DISTRIBUCIONES DE PROBABILIDADES

2.1 DISTRIBUCIONES DISCRETAS

Una distribución de probabilidad es una representación de todos los resultados posibles de algún
experimento y de la probabilidad relacionada con cada uno.

Una distribución de probabilidad es discreta cuando los resultados posibles del experimento son
obtenidos de variables aleatorias discretas, es decir, de variables que sólo puede tomar ciertos
valores, con frecuencia números enteros, y que resultan principalmente del proceso de conteo.

Ejemplos:

Número de caras al lanzar una moneda 1

El resultado del lanzamiento de un dado 1,2,3,4,5,6

Número de hijos de una familia 0,1,2,3…

Número de estudiantes de una universidad 500

Número de clientes de una empresa 1 hasta …

Número de pagos realizados 0, 1, 2 ….

Número de créditos morosos 0, 1,2,…

Número de clientes que pagan puntualmente sus créditos 0,1,2,3,…

Ejemplo

Sea el experimento aleatorio de lanzar 2 monedas al aire.

a) Determinar la distribución de probabilidades del número de caras.

Número de combinaciones = 2n = 22 = 4
n representa el número de monedas moneda= C, S

Moneda 1 Moneda2

C C

C S

S C

S S

El espacio muestral es:

S = {CC, CS, SC, SS}

La probabilidad de cada punto muestral es de 1/4, es decir:

P(CC) = P(CS) = P(SC) = P(SS) = 1/4

La distribución de probabilidades del número de caras se presenta en la siguiente tabla:

El gráfico de distribuciones de probabilidad

Interpretación:

La probabilidad de obtener 0 caras al lanzar 2 monedas al aire es de 1/4 = 0,25 = 25%

La probabilidad de obtener una cara al lanzar 2 monedas al aire es de 2/4 = 0,5 = 50%

La probabilidad de obtener 2 caras al lanzar 2 monedas al aire es de 1/4 = 0,25 = 25%

b) Determinar la distribución de probabilidades del número de sellos

Realizar como taller

Ejemplo:

En una empresa se dispone de 3 puntos de control de calidad en paralelo. Determinar la

distribución de probabilidades de pasar el control de calidad. En este control el producto pasa o no
pasa el control de calidad.

Número de combinaciones= 23 =8 control= P, N

CONTROL1 CONTROL2 CONTROL3

P P P

P P N

P N P

P N N

N P P

N P N

N N P

N N N

Espacio muestra S= {PPP, PPN, PNP, PNN, NPP, NPN, NNP, NNN}

P( E) = 1/8 de cada caso

La distribución de probabilidades de artículos aprobados se muestra en la tabla:

Número de artículos Probabilidad

Que pasan el control de
calidad
0 1/8=0.125 = 12.5%
1 3/8=0.375= 37.5%
2 3/8=0.375=37.5%
3 1/8=0.125=12.5%

La gráfica es:
Interpretación:

La probabilidad de tener 0 productos aprobados es del 12,5%

La probabilidad de tener 1 producto aprobado es del 37.5%

La probabilidad de tener 2 productos aprobados es del 37.5%

La probabilidad de tener 3 productos aprobados es del 12.5%

Taller:

Una empresa dedicada a la venta de ropa, por temporada navideña está contratando personal
para ventas, sean estos hombres o mujeres. Para el proceso de selección del personal están 3
personas que realizan las entrevistas en paralelo. Si acceden a la entrevista 3 personas al mismo
tiempo, determinar la distribución de probabilidades de ser aceptado para el puesto.

Deber:

a) Se realiza un experimento aleatorio donde se lanzar al aire 3 monedas, determinar la

distribución de probabilidades de que salga:
- Sello
- Cara.
b) Se realiza un experimento aleatorio donde se lanzar al aire 4 monedas, determinar la
distribución de probabilidades de que salga:
- Cara
- Sello
c) Una empresa se dedica a la fabricación de pantalones, utiliza a 2 personas para que
realicen el control de calidad del producto en paralelo. Determinar la distribución de
probabilidades de que pase el control de calidad.
 -
d) Tres personas acuden a un casino y deciden iniciar probando suerte con las máquinas
donde se pone una ficha y ésta les da un premio o no. Determinar la distribución de
probabilidad de que ganen el premio.

