DISTRIBUCIONES DE PROBABILIDAD

Recordemos inicialmente que existen las variables aleatorias, siendo aquellas que se asocian a la ocurrencia de un fenómeno aleatorio.
Cuando una de estas variables aleatorias toma diversos valores, la probabilidad asociada a cada uno de tales valores puede ser
organizada como una distribución de probabilidad, la cual es la distribución de las probabilidades asociadas a cada uno de los
valores de la variable aleatoria. Las distribuciones de probabilidad pueden representarse a través de una tabla, una gráfica o una
fórmula, en cuyo caso tal regla de correspondencia se le denomina función de probabilidad.

A continuación, definiremos algunas de las distribuciones discretas más comunes.

DISTRIBUCIÓN BINOMIAL
ENSAYO DE BERNOULLI: Surge este procedimiento del cual deriva la distribución discreta. Cuando en un solo ensayo puede ocurrir
solo uno de los dos resultados mutuamente excluyentes, como éxito o fracaso, alivio o muerte, presencia o ausencia, macho o hembra,
el experimento se denomina ensayo Bernoulli.
Una secuencia de ensayos de Bernoulli forma un proceso de Bernoulli si se cumplen las siguientes condiciones.
1. En cada ensayo ocurre uno de dos posibles resultados, mutuamente excluyentes. Uno de los posibles resultados se denota
arbitrariamente como un éxito y el otro como un fracaso.
  E , F 
2. La probabilidad de éxito es: P( E )  p y permanece constante de un ensayo a otro, y la probabilidad de fracaso es:
P ( F ) 1  p  q .
3. Los ensayos son independientes, es decir, el resultado de algún ensayo en particular no es afectado por el resultado de cualquier
otro ensayo.

A menudo nos interesa solo el número total de éxitos obtenidos en una sucesión de “n” ensayos de Bernoulli, al margen del orden en
que se presenten, de aquí que el rango está dado por:

X: N° de éxitos en la muestra o N° de éxitos en n ensayos de Bernoulli.

La distribución de probabilidad está dada por:

p(x) = P[X=x] = C x px (1-p)n-x , Rx  0,1, 2,....., n
n

La media y varianza de la distribución Binomial está dado por: E[X] = np , Var[X] = np(1-p)

EJERCICIOS
1. Se conoce que los tornillos producidos por cierta compañía son defectuosos con probabilidad de 0.02 independientemente uno del
otro. La compañía vende los tornillos en paquetes de 12 y garantiza que a los más uno de los doce tornillos es defectuosos. ¿Qué
proporción de paquetes vendidos deberá la compañía reemplazar?

2. La probabilidad de que cada vehículo se demore más de 5 minutos en pasar la garita de peaje es constante e igual a “p”. Si X es el
número de vehículos que se demoran más de 5 minutos en pasar la garita de peaje de “n” que pasan por la garita.
a) ¿Cuál es el modelo de probabilidad adecuado de X?
b) ¿Qué probabilidad hay de que al menos 3 vehículos se demoren más de 5 minutos para pasar la garita si E(X) = 3 y Var(X) =
2.4?

3. Suponiendo que cada niño tiene la probabilidad 0.51 de ser varón, hállese la probabilidad de que una familia de seis hijos tenga:
a) Por lo menos un niño
b) Por lo menos una niña

4. En una producción de cierto tipo de objeto, la probabilidad de que un objeto sea defectuoso es 0.2. Si en una muestra de “n” de
tales objetos escogidos al azar uno por uno sin reposición, se espera que haya un defectuoso,
a) ¿Qué probabilidad hay de que ocurra efectivamente un objeto defectuoso?
b) ¿Cuántos objetos defectuosos es más probable que ocurra?

1
5. Supongamos que los motores de un avión fallan en un vuelo con probabilidad de “1 - p” independiente uno del otro, supongamos
que el avión también realiza vuelos exitosos si por los menos 50 % de sus motores permanecen operando. ¿Para qué valores de
“p” es un avión de 4 motores preferible a uno de dos motores?

6. El 75% de la mercadería que recibe un comerciante del fabricante A es de calidad excepcional, mientras que el 80 % de la
mercadería que recibe del fabricante B es de calidad excepcional. El 60 % del total de la mercadería los adquiere de A y el resto de
B. Si se selecciona al azar 4 unidades de la mercadería. ¿Qué probabilidad hay de que se encuentren 2 unidades que sean de
calidad excepcional?

7. Dos personas juegan a cara o cruz y han convenido en continuar la partida hasta que tanto la cara como la cruz se hayan
presentado por lo menos tres veces. Halle la probabilidad de que el juego no se acabe cuando se han hecho diez tiradas.

