valor esperado y la varianza son: x!
El valor esperado y la varianza son:
V X  = npq
◼
E X  = np
E X  =  V X  = 
 Caso 1
En una prueba de alcoholemia que se realizó en un
laboratorio para detectar el porcentaje de alcohol en la
sangre, arroja un 92% de precisión.
La policía nacional realiza un operativo a los choferes
utilizando la prueba anterior para detectar la presencia de
alcohol en su sangre.
Se realizan la prueba a 72 choferes

¿Calcular las siguientes probabilidades:

a) 60 o menos estén correctamente evaluados?

b) Menos de 60 estén correctamente evaluados?
c) Exactamente 60 estén correctamente evaluados?
d) La defensoría del pueblo pretende anular dichas faltas , si
en una prueba donde se considera exactamente al 50% de las
pruebas totales, la probabilidad de inexactitud sea mayor al 5%,
¿ se anulan las faltas?, ¿Por qué?
 RESOLUCIÓN EN PROGRAMA SPSS

Para calcular los valores de la función de distribución (acumulada) de un

determinado modelo, se ingresa en Grupo de funciones y la opción CDF y CDF
no centrada. Dado un valor X de la variable, este permite obtener la probabilidad
de que la variable X sea menor o igual a dicho valor en el modelo especificado. Se
debe conocer el valor de la variable X y los parámetros que especifican al
modelo.
Para la función de distribución del modelo de variable discreta Binomial B(n;p)
CDF.BINOM(cant,n,prob): Devuelve como resultado la probabilidad de que la
variable X sea menor o igual que cantidad, es decir, P[X ≤ cantidad], siendo X
una variable aleatoria con distribución Binomial de parámetros n y p.
Pasos 1 :
El estudio de los modelos teóricos de probabilidad con SPSS se realiza aplicando
ciertas funciones desde el menú Transformar/Calcular variable...

Pasos 2 :
Para ello es necesario
activar el Editor de datos, es
decir, abrir algún fichero de
datos o bien introducir
algún número en una
casilla, de otra forma
aparece el siguiente mensaje
de error.

Introducimos un número en una

A continuación, casilla, por ejemplo el número 1
se elige en el
menú
principal Transf
ormar/Calcular
variable... como
resultado de
esta acción se
muestra el
siguiente Cuadr
o de diálogo
Resolución
Se define la siguiente variable aleatoria: X = ”Nº de pruebas
evaluadas correctamente de 72 muestras”
Suceso éxito: “E= Prueba evaluada correctamente”
Definimos los parámetros de la distribución: B(n;p)
Número de ensayos (n=72)
Probabilidad de éxito: P(E)” => P[éxito] = 0.92
a) Calcular la probabilidad que 60 o menos estén correctamente evaluadas
Nos piden:
P[60 o menos pruebas estén correctamente evaluadas] = P[X ≤ 60]

Nos vamos a
transformar
Y calcular
variable
Descripción:
Número de elementos de x Número de experimentos (n) Probabilidad de éxito

Paso 1
La opción CDF y
CDF no centrada

Paso 2

Cdf Binom

Esta opción es para la

probabilidad acumulada
P(X≤ 60 )

Se pulsa Aceptar y
Continuar
Tema: Distribuciones de probabilidad discreta

Por lo tanto la probabilidad

P[X ≤ 60] = 0.0114 que 60 o menos conductores
estén correctamente evaluados
Debemos hacer click en la por la prueba es del 1.15%
casilla seleccionada

b) La probabilidad que menos de 60 estén correctamente evaluadas

Sabemos que la variable en estudio es cuantitativa discreta, es decir solo consideramos
valores enteros, entonces menores de 60 es equivalente al entero anterior (59).
P[menos de 60 pruebas estén correctamente evaluadas] = P[X < 60] = P[X ≤ 59]
La misma ruta anterior, con x=59 CDF.BINOM(59,72,0.92)
Por lo tanto la
probabilidad que
menos de 60
conductores estén
correctamente
evaluados por la
prueba es del
P[X ≤ 59] = 0.0043 0.43%
Tema: Distribuciones de probabilidad discreta
c) Calcule la probabilidad de que exactamente 60 estén correctamente evaluados
En este caso es una probabilidad puntual, En este caso como la probabilidad es
P[exactamente 60 estén correctamente evaluadas] = P[X = 60] puntual, por ello utilizamos PDF Y PDF
no centrada, pues devuelve la probabilidad
para el valor especifico.
La misma ruta anterior, con x=60 PDF.BINOM(59,72,0.92)

