5.1.

- DISTRIBUCION BINOMIAL

Para conocer la probabilidad de “éxito” es necesario calcular las posibles

combinaciones de la variable, y multiplicarlas por las probabilidades de cada
suceso:

𝑃(𝑥 ) = 𝐶𝑥𝑛 𝑝 𝑥 𝑞𝑛−𝑥

P(x)= la probabilidad de que ocurran X éxitos en n intentos.

𝑛!
𝐶𝑥𝑛 =
𝑥! (𝑛 − 𝑥 )!

Ejemplo 1:
Se ha determinado previamente que la probabilidad de que un cliente potencial
elegido al azar realice una compra es de 0.20. Si un vendedor visita a 6 clientes
potenciales, calcular la probabilidad de que ninguno de los clientes haga una
compra:
P(x = 0), x = 0, n = 6, p = 0.2, q = 1 − p = 1 − 0.2 = 0.8

𝑃(0) = 𝐶06 (0.2)0 (0.8)6

6!
𝑃(0) = (0.8)6
0! . 6!
𝑝(0) = (0.8)6 = 0.262144

𝑝(0) = 0.262144 𝑋 100 = 26.21%

Ejemplo 2:
El fabricante de una unidad de disco de una conocida marca de computadoras
espera que 2% de las unidades funcionen mal durante el período de garantía. En
una muestra de 10 unidades de disco ¿Cuál es la probabilidad de que?:
a) Exactamente una funcione mal durante su período de prueba

x = 1, n = 10, p = 0.02, q=1-p=1-0.02=0.98 P(x=1)

𝑝(1) = 𝐶110 (0.02)1 (0.98)9

𝑝(1) = 0.167
𝑃(1) = 0.167 𝑋 100 = 16.7%

B) Al menos dos funcionen mal durante la prueba:

𝑥 ≠ 0, 1 𝑛 = 10 , 𝑝 = 0.02,
𝑞 = 1 − 𝑝 = 1 − 0.02 = 0.98
𝑝(𝑥 ≥ 2) = 1 − 𝑝(0) − 𝑝(1)
𝑝(𝑥 ≥ 2) = 1 − 𝐶010 (0.02)0 (0.98)10 − 𝐶110 (0.02)1 (0.98)9
𝑝(𝑥 ≥ 2) = 0.016

𝑝(𝑥 ≥ 2) = 0.016 𝑋 100 = 1.6%

 5.2.- DISTRIBUCION HIPERGEOMETRICA

La distribución Hipergeométrica se utiliza para calcular la probabilidad de obtener

determinado número de éxitos en un espacio muestral de n ensayos.

𝑚 𝑁−𝑚
( )( )
𝑃(𝑋 = 𝐾 ) = 𝐾 𝑛 − 𝑘
𝑁
𝑛

N=tamaño de la población
m=elementos favorables
n=tamaño de la muestra

Ejemplo 1:
En un lote de 10 proyectiles se disparan 4 al azar si el lote contiene 5 proyectiles
que no disparan.
a) Cuál es la probabilidad de que los 4 disparen?
b) Cuantos de los 4 se esperan que disparen

N=10 proyectiles
m=5 proyectiles defectuosos
n=4 muestra

5 10−5 5 5
( )( ) ( )( )
0 4−0 0 4
a)P(x = 0) = 10 = 5 = 0.0238
( ) ( )
4 4

𝑚 5
b) 𝐸 (𝑥 ) = 𝑛 ( 𝑁 ) 𝐸 (𝑥 ) = 4 (10) = 2
Ejemplo 2:

En Una oficina donde se ensamblan computadoras, en una mesa hay 20 chips de

los cuales 6 están malogrados. Primero llega el Sr. Gates y recoge 8 chips y más
tarde llega el Sr. Apple y se lleva los restantes. Halle la probabilidad que solamente
uno de ellos se haya llevado todos los chips defectuosos.

N=20
m=6
n=8

Consideremos x: chips que se lleva el sr. Gates

X=0 gates no se lleva ninguno defectuosos, Apple los otros.
X=6 gates no se lleva todos los defectuosos, Apple los otros.

6 20 − 6 6 14
( )( ) ( )( )
P(x = 0) = 0 8 − 0 = 0 8 = 0.0238
20 20
( ) ( )
8 8

6 20 − 6 6 14
( )( ) ( )( )
P(x = 6) = 6 8 − 6 = 6 2 = 0.0007
20 20
( ) ( )
8 8

La suma de esto nos da la probabilidad de: 0.0245

 5.3.- DISTRIBUCION GEOMETRICA

Ejemplo 1:
Un jugador de baloncesto se dispone a tirar hasta anotar una canasta. Si se supone
que sus tiros son independientes y la probabilidad de anotar una canasta es de 0.8.
¿Cuál es la probabilidad de necesitar efectuar 2 tiros? ¿3 tiros? ¿4 tiros? ¿5 tiros?
¿n tiros?

