Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Probabilidad Discreta
• Variable aleatoria.
• Distribuciones de probabilidad discreta.
• Valor esperado y Varianza.
• Distribución de probabilidad binomial.
• Distribución de probabilidad de Poisson.
• Distribución de probabilidad Hipergeométrica.
Variable aleatoria discreta: es una variable aleatoria que toma un número finito de valores o
una sucesión infinita de valores como 0, 1, 2, …
Ejemplo: Cantidad de vehículos que llegan a un peaje. La variable aleatoria 𝑥 se define como:
• 𝑥 = número de vehículos que llegan a un peaje en un día.
• La variable 𝑥 es una variable aleatoria discreta que toma uno de los valores de la sucesión
infinita 0, 1, 2, ….
Variable aleatoria continua: es una variable que puede tomar cualquier valor numérico dentro
de un intervalo o colección de intervalos.
• Tiempo
• Peso
• Distancia
• Temperatura
Ejemplo: Se observan las llamadas telefónicas que llegan a la oficina de atención de una
empresa de seguros. La variable aleatoria 𝑥 se define como:
En el caso de una variable aleatoria discreta 𝑥, la distribución de probabilidad está definida por una
función de probabilidad, denotada por 𝑓 𝑥 . La función de probabilidad da la probabilidad de
cada valor de la variable aleatoria.
Ejemplo: Considerando las ventas de automóviles en un concesionario. Durante los últimos 300
días, se tiene la siguiente información:
• 54 días en los que no se vendió ningún vehículo, 117 días en los que se vendió 1 vehículo, 72
días en los que se vendieron 2 vehículos, 42 días en los que se vendieron 3 vehículos, 12 días en
los que se vendieron 4 vehículos, y 3 días en los que se vendieron 5 vehículos.
• Experimento: seleccionar un día de operación en el concesionario.
• Variable aleatoria, 𝒙 = número de vehículos vendidos en un día.
• 𝑥 es una variable aleatoria discreta que puede tomar los valores 0, 1, 2, 3, 4, 5.
• 𝑓(0) da la probabilidad de vender 0 vehículos, 𝑓(1) da la probabilidad de vender 1 vehículo,
etc.
𝑥 = cantidad de vehículos vendidos en un día.
E(x)= 6
Var(x)= 4,5
Desv. Est.= 2,1
Ejercicios.
E(x)= 5,2
Var(x)= 4,6
Desv. Est.= 2,1
D. Alto nivel
E(x)= 4,05
Var(x)= 1,2475
Desv. Est.= 1,12
D. Nivel medio
E(x)= 3,84
Var(x)= 1,1344
Desv. Est.= 1,07
Es una distribución de probabilidad que tiene muchas aplicaciones y está relacionada con un
experimento de pasos múltiples al que se le llama experimento binomial.
Si 𝑥 denota el número de éxitos en 𝑛 ensayos, entonces 𝑥 tomará los valores 0, 1, 2, … 𝑛. Como los
valores que toma la variable 𝑥 es un valor finito, 𝑥 es una variable aleatoria discreta. A la distribución de
probabilidad correspondiente a esta variable aleatoria se le llama distribución de probabilidad binomial.
Ejemplo. Se lanza una moneda 5 veces y se observa si cae cara o sello. Suponga que se desea contar el
número de caras que aparecen en los 5 lanzamientos.
Variable aleatoria:
𝑥 = número de caras que aparecen en los 5 lanzamientos.
𝑥 puede tomar los valores 0, 1, 2, 3, 4, 5.
Ejemplo. Vendedor de seguros que visita 10 empresas elegidas de forma aleatoria. Los resultados de
cada visita son:
Por experiencia, el vendedor sabe que la probabilidad de que una empresa tomada aleatoriamente
compre un seguro es 0.1.
Validación de propiedades:
La varianza y la desviación estándar del número de clientes que harán una compra es
En una distribución de
Poisson, la media y la
varianza son iguales.
Ejemplo (intervalo de tiempo): Suponiendo que se desea saber el número de personas que llegan a un
cajero en un lapso de 15 minutos, sabiendo que en un análisis de datos pasado se encontró que en
promedio, en un lapso de 15 minutos, llegan 10 usuarios. Si se supone que:
• La probabilidad de que llegue un usuario al cajero es la misma en cualesquiera dos lapsos de la
misma duración.
• Si llega o no llega un usuario al cajero es independiente de si llega o no llega un usuario al cajero en
cualquier otro lapso.
Entonces se puede aplicar la función de probabilidad de Poisson, así:
𝜇 𝑥 𝑒 −𝜇
𝑓 𝑥 =
𝑥!
Donde 𝜇 = 10 y 𝑥 = número de usuarios que llegan al cajero en un lapso de 15 minutos, entonces
10𝑥 𝑒 −10
𝑓 𝑥 =
𝑥!
Si se desea saber la probabilidad de que lleguen 5 usuarios en un lapso de 15 minutos, esto es
105 𝑒 −10
𝑓 5 = = 0,0378.
5!
Ejemplo: Suponiendo que se desea saber el número de personas que llegan a un cajero en un lapso de
15 minutos, sabiendo que en un análisis de datos pasado se encontró que, en promedio, en un lapso
de 15 minutos llegan 10 usuarios.
2
𝜇 = 10 usuarios / 15 minutos, esto es, 𝜇 = usuarios/minuto, por lo tanto el número promedio de
3
2
usuarios en un lapso de 3 minutos es 𝜇 = 3 = 2. Así:
3
Con 𝑥 = 1 y 𝜇 = 2
21 𝑒 −2
𝑓 1 = = 0,2707.
1!
Determine a probabilidad de que no haya ninguna avería en un tramo de 3 tres millas de autopista.
Se sabe 𝜇 = 2 averías/milla, así que para tres millas el promedio de averías será 𝜇 = 6.
60 𝑒 −6
𝑓 0 = = 0,0025.
0!
Ejemplos
Número de maneras en que es posible tomar una muestra de tamaño 𝑛 de una población
de tamaño 𝑁.