Unidad 3:

3.1 Distribuciones discretas de probabilidad

a) Distribuciones discretas binomiales

b) Distribuciones discretas de poisson

3.2 Distribuciones continuas

a) Distribución normal

3.3 切腹 (Matate solo)

* Variable aleatoria:

Es una función que asocia un número real a cada evento de un espacio muestral.

Una variable aleatoria se representará con una letra mayúscula de nuestro alfabeto, generalmente
se utiliza la “X” y su correspondiente letra minúscula “x” para cada uno de sus valores. Cada valor
posible de x representa un evento que es un subconjunto del espacio muestral para el
experimento

Ejemplo 1:

En una urna hay 4 tarjetas rojas y 3 tarjetas verdes. Se extraen en dos tarjetas en sucesión sin
remplazo.

Determine los valores que puede tomar la variable aleatoria “x” la cual nos representara el
número de tarjetas rojas.

Solución:

4 tarjetas rojas (R1, R2, R3, R4)

3 tarjetas verdes (V1, V2, V3)

X = No. De tarjetas rojas

Espacio muestral:

S = Para no. De tarjetas rojas = 2

Ejemplo 2:

Se lanzan 3 veces una moneda y se desea obtener los valores de la variable aleatoria “x” “numero
de sellos”. Cuáles son los valores que pueden tomar dicha variable

Solución:

X = Número de sellos

Espacio muestral

S = 2*2*2 = 8
Ejemplo 3:

El encargado de un almacén le devuelve 3 cascos de seguridad, seleccionados aleatoriamente, a 3

obreros del taller quienes previamente se habían medido dichos cascos. Suponiendo que el orden
en que están los cascos son los siguientes:

Cascos:

Carlos, Jesús y Ángel

Es el correcto para recibir su casco original, determine las formas posibles en que los obreros
pueden recibir su casco y obtenga los valores de la variable aleatoria x la cual representara
“entrega correcta de cascos”.

X = Entrega correcta de cascos

Solución:

Espacio muestral X

CJA 3

CAJ 1

JCA 1

JAC 0

ACJ 0

AJC 1
- Variable aleatoria discreta:

Una variable aleatoria discreta se llama variable aleatoria discreta si el número de resultados
posibles se puede “contar”.

- Variable aleatoria continua:

Es aquella variable aleatoria que puede tomar valores en una escala continua, es decir que puede
tomar valores fraccionarios. En la mayoría de los problemas prácticos las variables aleatorias
continuas representan valores o datos que son medidos tales como estaturas, pesos, distancias,
temperaturas, etc…, mientras que las variables discretas representan datos que se cuentan tales
como el número de artículos defectuosos de una muestra de “n” artículos, el número de
accidentes automovilísticos que suceden por mes en un estado, el número de alumnos reprobados
en matemáticas en una escuela, etc…

Distribuciones discretas de probabilidad:

-Distribución de probabilidad:

Es una gráfica, tabla o formula que proporciona la probabilidad de cada valor de la variable
aleatoria. Una variable aleatoria discreta asume cada uno de sus valores con una cierta
probabilidad.

Ejemplo 1:

Una moneda es lanzada 3 veces, obtenga:

*El espacio muestral

*Distribución de probabilidad para la variable aleatoria discreta “numero de águilas”.

Solución:

S = 8 = {AAA, SSS, AAS, ASA, ASS, SSA, SAS, SAA}

S X

AAA 3

SSS 0

AAS 2

ASA 2

ASS 1

SSA 1

SAS 1

SAA 2
X 0 1 2 3

P (x) 1/8 3/8 3/8 1/8} probabilidad de la variable aleatoria

Distribución de Probabilidad:

Es frecuente encontrar problemas que en los cuales es conveniente representarlos con una
formula, así como también representar con otra fórmula todas las probabilidades de una variable
aleatoria “X”. Dicha fórmula necesariamente debe ser una función de los valores numéricos “X” y
que se expresa por:

f(x), g(x), h(x), etc.

