DISTRIBUCIONES DISCRETAS DE

PROBABILIDAD
UNIVERSIDAD DE IBAGUE

FACULTAD DE CIENCIAS
NATURALES,MATEMATICAS Y ESTADISTICA

PROGRAMAS DE INGENIERIA

ASIGNATURA: PROBABILIDAD Y ESTADISTICA

DOCENTE: CARLOS VALDES JIMENEZ

carlos.valdes@unibague.edu.co
WhatsApp: 3005558466
 TIPOS DE VARIABLES
CUALITATIVAS
• Se refieren a los aspectos no medibles o cualidades de los individuos (estado civil, lugar
de nacimiento...). Las variables cualitativas toman valores que no pueden ser ordenados
ni operados conforme a las reglas aritméticas; a estos valores se les suele denominar
modalidades

NOMINALES ORDINALES
• es aquella que no diferencia un orden o jerarquía Cuando no es posible hacer medidas numéricas, son
ej: masculino o femenino, verdadero o falso, si o susceptibles de clasificación. Ej: 1. malo 2. regular
no, soltero-casado-viudo 3. bueno 4.excelente

CUANTITATIVAS •

• Miden alguna cualidad o atributo "cuantificable" de los individuos. (Valor numérico)

DISCRETAS
Las variables discretas, al ser numerables,
pueden tomar una serie de valores
determinados, pero no los valores
intermedios (Ej., número de años de
escolarización, número de hijos por
familia…)
CONTINUAS
Las variables continuas, aquellas medibles
que pueden tomar infinitos valores dentro
de un campo de variación (peso, altura,
temperatura…)
 DISTRIBUCIÓN DISCRETA DE
PROBABILIDAD
Sea X una variable aleatoria discreta toma valores: 𝑋1 , 𝑋2 𝑋3,… , 𝑋𝑘 ; y p(x)
una función que toma valores de probabilidad P( 𝑥1 ),P( 𝑥2 ),
P(𝑥3 ),…,P(𝑥𝐾 ),donde la distribución de probabilidad para la variable
aleatoria X es:

𝒙𝒊 𝒑𝒊 𝑷𝒊

𝑋1 p(𝑋1 ) P(𝑋1 )
𝑋2 p(𝑋2 ) P(𝑋2 )
𝑋3 p(𝑋3 ) P(𝑋3 )

. . .
. . .
𝑋𝑘 p(𝑋𝑘 ) P(𝑋𝑘 ) = 1,00
1,00
෍𝑥
 DISTRIBUCIÓN DISCRETA DE PROBABILIDAD
Definición: El conjunto de pares ordenados ( x , 𝑓 (x) ) es una función de
probabilidad , función masa de probabilidad o distribución de probabilidad
de la variable aleatoria discreta X si para cada resultado posible x.
1) 𝑓 (x) ≥ 0
2) σ 𝑓 𝑥 = 1
3) 𝑝 ( 𝑥 = 𝑥𝑘 ) = 𝑓(x)
Ejemplo : un embarque de 10 portátiles similares que se envía a un
distribuidor contiene 4 aparatos defectuosos. Si una escuela realiza una
compra aleatoria de 3 de estos portátiles, encuentre la distribución de
probabilidad para el numero de aparatos defectuosos en la compra.
Solución: sea x una variable aleatoria cuyos valores 𝑥 son los posibles
números de portátiles defectuosos comprados por la escuela. Entonces 𝑥
puede ser cualquiera de los números 0 , 1 , 2 , 3. Una función para para
𝑁1 𝑁2
𝑥 𝑛−𝑥
generar las probabilidades esta dada así: 𝑝 𝑥 = 𝑁
𝑛
Donde N = tamaño de la población, n = tamaño de la muestra
𝑁1 = elementos que me interesan , 𝑁2 = elementos que no me interesan
X = elementos escogidos o seleccionados para hallar la probabilidad.
DISTRIBUCIÓN DISCRETA DE PROBABILIDAD
4 6
4𝐶0∗6𝐶3
𝑓 (0) = 𝑝( x= 0) = 0 3−0
10 = = 0,166
10𝐶3
3
4 6
4𝐶1∗6𝐶2
𝑓 (1) = 𝑝 ( x= 1) = 1 3−1
10 = = 0,50
10𝐶3
3
4 6
4𝐶2∗6𝐶1
𝑓 (2) = 𝑝( x= 2) = 2 3−2
10 = = 0,30
10𝐶3
3
4 6
4𝐶3∗6𝐶0
𝑓 (3) = 𝑝 ( x= 3) = 3 3−3
10 = = 0,033
10𝐶3
3
Entonces la distribución de probabilidad de x es:

