Estadística

Prof. Aixa Torres

Las distribuciones de probabilidad de muchas variables de interés pueden determinarse o

suponerse con base en consideraciones teóricas. A continuación, se estudian tres
distribuciones teóricas de probabilidad, a saber, la Binomial, Poisson, Hipergeométrica.

La Distribución Binomial
La distribución binomial es una de las distribuciones de probabilidad que se encuentra con
mayor frecuencia en la estadística aplicada. La distribución se obtiene a través de un proceso
conocido como ensayo de Bernoulli, en honor al matemático suizo James Bernoulli, quien
hizo contribuciones importantes en el campo de la probabilidad incluyendo especialmente la
distribución binomial.
Un proceso de Bernoulli tiene las siguientes características:
1. Sólo son posibles dos resultados mutuamente excluyentes en cada ensayo u
observación. Por conveniencia, a estos resultados se les denomina éxito y fracaso.
2. Los resultados del conjunto de ensayos u observaciones constituyen eventos
independientes.
3. La probabilidad de éxito, que se denomina mediante p, permanece constante de un
ensayo a otro.
Para determinar la probabilidad de obtener un número determinado de éxitos en un proceso
Bernoulli se requieren tres valores: el número específico de éxitos (x), el número de ensayos
u observaciones (n) y la probabilidad de éxito en cada uno de los ensayos (p).
La fórmula para determinar la probabilidad de un número determinado de éxitos x para una
distribución binomial, en donde q = (1 – p) es:

𝑛
𝑃(𝑋 = 𝑥 | 𝑛, 𝑝) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥

𝑛!
𝑃(𝑋 = 𝑥 | 𝑛, 𝑝) = 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥! (𝑛 − 𝑥)!
 Estadística
Prof. Aixa Torres

Ejemplo
Debido a condiciones económicas, una empresa reporta que 30% de sus cuentas por cobrar
están vencidas. Si un contador toma una muestra aleatoria de cinco de ellas, determine,
mediante el uso de la fórmula para probabilidades binomiales, la probabilidad de los
siguientes eventos:
a- Ninguna de las cuentas esté vencida.
b- Exactamente dos cuentas estén vencidas.
c- Cuatro o más cuentas estén vencidas.
d- Elabore una tabla de distribución de probabilidad para X.
e- Elabore un gráfico de distribución de probabilidad para X.

Solución:
X: número de cuentas que están vencidas
p: probabilidad de que una cuenta esté vencida
Suponiendo que las cuentas son independientes y que p permanece constante en todas las
cuentas, con n = 5 y p = 0.30 tenemos:
5
a. 𝑃(𝑋 = 0 | 5, 0.30) = ( ) (0.30)0 (0.70)5−0
0
= (1) (1) (0.1681)
= 0.1681

5
b. 𝑃(𝑋 = 2 | 5, 0.30) = ( ) (0.30)2 (0.70)5−2
2
= (10) (0.09) (0.343)
= 0.3087

c. P( X ≥4) = P( X = 4) + P( X = 5)
5 5
= ( ) (0.30)4 (0.70)5−4 +
( ) (0.30)5 (0.70)5−5
4 5

= 0.02835 + 0.00243

= 0.03078
 Estadística
Prof. Aixa Torres

d.
x f(x) F(x)
0 0.1681 0.1681
1 0.3602 0.5283
2 0.3087 0.8370
3 0.1323 0.9693
4 0.0283 0.9976
5 0.0024 1.0000

e.

GRÁFICA DE DISTRIBUCIÓN DE
PROBABILIDAD DE X
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5

Los textos de estadística contienen tablas donde se han tabulado las probabilidades para
diferentes valores de n. p y x.
Los softwares de computadora también suelen contener herramientas para obtener valores
de probabilidad para las distribuciones discretas que se usan como modelos en la toma de
decisiones.

Media y Varianza de una variable aleatoria Binomial

Media
μ = E(X) = np
 Estadística
Prof. Aixa Torres

Varianza
σ2 = npq

Ejemplo
Se sabe que el 10% de los relojes automáticos de determinada marca tendrán que ser
reemplazados durante el periodo de garantía.
Si se venden 2500 relojes en un año, encuentre el valor esperado y la desviación estándar del
número de relojes X que deberán ser reemplazados durante el periodo de garantía.
μ = np = 2500 (0.10) = 250
σ2 = npq = (2500) ( 0.10) ( 0.90) = 225

σ = √225 = 15 desviación estándar

La Distribución de Poisson
La distribución de Poisson se usa para determinar la probabilidad de ocurrencia de un número
determinado de eventos cuando éstos ocurren en un continuo de tiempo o espacio. A un
proceso como este se le denomina proceso Poisson, es parecido al proceso Bernoulli, excepto
en que los eventos ocurren a lo largo de un continuo (por ejemplo, durante un intervalo de
tiempo) en vez de ocurrir en ensayos u observaciones fijas. Como en el caso del proceso
Bernoulli, se supone que los eventos son independientes.
Para determinar la probabilidad de que ocurra un número determinado de eventos en un
proceso de Poisson sólo se requiere un valor: el número medio de eventos a largo plazo en
un lapso específico o en una dimensión de espacio que interese. Por lo general esta media se
representa por λ (letra griega lambda). La probabilidad para determinar un número
determinado X de éxitos en una distribución de Poisson es:

λ𝑥 𝑒 −λ
P(X = x / λ) =
𝑥!
Donde e es la constante 2.7183 que es la base de los logaritmos naturales.

