Distribuciones de

probabilidad discreta
Antonio Millán A.
Monterrey, N.L.
Feb 3 de 2018
Cap 6 p. 186
 CITIBANK* LONG ISLAND CITY, NUEVA YORK
Citibank, una división de Citigroup, proporciona una amplia gama de
servicios financieros, que comprende cuentas de cheques y de
ahorro, préstamos e hipotecas, seguros y servicios de inversión,
todos dentro del marco de una estrategia única llamada Citibanking.
Citibanking significa una identidad de marca consistente en todo el
mundo, una oferta coherente de productos y servicios de calidad
para el cliente. Citibanking permite al cliente disponer de dinero en
cualquier momento, en cualquier parte y de la manera que lo
desee. Ya sea que el cliente desee ahorrar para el futuro o solicitar
un préstamo para hoy, lo puede hacer en Citibank.
Los cajeros automáticos de Citibank, localizados en los Citicard
Banking Center (CBC), permiten al cliente hacer todas sus
operaciones bancarias en un solo lugar con un simple toque de su
dedo, 24 horas al día y 7 días a la semana. Más de 150 operaciones
bancarias diferentes, desde depósitos hasta manejo de inversiones,
pueden ser realizadas con facilidad.
Los cajeros automáticos Citibanking son mucho más
que un simple cajero automático y en la actualidad
los clientes realizan en ellos 80% de sus
transacciones. Cada Citibank CBC opera como un
sistema de espera en línea al que los clientes llegan
en forma aleatoria a solicitar el servicio de uno de los
cajeros automáticos.
Si todos los cajeros automáticos están ocupados,
debe esperar en la fila. Con periodicidad realizan
estudios acerca de la capacidad de los CBC para
determinar los tiempos de espera para el cliente y
establecer si son necesarios más cajeros automáticos.
Los datos recolectados por Citibank muestran que la llegada
aleatoria de los clientes sigue una distribución de probabilidad
conocida como distribución de Poisson. Mediante la distribución
de Poisson, Citibank calcula las probabilidades de que llegue un
número determinado de clientes a un CBC durante un
determinado periodo y decidir cuál es el número de cajeros que
necesita. Por ejemplo, sea x la cantidad de clientes que llega en un
periodo de un minuto.
Suponga que la tasa media de llegadas de clientes a un
determinado CBC es dos clientes por minuto, la tabla siguiente da
las probabilidades de que llegue un determinado número de
clientes por minuto.
X Probabilidad
0 0.1353
1 0.2707
2 0.2707
3 0.1804
4 0.0902
5 o más 0.0527
 Distribución de probabilidad

 Una distribución de probabilidad es una lista de

todos los resultados de un experimento con sus probabilidades
asociadas a cada resultado.

Experimento: Lanzar una

moneda tres veces.
Observe el número de
caras. Los posibles
resultados son: cero caras,
una cara, dos caras, y tres
caras.
¿Cuál es la distribución
de probabilidad para el
número de caras?
 Características de una distribución
de probabilidad
1. La probabilidad de un resultado se
encuentra entre 0 y 1, inclusive.
2. Los resultados son mutuamente
excluyentes.
3. La lista de los resultados es exhaustiva,
así que la suma de las probabilidades de
los eventos es 1.
 Características de una
distribución discreta
 La suma de las probabilidades de todos los
resultados posibles es 1.00

 La probabilidad de un resultado particular

estará entre 0 and 1.00

 Los resultados son mutuamente excluyentes.

 Variables aleatorias

 Una variable aleatoria es el valor

numérico resultado de un experimento, que
por azar puede asumir diferentes valores.

 EJEMPLO: considere un experimento

aleatorio en el cual una moneda sea lanzada
tres veces. Sea X el número de caras. Donde
H representa el resultado caras y T el
resultado cruces.
 EJEMPLO 1

 El espacio muestral para este

experimento será: TTT, TTH, THT, THH,
HTT, HTH, HHT, HHH.
 Entonces los valores posibles de x (número
de caras) son x = 0,1,2,3.
 EJEMPLO 1 continuación

1. El resultado “cero caras” ocurre una vez.

2. El resultado “una cara” ocurre tres veces.
3. El resultado “dos caras” ocurre tres veces.
4. El resultado “tres caras” ocurre una vez.
5. A partir de la definición de una variable
aleatoria, en este experimento X es una
variable aleatoria.
 EJEMPLO 1 continuación