𝑥𝑖 0 1 2 3
𝑝 𝑥𝑖 0,166 0,50 0,30 0,033
P 𝑥𝑖 0,166 0,666 0,96 1,00
 VALOR ESPERADO O ESPERANZA DE UNA DISTRIBUCION DE
PROBABILIDAD
Definición: sea x una variable aleatoria con distribución de probabilidad discreta f (x), la media
o valor esperado de x es:
𝜇 𝑥 = 𝐸 𝑥 = media de la distribucion o valor esperado o esperanza
𝜇(𝑥) = 𝐸 𝑥 = 𝑥1 p 𝑥1 + 𝑥2 p 𝑥2 + 𝑥3 p 𝑥3 + 𝑥4 p 𝑥4 +…+ 𝑥𝑘 p 𝑥𝑘
𝜇(𝑥) = 𝐸 𝑥 = σ 𝑥𝑖 p(𝑥𝑖 )
Ejemplo: Vamos hallar el valor esperado para ejemplo anterior
𝜇(𝑥) = 𝐸 𝑥 = 0*0,16 + 1*0,50 + 2*0,30 +3*0,033 = 1,19 ≅ 2
PROPIEDADES DEL VALOR ESPERADO:
1, 𝐸 𝐾 = K ; donde k es una constante Ejemplo: 𝐸 5 = 5
2. 𝐸 𝑘 + 𝑥 = 𝐸 𝑘 + 𝐸 𝑥 , Ejemplo: si k = 10 y 𝐸 𝑥 = 7 entonces
𝐸 10 + 𝑥 = 𝐸 10 + 𝐸 𝑥 = 10 +7 = 17
3, 𝐸 𝑘𝑥 = k 𝐸 𝑥 , Ejemplo: si k = 9 y 𝐸 𝑥 = 12 entonces
𝐸 9𝑥 = 9 𝐸 𝑥 = 9 . 12 = 108
4. Sean a y b constantes X , Y variables entonces: 𝐸 𝑎𝑥 + 𝑏𝑦 = a 𝐸 𝑥 +b 𝐸 𝑦
Ejemplo: sean a= 5 , b=7 , 𝐸 𝑥 =4 , 𝐸 𝑦 =3 entonces
𝐸 5𝑥 + 7𝑦 = 5 𝐸 𝑥 +7 𝐸 𝑦 = 5 .4 + 7 . 3 = 20 +21= 41
 VARIANZA DE UNA DISTRIBUCION DE PROBABILIDAD
Definición: sea x una variable aleatoria con distribución de probabilidad discreta f(x) y media
𝜇(𝑥) = 𝐸 𝑥 la varianza de x es:
𝜎 2 (x)= 𝑥1 − 𝜇(𝑥) 2 𝑝 𝑥1 + 𝑥2 − 𝜇(𝑥) 2 𝑝 𝑥2 +…+ 𝑥𝑘 − 𝜇(𝑥) 2 𝑝 𝑥𝑘
𝜎 2 (x) =σ 𝑥𝑖 − 𝜇(𝑥) 2 ∗p 𝑥𝑖
Ejemplo : retomando el ejercicio para la distribución del numero de portátiles defectuosos.
𝜎 2 (x)= 0 − 2 2
0,16 + 1 − 2 2
0,50 + 2 − 2 2
0,30 + 3 − 2 2
0,04 =1,18
Propiedades de la varianza:
1, 𝑆𝑒𝑎 𝑘 𝑢𝑛𝑎 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝜎 2 (k) = 0 ,Ejemplo si k=10 entonces 𝜎 2 (10) = 0
2, Sea k una constante y x una variable 𝜎 2 (k+x) = 𝜎 2 (k) + 𝜎 2 (x) = 𝜎 2 (x)
Ejemplo: si k= 12 y 𝜎 2 (x) = 6 entonces 𝜎 2 (12+x) = 𝜎 2 (12) + 𝜎 2 (x)= 0+6 = 6
3, Sea k una constante y x una variable entonces 𝜎 2 (k*x) = 𝑘 2 𝜎 2 (x)
Ejemplo: si k= 7 y 𝜎 2 (x) = 2 entonces 𝜎 2 (7x) =72 𝜎 2 (x)= 49 . 2 = 98
4, 𝜎 2 (x) =E 𝑥𝑖 2 − 𝐸(𝑥) 2

E 𝑥𝑖 2 = 𝑥1 2 𝑝 𝑥1 +𝑥2 2 𝑝 𝑥2 +𝑥3 2 𝑝 𝑥3 +……..+𝑥𝑘 2 𝑝 𝑥𝑘

Ejemplo: retomando E 𝑥𝑖 2 = 0 2 0,16 + 1 2 0,50 + 2 2 0,30 + 3 2 0,04 = 2,06
Entonces 𝜎 2 (x) =2,06 − 1,112 2 = 0,8243
 EJERCICIO PROPUESTO DE DISTRIBUCION DE
PROBABILIDAD DISCRETA

Entre 15 solicitantes para un puesto 9 son mujeres y 6 son hombres.

Supóngase que se seleccionan al azar 5 candidatos de entre todos ellos
para concederles las entrevistas y seleccionarlos. Determinar: a) la
función de probabilidad para x, el número de candidatas mujeres entre
los 5 finalistas, b) el número esperado de candidatas mujeres entre los
finalistas. c) la varianza de la distribución de probabilidad. Tomando
la información anterior del valor esperado y la varianza.
Hallar: a) E 3/2 , b) E 2 + 𝑥 , c) E 5𝑥 , d) E 𝑥𝑖 2
e) 𝜎 2 (1/3)
f) 𝜎 2 (3x)
g) 𝜎 2 (5+x),
h) 𝜎(𝑥)
i) Comprobar que 𝜎 2 (x) =E 𝑥𝑖 2 − 𝐸(𝑥) 2
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
ALGUNAS DISTRIBUCIONES DE PROBABILIDAD
DISCRTAS :
 DISTRIBUCIÓN BINOMIAL
 DISTRIBUCIÓN MULTINOMIAL
 DISTRIBUCIÓN HIPERGEOMETRICA
 DISTRIBUCIÓN HÍPERGEOMÉTRICA
MULTIVARIADA
 DISTRIBUCIÓN DE POISSON
 APROXIMACIÓN DE LA BINOMIAL A LA POISSON
 DISTRIBUCIÓN BINOMIAL NEGATIVA
 DISTRIBUCIÓN GEOMÉTRICA
 DISTRIBUCIÓN BINOMIAL
Un experimento de Bernoulli puede resultar con un éxito con una probabilidad p y en
un fracaso con una probabilidad q = 1- p. Entones la distribución de probabilidad de la
variable aleatoria binomial X el numero de éxitos en n experimentos independientes es
:
𝑥 = 1 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑝 = 𝑒𝑥𝑖𝑡𝑜
𝑝 𝑥 =ቐ
𝑥 = 0 𝑐𝑜𝑛𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑞 = 1 − 𝑝 𝑓𝑟𝑎𝑐𝑎𝑠𝑜

