DISTRIBUCIONES DISCRETAS DE PROBABILIDAD

DISTRIBUCIÓN BINOMIAL
La distribución binomial es unas de las distribuciones de probabilidad discreta más importantes.
Recordemos que en una distribución de probabilidad discreta, la variable aleatoria asigna un
valor numérico a cada resultado en el espacio muestral del experimento. La distribución
binomial tiene que ver con una clase especial de experimento llamado experimento binomial.

EXPERIMENTO BINOMIAL
Un experimento que tiene exactamente dos posibles resultados o dos categorías de
resultados conocidos como "éxito" o "fracaso".

Ejemplos 1. Experimento: Lanzar una moneda.

El experimento tiene solamente dos resultados (H, T), por lo tanto es un
experimento binomial.
2. Experimento: Probando una nueva droga contra una enfermedad.
La droga cura (éxito) o no cura (fracaso) la enfermedad. Por lo tanto es un
experimento binomial.
3. Experimento: Un jugador gana si obtiene un número mayor que 4 y pierde si
obtiene cualquier otro número en el lanzamiento de un dado.
Los resultados del experimento (lanzar un dado) se puede poner en una de
dos categorías:
5, 6 1, 2, 3, 4

Los resultados en la primera categoría se definen como "éxito" y los resultados

en la segunda categoría se definen como "fracaso".

Es un ejemplo de distribución de probabilidad discreta. Las características que debe cumplir

una distribución de probabilidad para considerarse binomial, son:

 El resultado de cada ensayo dentro del experimento se clasifica en dos categorías

mutuamente excluyentes: éxito o fracaso.
 La variable aleatoria cuenta el número de éxitos en un número fijo de ensayos.
 La probabilidad de éxito permanece igual para todos los ensayos. Lo mismo ocurre con
la probabilidad de fracaso.
 Los ensayos son independientes. La ocurrencia de uno no afecta la probabilidad de
ocurrencia de otro.

La expresión matemática de este tipo de distribución es la siguiente:

 DISTRIBUCIÓN DE PROBABILIDAD P ( X ) = nCx px q n – x
BINOMIAL Donde:

C = denota una combinación

n = es el número de ensayos
x = es el número de éxitos
p = es la probabilidad de éxito de cada ensayo
q = probabilidad de fracaso

Un ejemplo en el que se usa la distribución binomial es el siguiente:

Cada día Aero México tiene 5 vuelos México – Colima. Supón que para cada vuelo, la
probabilidad de que este se retrase es de 0.20.

a) ¿Cuál es la probabilidad de que ninguno de los vuelos se retrase?

b) ¿Cuál es la probabilidad de que exactamente 1 vuelo se retrase?

Solución

a) La probabilidad de que ninguno de los vuelos se retrase es de 0.3277 ó 33%

P ( X ) = nCx px (1 – p) n – x
P ( 0 ) = 5C0 (0.20)0 (1 – 0.20) 5 – 0
P ( 0 ) = (1) (1) (0.3277)
P ( 0 ) = 0.3277

b) La probabilidad de que exactamente un vuelo se retrase es de 0.4096 ó 41%

P ( X ) = nCx px (1 – p) n – x
P ( 1 ) = 5C1 (0.20)1 (1 – 0.20) 5 – 1
P ( 1 ) = (5) (0.20) (0.4096)
P ( 1 ) = 0.4096
La distribución binomial completa para n=5, p=0.20 es la siguiente:

Número de vuelos Probabilidad

Con retraso (n) (x)
0 0.3277
1 0.4096
2 0.2048
3 0.0512
4 0.0064
5 0.0003
Total 1
La representación gráfica de esta distribución de probabilidad sería la siguiente:

Distribución de la probabilidad de retraso en los

vuelos de Aeroméxico (México - Colima)

0.5
0.4
Probabilidad

0.3
0.2
0.1
0
0 1 2 3 4 5
Número de vuelos

Tablas de probabilidad binomial

Una distribución de probabilidad binomial es una distribución teórica, que se puede calcular
mediante el uso de una fórmula. Sin embargo, los cálculos pueden ser muy tediosos. Por tal
motivo existen tablas en las que se pueden consultar las probabilidades de un determinado
número de éxitos para varios valores de n y de p.

DISTRIBUCIÓN DE POISSON

Se utiliza cuando las probabilidades de éxito (p) son menores a 0.05 y cuando (n) es muy
grande (p.e. mayor a 100).

Por lo demás tiene casi las mismas características que una distribución binomial simple. Se le
conoce también como ley de los eventos improbables.

DISTRIBUCIÓN DE P ( X ) = μx e –μ

PROBABILIDAD DE POISSON x!