Distribución de probabilidad para el número de caras

observadas en 3 lanzamientos de una moneda
 EJEMPLO 1
continuación

Distribución la probabilidad para el número de caras

observadas en 3 lanzamientos de una moneda
Número de caras Probabilidad de
resultados
0 1/8 = .125
1 3/8 = .375
2 3/8 = .375
3 1/8 = .125
Total 8/8 = 1
 Otros ejemplos
1. Si cuentas el número de empleados ausentes en
el turno matutino del lunes, el número puede
ser 0, 1, 2, 3,… El número de ausencias es una
variable aleatoria.
2. Si pesas cuatro lingotes de acero, los pesos
pueden ser de 2,492 libras, 2,497 libras, 2,506
libras, etc. El peso es una variable aleatoria.
3. La cantidad diaria de conductores multados por
conducir bajo la influencia del alcohol en Nuevo
León.
4. El total de pulgadas de lluvia por año.
 Variable aleatoria discreta

 Una variable aleatoria discreta es la

que puede tomar únicamente ciertos
valores separados con claridad, como
resultado de algún experimento de interés.
 EJEMPLO: sea X el número de caras
cuando una moneda se lanza tres veces.
Aquí los valores para X son x = 0,1,2,3.
 # de hijos, # materias aprobadas.
 Ejemplos de Variables
aleatorias discretas

Valores posibles para la

Experimento Variable aleatoria (x)
variable aleatoria
Llamar a cinco Número de clientes que hacen
0, 1, 2, 3, 4, 5
clientes un pedido
Inspeccionar un envío Número de radios que tienen
0, 1, 2, . . . , 49, 50
de 50 radios algún defecto
Hacerse cargo de un
restaurante durante Número de clientes 0, 1, 2, 3, . . .
un día
Vender un automóvil Sexo del cliente 0 si es hombre; 1 si es mujer
 La media de una distribución
de probabilidad discreta
La media:
 Determina la localización central de los
datos.
 Es el valor promedio a largo plazo de la
variable aleatoria.
 También se conoce como el valor
esperado E(x) de una distribución de
probabilidad.
 Es un promedio ponderado.
 La media de una distribución
de probabilidad discreta
 La media se calcula con la fórmula:

 Donde  es la media, y P(x), la probabilidad

de los diferentes resultados de x.
 La varianza de una distribución
de probabilidad discreta

 La varianza mide la cantidad de

dispersión (variación) de una distribución.
 La varianza de una distribución discreta
se denota por la letra griega  2 (sigma
cuadrada).
 La desviación estándar se obtiene al
sacar la raíz cuadrada de  2
 La varianza de una distribución
de probabilidad discreta
 La varianza de una distribución de
probabilidad discreta se calcula con la
fórmula
 Ejercicio
Autoevaluación 6-2
 Variable aleatoria continua

 Una variable aleatoria continua es la que

puede tomar un número infinito de valores.

 Ejemplos: la altura de un jugador de

básquetbol, la longitud de un cabello, el
peso.

 Depende mucho de la precisión del

instrumento de medición.
 Variables aleatorias
contínuas
Valores posibles para la
Experimento Variable aleatoria (x)
variable aleatoria
Tiempo en minutos entre la
Operar un banco x >= 0
llegada de los clientes
Llenar una lata de
refresco (máx. 12.1 Cantidad de onzas 0<=x<=12,1
onzas)
Construir una Porcentaje del proyecto
0<=x<=100
biblioteca terminado en seis meses
Temperatura a la que tiene
Probar un proceso
lugar la reacción deseada 150<=x<=212
químico nuevo
(min. 150°F; máx. 212°F)
Distribuciones
de probabilidad
discreta
Distribución
Binomial
 Características de la Distribución de
probabilidad binomial
La distribución binomial tiene las siguientes
características (se conoce como experimento de
Bernoulli) :
1. El experimento consiste en una serie de n ensayos idénticos.
2. En cada ensayo hay dos resultados posibles. A uno de estos
resultados se le llama éxito y al otro se le llama fracaso.
3. La probabilidad de éxito, que se denota  , no cambia de un
ensayo a otro. Por ende, la probabilidad de fracaso, que se denota
1 -  , tampoco cambia de un ensayo a otro.
4. Los ensayos son independientes.
Distribución de probabilidad binomial