𝑛 𝑥 𝑛−𝑥
𝑏 𝑥, 𝑛 . 𝑝 = 𝑝 𝑞 con x = 0 ,1 ,2 ,3 ,4, .. ,n
𝑥
Donde:
X= los elementos escogidos
n= #de intentos independientes
P = probabilidad de éxito
q = 1- p probabilidad de fracaso
 DISTRIBUCIÓN BINOMIAL

PROPIEDADES DE LA DISTRIBUCION BINOMIAL

1.El experimento consiste en n intentos repetidos
2.Los resultados de cada uno de los intentos pueden clasificarse como un éxito o como
un fracaso.
3.La probabilidad de éxito se representa como p y la probabilidad de fracaso como
q = 1- p
4. Las probabilidades son constantes.
5.Los intentos repetidos son independientes
MEDIA DE LA DISTRIBUCION BINOMIAL
𝜇 𝑥 = 𝐸 𝑥 = 1p + 0q = p para n intentos 𝜇(𝑥) = 𝐸 𝑥 = np
VARIANZA DE LA DISTRIBUCION BINOMIAL
𝜎 2 (x) = 1 − 𝑝 2 𝑝+ 0 − 𝑝 2 𝑞 = 𝑞2 p + 𝑝2 𝑞 = p.q (p+q)= p.q(1)
Para n intentos 𝜎 2 (x)= n.p.q
EJEMPLO DE DISTRIBUCIÓN BINOMIAL

Se dice que el 75% de los accidentes de una planta se

atribuyen a errores humanos. Si en un período de tiempo
dado, se suscitan 5 accidentes, determine la probabilidad de
que:
a)dos de los accidentes se atribuyan a errores humanos.
b) como máximo 1 de los accidentes se atribuya a errores de
tipo humano.
c) Ocurran entre tres y cinco accidentes por errores humanos
d) tres de los accidentes no se atribuyan a errores humanos.
e) Cual es el promedio de accidentes en la planta debidos a
errores humanos y cual su variación.
EJEMPLO DE DISTRIBUCIÓN BINOMIAL
Solución:
a) n = 5, x = variable que nos define el número de accidentes debidos a errores
humanos, x = 0, 1, 2,...,5 accidentes debidos a errores de tipo humano
p = p(éxito) = p(un accidente se deba a errores humanos) = 0.75
q = p(fracaso) = p(un accidente no se deba a errores humanos) =1- p = 0,25
5
𝑏 𝑥 = 2, 𝑛 = 5, 𝑃 = 0,75 = 𝑝 𝑥 = 2 = 0,75 2 0,25 5−2 =
2
5 C2 0,75 2 0,25 3 = 0,08789

5 5
b) 𝑝 𝑥 ≤ 1 = 𝑝 𝑥 = 0 + 𝑝 𝑥 = 1 = 0,75 0 0,25 5−0 + 0,75 1 0,25 5−1
0 1
0 5 1 4
= 5 C0 0,75 0,25 + 5 C1 0,75 0,25 = 0,015624

5
c) 𝑝 3 ≤ 𝑥 ≤ 5 = 𝑝 𝑥 = 3 + 𝑝 𝑥 = 4 + 𝑝 𝑥 = 5 = . 0.75 3 . 0.25 5−3 +
3
5 5
. 0.75 4 . 0.25 5−4 + . 0.75 5 . 0.25 5−5 =
4 5
C
5 3 . 0.75 3 . 0.25 2 +
5 C
. 4 0.75 4 . 0.25 1 + C . 0.75 5 . 0.25 0 = 0.8964
5 5
 EJEMPLO DE DISTRIBUCIÓN BINOMIAL
d). En este caso cambiaremos el valor de p ; n =5
x =variable que nos define el número de accidentes que no se deben a
errores de tipo humano
x = 0, 1, 2,...,5 accidentes debidos a errores humanos
p = p(probabilidad de que un accidente no se deba a errores
humanos) = 0.25
q = p(probabilidad de que un accidente se deba a errores humanos) =
1- p = 0.75
5
𝑏 𝑥 = 3, 𝑛 = 5, 𝑃 = 0,25 = 𝑝 𝑥 = 2 = 0,25 3 0,75 5−3 =
3
C 3 2
5 3 0,75 0,25 = 0,08789
e). El promedio de accidentes debido a errores humanos es:
𝜇 𝑥 = 𝑛𝑝 = 5 ∗ 0.75 = 3.75 ≈ 4
La variación o varianza es.
𝜎 2 𝑥 = 𝑛𝑝𝑞 = 5 ∗ 0.75 ∗ 0.25 = 0.9375 ≈ 1
 EJERCICIOS PROPUESTOS
1.La probabilidad de que un producto salga defectuoso es 0.08. Si se seleccionan
aleatoriamente 10 productos, cual es la probabilidad que:
a). 6 sean defectuosos
b). Salgan menos de 2 defectuosos
c). No salgan productos defectuosos
d). Entre 3 y 5 salgan defectuosos.
e). Cuantos productos se esperan salgan defectuosos y con que variación.

