E

D
S
E
N
O
I
C
DISTRIBU
D
A
D
I
L
I
B
A
P RO B

DISCRETAS

2,1,1 BINOMIAL
Concepto
Una distribucin binomial es una distribucin de
probabilidad utilizada de una variable aleatoria
discreta.
Describe varios procesos de inters para los
administradores.
Describe datos discretos, resultantes de un
experimento denominado proceso de bernoulli

CARACTERSTICAS
Un
experimento
sigue el modelo de la
distribucin binomial
o de Bernoulli si:
La probabilidad de suceso
contrario es 1 p, y la
representamos por q.

En cada prueba del experimento slo son posibles dos

resultados: el suceso A (xito) y su contrario suceso
contrario
Laprobabilidad del suceso A es constante, es
decir, que no vara de una prueba a otra. Se representa
porp.
Elresultadoobtenido
esindependientede
anteriormente.

los

en

cada
resultados

prueba
obtenidos

Ladistribucin binomialse suele representar porb(n, p).

N es el nmero de pruebasde que consta el experimento.
P es la probabilidad de xito.

FORMULA

Ejemplo 1.
Una fbrica tiene una norma de control de calidad consistente de elegir al azar
diariamente 20 artculos producidos y determinar el nmero de unidades
defectuosas. Si hay dos o ms artculos defectuosos la fabricacin se detiene para
inspeccin de los equipos. Se conoce por experiencia que la probabilidad de que un
articulo producido sea defectuoso es 5%. Encuentre la probabilidad de que en
cualquier da de la produccin se detenga al aplicar esta norma de control de
calidad.
RESPUESTA.- Esta situacin corresponde a un experimento binomial
n= 20 .Cantidad de ensayos (independientes)
p = 0.05 .Probabilidad de xito ( constante)
X: Variable aleatoria discreta (cantidad de artculos defectuosos)
X= 0,1,,20 ...Valores que puede tomar X.
Antes de continuar cabe sealar que algunos autores manejan la siguiente formula,
FORMULA
pero que es lo mismo que la sealada anteriormente

Ejemplo 2.
Hallar la probabilidad de que al lanzar una moneda 3 veces al aire resulten; a) 3 caras, b)
Dos guilas y una cara, c) al menos 1 cara, d) no mas de un guila.
Empleando la formula tenemos:
a) P (3 caras) =
b) P (2 guilas, 1 cara) =
c) P (al menos 1 cara) = P(1 cara) + P (2 caras) + P (3 caras)

De otra manera, P (al menos 1 cara)= 1- P( ninguna cara)

d) P ( no mas de una guila) = P (0 guila o 1 cara)

=P (0 guilas) + P(1 guila) =

EJEMPLO 3

Si el 20 % de los tornillos producidos por una mquina son defectuosos,

determinar la probabilidad de que de 4 tornillos escogidos aleatoriamente a)
1, b) 0, c) Que menos de 2, sean defectuosos.
La probabilidad de un tornillo defectuoso es p=0.2, de un tornillo no
defectuoso es q =1- p = 0.8. Sea la variable aleatoria X el nmero de
tornillos defectuosos. Entonces
a) P(X=1) =
b) P(X=0) =
c) P(X<2) = P(X=0) + P (X=1)
=0.4096 + 0.4096 = 0.8192

FORMULA DE PERMUTACIONES Y COMBINACIONES

2,1,2 POISSON
Es una
discreta

CONCEPTO

distribucin

de

probabilidad

Probabilidad de que un correcto numero de

eventos ocurran en un periodo de tiempo
Si estos ocurre con una tasa media conocida
Si cada evento es independiente del tiempo
transcurrido desde el ultimo evento