Por lo tanto, se puede escribir:

f(x) = p (X = x)

Al conjunto de pares ordenados (x, f(x)) se le llama Función de probabilidad o distribución de

probabilidad de la variable aleatoria discreta “x”

Ejemplo 1:

Existen muchos problemas en los cuales se desea calcular la probabilidad de que el valor esperado
de una variable aleatoria “x” sea menor que o igual a algún número real “X”. si se escribe f(x) = P
(X ≤ x) para cada número real x se define que f(x) es la distribución acumulada de la variable
aleatoria x
Ejercicios sobre distribución acumulada:

1. Del experimento lanzar una moneda 3 veces obtenga

a) El espacio muestral

b) Los valores de la variable aleatoria “x”

c) La distribución acumulada de las probabilidades

Suponga que la variable aleatoria “x” nos representa número de águilas:

Espacio muestral Valores X

AAA 3

AAS 2

ASA 2

ASS 1

SSS 0

SSA 1

SAS 1

SAA 2

Distribución de probabilidades

X 0 1 2 3

P(x) 1/8 3/8 3/8 1/8

Suma = 1
Ejercicio 2:

Obtenga la distribución acumulada de probabilidades para el ejercicio la entrega de cascos a 3

obreros donde la variable aleatoria x nos representa “entrega de cascos correctos

Espacio muestral X

CJA 3

CAJ 1

JCA 1

JAC 0

ACJ 0

AJC 1

Distribución de probabilidad

X 0 1 3

P(X) 2/6 3/6 1/6

Suma = 1
Ejercicio 3:

Un embarque de 8 computadoras similares que se envía a un distribuidor contiene 3 aparatos

defectuosos. Si una escuela realiza una compra aleatoria de 2 de estas computadoras, obtenga la
distribución de probabilidad y la distribución acumulada para el numero de computadoras
defectuosas

8 computadoras {3 def. y 5 no def.}

X = Computadoras defectuosas

Espacio Muestral

C = 8! / (8-2)! * 2! = 8! / 6! * 2! = 56/2 = 28
2 8

X puede tomar los valores: 0, 1 y 2.

* Para 0 defectuosas

C = 10
2 5

*Para 1 defectuoso

C =3
2 3

C =5
2 5

3*5 = 15

* Para 2 defectuosas

C =3
2 3

Distribución de Probabilidad

X 0 1 2

P(X) 10/28 15/28 3/28

Suma = 28/28 = 1

Distribución Acumulada

0 para x < 0

10/28 para 0 ≤ x < 1

F (x) = 25/28 para 1 ≤ x < 2

1 para x ≥ 2
Distribución binomial:

Existen diversas distribuciones discretas de probabilidad entre ellas y de las más importantes esta
la distribución de probabilidad binomial las distribuciones de probabilidad son importantes porque
nos permiten enfrentar circunstancias en las que los resultados pertenecen a dos categorías
relevantes, tales como; Aceptable o no aceptable, defectuoso o no defectuoso, éxito o fracaso o
para resolver problemas de decisión de si o no

Definición de distribución de probabilidad binomial:

Es aquella distribución de probabilidad que resulta de un procedimiento que debe cumplir con
todos los requisitos siguientes:

1. Debe tener un número fijo de ensayos

2. Los eventos o ensayos deben ser independientes, es decir, que el resultado de cualquier
ensayo individual no afecte las probabilidades de los otros ensayos
3. Todos los resultados de cada ensayo o evento deben estar clasificados en 2 categorías
4. Las probabilidades tienen que mantenerse constantes para cada evento o ensayo

Notación para las distribuciones de probabilidad binomial:

E = éxito

F = fracaso

Estas dos palabras denotan las dos categorías posibles de todos los resultados

p = probabilidad de éxito

q = probabilidad de fracaso

q=1–p

n = total de ensayos o eventos

x o r = nos representa un numero especifico de éxitos

En un total de n ensayos x puede tomar cualquier número entero positivo y positivo entre 0 y n
inclusive. La palabra éxito que se utiliza en este tema es arbitrario y no necesariamente representa
algo bueno. Cualquiera de las dos categorías posibles puede denominarse éxito y la probabilidad
“p” siempre debe asociarse con la categoría éxito.

Fórmula utilizada en la probabilidad binomial:

En cualquier distribución binomial debe de utilizarse la siguiente expresión para calcular cualquier
probabilidad de su variable aleatoria discreta

P (x) = n! / (n-x)! * x! * px*qn-x

Ejercicio de distribución binomial usando la fórmula:

Ejemplo 1.