2. Una compañía se dedica a la instalación de nuevos sistemas de calefacción

central. Se ha comprobado que en el 15% de las instalaciones es necesario volver a
realizar algunas modificaciones. En una semana determinada se realizaron seis
instalaciones. Asumir independencia en los resultados de esas instalaciones.
a) Cuál es la probabilidad de que sea necesario volver en todos los casos?
b) Cuál es la probabilidad de que no sea necesario volver en ninguno de los casos?
c) Cuál es la probabilidad de que sea necesario volver en más de una ocasión?
d) Cuál es la probabilidad de que sea necesario volver entre 2 y 4 de las ocasiones?
e) En cuantas ocasiones se espera volver y con que variación.
 DISTRIBUCION MULTINOMIAL
Si un intento determinado puede resultar en cualquier de las k resultados 𝐸1 , 𝐸2 , 𝐸3 ,..
𝐸𝑘 ,con probabilidades 𝑝1, 𝑝2, 𝑝3,…., 𝑝𝑘, entonces la distribución de probabilidad de la
variable aleatoria 𝑥1 , 𝑥2 , 𝑥3 ,…, 𝑥𝑘 ,que representan el numero de ocurrencias para 𝐸1 ,
𝐸2 , 𝐸3 ,.. 𝐸𝑘 en n intentos independientes es:
𝑛!
𝑝 𝑥1 , 𝑥1 , . , 𝑥𝑘 ; 𝑝1 , 𝑝2 , . , 𝑝𝑘 ; 𝑛 = 𝑝1 𝑥1 . 𝑝2 𝑥2 … 𝑝𝑘 𝑥𝑘
𝑥1 !. 𝑥2 !. … . 𝑥𝑘 !
σ 𝑥𝑖 = 𝑛 𝑦 σ 𝑝𝑖 = 1
Ejemplo:
Las probabilidades son de 0.40, 0.20, 0.30 y 0.10,respectivamente, de que un delegado
llegue por aire a una cierta convención, llegue en autobús, en automóvil o en tren. Cuál
es la probabilidad de que entre 9 delegados seleccionados aleatoriamente en esta
convención
a) 3 hayan llegado por aire, 3 en autobús, 1 en auto y 2 en tren,
b) 4 hayan llegado por aire, 1 en autobús y 2 en auto?,
c) 5 hayan llegado en auto
 EJEMPLO DE DISTRIBUCION MULTINOMIAL
Solución:
a) n = 9
x1= # de delegados que llegan por aire = 3
x2= # de delegados que llegan en autobús = 3
x3= # de delegados que llegan en auto = 1
x4= # de delegados que llegan en tren = 2
p1 = probabilidad de que un delegado llegue por aire = 0.40
p2 = probabilidad de que un delegado llegue en autobús = 0.20
p3 = probabilidad de que un delegado llegue en auto = 0.30
p4 = probabilidad de que un delegado llegue en tren = 0.10

𝑃 𝑥1 = 3, 𝑥2 = 3, 𝑥3 = 1, 𝑥4 = 2; 𝑝1 = 0,40, 𝑝2 = 0,20, 𝑝3 = 0,30; 𝑝4 = 0,10; 9

9!
= 0,40 3 , 0,20 3 . 0,30 1. 0,10 2= 0,007741
3!.3!,1!,2!
 EJEMPLO DE DISTRIBUCION MULTINOMIAL

b. n=9
x1 = 4 por aire; p1 = 0.40
x2 = 1 en autobús; p2 = 0.20
x3 = 2 en auto; p3 = 0.30
x4 = 2 en tren; p4 = 0.10
𝑃(𝑥1 = 4, 𝑥2 = 1, 𝑥3 = 2, 𝑥4 = 2; 𝑝1 = 0,40, 𝑝2 = 0,20, 𝑝3 =
 EJERCICIO PROPUESTO DE DISTRIBUCION
MULTINOMIAL
En una empresa trasnacional de
infraestructura, el 8% de los
profesionales son Ing civiles, el
20% sin Ing mecánicos,30%
Ing. eléctricos, el 12% son Ing
industriales, el 16% son Ing
electrónicos y el 14% Ing de
sistemas. Si se seleccionan
aleatoriamente una muestra de
27 profesionales para hacer un
megaproyecto..
¿cuál es la Probabilidad de que
salgan 7 Ing civiles,6 Ing.
mecánicos,5 Ing eléctricos,4 Ing
industriales,3 Ing electrónicos y
2 Ing de sistemas?
 DISTRIBUCIÓN HÍPERGEOMÉTRICA
Definición: la distribución de probabilidad de la variable aleatoria
hipergeometrica X, el numero de éxito en una muestra aleatoria de
tamaño n seleccionada de N resultados posibles de los cuales 𝑁1 son
considerados como éxito y 𝑁2 como fracaso es:
𝑁1 . 𝑁2
𝐻 𝑥, 𝑁, 𝑛, 𝑁1 = 𝑥 𝑁𝑛−𝑥 x = 0,1,2 ,3,….,n
𝑛
X= Elementos escogidos
N = Tamaño de la población
𝑁1 = Elementos tomados como éxito
𝑁2 = Elementos tomados como fracaso
n = Tamaño de la muestra
 PROPIEDADES DE LA DISTRIBUCION
HIPERGEOMETRICA
1.Una muestra aleatoria de tamaño n se selecciona sin reemplazo de un total de N
resultados o artículos totales
2. La población N es finita donde N = 𝑁1 + 𝑁2
3. Al realizar un experimento con este tipo de distribución, se esperan dos tipos de
resultados. 𝑁1 resultados o artículos del total N pueden clasificarse como éxitos y 𝑁2
como fracaso
4. Las probabilidades asociadas a cada uno de los resultados no son constantes.
5.Cada ensayo o repetición del experimento no es independiente de los demás.
6. El número de repeticiones del experimento (n) es constante
MEDIA DE LA DISTRIBUCION HIPERGEOMETRICA
𝑁1
𝜇 𝑥 = 𝑛.
𝑁
𝑛 = tamaño de la muestra
𝑁1 = resultados o artículos del total N pueden clasificarse como éxitos
N = tamaño de la población.
 MEDIA Y VARIANZA DE LA DISTRIBUCION
HIPERGEOMETRICA
VARIANZA DE LA DISTRIBUCION HIPERGEOMETRICA
2
𝑁1 𝑁1 𝑁−𝑛
𝜎 𝑥 = 𝑛. . 1− .
𝑁 𝑁 𝑁−1

