TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE LA PAZ

INGENIERIA INDUSTRIAL

PROBABILIDAD Y ESTADÍSTICA

“Distribuciones de Probabilidad Discretas”

Alumno:
Araiza Olachea José Andrés – B17310010

Grupo:
2-.Z

MAESTRA:
DAMARIS NATHANAEL FLORES ZAMORANO

LA PAZ, BAJA CALIFORNIA SUR, MIERCOLES 13 DE MAYO DE 2020

1
Índice
Introducción...............................................................................................................3

Desarrollo...................................................................................................................4

1.- Distribución Normal..............................................................................................4

Concepto general...................................................................................................4

Propiedades de la distribución normal...................................................................4

Ventajas y Desventajas de la Distribución Normal................................................5

Ejemplos resueltos.................................................................................................6

2.- Distribución Hipergeométrica...............................................................................8

Propiedades de la distribución hipergeométrica....................................................9

Desventaja de la distribución hipergeométrica......................................................9

Ejemplos resueltos...............................................................................................10

3.- Distribución Binomial..........................................................................................11

Conclusiones...........................................................................................................16

Fuentes citadas........................................................................................................17

2
Introducción
Una distribución de probabilidad nos muestra todos los valores recabados de un
experimento con la finalidad de calcular la probabilidad de que ocurra un suceso
en el futuro. Las distribuciones probabilísticas las considero una de las
herramientas fundamentales de la estadística, debido al poder que nos otorga de
“predecir” el futuro con un sustento estadístico.

En el presente trabajo, vamos a desarrollar 3 tipos de distribución: normal,

hipergeométrica y binomial. Mostraremos el concepto de cada una, sus
propiedades, ventajas y desventajas de algunas de ellas con la finalidad de poder
diferenciarlas y saber cual emplear dependiendo el caso que se nos presente.

3
Desarrollo

1.- Distribución Normal

Concepto general
La distribución normal es una distribución con forma de campana donde las
desviaciones estándar sucesivas con respecto a la media establecen valores de
referencia para estimar el porcentaje de observaciones de los datos. Estos valores
de referencia son la base de muchas pruebas de hipótesis, como las pruebas Z y
t.

Histograma de una distribución normal hipotética

Propiedades de la distribución normal

 La forma de la curva de la distribución depende de sus dos parámetros: la

media y la desviación estándar.
 La media indica la posición de la campana, la gráfica se desplaza a lo largo
del eje x.
 A mayor desviación la curva será más "plana", dado que la distribución, en
este caso, presenta una mayor variabilidad.
 La curva es simétrica respecto a la media.

4
Ventajas y Desventajas de la Distribución Normal
Ventajas

 Es ampliamente utilizado en parte porque ocurre genuino a menudo.

 Es también de uso frecuente incluso cuando él apenas una aproximación
áspera porque es fácil dirigir.
 Se puede manipular algebraico mucho más fácilmente que alternativas, así
que puede ser utilizada para derivar fórmulas. Esto significa que es posible
derivar los resultados que pueden fácilmente ser aplicados (aunque las
computadoras han hecho este menos importante).
 El académico también tiene gusto de derivar fórmulas (o “soluciones de la
forma cerrada ") para su propio motivo.

Desventajas

 Un número de valuación y de riesgo modelos asumen que el precio futuro

de una seguridad está distribuido normalmente. Esto es claramente falso
pues una función de distribución normal tiene un valor positivo para
cualquier valor del precio futuro, mientras que el precio de una seguridad no
puede bajar debajo de cero.
 Una debilidad particularmente importante, en el contexto de los modelos de
riesgo, es que las distribuciones verdaderas son de rabo adiposo. Sus
extremos son más probables que los de la distribución estándar, debido al
riesgo de desplomes y de auges.
 El de distribución normal es fácil de utilizar y la asunción que los precios
están distribuidos normalmente es suficientemente exacta en muchas
circunstancias

5
Ejemplos resueltos

1.-

La temperatura durante septiembre está distribuida normalmente con media

18.7°C y desviación standard 5°C. Calcule la probabilidad de que la temperatura
durante septiembre esté por debajo de 21°C.