Donde:

μ = Número promedio de éxitos durante un intervalo específico

e = Constante 2.71828 (Base del sistema de logaritmos naturales)

x = Número de éxitos
Una diferencia entre una distribución binomial simple y la de Poisson es que, a diferencia de la
binomial (dónde debe existir un número fijo de ensayos), para la distribución de Poisson X
puede asumir un número infinito de valores.

Un ejemplo donde se usa la distribución de Poisson es el siguiente:

Una empresa que se dedica a crear alimentos transgénicos experimenta problemas con una
plaga llamada gusano del maíz. El examen de 5000 mazorcas seleccionadas al azar reveló que
se encontraron en total 3500 gusanos.

a) ¿Cuál es la probabilidad de que una mazorca seleccionada al azar no tenga gusanos?

b) Desarrolla una distribución de probabilidad de Poisson para este experimento.

a) p (x = 0) = 0.4966, que se encuentra de:

μ = 3500 / 5000 = 0.7

Se utilizan las tablas de distribución de probabilidad de Poisson, haciendo referencia a una μ =

0.7 y una X = 0
b)
Número de éxitos Probabilidad de ocurrencia
x P (x)
0 0.4966
1 0.3476
2 0.1217
3 0.0284
4 0.0050
5 0.0007
6 0.0001

Una representación gráfica de esta distribución de probabilidad es la siguiente:

Distribución de probabilidad de Poissin para μ

= 0.7

0.5
0.4
Probabilidad

0.3
0.2
0.1
0
0 1 2 3 4 5 6
Número de gusanos
En resumen, la distribución de Poisson es parte del grupo de distribuciones discretas. Para
aplicarla, n debe ser grande y p debe ser pequeña. Todo lo que se necesita para construir una
distribución de Poisson es μ, que es el número promedio de éxitos durante un intervalo
específico. μ se calcula multiplicando n por p.

DISTRIBUCIÓN HIPERGEOMÉTRICA

Su aplicación exige los mismos requisitos de la distribución binomial, con la variante de que
para la Hipergeométrica la probabilidad de éxito no permanece igual de un ensayo al siguiente.
Otras características que se deben cumplir son:

 Que se seleccione una muestra de una población finita y sin reemplazo.

 Que el tamaño de la muestra (n) sea más de 5% de la población (N).

DISTRIBUCIÓN DE PROBABILIDAD P ( X ) =(K C x ) (N - K C n - x )

HIPERGEOMÉTRICA C
N n
Donde:

N = Tamaño de la población
K = # de éxitos en la población
x = # de éxitos que son de interés
n = Tamaño de la muestra o # de ensayos
C = Denota una combinación

Un ejemplo donde se usa la distribución Hipergeométrica es el siguiente:

Suponga que durante la semana se fabricaron 50 estaciones de juego para video. Cuarenta de
ellas funcionaron perfectamente, y diez tuvieron al menos un defecto. Se seleccionó al azar una
muestra de cinco. Utilizando la fórmula Hipergeométrica, ¿cuál es la probabilidad de que 4 de
los 5 funcionen perfectamente?

P ( 4 ) = (40 C 4 ) (50 - 40 C 5 - 4 )
50 C 5

P ( 4 ) = (91 390) (10)

2 118 760

P ( 4 ) = .431
Por lo tanto, la probabilidad de seleccionar 5 estaciones de juego y encontrar que 4 funcionan
perfectamente es de 0.431.

A fin de comparar las distribuciones de probabilidad binomial e Hipergeométrica, la siguiente

tabla muestra las probabilidades binomial aproximada e Hipergeométrica para el problema de
las estaciones de juego.

Como 40 de las 50 estaciones funcionan perfectamente, la probabilidad binomial de elegir una

estación de juego que funcione correctamente en un ensayo es 40/50 = 0.80; las probabilidades
binomiales de la tabla provienen de la tabla de probabilidad binomial n = 5, p = 0.80.

Número de estaciones de
juego en la muestra que Probabilidad
Probabilidad binomial
funcionan de manera Hipergeométrica
n = 5, p = 0.80
correcta P(x)
x
0 .000 .000
1 .004 .006
2 .044 .051
3 .210 .205
4 .431 .410
5 .311 .328

Cuando no es posible cumplir el requerimiento binomial de una probabilidad constante de éxito,

se utiliza en su lugar la distribución Hipergeométrica. Como se observa en la tabla las
probabilidades son muy semejantes. Así cuando para una distribución Hipergeométrica no se
cumple el requisito de una muestra mayor a 5% de la población, se puede usar la distribución
binomial para aproximar el resultado.
DISTRIBUCION BINOMIAL: Esta es una distribución discreta que estudia los procesos en los cuales los resultados
posibles son sólo dos. Éxito o fracaso