EJEMPLO:
Cuál es la probabilidad de que una mesera se rehúse a servir bebidas
alcohólicas únicamente a dos menores de edad si verifica
aleatoriamente solo 5 identificaciones de entre 9 estudiantes, de los
cuales 4 no tienen la edad suficiente?,
b) Cual es la probabilidad de que como máximo 2 de las
identificaciones pertenezcan a menores de edad?
c) Hallar el promedio de estudiantes menores de edad y con que
variación.
 EJEMPLO DE DISTRIBUCION HIPERGEOMETRICA
Solución: a) N = 9 total de estudiantes
𝑁1 = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el número de identificaciones que pertenecen a personas
menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
4 . 5
2 5−2 C2 * 5 C3
4
𝑃 𝑥=2 = 9 = = 0,47619
5 9 C5
b. N = 9 total de estudiantes
a = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el número de identificaciones que pertenecen a personas
menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
 EJEMPLO DE DISTRIBUCION
HIPERGEOMETRICA
4 . 5 4 . 5
1 5−1 2 5−2
𝑝 𝑥 ≤ 2 = 𝑝 𝑥 = 1 +𝑝 𝑥 = 2 = 9 + 9 =
5 5

C1. 5 C4 C2 . 5 C3 C1. 5 C4  4 C2 . 5 C3
4
 4
 4
 0.62
9 C5 9 C5 9 C5

c. El promedio de menores de edad que se esperan es:

𝑁1 4
𝜇 𝑥 = 𝑛. =5 = 2.22 ≈ 3
𝑁 9
La variación es:
𝑁1 𝑁1 𝑁−𝑛 4 4 9−5
𝜎2 𝑥 = 𝑛 . 1− . =5 . 1− . = 0.61 ≈ 1
𝑁 𝑁 𝑁−1 9 9 9−1
 EJERCICIO DE DISTRIBUCION HIPERGEOMETRICA
Para evitar la detención en las aduanas, un viajero coloco 12 tabletas de
narcóticos, en un frasco que contiene 18 tabletas de vitaminas de
apariencia similar .
a. Cuál es la probabilidad de que el viajero sea arrestado por posesión
ilegal de narcóticos luego que se seleccionaron 5 pastillas
aleatoriamente?
b. Cuál es la probabilidad de que el viajero no sea arrestado por posesión
ilegal de narcóticos luego que se seleccionaron 3 pastillas
aleatoriamente?
c. Cuantas tabletas de narcóticos en promedio posee el viajero y con
que variación.
 DISTRIBUCION HIPERGEOMETRICA MULTIVARIADA:

Definicion: Si n resultados pueden dividirse en las k celdas

𝐴1 , 𝐴2 , . . , 𝐴𝑘 𝑐𝑜𝑛 𝑎1 , 𝑎2 , . . , 𝑎𝑘 elementos respectivos, entonces la
distribución de probabilidad de la variable aleatoria 𝑥1 , 𝑥2 ,.., 𝑥𝑘 que
representa el numero de elementos seleccionados de 𝐴1 , 𝐴2 ,.., 𝐴𝑘 de
una muestra aleatoria de tamaño n es:
𝑎1 𝑎2 𝑎𝑘
𝑥1 𝑥2 ….. 𝑥𝑘
𝑝 𝑥1 , 𝑥2 ,.., 𝑥𝑘 ; 𝑎1 , 𝑎2 , . . , 𝑎𝑘 ; 𝑁, 𝑛 = 𝑁
𝑛
σ 𝑥𝑖 = 𝑥1 + 𝑥2 + 𝑥3 + ⋯ + 𝑥𝑘 = n
σ 𝑎𝑖 = 𝑎1 + 𝑎2 + 𝑎3 + ⋯ + 𝑎𝑘 = N
N= tamaño de la población
n= tamaño de la muestra
𝑎𝑖 = numero de elementos seleccionados de la sub muestra 𝐴𝑖
𝑥𝑖 = valor de la variable para la sub muestra 𝐴𝑖
 EJEMPLO DE DISTRIBUCION HIPERGEOMETRICA
MULTIVARIADA
Un club de estudiantes extranjeros tiene en sus listas a 2 canadienses, 3 japoneses, 5
italianos y 2 alemanes. Si se selecciona aleatoriamente un comité de 4 estudiantes,
encuentre la probabilidad de que: a)estén representadas todas las nacionalidades,
b)estén representadas todas las nacionalidades, excepto la italiana.
N = 12 estudiantes, 𝑎1 = 2 Canadienses, 𝑎2 = 3 Japoneses , 𝑎3 = 5 Italianos
N - (𝑎1 +𝑎2 + 𝑎3 ) = 12 - (2+3+5)=2 Alemanes
n = 4 estudiantes seleccionados para formar comité
𝑥1 = 1 estudiante Canadiense en el comité seleccionado
𝑥2 = 1 estudiante Japonés en el comité seleccionado
𝑥3 = 1 estudiante Italiano en el comité seleccionado
N – (𝑥1 +𝑥2 +𝑥3 ) = 4-(1+1+1)=1 estudiante Alemán en el comité seleccionado
𝑃 𝑥1 = 1, 𝑥2 =1,𝑥3 =1, 𝑥4 =1; 𝑎1 = 2, 𝑎2 = 3, 𝑎3 = 5, 𝑎3 = 2; 12; 4 =

2 3 5 2 C * 3 C1 * 5 C1 * 2 C1
1 1 1 1
12 = 2 1
 0,121212
4 12 C4
 EJEMPLO DE LA DISTRIBUCION HIPERGEOMETRICA
MULTIVARIADA:
b) N = 12-5 = 7 estudiantes quitando a los Italianos
𝑎1 = 2 Canadienses
𝑎2 = 3 Japoneses
N-(𝑎1 + 𝑎2 ) = 7- (2+3)= 2 Alemanes
n = 4 estudiantes seleccionados para formar comité
𝑥1 = 1 o 2 estudiantes Canadienses en el comité seleccionado
𝑥2 = 1 o 2 estudiantes Japoneses en el comité seleccionado
n- (𝑥1 + 𝑥2 ) = 1 o 2 estudiantes Alemanes en el comité seleccionado
p(estén representadas todas las nacionalidades, excepto la italiana)
𝑝 2,1,1; 2,3,2; 7; 4 + 𝑝 1,2,1; 2,3,2; 7; 4 + 𝑝 1,1,2; 2,3,2; 7; 4 =

2 3 2 2 3 2 2 3 2
2
. 1
. 1 1
. 2
. 1 1
. 1
. 2
7 + 7 + 7 =
4 4 4
2𝐶2 .3𝐶1 .2𝐶1 2𝐶1 .3𝐶2 .2𝐶1 2𝐶1 .3𝐶1 .2𝐶2
+ + = 0.6857
7𝐶4 7𝐶4 7𝐶4
 EJERCICIOS PROPUESTO DE DISTRIBUCION
HIPERGEOMETRICA MULTIVARIADA

1.De un grupo de 30 personas de un estudio biológico se sabe que hay 12 individuos

con grupo sanguíneo O+, 8 de tipo A+ y 10 de tipo B+, si de este grupo se saca una
muestra aleatoria de 5 personas. Cual es la probabilidad de que haya.
a. 1 persona tipo O+, 2 DE TIPO A+ y 2 de tipo B+.
b. 2 persona tipo O+, 1 DE TIPO A+ y 2 de tipo B+.
c. 1 persona tipo O+, 1 DE TIPO A+ y 3 de tipo B+.

2. Una agencia que renta automóviles en un aeropuerto local tiene disponibles 5 Ford,
7 Chevrolet, 4 Dodge, 3 Mazda y 4 Toyota. Si la agencia selecciona aleatoriamente 9
de estos vehículos para transportar delegados desde el aeropuerto hasta el centro de
convenciones en el centro de la ciudad, encuentre la probabilidad de que se utilicen.
a 2 Ford, 3 Chevrolet, 1 Dodge, 1 Mazda y 2 Toyota.
b. 3 Ford, 2 Chevrolet, 1 Dodge, 1 Mazda y 2 Toyota.
c. 4 Ford, 2 Chevrolet, 1 Dodge, 1 Mazda y 1 Toyota
 DISTRIBUCION DE POISSON
Definición: la distribución de probabilidad de la variable aleatoria de poisson X , que representa
el numero de resultados que ocurren en un intervalo de tiempo dado t en una región especifica ,
velocidad o promedio indicada por 𝞴 es:

e 
 x
P  x,   
x!
Donde: e = 2,71 numero de Euler
𝞴 = velocidad o promedio de ocurrencia
X= elementos seleccionados