PARA QUE??
Haga clic en el icono para agregar una
imagen

Haga clic en el icono para agregar una

imagen

Haga clic en el icono para agregar una

imagen

IMPREDECIBILIDAD

OCURRENCIA

UTILIDAD

SITUACIONES DONDE LOS SUCESOS

SON IMPREDECIBLES

PERMITE
DETERMINAR
LA
PROBABILIDAD DE OCURRENCIA DE UN
SUCESO CON EL RESULTADO DISCRETO

CUANDO LA MUESTRA O SEGMENTO (N)

ES GRANDE Y LA PROBABILIDAD DE
XITOS (P) ES PEQUEA

CARACTERSTICAS
El numero medio (promedio) de
eventos en el espacio temporal
o regin especifica de inters,
por lo general esta media se
representa por la lambda griega
()
El numero de resultados
que
ocurren en un intervalo de tiempo
o
regin
especficos
es
independiente de el nmero que
ocurre en cualquier otro intervalo
de tiempo o regin

La probabilidad de que un resultado

muy pequeo ocurra en un intervalo
de tiempo muy corto o en una
regin pequea es proporcional a la
longitud del intervalo de tiempo o al
tamao de la regin
La probabilidad de que ms de
un resultado ocurra en un
intervalo de tiempo tan corto o
en esa regin tan pequea es
inapreciable,
que se puede
asignar el valor de 0

FORMULA

P (x I ) = la probabilidad de que ocurran X xitos cuando

el nmero promedio de ocurrencia de ellos es
media o promedio de xitos por unidad de tiempo, rea
oeproducto
Es la constante 2.7183, base de los logaritmos naturales,
en tanto que los valores de e- pueden obtenerse de tablas.

P ( X x)

x 0,1,2,3...

x!

X seala un valor especfico que la variable pueda tomar (el

nmero de xitos que deseamos ocurran)
Por definicin, el valor esperado (media en el intervalo o
regin de inters) de una distribucin de probabilidad de
Poisson es igual a la media de la distribucin. E(X) =
La varianza del nmero de eventos de una distribucin de
probabilidad de Poisson tambin es igual a la media de la
distribucin . De este modo, la desviacin estndar es la raz
cuadrada de . V(X) = =

EJEMPLOS
EJEMPLO 1.
Si un banco recibe en promedio 6 cheques sin fondo por da, Cules son las probabilidades de
que reciba:
A) 4 cheques sin fondo en un da.
B) 10 cheques sin fondos en cualquiera de 2 das consecutivos
SOLUCION:

Formula:

Datos:
e=Valor constante 2.718
=Promedio de cheques sin fondo al da 6
X=Nmero de cheques sin fondos esperados en un da 4

EJEMPLOS
A. 4 cheques sin fondo en un da.

0.1339

La probabilidad para que el banco reciba 4 cheques sin fondo es de 0.1339

B. 10 cheques sin fondos en cualquiera de 2 das consecutivos
Datos:
e 2.718
6*2=12 por da
K10

0.1049

La probabilidad de que el banco reciba 10 cheques sin fondo es de 0.1049

EJEMPLOS

EJEMPLO 2:
Supongamos que hay 300 errores de impresin distribuidos aleatoriamente a lo largo de un
libro de 500 paginas: Encuentre la probabilidad de que en una pagina dada contenga
exactamente 2 errores de impresin.
Datos:
e=Valor constante 2.718
P=Probabilidad de errores de impresin por pgina
=Promedio de errores de impresin en una pgina ?
n=Nmero de errores en el libro300 errores
X=Errores de impresin esperados por pgina=2

300 0.6

EJEMPLOS
EJEMPLO 3:
La probabilidad de tener un accidente de trfico es de 0.02 cada vez que se viaja, si se realizan 300
viajes, cual es la probabilidad de tener 3 accidentes?. Como la probabilidad " p " es menor que 0.1, y
el producto " n * p " es menor que 10, entonces aplicamos el modelo de distribucin de Poisson.
Datos:
eValor constante= 2.718
P=Probabilidad de accidentes por cada 300 viajes=.02
Promedio de accidentes= ?