la probabilidad
de que
exactamente 60
choferes estén
correctamente
evaluados en la
prueba de
alcoholemia es
de 0.7% P[X= 60]=0.0070
 Tema: Distribuciones de probabilidad discreta
d) La defensoría del pueblo pretende anular dichas faltas , si en una prueba donde se considera
exactamente al 50% de las pruebas totales, la probabilidad de inexactitud sea mayor al 5%, ¿ se
anulan las faltas?, ¿Por qué?
Suceso éxito: “ Prueba evaluada inexacta” => P[E] = 1-0.92=0.08
Se define la siguiente variable aleatoria: X = ”Nº de pruebas evaluadas
inexactas de 72 muestras” Esta variable aleatoria tiene distribución
Binomial de parámetros n = 72 y probabilidad = 0.08.
P[50% de las pruebas totales estén evaluadas de forma
inexacta ] = P[X = 50%(72)]= P[X =36]

la probabilidad de que exactamente 36 choferes estén

evaluadas con inexactitud en la prueba de alcoholemia
es de 0% , por lo tanto la defensoría del pueblo no
puede intervenir, ya que no supera el 5% P[X =36]=0
Caso 2

Un ganadero de la provincia de Ayacucho ha observado que el número medio

semestral de muertes por enfermedades en sus ovejas es de 12. Si el número de
muertes causadas por la enfermedad sigue una distribución de Poisson, calcular
las siguientes probabilidades:

a) Haya exactamente 8 muertes por enfermedad en un

semestre.
b) 10 o más ovejas mueran a causa de la enfermedad durante un
semestre
c) 10 o menos ovejas mueran a causa de la enfermedad en un
trimestre
d) Los expertos recomiendan al ganadero buscar otro ambiente
para criar, si en un mes la probabilidad que mueran mas de
dos ovejas es superior al 25%, ya que le generaría perdidas
en su inversión. ¿Qué recomendaría ud al ganadero, según lo
que dicen los expertos?
RESOLUCIÓN EN PROGRAMA SPSS
Para calcular los valores de la función de distribución (acumulada) de un determinado modelo, se
ingresa en Grupo de funciones y la opción CDF y CDF no centrada. Dado un valor X de la
variable, este permite obtener la probabilidad de que la variable X sea menor o igual a dicho valor en el
modelo especificado en PDF Y PDF no centrada arroja el valor de la probabilidad sea igual a ese valor
(puntual). Se debe conocer el valor de la variable X y los parámetros que especifican al modelo.
CDF.POISSON(cant,media): Devuelve como resultado la probabilidad de que la variable X sea menor
o igual que cant, es decir, P[X ≤ cant], siendo X una variable aleatoria con distribución de Poisson de
parámetro media.
PDF.POISSON(cant,media): Devuelve como resultado la probabilidad de que la variable X sea igual
que cant, es decir, P[X = cant], siendo X una variable aleatoria con distribución de Poisson de
parámetro media (Lambda). 
La ruta es la misma que se trabajo en la distribución Binomial
Para la función de distribución del modelo de variable discreta Poisson P()
RESOLUCÍÓN
Se define la siguiente variable aleatoria:
X = ”Nº de muertes por enfermedad en un semestre”.
Esta variable aleatoria tiene distribución de Poisson de parámetro λ = 12.
Seguidamente se calculan las probabilidades pedidas.
RESOLUCIÓN:

a) Calcular la probabilidad de que haya exactamente 8 muertes por enfermedad en un semestre

P[Haya exactamente 8 muertes por enfermedad en un semestre] = P[X = 8]
En este caso, repetimos los pasos vistos en la binomial., Escribimos la función