Solución

µ = 18,7ºC σ = 5ºC X = 21ºC

X−µ 21−18.7 2.3

Z= = = =0.46
σ 5 5

Luego vamos a la tabla y para el valor de Z = 0.46 tenemos que la probabilidad es

de 0.6772

Esta tabla nos proporciona la probabilidad desde que ocurran sucesos menores
que Z = 0.46. Esto es, la probabilidad de que ocurran sucesos desde menos
infinito hasta el valor de Z de 0.46 es 0.6772. Esto da como resultado 67.72%.

6
Ejemplo 2.-
La media de los pesos de 5000 estudiantes de un colegio es 70 kg y la desviación
típica 3 kg. Suponiendo que los pesos se distribuyen normalmente, “hallar cuántos
estudiantes” pesan menos de 60 kg.

Solución

µ = 70Kg σ = 3 Kg X = 60Kg

X−µ 60−70 −10

Z= = = =−3.33
σ 3 3

El valor negativo sólo nos dice que estamos por debajo de la media. Pero en la
tabla todos los valores de Z son positivos.

La probabilidad de que Z sea menor que -a, en el dibujo de la izquierda, es igual a

que la probabilidad de que sea mayor que a, en el dibujo de la izquierda.

Mirando el dibujo de la derecha, buscamos la probabilidad de que Z < a, es que es

la parte amarilla, y luego calculamos su complemento, con 1 – (resultado anterior).

Z = 3.33, queda que la probabilidad es de 0.9996

Entonces P(Z>3.33) = 1 – 0.9996 = 0.0004 = P(Z < - 3.33)

Esto es el 0.04% de que los 5000 estudiantes pesan menos de 60 Kg. Son 2
estudiantes.

7
2.- Distribución Hipergeométrica
La distribución hipergeométrica es una distribución discreta que modela el número
de eventos en una muestra de tamaño fijo cuando usted conoce el número total de
elementos en la población de la cual proviene la muestra. Cada elemento de la
muestra tiene dos resultados posibles (es un evento o un no evento). Las
muestras no tienen reemplazo, por lo que cada elemento de la muestra es
diferente. Cuando se elige un elemento de la población, no se puede volver a
elegir. Por lo tanto, la probabilidad de que un elemento sea seleccionado aumenta
con cada ensayo, presuponiendo que aún no haya sido seleccionado.

Utilice la distribución hipergeométrica para muestras obtenidas de poblaciones

relativamente pequeñas, sin reemplazo. Por ejemplo, la distribución
hipergeométrica se utiliza en la prueba exacta de Fisher para probar la diferencia
entre dos proporciones y en muestreos de aceptación por atributos cuando se
toman muestras de un lote aislado de tamaño finito.

La distribución hipergeométrica se define por 3 parámetros: tamaño de la

población, conteo de eventos en la población y tamaño de la muestra.

8
Propiedades de la distribución hipergeométrica

La función de probabilidad de una variable aleatoria con distribución

hipergeométrica puede deducirse a través de razonamientos combinatorios y es
igual a:

k N−k
P( X = x) =
( x )( n−x )
N
n

Donde N es el tamaño de la población, n es el tamaño de la muestra extraída, k es

el número de elementos en la población original que pertenecen a la categoría
deseada y x es el número de elementos en la muestra que pertenecen a dicha
categoría.
Las consideraciones a tener en cuenta en una distribución hipergeométrica:

 El proceso consta de "n" pruebas, separadas o separables de entre un

conjunto de "N" pruebas posibles.

 Cada una de las pruebas puede dar únicamente dos resultados

mutuamente excluyentes.

 El número de individuos que presentan la característica A (éxito) es "k".

 En la primera prueba las probabilidades son: P(A)= p y P(A)= q; con

p+q=1.

