Unidad V

Distribuciones de Probabilidad Discretas.

 Identifica las funciones de
distribución de probabilidad
Competencia de la discretas para la solución de
Unidad problemas de aplicación en
ingeniería industrial y
logística.
 Examen 30%
Actividades 20%

Sistema de Evidencia de Unidad

Evidencia de
15%

5%
Evaluación Examen
Compendio de
30%
ejercicios
 5.1 Distribución Binomial.
Las características de esta distribución son:
• En los experimentos que tienen este tipo de distribución, siempre se esperan dos
tipos de resultados, ejem. Defectuoso, no defectuoso, pasa, no pasa, etc, etc.,
denominados arbitrariamente “éxito” (que es lo que se espera que ocurra) o “fracaso”
(lo contrario del éxito).
• Las probabilidades asociadas a cada uno de estos resultados son constantes, es decir
no cambian.
• Cada uno de los ensayos o repeticiones del experimento son independientes entre sí.
• El número de ensayos o repeticiones del experimento (n) es constante.

La fórmula para calcular la distribución normal es:

p( n , x , p )= n Cn− x p x q n− x Donde:
n = Número de ensayos/experimentos
x = Número de éxitos
p = Probabilidad de éxito
q = Probabilidad de fracaso (1-p)
 Ejemplo
Calcula la probabilidad de obtener exactamente dos caras en ocho lanzamientos
de moneda.

n− x
p( n , x , p )= n Cn−x x p q x

8! 8∗7∗6∗5∗4∗3∗2∗1 40320
𝐶𝑛,𝑥 = = = = 28
2! 8 − 2 ! 2 ∗ 1 ∗ 6! 1440

n =8
x= 2 𝑝 8,2,0.5 = 28 ∗ (0.5)2 ∗ (0.5)8−2 = 0.1093
p =0.5
𝑝 8,2,0.5 = 8𝐶2 ∗ (0.5)2 ∗ (0.5)8−2 = 0.1093
q= 1-0.5= 0.5
 Ejemplo
Se lanza al aire una moneda normal 3 veces, determine la probabilidad de que
aparezcan 2 águilas.

n− x
n= 3
x= 2
p( n , x , p )= n Cn−x x p q x

p= 0.5
q= 0.5
3! 3!
= = =3
2! 3−2 ! 2!∗1!

2
3
𝑝 3,2,0.5 = 3 ∗ 0.5 ∗ (0.5)3−2 = = 0.375
8
𝑝 3,2,0.5 = 3𝐶2 ∗ 0.5 2 ∗ (0.5)3−2 = 0.375
 n− x
p( n , x , p )= n Cn−x x p q x
Ejercicio
Calcula la probabilidad de obtener al menos tres caras en cinco
lanzamientos de moneda
n= 5 n= 5
n= 5
x= 4 x= 5
x= 3
p= 0.5 p= 0.5
p= 0.5
q= 0.5 q= 0.5
q= 0.5

5!
5𝐶3 = = 10 5! 5!
3! 5−3 !
Escriba aquí la ecuación. 5𝐶4 = =5 5𝐶5 = =1
4! 5 − 4 ! 5! 5 − 5 !
𝑃 3 = 10 ∗ 0.5 3 ∗ (0.5)5−3
𝑃 5 = 1 ∗ 0.5 5 ∗ (0.5)5−5
4
𝑃 4 = 5 ∗ 0.5 ∗ (0.5)5−4

𝑝 3 = 0.3125 𝑝 4 = 0.1562 𝑝 5 = 0.03125

𝑝 ≥ 3 = 𝑃 3 + 𝑝 2 + 𝑝 1 = 0.3125 + 0.1562 + 0.03125 = 0.5

 5.2 Distribución Hipergeométrica.
Las características de esta distribución son:
Los experimentos que tienen este tipo de distribución tienen las siguientes características:
a) Al realizar un experimento con este tipo de distribución, se esperan dos tipos de resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son constantes.
c) Cada ensayo o repetición del experimento no es independiente de los demás.
d) El número de repeticiones del experimento (n) es constante.