La fórmula para la distribución de

probabilidad binomial es:

Donde
C es la combinación matemática
n es el número de ensayos
X es la variable aleatoria definida como número de éxitos
 es la probabilidad de éxito en cada ensayo
Distribución de probabilidad binomial

Para construir una distribución

binomial se tiene que:
• n es el número de ensayos
• x es el número de éxitos
observados
•  es la probabilidad de éxito en
cada ensayo
 Media y varianza de la distribución
binomial
La media está dada por:

  n
La varianza está dada por:

  n (1   )
2
 Vuelos a Saltillo – Ejemplo 2
• Hay cinco vuelos diarios de Saltillo a
Durango. Suponiendo que la
probabilidad de que cualquier vuelo
llegue tarde sea de .20
• ¿Cuál es la probabilidad de que ningún
vuelo llegue tarde hoy?
• Cuál es la probabilidad de que tres
vuelos lleguen tarde?
• Cuál es la probabilidad de que ningún
vuelo llegue a tiempo?
 Vuelos atrasados – Ejemplo 2

 Hay cinco vuelos diarios

de Saltillo a Durango.
Suponiendo que la
probabilidad de que
cualquier vuelo llegue
tarde sea de .20
 ¿Cuál es la probabilidad
de que ningún vuelo
llegue tarde hoy?
 EJEMPLO 2

• Para el ejemplo
relacionado a los vuelos
demorados, recordemos
que  =.20 y n = 5

• ¿Cuál es el promedio de
vuelos retrasados?

• ¿Cuál es la varianza de
vuelos retrasados?
Distribución binomial para el ejemplo
de los vuelos retrasados
 EJEMPLO 2
VUELOS ATRASADOS DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL
 Desempleo-EJEMPLO 3
• El Departamento de Trabajo del estado de
Alabama informó que el 20% de la mano
de obra está desempleada. De una
muestra de 14 obreros, calcule la
probabilidad de que tres obreros estén
desempleados.
• (con n =14,  = .2)
• …… P(X=3)=?
• …. la probabilidad de que tres obreros
estén desempleados: P(X=3)=.250
 EJEMPLO 3

• Del ejemplo de los obreros

desempleados, recuerde que  =.2
y n =14.
• Entonces, la media = n = 14(.2) =
2.8.
• La varianza = n  (1-  ) =
(14)(.2)(.8) = 2.24
 Desempleo-EJEMPLO 3…cont
Distribuciones de probabilidad Acumulada
Nota: los siguientes son ejemplos de distribuciones de
probabilidad acumulada:
1. Cuál es la probabilidad de que tres o más obreros
estén desempleados:
2. P(x ≥3)=.250 +.172 +.086 +.032 +.009
+.002+...=.551 (los cálculos no reportados se
desprecian)
3. De qué otra forma podríamos calcular con mayor
exactitud?
4. P(x ≥3)= 1- P(x <3)
5. P(x <3)= P(x =0) + P(x =1) + P(x =2)
Tablas de distribución Binomial
 Formas de la Binomial
Para diferentes  (n constante)
 Formas de la Binomial
Para diferentes n ( constant)
 Distribución
Hipergeométrica
 Población finita

• Una población finita es la que

tiene un número específico de
individuos, objetos o mediciones.
• Por ejemplo: el número de
estudiantes en una clase o el de
automóviles en un estacionamiento.
 Características
Distribución hipergeométrica
La distribución hipergeométrica tiene las
siguientes características:
1. Solo hay 2 posibles resultados.
2. La probabilidad de éxito no es la misma
en cada ensayo.
3. Es el resultado de un recuento del
número de éxitos en un número fijo de
ensayos.
 Ecuación
Distribución hipergeométrica
La fórmula de esta distribución es:
( S Cx )( N  S Cn  x )
P( x ) 
N Cn
Donde
• N = es el tamaño de la población.
• S = el número de éxitos en la población.
• x = el número de éxitos de interés.
• n = el tamaño de la muestra.
• C = símbolo de la combinación.
 Criterio
Distribución hipergeométrica
Use la distribución hipergeométrica para encontrar
la probabilidad de un número específico de
éxitos o fracasos si:
• La muestra es seleccionada de una población finita sin
reemplazo (recuerde que una característica de la
distribución binomial es que la probabilidad de éxitos
sea la misma para todos los ensayos).
• El tamaño de la muestra n es igual o más grande al 5%
del tamaño de la población N
• Es decir n/N  .05
 Juguetes Hora de Jugar S. A.
Distribución hipergeométrica –
Ejemplo 4
Juguetes Hora de Jugar, S.A., emplea a
50 personas en el departamento de
ensamble. 40 de ellos pertenecen
al sindicato y 10 no.