Desventaja de la distribución hipergeométrica

Generalmente el muestreo se hace a partir de una población grande, por lo que

la distribución hipergeométrica es mucho menos usada en la vida real que la
binomial. Sin embargo, si la población es pequeña, entonces la distribución
correcta a utilizar será la hipergeométrica. Recuerde que se recomienda usar la
distribución hipergeométrica cuando:

N / n < 10

9
Ejemplos resueltos

Ejemplo 1.-

De un lote de 40 microcomponentes, cada uno se denomina aceptable si no

tiene más de tres defectuosos. El procedimiento para muestrear el lote es la
selección de cinco componentes al azar y rechazar el lote si se encuentra un
componente defectuoso. ¿Cuál es la probabilidad de que se encuentre
exactamente un defectuoso en la muestra si hay 3 defectuosos en todo el lote?

k=3 n=5

N = 40 m = 1

3 37
p( X = 1) =
( 1 )( 4 )
40
5

( 3 )( ¿ 66045 )
p( X = 1) = = 0.3011
658008

Ejemplo 2.-

En una caja hay 10 celulares de los cuales hay 3 de ellos dañados. Si se van a
sacar 5 celulares de la caja. ¿Cuál es la probabilidad de sacar un celular
dañado?

N = 10 k = 3

n=5 m=1

3 7
p( X = 1) =
( 1 )( 4 )
10
5

10
 ( 3 )( ¿ 35 )
p( X = 1) = = 0.4167
252

11
3.- Distribución Binomial
Una distribución binomial es una distribución discreta que modela el número de
eventos en un número de ensayos fijo. Cada ensayo tiene dos resultados posibles,
y evento es el resultado de interés en un ensayo.

Utilice la distribución binomial para describir un proceso donde los resultados se

pueden etiquetar como un evento o un no evento y cuando esté interesado en la
ocurrencia de un evento y no en su magnitud. Por ejemplo, un elemento pasa o no
pasa una inspección o un partido político gana o pierde. La distribución binomial
se usa frecuentemente en control de calidad, sondeos de opinión pública,
investigaciones médicas y seguros.

El número de eventos (X) en n ensayos sigue una distribución binomial si se

cumplen las siguientes condiciones:

 El número de ensayos es fijo.

 Cada ensayo es independiente de otros ensayos.
 Cada ensayo tiene uno de dos resultados: evento o no evento.
 La probabilidad de un evento es igual para cada ensayo.

Propiedad de la distribución binomial

 Cuando n es grande, la distribución binomial puede ser aproximada

razonablemente por la distribución normal. Por ejemplo, para la siguiente
distribución binomial, n = 100 y p = 0.5.

12
  La esperanza o media de una variable aleatoria binomial es el tamaño
por la probabilidad del éxito: E[X]=n•p.

 La varianza de una variable aleatoria binomial es el tamaño por la

probabilidad del éxito y por la probabilidad del fracaso:

Var(x)= n•p•q= n•p•(1-p). La desviación típica es la raíz de la varianza.

 En cada ensayo, experimento o prueba solo son posibles dos

resultados (éxito o fracaso).

Fórmula de la distribución binomial

P(x) = (nk)p q
k n-k

Ejemplos resueltos de distribución binomial

1.-
Un examen consta de 10 preguntas a las que hay que contestar Si o No.
Suponiendo que a las personas que se le aplica no saben contestar a ninguna de
las preguntas y, en consecuencia, contestan al azar, hallar:

a) Probabilidad de obtener cinco aciertos

b) Probabilidad de obtener algún acierto
c) Probabilidad de obtener al menos cinco aciertos

Es una distribución binomial, la persona solo puede acertar o fallar la pregunta.

Suceso A (éxito) = acertar la pregunta -> p = p(A) = 0.5

Suceso Á = no acertar la pregunta -> q = p( Á ¿ = 0.5

13
 a) Probabilidad de obtener cinco aciertos

Obtener exactamente cinco aciertos k = 5, aplicamos la fórmula:

K = 5 n = 10 p = 0.5 q = 0.5

P(x) = (105 )0.5 0.5

5 10-5

P(x) = (252) (0.03125)(0.03125) = 0.2460

b) Probabilidad de obtener algún acierto

Para que nos resulte más sencillo, buscaremos la probabilidad de lo opuesto, es

decir, de no obtener ningún acierto.

