Mtodos Estadsticos

2.3. Distribuciones discretas de probabilidad

2.3. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD

Saber: Explicar el concepto de variable discreta. Explicar los
conceptos y mtodos de la distribucin binomial,
hipergeomtrica, de poisson. Explica el procedimiento para
calcular valor esperado y varianza utilizando tablas.
Hacer: Calcular el valor esperado y varianza
distribucin binomial, poisson, hipergeomtrica.

para la

Introduccin
Se requieren definir algunos elementos del presente
tema, a continuacin se presentan en un mapa
conceptual.
Los cuadros de inters en el presente tema se indican con
color; los que son complementarios solo se indican con un
cuadro blanco.

Variable determinstica. Valor que cambia regido

por ciertas leyes de forma tal que su valor puede ser
determinado o predicho con exactitud; por ejemplo: la
fecha cundo ocurrir un eclipse de sol o de luna,
disminucin de la concentracin de un reactivo en
una reaccin qumica bajo condiciones controladas.

Variable determinstica
discreta.
Elabor: MC. Marcel Ruiz Martnez

Variable determinstica
continua.

Parmetros de un problema

Variable. Valor que cambia (vara), por ejemplo: una variable

puede representar las ventas de un producto el cual cambia a
lo largo del tiempo; el desgaste de una tubera, la
concentracin de una sustancia en una reaccin qumica.
Variable continua: sus valores no
presentan interrupciones entre un valor
entero y otro; por ejemplo: el peso de
una persona, puede tomar cualquier
valor entre los 60 y 61 kilogramos; es
decir una persona puede pesar 60.45
kilogramos. Muchos autores
simplemente se limitan a decir que
puede tener cualquier cantidad de
cifras despus del punto decimal.

Variable
discreta. Solo
cambia su valor
en nmeros
enteros, por
ejemplo el
nmero de hijos
que puede tener
una persona
elegida al azar

Constante. Se
refieren a valores
que no cambian,
por ejemplo el
nmero pi =
3.1416 es un valor
que permanece
igual.

Variable aleatoria (probabilstica o estocstica). Valor que cambia regido por las leyes de la
probabilidad, es decir, puede tomar un valor al azar dentro de ciertos rangos de mediciones: no
puede predecirse su valor; por ejemplo el nmero obtenido por el lanzamiento de un dado. O
el porcentaje exacto de humedad relativa en un da determinado.
Variable aleatoria discreta. Solo puede
tomar valores enteros dentro de un rango de
valores (es una cantidad finita de nmeros).
Por ejemplo el resultado de lanzar un dado
solo tiene nmeros enteros 1, 2, 3, 4, 5 y 6

Variable aleatoria continua. Toma

cualquier valor posible en un rango de
valores (cantidad infinita de nmeros). Por
ejemplo el porcentaje de humedad en el aire
puede ser 95.555555555.. etc %
1

Mtodos Estadsticos

La distribucin binomial
Binomial indica solo dos resultados posibles de mltiples ensayos: xito o
fracaso. El nmero total de ensayos se conoce como la poblacin n. y se
debe conocer una probabilidad de xito y de fracaso al realizar cada
ensayo.
Extraer un solo componente de una poblacin y determinar si est o no
defectuoso es ejemplo de un ensayo de Bernoulli. En la prctica, es posible
extraer varios componentes de una gran poblacin y contar el nmero de
elementos defectuosos. Esto implica realizar diversos ensayos de Bernoulli
independientes y contar el nmero de xitos. El nmero de xitos es una
variable aleatoria, que tiene una distribucin binomial.
Es decir, para una poblacin donde se extraen muestras con dos resultados
posibles, se puede aplicar la distribucin de binomial bajo las condiciones
siguientes

Los ensayos son independientes

Cada ensayo tiene la misma probabilidad de xito p

X es el nmero de xitos en los n ensayos

La funcin de probabilidad binomial est dada por la siguiente funcin de
densidad:

Donde:
n = Nmero total de elementos de la poblacin
x = Nmero de xitos.
p = Probabilidad de xito
A continuacin se describe un ejemplo para la aplicacin de la ecuacin
descrita.
Elabor: MC. Marcel Ruiz Martnez

2.3. Distribuciones discretas de probabilidad

Ejemplo 1. Se lanza al aire ocho veces un dado. Determine la probabilidad

de que el nmero 6 salga:
a) Cero veces.
b) Una vez
c) Dos veces
d) Menos de tres veces
Solucin: Los datos para todos los incisos incluyen:
n = 8 (nmero total de veces que se lanza el dado)
p = 1/6 (probabilidad de que al realizar un lanzamiento se obtenga el
nmero 6, es decir el xito).
Para el inciso a) Se usa la siguiente sustitucin con x = 0 (no se obtiene
nunca el nmero 6 despus de 8 lanzamientos).
n!
n -x
p(x) =
p x (1 - p )
x!(n x )!
x