MEDIA DE LA DISTRIBUCION DE POISSON

𝜇 𝑥 =𝜆
VARIANZA DE LA DISTRIBUCION DE POISSON
𝜎2 𝑥 = 𝜆
 DISTRIBUCION DE POISSON
CARACTERÍSTICAS
En este tipo de experimentos los éxitos buscados son expresados por
unidad de área, tiempo, pieza, etc :
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por día, hora, minuto,
etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefónicas a un conmutador por hora, minuto, etc.
- # de llegadas de embarcaciones a un puerto por día, mes, etc.
- # de automóviles que pasan por un peaje por minutos, por hora, por
día, mes, etc.
Para determinar la probabilidad de que ocurran x éxitos por unidad de
tiempo, área, o producto, la fórmula a utilizar sería :
 EJEMPLO DE DISTIBUCION DE POISSON
Se ha determinado que en el cruce de la avenida 6° con 25 ocurren 6 accidentes por
día. Cuáles es la probabilidades que un día cualquiera de la semana, a)ocurra un
accidente, b)ocurran por lo menos de 3 accidentes en tres días consecutivos. c) cual es
el promedio de ocurrencia de accidentes y cual es su variación.
a) x = variable que nos define el número de accidentes que ocurren un día cualquiera =
0,1, 2, 3, ., etc.  = 6 es el numero de accidentes por día
e 6 .61
p  x  1,   6  
= 2.718
 0.01487
1!
b. x= variable que nos define el número de accidentes en tres días consecutivos = 0, 1,
2, 3, ......, etc.  = 6 x 3 = 18 es el promedio de accidentes que ocurren en tres días
consecutivos.
Nota:  siempre debe de estar en función de x siempre o dicho de otra forma, debe
“hablar” de lo mismo que x.
p  x  3  1  p  x  3  1  
 p  x  1  p  x  2  
 
 e 18181 e 18182 
1     0.9999972
 1! 2! 
c. El promedio de accidentes por día es: 𝜇 𝑥 = 6 y la variación es 𝜎 2 𝑥 = 6
EJERCICIO DE LA DISTRIBUCION DE POISSON
Un traductor de obras científicas comete 7 errores en promedio por
página. Cuál es la Probabilidad de que al examinarle una página
cualquiera.
a. No tenga errores en una pagina
b. Mas de 3 errores en una pagina
c. Menos de 4 errores en una pagina
d. Cuál es la probabilidad que hallan
entre 2 y 5 errores en 3 paginas.
e. Cual es el promedio de ocurrencia de
errores por pagina y con que variación.
 APROXIMACION DE LA BINOMIAL A LA
POISSON
Definición: En este caso se determinarán probabilidades de
experimentos Binomiales, pero que dadas sus características, es posible
aproximarlas con la distribución de Poisson, estas características son, n
→  ( n es muy grande) y p 0 (p es muy pequeña), por lo que:
 np
 np 
x
e
P  x,   np  
x!
n = tamaño de la muestra
p = probabilidad de éxito
x = elementos escogidos
𝜆 = 𝑛. 𝑝 = 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑜𝑐𝑢𝑟𝑟𝑒𝑛𝑐𝑖𝑎
 APROXIMACION DE LA BINOMIAL A LA
POISSON
Donde:  =  = np = número esperado de éxitos = tasa promedio de éxitos
n = número de repeticiones del experimento
p = probabilidad de éxito = p(éxito)
Una regla general aceptable es emplear esta aproximación si n20 y p 
0.05: sí n100, la aproximación es generalmente excelente siempre y
cuando np  10.
Ejemplo:
Se sabe que el 5% de los aprendices de conducción aprueban el examen
para obtener su licencia. a. Determine la probabilidad de que 2 de 100 de
los aprendices de conducción aprueban el examen para obtener su
licencia, usando la aproximación de Poisson a la distribución Binomial.
b. Por lo menos tres aprendices aprueben el examen.
EJEMPLO DE APROXIMACION DE LA BINOMIAL
A LA POISSON
Solución:
a. n = 100 aprendices p = 0.05  = np = (100)(0.05)= 5
x = variable que define el numero de aprendices de conducción
= 0, 1, 2, 3,....,100
100 0.05
. 100  0.05 
2
e
P  X  2,   100  0.05    0.0843
2!
b. p  x  3  1  p  x  3 

 p  x  1  p  x  2  
1  
 e 5 51 e 5 52 
1     0.8820
 1! 2! 
EJERCICIO DE APROXIMACION DE LA BINOMIAL A
LA POISSON
1. La probabilidad de que un estudiante presente problemas de
escoliosis (desviación lateral sufrida por la columna vertebral) en una
escuela de la localidad es de 0.004. De los siguientes 1875 estudiantes
revisados encuentre la probabilidad de que
a) menos de 5 presenten este problema
b) 8, 9 o 10 presenten este problemas.
c) Por lo menos tres presenten este problema.

2. . La probabilidad de que una persona muera debido a cierta infección

respiratoria es 0.002. Encuentre la probabilidad de que mueran.
a).Menos de 7 de las próximas 2000 personas infectadas.
b) Mas de 3 de las próximas 10.000 personas infectadas.
c) Entre 2 y 5 de las próximas 2000 personas infectadas.
DISTRIBUCION BINOMIAL NEGATIVA
Definición: Si repetidos intentos independientes
pueden resultar en un éxito con una probabilidad p
y en un fracaso con probabilidad q = 1- p entonces
la distribución de probabilidad de la variable
aleatoria X ,para el numero de intentos en el cual
ocurre el k- esimo éxito es:
𝑥−1
𝑘−1
𝑝𝑘 1 − 𝑝 𝑥−𝑘
𝑏∗ 𝑥, 𝑘 , 𝑝 = ቐ
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Donde : x = k , k+1 ,k+2 , ……