B) LA MEDIA Y LA VARIANZA DE LAS DISTRIBUCIONES DISCRETAS

i) Media

La media llamada también valor esperado, esperanza matemática o simplemente esperanza

de una distribución de probabilidad discreta es la media aritmética ponderada de todos los
resultados posibles en los cuales los pesos son las probabilidades respectivas de tales
resultados. Se halla multiplicando cada resultado posible por su probabilidad y sumando los
resultados. Se expresa mediante la siguiente fórmula:

𝛍=𝐄(𝐗)=𝜮(𝒙𝒊∙𝑷(𝒙𝒊))
Donde:
μ=E(X)= Media, Valor Esperado, Esperanza Matemática o simplemente Esperanza
𝑥𝑖 = Posible resultado
(𝑥𝑖)= Probabilidad del posible resultado

ii) Varianza

La varianza es el promedio de las desviaciones al cuadrado con respecto a la media. La

varianza mide la dispersión de los resultados alrededor de la media y se halla calculando
las diferencias entre cada uno de los resultados y su media, luego tales diferencias se
elevan al cuadrado y se multiplican por sus respectivas probabilidades, y finalmente se
suman los resultados. Se expresa mediante la siguiente fórmula:

Nota: La varianza se expresa en unidades al cuadrado, por lo que es necesario calcular la

desviación estándar que se expresa en las mismas unidades que la variable aleatoria y que
por lo tanto tiene una interpretación más lógica de la dispersión de los resultados
alrededor de la media. La desviación estándar se calcula así:

𝜎 =√ σ 2

Ejemplo
Hallar la esperanza matemática, la varianza y la desviación estándar del número de caras
al lanzar tres monedas al aire.

Número de resultados = 2n

n= Número de monedas

Número de resultados = 23 = 8

Moneda1 Moneda2 Moneda 3

C C C

C C S

C S C

C S S

S C C

S C S

S S C

S S S

El espacio muestral es S = {CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS}

La probabilidad de cada punto muestral es de 1/8

Se elabora las distribuciones de probabilidad y se realiza los cálculos respectivos. Estos

resultados se presentan en la siguiente tabla:

Observando la tabla se tiene:

Y calculando la desviación estándar se obtiene:

Interpretación:

El valor de μ=E(X)=1,5 significa que si se promedian los resultados del lanzamiento de las
tres monedas (teóricamente, un número infinito de lanzamientos), se obtendrá 1,5.

Los valores de 𝜎2=0,75 y 𝜎=0,866 miden la dispersión de los resultados de lanzar las tres
monedas alrededor de su media.

Taller:

a) Hallar la esperanza matemática, la varianza y la desviación estándar del número de

caras al lanzar cuatro monedas al aire.
b) Hallar la esperanza matemática, la varianza y la desviación estándar del número de
prendas que adquieren dos personas que ingresan al mismo tiempo a un almacén y
deciden adquirir una prenda.

Deber:

a) Hallar la esperanza matemática, la varianza y la desviación estándar del número de

sellos al lanzar cuatro monedas al aire.
b) Dos mujeres ingresan a un almacén que está realizando promociones de zapatos,
deciden comprar un par de zapatos cada una, determinar la esperanza matemática, la
varianza y la desviación estándar de los pares de zapatos vendidos.

C) DISTRIBUCIÓN BINOMIAL

i) Definición:
Cuando se dispone de una expresión matemática, es factible calcular la probabilidad de
ocurrencia exacta correspondiente a cualquier resultado específico para la variable aleatoria.
La distribución de probabilidad binomial es uno de los modelos matemáticos (expresión
matemática para representar una variable) que se utiliza cuando la variable aleatoria discreta es
el número de éxitos en una muestra compuesta por n observaciones.

ii) Propiedades:
- La muestra se compone de un número fijo de observaciones n

- Cada observación se clasifica en una de dos categorías, mutuamente excluyentes (los eventos
no pueden ocurrir de manera simultánea. Ejemplo: Una persona no puede ser de ambos sexos)
y colectivamente exhaustivos (uno de los eventos debe ocurrir. Ejemplo: Al lanzar una moneda,
si no ocurre cruz, entonces ocurre cara). A estas categorías se las denomina éxito y fracaso,
bien o mal, blanco o negro, etc.