𝑁−𝑇 ! 𝑇!
𝑁 − 𝑇 ! ∗ 𝑇! ∗ 𝑛! ∗ 𝑁 − 𝑛 ! ∗
𝑃 𝑥 𝑁, 𝑇, 𝑛 = 𝑛 − 𝑥 ! 𝑁 − 𝑇 − 𝑛 + 𝑥 ! 𝑥! 𝑇 − 𝑥 !
𝑛 − 𝑥 ! ∗ 𝑁 − 𝑇 − 𝑛 + 𝑥 ! ∗ 𝑥! ∗ 𝑇 − 𝑥 ! ∗ 𝑁! 𝑃 𝑥 𝑁, 𝑇, 𝑛 =
𝑁!
𝑛! 𝑁 − 𝑛 !
Donde
𝑁−𝑇 𝑇 x= es numero deseado de éxitos
𝑃 𝑥 𝑁, 𝑇, 𝑛 = 𝑛 − 𝑥 𝑥 N =es el número de elementos de la población
𝑁
T= es el número total de éxitos en la población
𝑛
n = es el número de elementos de la muestra
 Ejemplo
De un grupo de 100 personas, 20 son mujeres. Si se selecciona al azar a 30 personas
¿Cuál es la probabilidad de que en la selección haya exactamente 8 mujeres?
𝑁 − 𝑇 ! ∗ 𝑇! ∗ 𝑛! ∗ 𝑁 − 𝑛 !
𝑃 𝑥 𝑁, 𝑇, 𝑛 =
𝑛 − 𝑥 ! ∗ 𝑁 − 𝑇 − 𝑛 + 𝑥 ! ∗ 𝑥! ∗ 𝑇 − 𝑥 ! ∗ 𝑁!
Donde
x= 8 100 − 20 ! ∗ 20! ∗ 30! ∗ 100 − 30 !
𝑃 𝑥 𝑁, 𝑇, 𝑛 =
N =100 30 − 8 ! ∗ 100 − 20 − 30 + 8 ! ∗ 8! ∗ 20 − 8 ! ∗ 100!
T= 20
n = 30 80! ∗ 20! ∗ 30! ∗ 70!
𝑃 𝑥 𝑁, 𝑇, 𝑛 = = 0.1162 = 11.62%
22! ∗ 58! ∗ 8! ∗ 12! ∗ 100!
 De un grupo de 100 personas, 20 son mujeres. Si se selecciona al azar a 30 personas
¿Cuál es la probabilidad de que en la selección haya exactamente 8 mujeres?

𝑁−𝑇 ! 𝑇!
∗
𝑛 − 𝑥 ! 𝑁 − 𝑇 − 𝑛 + 𝑥 ! 𝑥! 𝑇 − 𝑥 !
𝑃 𝑥 𝑁, 𝑇, 𝑛 =
𝑁!
𝑛! 𝑁 − 𝑛 !
Donde 100 − 20 ! 20!
x= 8 ∗
30 − 8 ! 100 − 20 − 30 + 8 ! 8! 20 − 8 !
N =100 𝑃 𝑥 𝑁, 𝑇, 𝑛 =
100!
T= 20 30! 100 − 30 !
n = 30
80 ! 20!
∗
22 ! 58 ! 8! (12)!
𝑃 𝑥 𝑁, 𝑇, 𝑛 =
100!
30! 70 !
 5.3 Distribución Geométrica.
Esta distribución es un caso especial de la Binomial, ya que se desea
que ocurra un éxito por primera y única vez en el último ensayo que se
realiza del experimento

𝑥−1
𝑝 𝑥 =𝑞 𝑝
Donde:
p(x) = probabilidad de que ocurra un éxito en el ensayo x por primera y única vez
p = probabilidad de éxito
q = probabilidad de fracaso
 Los registros de una compañía constructora de pozos, indican que la
probabilidad de que uno de sus pozos nuevos, requiera de reparaciones en
el término de un año es de 0.20. ¿Cuál es la probabilidad de que el quinto
pozo construido por esta compañía en un año dado sea el primero en
requerir reparaciones en un año?.