Solución:
Sea Y = número de tiros necesarios para anotar una canasta
p= 0.8
q= 0.2

𝑝(𝑌 = 2) = 𝑞𝑝 = (0.2)(0.8) = 0.16

𝑝(𝑌 = 3) = 𝑞𝑞𝑝 = (0.2)(0.2)(0.8) = 0.032
𝑝(𝑌 = 4) = 𝑞𝑞𝑞𝑝 = (0.2)(0.2)(0.2)(0.8) = 0.0064
𝑝(𝑌 = 5) = 𝑞𝑞𝑞𝑞𝑝 = (0.2)(0.2)(0.2)(0.2)(0.8) = 0.00128

𝑃(𝑌 = 𝑛) = 𝑞 𝑛−1 𝑝

c) ¿Cuál es la probabilidad de necesitar a lo más 5 tiros?

𝑝(𝑌 ≤ 5) = 𝑝(1) + 𝑝(2) + 𝑝(3) + 𝑝(4) + 𝑝(5)

5

𝑝(𝑌 ≤ 5) = ∑ 𝑞 𝑟−1 𝑝 = (0. 20 )(0.8) + (0. 21 )(0.8) + (0. 22 )(0.8) + (0. 23 )(0.8)(0. 24 )(0.8)
𝑟=1

= 0.8 + 0.16 + 0.032 + 0.0064 + 0.00128

= 0.99968
Ejemplo 2:
Andrés y Pedro se plantean el siguiente juego: se lanza al aire un dado equilibrado
con seis caras numeradas de uno a seis. Se considera que el jugador gana cuando
el resultado del dado es cuatro o seis, y recibe diez euros. En otro caso, no recibe
nada. Cada apuesta (un lanzamiento) es de cinco euros.

1).- Si Andrés juega en cinco ocasiones, ¿cuál es la probabilidad de que acierte a

lo sumo una vez? ¿Cuál es el número medio de aciertos en esas cinco ocasiones?

Sea X el número de aciertos de Andrés. Luego

1
𝑋~𝐵(5, )
3

5 1 1 2 4 80
𝑃(𝑥 = 1) = ( ) ( ) ( ) = ≈ 0,329.
1 3 3 243

1
𝐸𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑎𝑐𝑖𝑒𝑟𝑡𝑜𝑠 𝑒𝑠 5 × ≈ 1,67.
3

2).- Pedro jugara tantas veces como sea necesario hasta conseguir acertar una vez.
Calcular la probabilidad de que tenga que jugar al menos tres veces. Obtener el
número medio de veces que tiene que jugar para conseguir su objetivo.
Sea Y el número de jugadas necesarios.

1
𝑌~𝐺( )
3
𝑃(𝑌 ≥ 3 = 1 − 𝑝(𝑌 < 3)
= 1 − {𝑝(𝑌 = 1) + 𝑝(𝑌 = 2)}
1 2 1
= 1−{ + × }
3 3 3
4
= = 0,44
9
EL número necesario de jugadas necesarias es:
1
=3
1
3
 5.4.- DISTRIBUCIÓN MULTINOMIAL
Ejemplo: 1
Supóngase que el 23 % de las personas que asisten a cierto partido de baseball
viven a menos de 10 millas del estadio, el 59 % de ellas viven a entre 10 y 50 millas
del estadio, y el 18 % vive a más de 50 millas. Se seleccionan al azar 20 personas
entre los asistentes al partido (que son miles). Calcular la probabilidad de que siete
de los seleccionados vivan a menos de 10 millas, ocho vivan entre 10 y 50 millas, y
cinco vivan a más de 50 millas del estadio.

n =20
k=3
y1 = {Personas que viven a menos de 10 millas del estadio}
y2 = {Personas que viven a entre 10 y 50 millas del estadio}
y3 = {Personas que viven a más de 50 millas del estadio}
p1 = 0,23
p2 = 0,59
p3 = 0,18
Definiendo (N1, N2, N3) el vector correspondiente a las frecuencias, se pide
calcular:
20
𝑃(𝑁1 = 7, 𝑁2 = 8, 𝑁3 = 5) = ( ) 0,237 0,598 0,185
7! 8! 5!
20!
= 0,237 0,598 0,185
7! 8! 5!
= 0,0094
Ejemplo 2.
Función de probabilidad de una variable multinomial:

𝑁!
𝑓(𝑥1 , 𝑥2 , … . , 𝑥𝑘 ) = . 𝜋 𝑥1 . 𝜋 𝑥2 . … . . 𝜋 𝑥𝑘
𝑥1 !. 𝑥2 !. … 𝑥𝑘 !

X: actitud hacia la donación de órganos.