- La probabilidad de que una observación se clasifique como éxito, p, es constante de una

observación o otra. De la misma forma, la probabilidad de que una observación se clasifique
como fracaso, 1-p, es constante en todas las observaciones.
- La variable aleatoria binomial tiene un rango de 0 a n

iii) Ecuación:

Donde:
(𝑋)=Probabilidad de X éxitos, dadas n y p
𝑛 = Número de observaciones
𝑝 = Probabilidad de éxitos
1−𝑝 = Probabilidad de fracasos
𝑋 = Número de éxitos en la muestra (X= 0, 1, 2, 3, 4,………n)

iv) Media de la distribución binomial

La media 𝜇 de la distribución binomial es igual a la multiplicación del tamaño 𝑛 de la muestra

por la probabilidad de éxito 𝑝.

𝝁=𝒏𝒑

v) Desviación estándar de la distribución binomial

𝝈=√ σ 2=√ np(1−p)

Ejemplo:

Determine P(X = 8) para n = 10 y p = 0,5

Aplicando la ecuación se obtiene:

Ejemplo

3) Se lanza ocho dados.

3.1) Calcular la probabilidad de obtener 2 seis
3.2) Calcular la probabilidad de obtener máximo 2 seis
3.3) Calcular la probabilidad de obtener al menos 2 seis

3.1) Calcular la probabilidad de obtener 2 seis

3.2) Calcular la probabilidad de obtener máximo 2 seis

X=0, n=8, p=1/6

8! 1 0 1
P(X=0) = ( ) (1− )8-0 = 0.233
0 ! ( 8−0 ) ! 6 6

X=1, n=8, p=1/6

8! 1 1 1
P(X=1) = ( ) (1− )8-1 = 0.372
1! ( 8−1 ) ! 6 6

P(X=2) = 0.2605

P(X≤2) = P(X=0) + P(X=1) + P(X=2)

= 0.233+0.372+0.2605

= 0.8655
3.3) Calcular la probabilidad de obtener al menos 2 seis

P(X≥2) = 1 – 0.233- 0.372 = 0.395

Taller

Se lanza 5 dados.
1) Calcular la probabilidad de obtener 3 cuatros
2) Calcular la probabilidad de obtener máximo 3 cuatros
3) Calcular la probabilidad de obtener al menos 3 cuatros

DEBER

a) Se lanza 7 dados.
1) Calcular la probabilidad de obtener 3 cincos
2) Calcular la probabilidad de obtener máximo 3 cincos
3) Calcular la probabilidad de obtener al menos 3 cincos

b) Se lanza 10 dados.
1) Calcular la probabilidad de obtener 4 seis
2) Calcular la probabilidad de obtener máximo 4 seis
3) Calcular la probabilidad de obtener al menos 4 seis

Ejemplo

Se lanzan simultáneamente tres monedas, calcular la probabilidad de que se obtengan:

1) Tres caras.
2) Dos caras y un sello
3) Una cara y dos sellos
4) Tres sellos
5) Al menos una cara

Designando por C = cara y por S = sello se tiene:

Espacio muestral = S = {CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS}, entonces, n(S) = 8

Cada una de estos puntos muestrales son igualmente probables, con probabilidad de 1/8

Todas las probabilidades individuales se representan en la siguiente tabla:

1.- Tres caras

Tres caras.
Observando la tabla se obtiene que P(CCC) = 1/8
Aplicando la fórmula se obtiene:

2.- Dos caras y un sello

Observando la tabla se obtiene que P(CCS) = 3/8
Aplicando la fórmula se obtiene:

3) Una cara y dos sellos

Observando la tabla se obtiene que P(CSS) = 3/8
Aplicando la fórmula se obtiene:
4) Tres sellos
Observando la tabla se obtiene que P(SSS) = 1/8
Aplicando la fórmula se obtiene:

5) Al menos una cara

Observando la tabla se obtiene que:

P(Al menos C) = P(CCC) + P(CCS) + P(CSS) = 1/8 +3/8 + 3/8 = 7/8

O también P(Al menos C) = 1 – P(SSS) = 1 – 1/8 = 7/8

PROBLEMAS

a) Se lanza un nuevo producto al mercado y se ha logrado determinar que la probabilidad que

se le guste a los clientes es de 0.6. Se pide probar el nuevo producto a 5 clientes, determinar la
probabilidad de que les guste a 3.

p= 0.6, n= 5, x=3

5!
P(X=3) = .(0.6)3 (1−0.6)5−3 = 0.3456= 34.56%
3! (5−3 ) !