P(x) = (100 )0.5 0.5

0 10
= 0.0010

1 – 0.0010 = 0.999

c) Probabilidad de obtener al menos cinco aciertos

P(x ≥ 5) = p(x = 5) + p(x = 6) + p(x = 7) + p(x = 8) + p(x = 9) + p(x = 10)

P( x ≥ 5 ) = 0.2416 + 0.2051 + 0.1172 +0.0439 + 0.0098 + 0.0010 = 0.6231

14
2.-

La probabilidad de que un estudiante obtenga un título de Licenciado en

Farmacia es 0.3. Hallar la probabilidad de que un grupo de siete estudiantes
matriculados en primer curso finalice la carrera:

a) Ninguno de los siete finalice la carrera

b) Finalicen todos
c) Al menos dos acaben la carrera

A = “Obtener el título” -> p = p(A) = 0.3

A = “No obtener el título” -> q = p (A) = 1 – 0.3 = 7

B(7; 0,3)

a) Ninguno de los siete finalice la carrera.

k=0 n=7
p = 0.3 q = 0.7

P(x) = (70 )0.3 0.7 = 0.0824

0 7

b) Finalicen todos. k = 7
k=7 n=7
p = 0.3 q = 0.7

P(x) = (77 )0.3 0.7 = 0.0002

7 0

15
c) Al menos dos terminen la carrera x ≥ 2

Calculamos la probabilidad del suceso contrario, probabilidad que no

termine ninguno más la probabilidad de que termine uno.

P ( x ≥ 2) = 1 – [p(x = 0) + p(x = 1)]

La probabilidad de que no termine ninguno, la calculamos en el inciso a =

0.0824

Probabilidad de que termine uno:

P(x) = (71 )0.3 0.7 = 0.2471

1 6

p ( x ≥ 2) = 1 – [p(x = 0) + p(x = 1)]

p ( x ≥ 2) = 1 – [0.0824 + 0.2471] = 0.6705

16
Conclusiones

Distribución Normal
La distribución normal es una de las distribuciones con más presencia dentro del
grupo de las mismas y es de la que más tengo conocimiento, pues en las materias
de estadística que he cursado en distinto niveles, es la que toman como referencia
para la explicación de los ejemplos.
Una distribución desde mi punto de vista sencilla y fácil de identificar, pues
estamos hablando que de forma gráfica vemos la campana de Gauss, los datos
distribuidos entre las desviaciones estándar del problema y que si no presenta
estas características estaríamos hablando de otro tipo de distribución.

Distribución Hipergeométrica
La distribución hipergeométrica fue la que más me costó entenderle solo leyendo
el concepto, sin embargo, al desarrollar los problemas del mismo, fue que pude
hallarle la lógica al problema.
Una de las diferencias de la distribución hipergeométrica y la normal, es que en la
primera conocemos el número total de elementos en la población y en la normal
solo la muestra.
Dicha diferencia me ayudó bastante en la comprensión de ambas distribuciones.

Distribución Binomial
A diferencia de la hipergeométrica, la distribución binomial fue la que me resultó
más sencilla de entender, pues estamos hablando de sucesos donde el resultado
son solo dos posibles: éxito o fracaso.
Aunque ya había tenido la oportunidad de hablar de ella, no había desarrollado un
trabajo hasta día de hoy.

17
Sin dudas, una vez desarrollando la práctica, ayuda mucho a comprender la
teoría.

Fuentes citadas
 ¿Qué es la distribución normal? - Minitab. (s. f.). Recuperado 12 de mayo
de 2020, de https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/statistics/basic-statistics/supporting-topics/normality/what-is-the-normal-
distribution/

 Colectivo de autores. Estadística, probabilidad y precálculo, Manual

esencial. Editorial Santillana, Santiago de Chile, 2008 ISBN: 978-956-15-
1390-7

 Colaboradores de Wikipedia. (2019, octubre 21). Distribución

hipergeométrica. Recuperado de https://es.wikipedia.org/wiki/Distribuci
%C3%B3n_hipergeom%C3%A9trica

18