8. Una secretaria debe llegar a su trabajo todas las mañanas a las 8:00 a.m.se tardará más de 15 minutos el 20% de las veces. El
gerente de la compañía, que no llega sino a las 9:00 a.m., llama ocasionalmente a la oficina entre 8 y 8:15 para dictar una carta.
¿Cuál es la probabilidad de que 2 de las 5 mañanas en que el gerente llama, la secretaria no esté en la oficina?

9. ¿Cuál es la probabilidad de obtener cara 5 veces al arrojar una moneda 8 veces?

10. Una maquina produce un determinado tipo de pieza. Las piezas a veces salen defectuosas. La probabilidad de que una pieza salga
defectuosa es 0.01.
a) ¿Cuál es la probabilidad de que haya piezas defectuosas en un lote de 50 piezas?
b) ¿Cuál es la probabilidad de que haya 2 o más piezas defectuosas en dicho lote?
c) ¿Cuál es la cantidad esperada de piezas defectuosas en el lote?
d) ¿Cuál es la varianza?

11. En una determinada ciudad el 20% de las personas tiene el cabello rubio y el 80% tiene el cabello negro. En esta población, 6 de
cada 10 personas son hombres. Tomando una persona al azar, existe una probabilidad de 0.7 de que una persona tenga ojos
oscuros.
Si en una muestra hay 20 personas, ¿Cuál es la probabilidad de encontrar más de dos mujeres rubias de ojos claros?, ¿Qué
suposiciones debe hacer para resolver el problema?

12. Se arrojan tres dados sobre una mesa y cuatro dados sobre otra mesa. ¿Cuál es la probabilidad de que no salga ningún seis?

13. Si se tira una moneda una determinada cantidad de veces, se sabe que la cantidad de veces que sale cara es una variable binomial
cuya media es 5 y su varianza es 2.5. ¿Diría Ud. que la moneda es honesta?

14. El daltonismo afecta al 1% de una población grande. Suponiendo que se escoge “n” personas aleatoriamente de esta población.
¿Cuál es la probabilidad que ninguno sea daltónico? ¿Qué probabilidad debe tomar “n” para que esta probabilidad sea menor que
el 10%?

15. Las maquinas A y B producen en promedio 5% y 10% de piezas defectuosas respectivamente. Se extrae una muestra aleatoria de
4 piezas de la producción de cada una. ¿Cuál es la probabilidad de que la muestra obtenida de la producción de A tenga
exactamente una pieza defectuosa y la muestra correspondiente a B contenga exactamente dos piezas defectuosas?

16. En una prueba de verdad – falso con 100 preguntas. ¿Cuál es la probabilidad de que un estudiante responda al azar las preguntas
y acierte 70% de ellas?

DISTRIBUCIÓN DE POISSON
Llamada así en honor del matemático francés Simeon Denis Poisson (1781-1840), quien tiene amplio reconocimiento por la publicación
de su trabajo en 1837. Esta distribución ha sido empleada extensamente en biología y medicina como modelo de probabilidad. Haight
(1), en el capítulo 7 de su libro, presenta un repertorio muy amplio de aplicaciones.
Si x es el número de ocurrencias de algún evento aleatorio en un intervalo de espacio o tiempo (o algún volumen de materia), la
probabilidad de que x ocurra es dada por:
e   x
f ( x)  , x  0,1, 2,...
x!
La letra griega λ (lambda) es el parámetro de la distribución y es el número promedio de ocurrencias del evento aleatorio dentro del
intervalo (o volumen). EI símbolo e, es la constante (con cuatro decimales) 2.7183. Se puede mostrar que f(x) 0 para cada “x” y que
x f (x)=1; por lo tanto, la distribuci6n satisface los requerimientos para la distribución de probabilidad.

2
Proceso de Poisson.- Como se ha visto, la distribución binomial resulta de un conjunto de suposiciones acerca de un proceso
implícito para formar un conjunto de observaciones numéricas. Lo mismo ocurre en el caso de la distribuci6n de Poisson. Las
siguientes afirmaciones describen lo que se conoce como proceso de Poisson:
1. Las ocurrencias de los eventos son independientes. La ocurrencia de un evento en un intervalo de espacio o tiempo no tiene
efecto en la probabilidad de una segunda ocurrencia del evento en el mismo, o en algún otro intervalo.
2. Teóricamente, debe ser posible la ocurrencia de un evento en un número infinito de veces dentro del intervalo.
3. La probabilidad de una sola ocurrencia del evento en un intervalo dado es proporcional a la dimensión del intervalo.
4. En cualquier fracción infinitesimal del intervalo, la probabilidad de más de una ocurrencia del evento es insignificante.
Una característica interesante de la distribución de Poisson es que la media y la varianza son iguales.