FUNCION PARAMETROS
PROPIEDADES
1. En el experimento existen “n”
observaciones o ensayos idénticos. Es La función que representa a la
= Es el promedio a
largo plazo o valor
decir n es constante. distribución binomial es la siguiente
esperado de una variable
2. Cada observación se puede considerar f(x)= n! . px qn-x aleatoria binomial y esta
como seleccionada de una población X!(n-x)! dada por
infinita sin reemplazo o finita con
reemplazo. En donde la  f(x)0 1 = np
3. Existen sólo dos resultados posibles En la fórmula cada expresión se define:
“éxito” o “fracaso”.
4. La probabilidad de éxito es “p” y la X= variable aleatoria binomial o número
x2= npq
probabilidad de fracaso (1-p) es
constante en cada ensayo.
de éxitos en “n” observaciones x= npq
independientes.
5. Los n ensayos son independientes. p= probabilidad de éxito
6. Estamos interesados en el número de q= probabilidad de fracaso
éxitos “x” observados en “n” ensayos. n= tamaño de la muestra
VARIABLE ALEATORIA BINOMIAL: px qn-x= la probabilidad de obtener “x”
éxitos y (n-x) fracasos en “n”
Es el número de éxitos obtenidos en una observaciones.
muestra de “n” observaciones. n! . Indica el número de
x!(n-x)! formas o combinaciones
posibles de obtener
“x” éxitos y (n-x)
fracasos en “n” observaciones.
DISTRIBUCION HIPERGEOMÉTRICA: Es una distribución discreta. Al igual que la binomial se ocupa
del número de éxitos en una muestra que contenga “n” observaciones. Lo que distingue a estas dos
distribuciones es la forma en como se toman los datos

SUPUESTOS FUNCIÓN PARÁMETROS APROXIMACION A

EJEMPLOS LA BINOMIAL

Un experimento
=n*p
hipergeométrico posee las ( k C x )( N  k Cn  x ) Si la proporción de la
P( x)  Media =
dos propiedades siguientes: N Cn muestra
1. Una muestra aleatoria de
tamaño “n” se selecciona p= K n/N 0.10 , se
sin reemplazo de un total N aplicara la
de “N” resultados o   n* p *q 1 n/ N distribución
artículos totales. binomial.
2. K resultados o artículos Donde:
del total de N pueden N = Tamaño de la población Si n/N>0.10
(1  n / N )
clasificarse como éxitos y
K = # de éxitos en la población Es el
N-k como fracasos
x = # de éxitos que son de factor de corrección Entonces se utilizará
La diferencia entre la interés para una población la distribución
hipergeométrica.
distribución binomial y la finita.
n = Tamaño de la muestra o #
hipergeométrica es la manera de ensayos
en como se lleva el muestreo
 Con reemplazo-binomial C = Denota una combinación
 Sin reemplazo-
hipergeométrica
DISTRIBUCION DE POISSON: La distribución de Poisson suele ser útil para describir la probabilidad del número de
acaecimientos con respecto a un campo o intervalo continuo generalmente e tiempo o espacio.

SUPUESTOS EJEMPLOS FUNCION PARAMETROS APROXIMACION A

LA BINOMIAL

 Existe un gran
número de puntos
Algunos ejemplos de
p(x) = e-x
posibles para la variables aleatorias
que se pueden x! Media = =n*p En una muestra sin
reemplazo
verificación de un
evento dado dentro representar o modelar
de cada unidad de por la distribución de varianza =media
media, y la Poisson son: n/N 0.10 y;
probabilidad de una x= 0,1.2.3,...,n
ocurrencia
cualquier a de esos
en
 Defectos por
p(x)=1  ==n*p
2
p0.10
Donde,
puntos es muy centímetro
pequeña  Accidentes por día
 La probabilidad de un  Clientes por hora X= la variable se puede usar la
acaecimiento u  Llamadas aleatoria de Poisson. aproximación de
ocurrencia es la telefónicas por Poisson a la Binomial.
misma a través de minutos
todo el campo de e= es la constante
 Cabeza de ganado
observación
 La probabilidad de
por hectárea base de los
más de una logaritmos
acaecimiento en Obsérvese que la naturales cuyo
cualquier punto único unidad de mediciones
es continua, pero la valor es de
es aproximadamente
cero. variable aleatoria es el 2.71828.
 El número de número de ocurrencia = número promedio
ocurrencia en y es discreta.
cualquier intervalo es de éxitos que
independiente del ocurren por
número de unidad de medida
ocurrencias en otros
intervalos