8! 1 1
p(x = 0) =
1 -
0!(8 0 )! 6 6
Datos:
x=
0
n=
8
p = 1/6

8 -0

= 0.2326

Usando EXCEL:

Usando la ecuacin de la funcin BINOMIAL

0.232568039 RESULTADO INCISO A)
FORMULA
=(FACT(B3)/(FACT(B2)*FACT(B3-B2)))*(B4^B2)*(1-B4)^(B3-B2)
Usando la funcin BINOMIAL de EXCEL
0.232568039 RESULTADO INCISO A)
FORMULA:
=DISTR.BINOM(B2,B3,B4,FALSO)

El resto de los incisos sern resueltos por los alumnos. Puede

usar el siguiente archivo de EXCEL como apoyo
http://marcelrzmut.comxa.com/MetodosEstadisticos/23DistribucionesProbabilidadDiscretas.xls

Mtodos Estadsticos

El siguiente problema ser resuelto por los alumnos en clase.

Ejercicio. La probabilidad de que un basquetbolista anote un tiro de tres
puntos es 0.4. Si el jugador fue invitado a un concurso de tiros de tres
puntos en donde se hacen 15 lanzamientos. Determine la probabilidad de
encestar:
a) Cero veces.
b) Una vez
c) Dos veces
d) Menos de tres veces
e) Al menos 10 tiros
Problemas de probabilidad binomial:
1. Se toma una muestra de cinco elementos de una poblacin grande
en la cual 10% de los elementos est defectuoso. Determine la
probabilidad de que:
a) Ninguno de los elementos de la muestra est defectuoso.
b) Slo uno de ellos tenga defectos.
c) Uno o ms de los elementos estn defectuosos.
d) Menos de dos elementos de la muestra tenga defectos.
2. Se lanza al aire una moneda diez veces. Cul es la probabilidad de
obtener exactamente tres veces cara?
3. En un cargamento grande de llantas de automvil, 5% tiene cierta
imperfeccin. Se eligen aleatoriamente cuatro llantas para
instalarlas en el automvil. Cul es la probabilidad de que:
a) Ninguna de las llantas tenga imperfeccin?
b) Slo una de las llantas tenga imperfeccin?
c) Una o ms de las llantas tenga imperfeccin?

Elabor: MC. Marcel Ruiz Martnez

2.3. Distribuciones discretas de probabilidad

4. En un patrn aleatorio de ocho bits utilizado para probar un

microcircuito, cada bit tiene la misma probabilidad de ser 0 o 1.
Suponga que los valores de los bits son independientes.
a) Cul es la probabilidad de que todos los bits sean 1?
b) Cul es la probabilidad de que exactamente tres de los bits
sean 1?
c) Cul es la probabilidad de que al menos seis de los bits
sean 1?
d) Cul es la probabilidad de que al menos dos de los bits
sean 1?
5. Un ingeniero que supervisa el control de calidad de un proceso de
produccin y sabe que el 92% de las varillas fabricadas satisfacen
las especificaciones. Al seleccionar 15 varillas del proceso de
produccin determine la probabilidad de obtener:
a) 15 varillas que cumplen con las especificaciones.
b) 14 varillas que cumplen con las especificaciones
c) 13 varillas que cumplen con las especificaciones
d) Que ms de 12 varillas cumplan las especificaciones.
Actividad 2.3. Probabilidad Binomial. De la lista de problemas
anteriores realice los ejercicios: 1 y 4.
Elabore una PRCTICA DE EJERCICIOS de este trabajo (INDIVIDUAL), las
rbricas se indican en la liga siguiente:
http://marcelrzm.comxa.com/Rubricas/Rubricas.htm
Enviar el documento final por correo electrnico a las siguientes direcciones:
marcelrzm@hotmail.com; marcelrzm@hotmail.com; marcelrzm@yahoo.com.mx
y marcelrz2002@yahoo.com.mx
Colocar en ASUNTO: Actividad 2.3. Probabilidad Binomial.
No olvide enviarse copia a s mismo del correo que enva, si usa Outlook solicite
confirmacin de entrega y de lectura.
3