La probabilidad de que una cierta clase de componente pase con éxito una determinada prueba de
impacto que es 3/4. Encuentre la probabilidad de que exactamente 2 de los siguientes 4
componentes que se prueban pasen la prueba.

N=4

X=r=2

P = ¾ = 0.75

1 = 1-p = 1- ¾ = ¼ = 0.25

Sust. En la formula

P (x) = n! / (n-x)! * x! * px*qn-x

P (x) = 4! / (4-2)! * 2! * 3/42*1/44-2

= 4! / 2! * 2! * 3/42*1/44-2

= (6)(9/16)(1/16) = 0.21(100%) = 21%

Resuelva el ejercicio anterior utilizando las tablas de distribución binomial

Las tablas de distribución binomial nos proporcionan la probabilidad acumulada desde 0 hasta el
valor de “r” o de “n”
Ejercicio 2:

Al probar una cierta clase de neumático para camión en un terreno escabroso se encontró que el
25% de los camiones terminaban la prueba con los neumáticos dañados de los siguientes 12
camiones probados encuentre la probabilidad de que

a) De 3 a 6 tengan ponchaduras
b) Menos de 4 tengan ponchaduras
c) Mas de 5 tengan ponchaduras

Solución:

X = Neumáticos Dañados (Con Ponchaduras)

P = 25% (0.25)

N = 12

a) De 3 a 6 Tengan Ponchaduras

3≤x≤6

0 1 2 3 4 5 6 7 8 9 10 11 12

P (3 ≤ x ≤ 6) = p (x ≤ 6) – p (3 ≤ x) = 0.9857 – 0.3907 = 0.595(100%) = 59.5%

b) Menos de 4

x<4

0 1 2 3 4 5 6 7 8 9 10 11 12

P (x < 4) = p (x ≤ 3) = 0.6488 = 64.88%

c) Mayor de 5

x>5

0 1 2 3 4 5 6 7 8 9 10 11 12

P (6 ≤ x ≤ 12) = 1 – P (x ≤ 5) = 1 – 0.9456 = 0.0544 = 5.44%

Ejemplo 3:

Una investigación de los residentes de una ciudad de México mostro que el 20% preferían un
teléfono blanco que de cualquier otro color disponible. ¿Cuál es la probabilidad de que?

a) Más de la mitad de los siguientes 20 teléfonos que se instalen en esta ciudad sean de color
blanco

b) De los mismos 20 teléfonos que se instalen es la probabilidad de que todos sean de color blanco

Solucion:

A)

X = N. de Tel. Blancos

N = 20

P = 20%

P (X > 10) = 1 – P (x ≤ 10)

P (x > 10) = 1 – 0.9994

= 0.0006(100%) = 0.06%

B)

P (X = 20)

P (x = 20) = 1 – P(x ≤ 19)

= 1-1

= 0%
Distribución de probabilidad de poisson

Definición de distribución de poisson:

Es aquella distribución de probabilidad de la variable de poisson que representa el número de

resultados que ocurren en un intervalo de tiempo, distancia, área, volumen o alguna unidad
similar

Variable de poisson:

Es el numero x de resultados que ocurren en un experimento de poisson

Experimento de poisson:

Son aquellos experimentos que resultan en valores numéricos de una variable aleatoria x misma
que representa el número de resultados en un intervalo de tiempo, distancia, área, volumen o una
unidad similar.

Cuando se dese calcular la probabilidad de una variable aleatoria donde el problema dado nos
proporciona directamente el promedio o se puede calcular el promedio, para su cálculo se debe
utilizar la distribución de probabilidad de poisson.

La fórmula para utilizar la distribución de probabilidad de poisson es la siguiente:

M = Promedio de resultados por unidad de tiempo, distancia, área, volumen, etc…

X = Numero de ocurrencias o eventos durante un intervalo ya sea de tiempo, distancia, área,

volumen,etc…

E = Constante cuyo valor es igual a 2.718281

En una distribución de poisson los valores que toma la variable x pueden ser 0 1 2 3 4…. sin límite
superior