nNmero de viajes=300
X=Nmero de accidentes esperados=3

P (x = 3) = 0.0892

Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 300 viajes es del 8.9%

2,1,3 HIPERGEOMETRICA

CARACTERISTICA
A)al realizar un experimento con este
tipo de distribucin, se esperan dos tipos
de resultados.
B)las probabilidades asociadas a cada
uno de los resultados no son constantes.
C)cada ensayo o repeticin del
experimento no es independiente de los
dems.
D)el nmero de repeticiones
experimento (n) es constante.

del

FORMULA

Datos:
N = Total poblacin = 50
R = xitos poblacin = 12
N = Muestra = 10
X=4

DISTRIBUCIN HIPERGEOMTRICA
Ejemplo:
1. En un lote de productos se tienen 20 productos sin defectos, 3 con defectos menores y
2 con defectos mayores, se seleccionan al azar 5 productos de este lote, determine la
probabilidad de que a) 3 de los productos seleccionados no tengan defectos y 1 tenga
defectos menores, b) 4 de los productos seleccionados no tengan defectos y 1 tenga
defectos menores.

DISTRIBUCIN HIPERGEOMTRICA
Solucin:
a)N= 20+3+2 =25 total de artculos
a=20 productos sin defectos
b= 3 productos con defectos menores
N-a-b= 2 productos con defectos mayores
n= 5 productos seleccionados en la muestra
x = 3 productos sin defectos en la muestra = variable que nos define el # de productos sin
defectos en la muestra
y = 1 producto con defectos menores en la muestra = variable que nos define el # de
productos con defectos menores en la muestra
z = n-x-y = 531 = 1 producto con defectos mayores en la muestra = variable que nos
define el # de productos con defectos mayores en la muestra

DISTRIBUCIN HIPERGEOMTRICA
Solucin:
b)N= 25
a=20 productos sin defectos
b= 3 productos con defectos menores
N-a-b= 2 productos con defectos mayores
n= 5 productos seleccionados en la muestra
x = 4 productos sin defectos en la muestra = variable que nos define el # de productos sin
defectos en la muestra
y = 1 producto con defectos menores en la muestra = variable que nos define el # de
productos con defectos menores en la muestra
z = n-x-y = 541 = 0 productos con defectos mayores en la muestra = variable que nos
define el # de productos con defectos mayores en la muestra

DISTRIBUCIN HIPERGEOMTRICA
Ejemplo:

De 50 edificios en un parque industrial 12 no cumplen el cdigo elctrico si se seleccionan el cdigo

elctrico, si se seleccionan 10 edificios aleatoriamente; determine la probabilidad de que:
A)

3 no cumplan el cdigo

B)

4 no cumplan el cdigo

C)

Menos de 5 no cumplan el cdigo

DISTRIBUCIN HIPERGEOMTRICA
Datos:
N = Total poblacin = 50
R = xitos poblacin = 12
N = Muestra = 10
X=3

DISTRIBUCIN HIPERGEOMTRICA
Datos:
N = Total poblacin = 50
R = xitos poblacin = 12
N = Muestra = 10
X=4

DISTRIBUCIN HIPERGEOMTRICA
A).-P(X=3)
=

B.- P(X=4) =

C.- P(X<5) = P(0)+P(1)+P(2)+P(3)+P(4) =

DISTRIBUCIN HIPERGEOMTRICA

DISTRIBUCIN HIPERGEOMTRICA

DISTRIBUCIN HIPERGEOMTRICA

http://www.vitutor.com/pro/3/b_1.html
http://www.vitutor.com/pro/3/b_2.html
http://www.ditutor.com/distribucion_binomial/distribucion_b
inomial.html
http://www.vitutor.com/pro/3/b_1.html
http://www.itch.edu.mx/academic/industrial/sabaticorita/_p
rivate/03Ddistr%20Hipergeometrica.htm