Cinco empleados son seleccionados

aleatoriamente para formar un
comité, reunirse con el
administrador y hablar acerca de la
hora de entrada en los turnos.

¿Cuál es la probabilidad de que cuatro

de los cinco seleccionados en el
comité pertenezcan al sindicato?
Juguetes Hora de Jugar – Ejemplo 4
Distribución
Poisson
 Concepto de distribución de
probabilidad de Poisson
• La distribución binomial se volverá cada
vez más sesgada a la derecha conforme la
probabilidad de éxitos sea más pequeña.
• La forma límite de la distribución binomial,
donde la probabilidad de éxitos  es muy
pequeña y n es muy grande, se llama
distribución de probabilidad de
Poisson
Características de la Distribución
de probabilidad de Poisson
• Describe el número de veces que
ocurren algunos eventos durante un
intervalo especificado. El intervalo puede
ser tiempo, distancia, área, o volumen.
• Supuestos de la distribución de Poisson:
• La probabilidad es proporcional a la longitud del
intervalo.
• Los intervalos son independientes.
Distribución de probabilidad de
Poisson
La distribución de Poisson se describe en forma
matemática por medio de la fórmula:
 ex u

P( x ) 
x!
Donde  = es la media aritmética de ocurrencias
(éxitos) en un intervalo determinado.
e = la constante 2.71828.
x = el número de ocurrencias (éxitos).
Distribución de probabilidad de Poisson

 La media de éxitos en una situación

binomial lo determina n  , donde n es el
número de ensayos y  es la probabilidad
de los éxitos.

 La varianza en la distribución de Poisson es

también igual a n  .
 Aeroméxico – Ejemplo 5
Aeroméxico rara vez pierde el equipaje.
Suponga que una muestra aleatoria
de 1,000 vuelos muestra un total de
300 equipajes perdidos.
Así que la media aritmética de equipaje
perdido por vuelo es 0.3 (300/1,000). Si
el número de equipajes perdidos
sigue una distribución de Poisson con
u = 0.3, encuentre la probabilidad de
que no se pierda ningún equipaje.
 Accidentes – Ejemplo 6
En USA, cada año ocurren 15 accidentes
aéreos (The World Almanac and Book of Facts,
2004).
a. Calcule el número medio de accidentes aéreos
por mes.
b. Calcule la probabilidad de que no haya ningún
accidente en un mes.
c. De que haya exactamente un accidente en un
mes.
d. De que haya más de un accidente en un mes.
Fin
Media, varianza, y desviación estándar de una
distribución de probabilidad - Ejemplo
 Lorena vende carros nuevos.
Generalmente vende una gran cantidad
los sábados. Ella ha desarrollado la
siguiente distribución de probabilidad para
el número de carros que espera vender en
un sábado particular.
¿Cuál es el promedio de sus ventas y su
distribución de probabilidad?
¿Cuál es la varianza, y desviación
estándar?
 El ejemplo de Aeroméxico

Aeroméxico raramente pierde el equipaje. Suponga

que una muestra aleatoria de 1,000 vuelos
muestre un total de 300 equipajes perdidos. Así
que la media aritmética de equipaje perdido por
vuelo es 0.3 (300/1,000). Si el número de
equipajes perdidos sigue una distribución de
Poisson con u = 0.3, encuentre la probabilidad de
que no se pierda ningún equipaje.
Ejemplo usando tablas
Ejemplo 2
 EJEMPLO 2

 El departamento de urgencias de un hospital, con

horario de 6 a 10 PM, se especializa en lesiones
menores y enfermedades respiratorias. Si se sabe que
el número promedio que llega es de 4.0 enfermos por
hora, ¿cuál es la probabilidad de que lleguen 4
enfermos en una hora?

4 4
4 e
P(4)   .1954
4!
Distribución de probabilidades
Binomial vs Hypergeométrica