Distribución de probabilidad discreta

Una distribución discreta describe la probabilidad de ocurrencia de cada valor

de una variable aleatoria discreta. Una variable aleatoria discreta es una
variable aleatoria que tiene valores contables, tales como una lista de enteros
no negativos.

Con una distribución de probabilidad discreta, cada valor posible de la variable

aleatoria discreta puede estar asociado con una probabilidad distinta de cero.
Por lo tanto, una distribución de probabilidad discreta suele representarse en
forma tabular.

Ejemplo del número de quejas de clientes

Con una distribución discreta, a diferencia de una distribución continua, usted

puede calcular la probabilidad de que X sea exactamente igual a algún valor.
Por ejemplo, puede utilizar la distribución discreta de Poisson para describir el
número de quejas de clientes en un día. Supongamos que el número promedio
de quejas por día es 10 y usted desea saber la probabilidad de recibir 5, 10 y
15 quejas de clientes en un día.

x P (X = x)

5 0.037833

10 0.12511

15 0.034718

Usted también puede visualizar una distribución discreta en una gráfica de

distribución para ver las probabilidades entre los rangos.
Gráfica de distribución del número de quejas de clientes

Las barras sombreadas en este ejemplo representan el número de ocurrencias

cuando las quejas diarias de los clientes son 15 o más. La altura de las barras
suma 0.08346; por lo tanto, la probabilidad de que el número de llamadas por
día sea 15 o más es 8.35%.

Una variable discreta que toma todos sus valores 12 k x , x ,..., x con igual
probabilidad se dice que tiene una distribución uniforme discreta.

La función de probabilidad de una variable aleatoria uniforme discreta está

dada por:

Siendo k el número de elementos de la variable discreta. La media y varianza

de la distribución uniforme es:
EJEMPLOS: Para un dado de seis caras la probabilidad de obtener cualquier
cara es 1/6. Para una moneda todos los resultados {cara, cruz} tienen la
misma probabilidad ½.

EJEMPLO 1: El temario para un examen consta de 35 temas, de los cuales se

elegirá uno al azar. Si un alumno no ha estudiado los 10 últimos temas ¿Cuál
es la probabilidad de que el alumno sepa el tema elegido para el examen?
Hallar la media y varianza. Solución: Sea X la variable aleatoria que representa
el número de tema seleccionado para el examen, como todos los temas tienen
la misma probabilidad de ser seleccionado, X sigue una distribución uniforme
discreta de 35 elementos.
 Distribución de probabilidad continúa

Una distribución continua describe las probabilidades de los posibles valores de

una variable aleatoria continua. Una variable aleatoria continua es una variable
aleatoria con un conjunto de valores posibles (conocido como el rango) que es
infinito y no se puede contar.

Las probabilidades de las variables aleatorias continuas (X) se definen como el

área por debajo de la curva. Por lo tanto, solo los rangos de valores pueden
tener una probabilidad diferente de cero. La probabilidad de que una variable
aleatoria continua equivalga a algún valor siempre es cero.

Se tratan 120 ejemplares de una especie vegetal, todos bajo la acción

destructora de un mismo microorganismo, con un compuesto para
eliminar dicho microorganismo. Se observa que, en general, 4 de cada
10 mueren antes de que el compuesto haya surtido efecto. Calcula la
probabilidad de que:

a) Mueran entre 60 y 90 ejemplares.

X=B(120, 0’4). Tendríamos que calcular

P(60  X  90)  P( X  60)      P( X  90)

Lo más práctico, entonces, es aproximar por una normal. Concretamente,

  np  48 ,   npq  120  0'4  0'6  5'37 . Es decir, aproximamos

X  N (48,5'37)
Con la corrección por continuidad,

 59'5  48 90'5  48 
P60  0,5  X  90  0,5  P z   P2'14  z  7,91 
 5'37 5'37 
 P( z  7'91)  P( z  2'14)  1  0'9838  0,0162

b) Mueran menos de la mitad.

Querríamos calcular P( X  60) . Aproximando por la normal, y con la corrección

por continuidad, se tiene

 60  0,5  48 
P( X  60  0,5)  P z    P z  2'33  0,9901
 5'37 

c) Mueran más de 30 ejemplares.

Querríamos calcular P( X  30) . Aproximando por la normal, y con la corrección

por continuidad, se tiene

 30  0,5  48 
P( X  30)  P z    P( z  3,4)  P( z  3,4)  0,9997
 5'37 