Hay una probabilidad del 34.56% de que a 3 clientes de los 5 les guste el nuevo producto.

b) Se produce una vacuna para una nueva enfermedad, se considera que tiene una probabilidad
de efectividad del 97%. Se hace la prueba con 100 pacientes, determinar la probabilidad de que
en 80 sea efectiva la vacuna.

c) Por una carreta circulan alrededor de 2000 autos diariamente, mediante un estudio anterior se
ha determinado que existe una probabilidad de un 40% que sufran un accidente un vehículo en
ese sector, determinar la probabilidad de que 5 autos sufran un accidente.

d) Se toma un examen de estadística aplicada a 35 estudiantes de la especialidad de

administración, si se conoce que la probabilidad de que le vaya bien a un estudiante es del
95.5%. Determinar la probabilidad de que a 33 estudiantes les vaya bien en el examen.

e) Una empresa lanza al mercado un nuevo auto que usa todas las tecnologías actuales para
mejorar la seguridad del cliente. Se ha establecido que hay una probabilidad de un 98,3% que le
guste a un cliente. Si a la feria del automóvil asisten 1500 personas, determinar la probabilidad
de que les guste al 90% de los asistentes.
D) 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 o
espacio (volumen o área) en donde se puede presentar más de un evento. Algunos ejemplos
serían:

 Los defectos en la superficie de un refrigerador,

 El número fallas de la red en un día,
 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 las probabilidades si:

 Le interesa contar las veces que se presenta un evento en particular dentro de un área de
oportunidad determinada. El área de oportunidad se define por tiempo, extensión, área,
volumen, etc.
 La probabilidad de que un evento se presente en un área de oportunidad dada es igual
para todas las áreas de oportunidad.
 El número de eventos que ocurren en un área de oportunidad es independiente del
número de eventos que se presentan en cualquier otra área de oportunidad.
 La probabilidad de que dos o más eventos se presenten en un área de oportunidad
tiende a cero conforme esa área se vuelve menor.

ii) Fórmula.- La distribución de Poisson tiene un parámetro, llamado 𝜆 (letra griega lambda
minúscula), que es la media o el número esperado de eventos por unidad. La varianza de la
distribución de Poisson también es igual a 𝜆, y su desviación estándar es igual a √ λ. El número
de eventos X de la variable aleatoria de Poisson fluctúa desde 0 hasta infinito.

Donde:

(𝑋)= Probabilidad de X eventos en un área de oportunidad

𝜆= Número de eventos esperados

𝑋= Número de eventos

𝑒= Constante matemática base de los logaritmos naturales aproximadamente igual a

2,718281828…. Este número es de gran importancia, tan sólo comparable a la del número 𝜋
(𝑝𝑖), por su gran variedad de aplicaciones.

Ejemplo

1.- Suponga una distribución de Poisson. Si 𝜆=1 , calcular P(X= 0)

Aplicando la fórmula se obtiene:

2.- Suponga que la media de clientes que llega a un banco por minuto durante la hora que va
del mediodía a la 1 pm es igual a 3.

a) ¿Cuál es la probabilidad de que lleguen exactamente dos clientes durante un minuto?

Λ = 3, X=2

e−3 32
P(X=2) = =¿
2!

P(X=2)=0,2240, hay una probabilidad de un 22.40%

b) ¿Y cuál es la probabilidad de que lleguen más de dos clientes durante un minuto dado?

P(X>2) = 1-P(X=0)-P(X=1)-P(X=2)

e−3 3 0
P(X=0) =
0!

P(X=0)=0.04979

e−3 31
P(X=1) =
1!

P(X=1)=0.1494

P(X=2)=0,2240

P(X>2) = 1- 0.04979-0.1494-0.2240
 P(X>2) = 0.57681, hay una probabilidad del 57.681%

3) El gerente de control de calidad de una empresa que elabora galletas inspecciona un lote de
galletas con chispas de chocolate que se acaban de preparar. Si el proceso de producción está
bajo control, la media de chispas de chocolate por galleta es 6.¿Cuál es la probabilidad de que
en cualquier galleta inspeccionada.

a) Se encuentre menos de cinco chispas?

0,2851

b) Se encuentren exactamente cinco chispas?

0,1606

c) Se encuentren cinco o más chispas?

0,7149

4.- El departamento de transporte registra las estadísticas de las maletas maltratadas por cada
1000 pasajeros. En 2000, una empresa de transporte tuvo 3,21 maletas maltratadas por cada
1000 pasajeros. Calcular cuál es la probabilidad de que, en los próximos 1000 pasajeros,
aquella empresa tenga
a) Ninguna maleta maltratada?
0,0404
b) Al menos una maleta maltratada?
0,9596
c) Al menos dos maletas maltratadas?
0,8301