𝑥−1
𝑝 𝑥 =𝑞 𝑝
Ejemplo 5−1
X= 5
q= 0.80 𝑝 5 = 0.8 0.2
p= 0.20
4
𝑝 5 = 0.8 0.2
 5.4 Distribución Multinomial.
Características:
a) Al llevar a cabo un experimento con esta distribución se esperan más de dos tipos de resultados.
b) Las probabilidades asociadas a cada uno de los resultados son constantes.
c) Cada uno de los ensayos o repeticiones del experimento son independientes.
d) El número de repeticiones del experimento, n es constante.
 Ejemplo
En el lanzamiento de un dado 10 veces, determina la probabilidad de que 3 veces salga 2, 2 veces 3 y 5
veces cualquier otro.
 Distribución Discreta :
Distribución de DePoisson
• Las características de esta distribución son:
En el proceso que se estudia se identifica una unidad que puede ser de tiempo,
espacio, volumen etc.
• Se contabiliza cierto numero de ocurrencias eventuales para cada unidad
• La variable aleatoria puede tomar una cantidad finita, pero numerables de valores
x=1, 2, 3, …
• Formula que se usa:
𝜆𝑥 𝑒 −𝜆
𝑃 𝑋=𝑥 = ,𝜆 > 0
𝑥!
• Donde:

• P(X=x): es la probabilidad de ocurrencia cuando l variable discreta x toma un valor finito x

• Λ: promedio de ocurrencias de un intervalo

• ℓ: constante con valor aproximado de 2.71828183

• X: es el numero de ocurrencias

I.I. ARACELI REBOLLAR

 5.6 Aproximación de la Binomial por la de
Poisson.
En este caso se determinarán probabilidades de experimentos Binomiales, pero que dadas sus
características, es posible aproximarlas con la distribución de Poisson, estas características son,
n → ( n es muy grande) y p→0 (p es muy pequeña), por lo que:

𝑥 𝑞 𝑛−𝑥
𝜆𝑥 𝜀 −𝜆
𝑝 𝑥, 𝑛, 𝑝 = 𝑛 𝐶𝑥 𝑝 ≅
𝑥!
La expresión anterior solo se cumple cuando n → y p→0, solo en este caso, si esto no se cumple, la
aproximación no se puede llevar a efecto, por lo que la fórmula a utilizar en este caso sería:

Donde:
𝜆𝑥 𝑒 −𝜆 l =m= np = número esperado de éxitos = tasa promedio de éxitos
𝑃 𝑋=𝑥 = n = número de repeticiones del experimento
𝑥!
p = probabilidad de éxito = p(éxito)
 5.7 Distribución Binomial Negativa.
Esta también es un caso especial de la distribución Binomial, ya que en este caso se
trata de que al llevar a efecto varias veces un experimento binomial, se desea
determinar la probabilidad de que ocurran r éxitos, solo que el último de ellos debe
ocurrir en el k-ésimo ensayo o repetición del experimento que es el último.

Para encontrar una fórmula que nos permita calcular probabilidades con esta
distribución, partiremos de un ejemplo.
Donde:
P(Y=k) = probabilidad de que ocurran r éxitos en k ensayos y que el último de ellos que es el r-ésimo, ocurra en
el k-ésimo ensayo que es el último.
r = número de éxitos
k = número de ensayos para obtener r éxitos
p = p(éxito) = p(aparezca águila)
q = p(fracaso) = p(aparezca sello) = 1-p
5.8 Distribución Uniforme (Discreta).