Mtodos Estadsticos

2.3. Distribuciones discretas de probabilidad

La distribucin hipergeomtrica
Para una combinacin se usa la frmula:
Cuando una poblacin finita contiene dos tipos de unidades, que pueden
ser denominados como xitos y fracasos, y se extrae una muestra aleatoria
simple de la poblacin, cada unidad representa un ensayo de Bernoulli. A
medida que se selecciona cada unidad, la proporcin de xitos en la
poblacin restante disminuye o aumenta, dependiendo si la unidad extrada
es un xito o fracaso. Por esta razn, los ensayos no son independientes, de
ah que el nmero de xitos en la muestra no siga una distribucin
binomial. En su lugar, la distribucin que describe adecuadamente el
nmero de xitos en esta situacin se llama distribucin hipergeomtrica.
Suponga una poblacin finita que contiene N unidades, de ellas R son
clasificadas como xitos y N R como fracasos. Suponga que se extrae n
unidades de esta poblacin, y sea X el nmero de xitos en la muestra.
Entonces X sigue la distribucin hipergeomtrica con los parmetros N, R
y n, que se puede denotar como X H(N, R, n).
La funcin de masa de probabilidad de X es:

Donde (el alumno debe rellenar el significado de las variables):

R=
N=
n=
x=

Elabor: MC. Marcel Ruiz Martnez

Ejemplo 1. De 50 edificios en un parque industrial, 12 no cumplen el

cdigo elctrico. Si se seleccionan aleatoriamente diez edificios para
inspeccionarlos, Determine la probabilidad de que:
a) Tres no cumplan el cdigo
b) Cuatro no cumplan el cdigo
c) Menos de cinco no cumplan el cdigo
Datos: Los siguientes datos son genricos para todos los incisos, ya que
sus valores se encuentran en el texto del problema:
N = 50 Nmero de elementos en la poblacin total
n = 10 Nmero de elementos en la muestra tomada
R = 12 Dado que estamos interesados en la cantidad de elementos que no
cumplen el cdigo, se denomina xito encontrar elementos que no
cumplan el cdigo.
Solucin inciso A: x = 3 (tres no cumplan el cdigo, es el valor indicado
solo para el inciso A)
R N R

x n x

p(x) =
N

n
12 50 12 12!

(50 - 12)!

3 10 3 3!(12 - 3)! (10 - 3)!(50 - 12 - (10 - 3) )!

p(x = 3) =
=
50

50!

10!(50 - 10 )!
10
p(x = 3) = 0.2703 o 27.03%
4

Mtodos Estadsticos

Usando EXCEL:
Datos
N = 50
n = 10
R = 12
x=
3

Poblacin total
Muestra tomada
Nmero de xitos en la poblacin
Nmero de xitos en la muestra
RESPUESTA INCISO A) USANDO LA FUNCIN
DE DISTRIBUCIN HIPERGEOMTRICA DE EXCEL
0.27028633

2.3. Distribuciones discretas de probabilidad

El siguiente ejercicio deber ser resuelto por los alumnos en clase:

Ejercicio: Lotes de 40 componentes cada uno se denominan aceptables si
no contienen ms de tres defectuosos. El procedimiento para muestrear el
lote es la seleccin de cinco componentes al azar y rechazar el lote si se
encuentra un componente defectuoso. Cul es la probabilidad de que se
encuentre exactamente un defectuoso en la muestra si hay tres defectuosos
en todo el lote?

A continuacin se reporta la ayuda de EXCEL para dicha funcin:

Elabor: MC. Marcel Ruiz Martnez

Mtodos Estadsticos

La distribucin de Poisson
La distribucin de Poisson se utiliza con frecuencia en el trabajo cientfico.
Una manera de considerarla es como una aproximacin de la distribucin
binomial cuando n es grande y p es pequea. Esto ltimo se muestra con
un ejemplo.
Una masa contiene 10 000 tomos de una sustancia radiactiva. La
probabilidad de que cierto tomo decaiga en un periodo de un minuto es de
0.0002. Sea X el nmero de tomos que decae en un minuto. Se puede
considerar a cada tomo como un ensayo de Bernoulli, en los que el xito
ocurre si el tomo decae. Por tanto, X es el nmero de xitos en 10 000
ensayos de Bernoulli independientes, cada uno con probabilidad de xito
de 0.0002, de tal forma que la distribucin de X es Bin(10 000, 0.0002).
La media de X es X = (10 000)(0.0002) = 2.
Si X Poisson(), entonces
X es una variable aleatoria discreta, cuyos posibles valores son
enteros no negativos.
El parmetro es una constante positiva.
La funcin de masa de probabilidad de X es

2.3. Distribuciones discretas de probabilidad

Ejemplo 1. Unas partculas estn suspendidas en un medio lquido con

concentracin de seis partculas por mL. Se agita por completo un
volumen grande de la suspensin, y despus se extrae 3 mL. Cul es la
probabilidad de que slo se retiren 15 partculas?