Ejemplo
Un departamento de reparación de maquinaria recibe un promedio de cinco solicitudes de
servicio por hora.
 Estadística
Prof. Aixa Torres

a. ¿Cuál es la probabilidad de que se reciban exactamente tres solicitudes en una hora

seleccionada al azar?

Sea la variable aleatoria X: número de solicitudes por hora y λ el número promedio

de solicitudes que se reciben por hora, entonces:

53 𝑒 −5
P(X = 3/ λ= 5) =
3!
(125)(0.00674)
P(X = 3/ λ= 5) = = 0.1404
6

b. ¿Cuál es la probabilidad de recibir menos de tres solicitudes durante una hora elegida
al azar?

P(X < 3/ λ= 5) = P(X = 0) + P( X = 1) + P( X = 2)

= 0.0067 + 0.0337 + 0.0842
= 0.1246

La media del proceso de Poisson siempre es proporcional a la magnitud del tiempo o

espacio, es decir, el valor de λ que se use es aplicable al periodo de interés.

Ejemplo
En promedio, 12 personas hacen preguntas cada hora a una consultora de decoración
en una tienda de telas. ¿Cuál es la probabilidad de que 3 personas acudan en un
periodo de 10 minutos?

λ = 12 número promedio de personas que hacen preguntas cada hora

λ = promedio por 10 minutos = 2.0 ( el valor de λ es proporcional a la longitud del
tiempo)

23 𝑒 −2
P(X = 3/ λ= 2) = = 0.1804
3!

Ejemplo
En cada rollo de 500 pies de hoja de acero aparecen en promedio dos defectos. ¿Cuál es la
probabilidad de que un segmento específico de 100 pies esté libre de defectos?
 Estadística
Prof. Aixa Torres

Si el promedio por rollo 500 pies = 2.0, entonces λ = promedio por rollo de 100 pies = 0.40
P(X = 0/ λ= 0.40) = 0.6703

Media y Varianza de una distribución de Poisson

Media
μ = E(X) = λ

Varianza
σ2 = λ

La Distribución Hipergeométrica
Cuando el muestreo se realiza sin reemplazo para cada uno de los elementos que se toman
de una población finita de elementos, no se puede aplicar el proceso de Bernoulli debido a
que existe un cambio sistemático en la probabilidad de éxito al ir extrayendo elementos de la
población.
Como el muestreo es sin reemplazo, las extracciones son dependientes, ya que la probabilidad
de un acierto en un ensayo dado depende de los resultados de los ensayos precedentes.
Entonces, el número X de aciertos sigue lo que se conoce como una distribución
hipergeométrica.
La fórmula para determinar las probabilidades hipergeométricas es:

(𝑎 𝑁−𝑎
𝑥) ( 𝑛−𝑥 )
P( X = x /n, a, N) =
(𝑁
𝑛)

Donde:
N: número de elementos en la población.
a : número de elementos en la población que se consideran aciertos.
N – a : número de elementos en la población que no se consideran aciertos.
n : número de elementos en la muestra.
 Estadística
Prof. Aixa Torres

x : número de aciertos en la muestra

Ejemplo
Un gerente selecciona al azar 3 personas de un grupo de 10 empleados de un departamento
para asignarlas al equipo de un proyecto. Si se supone que cuatro de los empleados ya habían
sido asignados previamente a un proyecto similar, determine la probabilidad de que
exactamente dos de los tres empleados elegidos hayan tenido experiencia previa en estos
proyectos.
Sea N = 10 n=3 a=4 x=2

(42) (10−4
3−2 )
P( X = 2 ) =
(10
3)

(42) (61)
P( X = 2 ) =
(10
3)

(6) (6)
P( X = 2 ) = = 0.30
120

¿Cuál es la probabilidad de que ninguno de los tres empleados elegidos haya tenido
experiencia previa en estos proyectos?

(40) (63)
P( X = 0 ) =
(10
3)

(1) (20)
P( X = 0 ) = = 0.17
120
Elabore una tabla de distribución de probabilidad para X y un gráfico de distribución de
probabilidad.

x f(x) F(x)
0 0.17 0.17
1 0.50 0.67
2 0.30 0.97
3 0.03 1.00
 Estadística
Prof. Aixa Torres

GRÁFICA DE DISTRIBUCIÓN
DE PROBABILIDAD DE X
0.6

0.5

0.4

0.3

0.2

0.1

0
0 1 2 3

Media y varianza de una Distribución Hipergeométrica

Media
μ = E(X) = n ( a / N)

Varianza
𝑛𝑎 (𝑁−𝑎)(𝑁−𝑛)
σ2 =
𝑁2 (𝑁−1)