𝑋1 = 𝑒𝑛 𝑐𝑜𝑛𝑡𝑟𝑎 … . . 𝑐𝑜𝑛 𝜋1 = 0,15
𝑋2 = 𝑖𝑛𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒𝑠 … . . 𝑐𝑜𝑛 𝜋2 = 0,40
𝑋3 = 𝐴 𝑓𝑎𝑣𝑜𝑟 … . . 𝑐𝑜𝑛 𝜋3 = 0,45
Si se extrae una muestra aleatoria de 20 sujetos. ¿Cuál es la probabilidad de que
5 estén en contra, 10 son indiferentes y 5 estén a favor?

𝑁! 2 3
𝑓(𝑥1 = 5, 𝑥2 = 10, 𝑥3 = 5 = . 𝜋 𝑥1 . 𝜋 𝑥 . 𝜋 𝑥
𝑥1 ! 𝑥2 ! 𝑥3 !
20!
= . 0,155 . 0,4010 . 0,455 = 0,41
5! 10! 5!
 5.5.- DISTRIBUCIÓN DE POISSON

En este tipo de experimentos los éxitos buscados son expresados por unidad de
área, tiempo, pieza, etc.
Para determinar la probabilidad de que ocurran x éxitos por unidad de tiempo,
área, o producto, la fórmula a utilizar sería:

𝜆𝑥 𝐸 −𝜆
𝑝(𝑥, 𝜆) =
𝑥!
𝑑𝑜𝑛𝑑𝑒 ∶
p(x, ) = probabilidad de que ocurran x éxitos, cuando el número promedio de
ocurrencia de ellos es l

 = media o promedio de éxitos por unidad de tiempo, área o producto

 = 2.718
x = variable que nos denota el número de éxitos que se desea que ocurra

Ejemplo 1:
Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un día dado, b) 10
cheques sin fondos en cualquiera de dos días consecutivos?

A).-

Datos:

X=4
𝞴= 6 cheques
 = 2.718

(𝟔)𝟒 (𝟐. 𝟕𝟏𝟖)−𝟔 (𝟏𝟐𝟗𝟔)(𝟎. 𝟎𝟎𝟐𝟒𝟖)

𝑃(𝑥 = 4, 𝞴 = 𝟔) = = = 𝟎. 𝟏𝟑𝟑𝟗𝟐
𝟒! 𝟐𝟒
B).-
Datos:
X=10
𝞴= 12 cheques
 = 2.718
(𝟏𝟐)𝟏𝟎 (𝟐. 𝟕𝟏𝟖)−𝟏𝟐 (𝟔. 𝟏𝟗𝟏𝟕𝟑𝟔𝟒)(𝟎. 𝟎𝟎𝟎𝟎𝟎𝟔𝟏𝟓𝟏)
(𝑥 = 10, 𝞴 = 𝟏𝟐) = = = 𝟎. 𝟏𝟎𝟒𝟗𝟓𝟑
𝟏𝟎! 𝟑𝟔𝟐𝟖𝟖𝟎𝟎

Ejemplo 2:
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 dos
imperfecciones en 5 minutos.

A).-
Datos:
X=1
𝞴=0.6
 = 2.718
(𝟎. 𝟔)𝟏 (𝟐. 𝟕𝟏𝟖)−𝟎.𝟔 (𝟎. 𝟔)(𝟎. 𝟓𝟒𝟖𝟖𝟒𝟓)
𝑝(𝑥 = 1, 𝞴 = 𝟎. 𝟔) = = = 𝟎. 𝟑𝟐𝟗𝟑𝟎𝟕
𝟏! 𝟏
B).-
Datos:
X=0
𝞴=1
 = 2.718
𝑝(𝑥 = 2,3,4 … 𝞴 = 𝟏) = 𝟏 − 𝒑(𝒙 = 𝟎, 𝟏 𝞴 = 𝟏)
(𝟏)𝟎 (𝟐. 𝟕𝟏𝟖)−𝟏 (𝟏)(𝟐. 𝟕𝟏𝟖)−𝟏
=𝟏−( + )=
𝟎! 𝟏!

= 𝟏 − (𝟎. 𝟑𝟔𝟕𝟗𝟏𝟖 + 𝟎. 𝟑𝟔𝟕𝟗𝟏𝟖) = 𝟎. 𝟐𝟔𝟒𝟏𝟔

http://www.geociencias.unam.mx/~ramon/EstInf/Clase5b.pdf
http://www.blogupiicsa.com/2010/12/distribucion-hipergeometrica.html
http://halweb.uc3m.es/esp/Personal/personas/mwiper/docencia/Spanish/Introducti
on_to_Statistics/intro_discrete2.pdf
https://www.u-cursos.cl/ingenieria/2012/2/MA3402/1/material_docente/bajar?id...

http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/05Distr%2
0Poisson.htm