Solucin: Los datos son los siguientes:

= (6 particulas / mL) * (3 mL) = 18 particulas
x = 15 partculas
x
p(x) = e
x!
15
18 18
p(x = 15) = e
= 0.0786
15!
Ahora usando EXCEL:
Lamda 18 particulas
x=
15 particulas
p ( x = 15 ) = 0.07857552 RESPUESTA
=POISSON(C3,C2,FALSO)

Como puede notarse lo nico que debe cuidarse es identificar el promedio

LAMDA y la cantidad x a estudiar. El valor de x debe estar en
nmeros enteros dado que es una variable aleatoria discreta.
A continuacin se muestra la informacin de ayuda de EXCEL sobre dicha
funcin:

Elabor: MC. Marcel Ruiz Martnez

Mtodos Estadsticos

2.3. Distribuciones discretas de probabilidad

Ejemplo 2. La abuela hornea galletas de chispas de chocolates en grupos

de 100. Ella agrega 300 chispas en la masa. Cuando las galletas estn
hechas, le ofrece una. Determine:
a) Cul es la probabilidad de que su galleta no tenga chispas de
chocolate?
b) Cul es la probabilidad de que la galleta tenga 1 chispa?
c) Cul es la probablidad de que la galleta tenga mas de 2 chispas?
d) Cul es la probabilidad de que la galleta tenga menos de 3
chispas?
=
El alumno debe identificar el promedio de chispas de
chocolate esperado para una galleta.
x = ________
El alumno debe identificar cual es el nmero de chispas
de chocolate para el cual se desea identificar la probabilidad.
Usando la distribucin poisson se debe llegar a la respuesta (para el inciso
A es: 0.0498)
x
p(x) = e
x!
EL SIGUIENTE EJEMPLO TAMBIEN DEBE SER RESUELTO
POR EL ALUMNO.
Ejemplo 3. Suponga que el nmero de visitas a cierto sitio web durante un
intervalo fijo sigue una distribucin de Poisson. Suponga que la media de
la razn de visitas es de cinco en cada minuto. Determine la probabilidad
de que haya slo:
a) 17 visitas en los siguientes tres minutos.
b) Menos de 15 visitas
c) Ms de 5 visitas.
d) Igual o ms de 5 visitas
Elabor: MC. Marcel Ruiz Martnez

Mtodos Estadsticos

Problemas de la distribucin poisson:

1. La concentracin de partculas en una suspensin es 2 mL. Se agita
por completo la concentracin, y posteriormente se extraen 3 mL.
Sea X el nmero de partculas que son retiradas. Determine
a) P(X =5)
b) P(X 2)
c) P(X >1)
d) P(X<3)
2. Suponga que 0.03% de los contenedores plsticos producidos en
cierto proceso tiene pequeos agujeros que los dejan inservibles. X
representa el nmero de contenedores en una muestra aleatoria de
10 000 que tienen este defecto. Determine
a) P(X = 3)
b) P(X 2)
c) P(1 X <4)
d) P(2 X <4)
3. El nmero de mensajes recibidos por el tablero computado de
anuncios es una variable aleatoria de Poisson con una razn media
de ocho mensajes por hora. Determine la probabilidad de que se
reciban:
a) cinco mensajes en una hora
b) diez mensajes en 1.5 horas
c) menos de tres mensajes en 112 horas
TIP: Debe pasarse la media de 8 mensajes/hora a el promedio
de mensajes recibidos en 1.5 horas y en 112 horas; para usarlos
en la ecuacin de la distribucin poisson.

Elabor: MC. Marcel Ruiz Martnez

2.3. Distribuciones discretas de probabilidad

4. Cierto tipo de tablero de circuitos contiene 300 diodos. Cada uno

tiene una probabilidad p = 0.002 de fallar.
a) Cul es la media del nmero de diodos que falla?
b) Cul es la probabilidad de que fallen exactamente dos diodos?
c) Un tablero funciona si ninguno de sus diodos falla. Cul es la
probabilidad de que funcione un tablero?
d) Se envan cinco tableros a un cliente. Cul es la probabilidad
de que cuatro o ms de ellos funcione?

Actividad 2.4. Probabilidad Poisson. De la lista de problemas anteriores

realice los ejercicios: 1 y 2.
Elabore una PRCTICA DE EJERCICIOS de este trabajo (INDIVIDUAL), las
rbricas se indican en la liga siguiente:
http://marcelrzm.comxa.com/Rubricas/Rubricas.htm
Enviar el documento final por correo electrnico a las siguientes direcciones:
marcelrzm@hotmail.com; marcelrzm@hotmail.com; marcelrzm@yahoo.com.mx
y marcelrz2002@yahoo.com.mx
Colocar en ASUNTO: Actividad 2.4. Probabilidad Poisson.
No olvide enviarse copia a s mismo del correo que enva, si usa Outlook solicite
confirmacin de entrega y de lectura.