06/08/2019

Distribuciones de probabilidad

¿Qué es una distribución de Probabilidad?

• Una distribución de frecuencias es un listado de las

frecuencias observadas de todos los resultados de un
experimento que se presentaron realmente cuando se
efectuó éste, mientras que una distribución de
probabilidad es un listado de las probabilidades de todos
los posibles resultados que podrían obtenerse si el
experimento se llevara a cabo.

• Una distribución de probabilidad es una lista de todos los

resultados posibles de algún experimento y de la
probabilidad asociada a cada resultado.

1
 06/08/2019

¿Qué es una distribución de Probabilidad?

Variable aleatoria discreta: Puede asumir solo ciertos valores, con

frecuencia números enteros y resulta principalmente del conteo.

Variable aleatoria continua: Resulta principalmente de la medición y

puede tomar cualquier valor, al menos dentro de una rango definido.

2
 06/08/2019

Valor esperado de una variable

El valor esperado de una variable aleatoria discreta, es la media

ponderada de todos los posibles resultados en los cuales los pesos
son las probabilidades respectivas de los resultados.

Para obtener el valor esperado de una variable aleatoria discreta, se

multiplica cada valor que la variable puede tomar por la
probabilidad de ocurrencia de ese valor y luego se suman los
productos.

Valor esperado de una variable

Ejemplo: Dado un sistema de prestación de servicios, conformado
por una fila y un servidor, cual es el numero esperado de clientes en
fila (promedio en fila).
Observación Clientes en fila Probabilidad CxP
1 8 0,04
2 2 0,17
3 4 0,11
4 0 0,04
5 2 0,01
6 1 0,06
7 5 0,14
8 5 0,02
9 9 0,1
10 4 0,05
11 3 0,05
12 0 0,07
13 5 0,12
14 2 0,03
15 3 0,03
Valor esperado =

3
 06/08/2019

DISTRIBUCIONES DE PROBABILIDAD DISCRETAS

Características:

1. Es generada por una variable discreta (X)

X Variable que, normalmente solo toma valores enteros

(0, 1, 2, 3, 4, 5, 6, 7, 8, ... etc.)

2. Las probabilidades asociadas a cada uno de los valores

que toma X deben ser mayores o iguales a cero.

3. La sumatoria de las probabilidades asociadas a cada uno

de los valores que toma x debe ser igual a 1.

DISTRIBUCIONES DE PROBABILIDAD DISCRETAS

DISCRETA UNIFORME
BINOMIAL
GEOMETRICA*
BINOMIAL NEGATIVA*
HIPERGEOMETRICA*
POISSON

*Investigar, definicion y parámetros

4
 06/08/2019

DISTRIBUCIÓN UNIFORME DISCRETA (a,b)

Describe el comportamiento de una variable discreta que

puede tomar n valores distintos con la misma probabilidad
cada uno de ellos.
Valores:
x: a, a+1, a+2, ..., b, números enteros
Parámetros:
a: mínimo, a entero
b: máximo, b entero con a < b

EJEMPLO

Selección de un empleado entre un equipo de 10 con el

fin de supervisar un proyecto especifico. Esa selección se
hace al azar utilizando papeletas con números.

Cuál es la media y la varianza de la distribución de

probabilidad del número de la papeleta.?

5
 06/08/2019

EJEMPLO

Una empresa de químicos produce un fertilizante

inorgánico para césped, para aquellos quienes fertilizan
su pasto en casa, de manera que lo pueden podar con
mas frecuencia. Este tipo de fertilizante se vende en
bolsas con un peso uniformemente distribuido, con media
de 25 lb y un rango de 2,4 lb. Un comprador necesita 23 lb
para fertilizar su césped, pero duda si comprar sólo una
bolsa ya que se desvía de las 25 lb en un rango de 2,4lb.
También tiene curiosidad sobre la probabilidad de comprar
una bolsa con más de 25,5 lb.

DISTRIBUCION BINOMIAL (n,p)

Esta distribución aparece de forma natural al realizar

repeticiones independientes de un experimento que
tenga respuesta binaria, generalmente clasificada como
“éxito” o “fracaso”.
La variable discreta que cuenta el número de éxitos en n
pruebas independientes de ese experimento, cada una
de ellas con la misma probabilidad de “éxito” igual a p,
sigue una distribución binomial de parámetros n y p.
Este modelo se aplica a poblaciones finitas de las que
se toma elementos al azar con reemplazo.

6
 06/08/2019

Valores:
x: 0, 1, 2, ..., n

Parámetros:
n: número de pruebas, n > 0 entero
p: probabilidad de éxito, 0 < p < 1

n = número de ensayos realizados

n p = probabilidad de éxito
f ( x)    p x (1  p) n  x (1-p)= q = probabilidad de fracaso
 x X = número de exitos deseados
n - x = número de fracasos deseados
n n! px = probabilidad favorable
  
 x  x!n  x !

E(X) = np V(X) = np(1-p)

EJEMPLO

Si sabe que el 40% de los bachilleres trabajan durante el

verano para ganar dinero para su educación
universitaria, tomando al azar 7 bachilleres, cual es la
probabilidad de:

• Que cinco de los siete tenga trabajo en verano?

• Que ninguno trabaje?
• Que todos trabajen?

7
 06/08/2019

DISTRIBUCIÓN POISSON (lambda - l )

La distribución de Poisson, debe su nombre al matemático

francés Simeón Denis Poisson (1781-1840), ya había sido
introducida en 1718 por Abraham De Moivre como una forma
límite de la distribución binomial que surge cuando se observa
un evento raro después de un número grande de repeticiones.
Expresa, a partir de una frecuencia de ocurrencia media “tasa
de ocurrencia”, la probabilidad de que ocurra un determinado
número de eventos durante cierto periodo de tiempo o
espacio
La distribución de Poisson se puede utilizar como una
aproximación de la binomial, Bin(n, p), si el número de
pruebas n es grande, pero la probabilidad de éxito p es
pequeña; una regla es que la aproximación Poisson-binomial
es “buena” si n≥20 y p≤0,05 y “muy buena” si n ≥ 100 y p ≤
0,01.

Valores:
x: 0, 1, 2, ...

Parámetros:
lambda: media de la distribución, lambda > 0

Probabilidad de que ocurran x éxitos, cuando el

número promedio de ocurrencia de ellos es l
e l lx l = media o promedio de éxitos por unidad de
f ( x) 
x! tiempo, área, etc
x = variable que denota el número de éxitos que
se desea que ocurra

E(X) = l l  np V(X) = l

8
 06/08/2019

EJEMPLO

Un departamento de reparación de maquinaria recibe un

promedio de cinco solicitudes de servicio por hora. Cual es
la probabilidad de que se reciban al azar exactamente tres
solicitudes en una hora seleccionada al azar..