CAPITULO II:

DISTRIBUCIONES DE
PROBABILIDAD
Ing. Lourdes Granda C.

Ingeniería Industrial
EJERCICIOS DE REPASO
• Una fábrica de tornillos tiene dos máquinas, A que es más antigua, y hace el 75% de todos los
tornillos, y B, más nueva pero pequeña, que hace el 25% de los tornillos. La A hace un 4% de
tornillos defectuosos, mientras que la B tan sólo hace un 2% de tornillos defectuosos. Si
escogemos un tornillo al azar, ¿qué probabilidad hay de que salga defectuoso? Resolver el
problema utilizando el teorema de la probabilidad total, y 1 diagrama en árbol.
Adicionalmente, si sabemos que un tornillo es defectuoso, ¿qué probabilidad hay de que
haya sido fabricado por la máquina A?
• Tenemos tres cajas con bombillas. La primera contiene 10 bombillas, de las cuales hay cuatro
fundidas; en la segunda hay seis bombillas, y tan sólo una fundida, y en la tercera hay tres
bombillas fundidas de un total de ocho. Si cogemos una bombilla fundida, ¿cuál es la
probabilidad de que sea de la caja 1?
• En un Ferreteria existen 6 galones de pintura roja, 5 de pintura naranja, 9 de pintura amarilla
y 10 de pintura blanca. Si Bertha compra aleatoriamente 4 galones de pintura. Determi9nar
la probabilidad de que los galonescomprados por Bertha sean de diferente color
• El inicio de un proyecto industrial, requiere dos ingenieros y tres técnicos. Si hay 4 Ingenieros
y 5 técnicos disponibles ¿De cuantas maneras se puede hacer la elección?
• En la costa ecuatoriana el zika y el dengue son enfermedades comunes, si sabemos que el
10% de personas contraerá la enfermedad del zika, 5% la enfermedad del dengue y 2% puede
que contraigan ambas, determinese la probabilidad de:
• Que una persona contraiga al menos una enfermedad
• Que una persona contraiga el zika pero no el dengue
• Que una persona contraiga el zika, dado que ya contrajo el dengue
• Que una persona contraiga el dengue, dado que no contrajo el zika
• Que una persona contraiga ambas enfermedades dado que ya contrajo una
Distribución de Probabilidad
Toda Distribución de Probabilidad, son los diferentes valores que pueden tomarse
como resultado de un experimento que se lleve a cabo. Observa la probabilidad de que
un evento se realice a futuro, es una herramienta idónea para la prospectiva porque
permite diseñar escenarios de acontecimientos futuros con tendencias actuales.

Distribución Muestral: Conjunto de muestras estadísticas que se obtienen de una o

más poblaciones

VARIABLE ALEATORIA: Toda función que asocia cada punto muestral a un número real
FUNCIÓN DE PROBABILIDAD: La función que asocia cada valor de X de la variable a su
probabilidad.
FUNCIÓN DE DISTRIBUCIÓN: Teniendo una variable aleatoria X discreta, cuyos valores
están ordenados de mayor a menor
Distribución de Probabilidad
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA.
• Generada por una variable discreta (x).
• X = 0, 1, 2, 3, 4, 5, 6, 7, 8, ... etc,etc.
• Probabilidad asociada de cada uno de los valores a tomar es >= 0
• La suma de las probabilidades asociadas a cada uno de los valores que toma x debe
ser igual a 1.

DISTRIBUCIÓN DE PROBABILIDAD CONTINUA.

• Generada por una variable continua (x).
• X = 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, ....
• Probabilidad asociada de cada uno de los valores a tomar es >= 0.
• La suma de las probabilidades asociadas a cada uno de los valores que toma x debe
∞
ser igual a 1. −∞
𝑓 𝑥 𝑑𝑥 = 1
Cálculos de Media y Desviación Estandar
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA.

𝜇 = 𝐸(𝑥) 𝑋𝑖 ∗ 𝑝 (𝑋𝑖)

𝜇 = media de la distribución
E(x) = valor esperado de x
xi = valores que toma la variable
p(xi) = probabilidad asociada a cada uno de los valores de la variable x

𝜎= (𝑋𝑖 − 𝑋)2 ∗ 𝑝(𝑋𝑖)

𝜎 = desviación estándar
𝜇 = media de la distribución
xi = valores que toma la variable
p(xi) = probabilidad asociada a cada uno de los valores de la variable x
Cálculos de Media y Desviación Estandar
DISTRIBUCIÓN DE PROBABILIDAD CONTINUA

∞
𝜇= 𝑥𝑓 𝑥 𝑑𝑥
−∞
𝜇 = E(x) = media o valor esperado de la distribución
x = variable aleatoria continua
f(x) = función de densidad de la distribución de probabilidad.

∞
𝜎2 = (𝑥 − 𝜇)2 ∗ 𝑓 𝑥 𝑑𝑥
−∞
Distribuciones Discretas y Continuas
• Binomial
• Hipergeométrica
• Poisson
• Binomial Negativa
• Geométrica
• Uniforme
• Exponencial
• Normal
• Chi Cuadrado
• T – Student
• Fisher
Clases
DISTRIBUCIÓN DE BERNOULLI
• Experimento aleatorio una sola vez (en espera de un resultado)
• p Probabilidad de éxito
• q= 1-p Probabilidad de fracaso
• X= 0 Ocurre el evento; X= 1 No ocurre el evento
Las piezas “defectuosa” o “no defectuosa” en el control de calidad de un producto
Clases
DISTRIBUCIÓN BINOMIAL
• Número de éxitos en n ensayos independientes entre si
• Prob= c/experimento.
• Probabilidad p fija, independiente
• B (n; p)

Número de veces que aparece el resultado cara al lanzar una moneda diez veces.
Clases
DISTRIBUCIÓN DE POISSON
• Conjunto de valores con probabilidad no nula no es finito sino numerable
• Aplicable para contar eventos como: número de intervalos por unidad de tiempo
• E (x) = L y V (x)= L
El número de mensajes que llegan a un servidor de correo durante una hora.

DISTRIBUCIÓN NORMAL
• Distribución de Gauss
• Distribución Continua
• Mayormente aproximada a fenómenos reales
• Gráfica de forma acampanada y simétrica
Clases
DISTRIBUCIÓN DE GAMMA
• Distribución Continua con dos parámetros K y L para valores X > 0
• Distribución Erlang con parámetro ɵ = 1 / L

DISTRIBUCIÓN T STUDENT
• Distribución que surge de estimar la media de una población, normalmente
distribuida cuando el tamaño de la muestra es pequeño
• Desviación Típica se desconoce, estimar a partir de la muestra
• Distribución Continua
• Mayormente aproximada a fenómenos reales
• Gráfica de forma acampanada y simétrica
Clases
DISTRIBUCIÓN DE GEOMÉTRICA
• Número de pruebas hasta que aparece el primer resultado de éxito
Número de veces que ha sido necesario ejecutar un programa hasta que falla por
primera vez
Ejemplo de Distribución Binomial
Una prueba de inteligencia compuesta de 10 preguntas, cada una de las cuales tiene 4
opciones de respuesta, siendo una de ellas la correcta. Si se contesta aleatoriamente
se pide: a) Probabilidad de acertar a 4 preguntas. B) Probabilidad de no acertar
ninguna
p= ¼; n= 10; r= 4
10 1 4 3 6
𝑝 𝑥=4 = = 0,1460
4 4 4
10
10 3
𝑝 𝑥=0 = = 0,1460
0 4