La probabilidad de que haya

exactamente 8 muertes de ovejas
por enfermedad en un semestre es
del 6.55%
Se pulsa
P[X = 10] = 0.065523 Aceptar y Continuar
b) Calcular la probabilidad de que más de 10 ovejas mueran a causa de la
enfermedad durante un semestre
Nos piden calcular la probabilidad que mas de 10 mueran, pero la
probabilidad que haya el programa es la acumulada es decir hasta P[X ≤ 10],
por ello trabajamos con el complemento, digamos:
P[X ≤ 10] + P[X > 10] = 1 , pero se puede conocer P[X ≤ 10]
P[más de 10 ovejas mueran a causa de la enfermedad durante un semestre] = P[X > 10] = 1 - P[X ≤ 10]
Se escribe la ecuación= 1 - CDF.POISSON(10,12]
Se pulsa Aceptar y Continuar X = 10
λ = 12
La probabilidad
de que más de 10
ovejas mueran a
causa de la
enfermedad
durante un
semestre es del
P[X > 10] = 1 - P[X ≤ 10] = 0.6527 65.27%
c) Calcular la probabilidad de que 10 o menos ovejas mueran a causa de la enfermedad en 3 meses.
Se define una nueva variable, Y = ”Nº de muertes por enfermedad en tres
meses”. Esta variable aleatoria tiene distribución de Poisson de parámetro λ
= 6. (es una regla de tres simple, si en 6 meses es 12 muertes, entonces
en 3 meses la mitad)
A partir de aquí se calcula la probabilidad que se pide.
P[10 o menos ovejas mueran a causa de la enfermedad en 3 meses]= P[Y ≤ 10]
Se sigue la misma ruta, luego CDF.POISSON(10,6]

P[Y ≤ 10] = 0.9573

la probabilidad de que 10 o
menos ovejas mueran a causa
de la enfermedad en 3 meses es
de 95.7%
d) Los expertos recomiendan al ganadero buscar otro ambiente para criar, si en un mes la
probabilidad que mueran mas de dos ovejas es superior al 25%, ya que le generaría perdidas en
su inversión. ¿Qué recomendaría Ud. al ganadero, según lo que dicen los expertos?
Si el valor del parámetro era de 12 en 6 meses, por una regla de tres simple , podemos decir:
λ = 12 en seis meses
λ=2 en un mes
Se define una nueva variable, Z = ”Nº de muertes por enfermedad en un mes”.
Esta variable aleatoria tiene distribución de Poisson de parámetro λ = 2.
A partir de aquí se calcula la probabilidad que se pide.
P[ más de dos ovejas mueran a causa de la enfermedad en 1 mes] = P[Z> 2]

1 - CDF.POISSON(2,2)
la probabilidad de que
más de dos ovejas
mueran a causa de la
enfermedad en 1 mes
es de 32.33%, con lo
cual según los expertos
el ganadero debe
P[Z> 2]=0.3233 buscar otra zona de
crianza.
EJERCICIOS PROPUESTOS

Caso: Empresa Impetc S.A. (Binomial)

Un almacenero de laboratorio, reporta que el 25% de puntas de un dosificador electrónico están
malogradas. Para comprobar dicha afirmación el gerente de la empresa selecciona aleatoriamente 5
puntas.
Si dos de las 3 situaciones planteadas no se cumplen, entones se decide cambiar de proveedor, caso
contrario se mantiene el mismo proveedor:
a. Si el porcentaje de obtener ninguna punta malograda es menor al 5%. Se puede considerar que no
afecta a la economía de la empresa.
b. Si el porcentaje de obtener una punta malograda no es mayor al 90%. No afecta a la economía de la
empresa.
c. Si el porcentaje de obtener menos de 2 puntas es mayor al 20%. Afecta a la economía de la empresa

¿Que Decisión va a tomar el gerente?. Sustente su respuesta

Distribuciones de probabilidad discreta
Caso: Telefonía Alcitel (Poisson)
La central telefónica de la empresa Alcitel recibe un promedio de 3.4 órdenes de pedido
por hora. Estas ocurrencias se producen al azar.
Se pide:

a) ¿Cuál es la variable aleatoria discreta ?

b) El parámetro de la distribución es:
c) ¿Cuál es la probabilidad de que se produzcan 4 órdenes de pedido en una hora?
d) ¿Cuál es el porcentaje de obtener como máximo 5 órdenes de pedido en una hora?
e) ¿Cuál es el porcentaje de obtener más de 5 órdenes de pedido en una hora?
Distribuciones de probabilidad discreta

CONCLUSIONES

1. La distribución Binomial describe describe datos discretos, resultantes de

un experimento denominado proceso de Bernoulli.

2. En teoría de probabilidad y estadística, la distribución de Poisson es una

distribución de probabilidad discreta que expresa la probabilidad de un
número k de eventos ocurriendo en un tiempo fijo, si estos eventos ocurren
con una frecuencia media conocida y son independientes del tiempo
discurrido desde el último evento.