 EJEMPLO DE DISTRIBUCION BINOMIAL NEGATIVA
Sí la probabilidad de que un cierto dispositivo de medición muestre una desviación
excesiva es de 0.05, ¿cuál es la probabilidad de que; a) el sexto de estos dispositivos
de medición sometidos a prueba sea el tercero en mostrar una desviación excesiva?,
b) el séptimo de estos dispositivos de medición sometidos a prueba, sea el cuarto que
no muestre una desviación excesiva. Solución:
a) x = 6 dispositivos de medición
k = 3 dispositivos que muestran desviación excesiva
p = p(dispositivo muestre una desviación excesiva) = 0.05
q = p(dispositivo no muestre una desviación excesiva) = 0.95
6−1
𝑃 𝑥 = 6, 𝑘 = 3, 𝑝 = 0,05 = 0,053 0,956−3 = 5𝐶2 ( 0,05)3 0,95)3 =
3−1
0,001077
b) x= 7 dispositivos de medición
k = 4 dispositivos que no muestran una desviación excesiva.
p = p(dispositivo que no muestre una desviación excesiva) = 0.95
q = p(dispositivo que muestre una desviación excesiva) = 0.05
7−1
𝑃 𝑥 = 7, 𝑘 = 4, 𝑝 = 0,95 = 0,954 0,057−4 = 6𝐶3 ( 0,95)4 0,05)3 =
4−1
 EJERCICIO PROPUESTO DE DISTRIBUCION
BINOMIAL NEGATIVA
Suponga que la probabilidad que una persona
participante en un concurso todo por la plata, abra
una urna que contiene $500.000.000 es del 15%, si
le dan 20 llaves para abrir la urna. ¿Cual es la
probabilidad de que:
a. En el primer intento
abra la urna.
b. En el tercer intento.
c. En el quinto intento.
 DISTRIBUCION GEOMETRICA
Si repetidos intentos independientes pueden resultar en un éxito con una
probabilidad p y en un fracaso con una probabilidad de q=1-p,
entonces, la distribución de probabilidad de la variable aleatoria x, el
número del intento en el cual ocurre el primer éxito es:
𝑔 𝑥, 𝑝 = 𝑝𝑞 𝑥−1 𝑥 = 1,2,3,4…
𝑝 = probabilidad de éxito
𝑞 = probabilidad de fracaso
𝑥 = # del intento en el cual ocurre el primer éxito
MEDIA DE LA DISTRIBUCION GEOMETRICA
1
𝜇 𝑥 =
𝑝
VARIANZA DE UNA DISTRIBUCION GEOMETRICA
2
1−𝑝
𝜎 𝑥 =
𝑝
 EJEMPLO DE DISTRIBUCION GEOMETRICA
Los registros de una compañía constructora de pozos, indican que la
probabilidad de que uno de sus pozos nuevos, requiera de reparaciones en
el término de un año es de 0.20. ¿Cuál es la probabilidad de que el quinto
pozo construido por esta compañía en un año dado sea el primero en
requerir reparaciones en un año?. b. Cual es el promedio de pozos que
requieren reparaciones y con que variación.
Solución: x = 5 que el quinto pozo sea el primero que requiera reparaciones
en un año; p = 0.20 = probabilidad de que un pozo requiera reparaciones
en el término de un año; q = 0.80 = probabilidad de que un pozo no
requiera reparaciones en el término de un año
𝑔 𝑥 = 5, 𝑝 = 0,20 = 0,20 (0,80)5−1 = 0,08192
b. El promedio de pozos que requieren reparación es:
1
𝜇 𝑥 = =5
0.20
La variación de pozos que requieren reparación es:

1 − 0.20
𝜎2 𝑥 = =4
0.20
EJERCICIO PROPUESTO DE DISTRIBUCION
GEOMETRICA
1.La probabilidad de que un estudiante para piloto apruebe el examen
escrito para obtener su licencia de piloto privado es de 0.7. Encuentre
la probabilidad de que una persona apruebe el examen
a) En el tercer intento
b) Antes del cuarto intento
c) En el quinto intento.
d) Con que promedio se aprueba el examen y con que variación.
2. Suponga que la Probabilidad de que una persona escuche cierto
comentario de una protagonista de novela es 0,8.Cuál es la
probabilidad de que.
a). La 6° persona que usted aborda, quiera saber de la actriz.
b). La 3° persona que usted aborde quiera saber de la actriz.
c). La 2° persona que usted aborde quiera saber de la actriz.
d) Con que promedio se escucha el comentario y con que variación.
BIBLIOGRAFIA RECOMENDADA
PROBABILIDAD Y ESTADISTICA PARA INGENIERIA Y CIENCIA,
WALPOLE –MYERS-YE. editorial PRENTICE HALL, edición 8°, año 2007.
PROBABILIDAD Y ESTADISTICA PARA INGENIERIAS, CANAVOS.
editorial MAC GRAW HELL, edición 3° año 1997.
PROBABILIDAD Y ESTADISTICA PARA INGENIEROS,
DOUGLAS C MONTGOMERY. editorial JOHN WILEY & SONS, edición
3°,año 2002
ESTADISTICA MATEMATICA,WILLIAM MENDENHALL-RICHARD L
SCHEAFFER, editorial THOMSON. edición 6°, año 2002
ESTADISTICA PARA LA ADMINISTRACION,LINCOLN CHAO, editorial
MAC GRAW HELL, edición 4° ,año 1996.
ESTADISTICA Y MUESTREO, CIRO MARTINEZ BERCARDINO,
editorial ECO, EDICION 8°, AÑO 2009.
BERENSON –LEVINE –KREHIBIEL. ESTADÍSTICA PARA
ADMINISTRACIÓN. Editorial. PRENTICE HALL, edición 5°, año 2000