EJERCICIOS
1. La compañía de seguros Mamfre halla que el 0.004% de la población fallece cada año de un cierto tipo de accidente. ¿Cuál es la
probabilidad de que la compañía tenga que pagar a más de 2 de los 10 000 asegurados contra tales accidentes en un año dado?

2. El número medio de automóviles que llegan a una estación de gasolina Repsol en un distrito de Lima es de 240 por hora. Si dicha
estación puede atender a un máximo de 8 automóviles por minuto, determinar la probabilidad de que, en un minuto dado, lleguen a
la estación más automóviles de los que puede atender.

3. En Ucayali se pretende introducir un nuevo producto del que es razonable esperar que sea demandado por el 0.5% de los
habitantes. Determinar la probabilidad de que, consultados 2000 de esos habitantes, dicho producto sea demandado por 2 ó más
personas.

4. A un abarrotes llegan en promedio 12 clientes por hora. El dueño debe salir durante 15 minutos a hacer una diligencia.
a) ¿Cuál es la probabilidad de que no pierda ningún cliente?
b) ¿Cuál es la probabilidad de que pierda 4 clientes?
c) ¿Cuál es la probabilidad de que pierda 2 o más clientes?

5. Se sabe que la probabilidad de que una determinada maquina fabrique una pieza defectuosa es 0.0001. en un año se fabrican
20000 piezas. ¿Cuál es la probabilidad de que el número de piezas defectuosas producidas en un año sea mayor que 2?

6. La compañía de seguros Soy Vida con 10 000 asegurados, halla que el 0.005% de la población fallece cada año de un cierto tipo
de accidente. Se pide:
a) Probabilidad de que la compañía tenga que pagar a los beneficiarios de más de 3 de los asegurados contra tal accidente en un
año determinado.
b) ¿Cuál es el número de accidentes al año por término medio?

7. La central telefónica del 105 recibe unas 300 llamadas cada hora. No puede establecer más de 12 conexiones por minuto. Se pide:
a) Probabilidad de que quede rebasada en un minuto dado.
b) Probabilidad de que reciba una llamada en un minuto dado.

8. En una fábrica el número de accidentes por semana sigue una ley de Poisson de parámetro λ = 2, se pide:
a) Probabilidad de que en una semana haya algún accidente.
b) Probabilidad de que haya 4 accidentes en el transcurso de 2 semanas.
c) Probabilidad de que haya 2 accidentes en una semana y otros 2 accidentes en la semana siguiente.
d) Si nos dicen que ha habido algún accidente, la probabilidad de que en aquella semana no haya más de 3 accidentes.

9. Una vacuna produce inmunidad contra una enfermedad en un 99.99%. supongamos que la vacuna ha sido administrada a 10 000
personas.
a) ¿Cuál es el número esperado de personas que no han sido inmunizados?
b) ¿Cuál es la probabilidad que exactamente k personas no son inmunizadas?
c) ¿Cuál es la probabilidad que menos de 2 personas no son inmunizadas?

10. Una panadería hace galletas con pedacitos de chocolate; un lote tiene 1000 galletas. Se agregan 3000 pedacitos de chocolate a la
masa para un lote y se mezcla bien toda la masa. Si se elige al azar 1 galleta de un lote.
a) ¿Cuál es la probabilidad de que no contenga ningún pedacito de chocolate?
b) ¿De que contenga exactamente 3 pedacitos de chocolate?
c) ¿Cuántas galletas con solamente un pedacito de chocolate podría haber en el lote?

11. Los accidentes de trabajo que se producen en una fábrica por semana siguen una ley de Poisson tal que la probabilidad de que
haya 5 accidentes es 16/15 de la que haya 2. Calcular:
a) El parámetro de la ley de Poisson
b) Número máximo de accidentes semanales con una probabilidad del 90%
c) Probabilidad de que no haya ningún accidente en 4 semanas.

12. Se tiene 3 gallinas. Una de ellas pone en promedio 2 huevos por día. Otra en promedio pone 3 huevos por día. La restante pone en
promedio 4 huevos por día. ¿Cuál es la probabilidad de que en un determinado día se produzcan exactamente 10 huevos?
3
 DISTRIBUCIÓN NORMAL
Es la distribución más importante de la estadística, la fórmula para esta distribución fue publicada por Abraham de Movre (1666 –1754),
también es conocida como distribución de Gauss en reconocimiento a las contribuciones realizadas por Carl Friedrich Gauss (1777-
1855).
La función de densidad normal está dada por:
1 
 1 x   
2
 , -∞ < x < ∞
f ( x)  exp    
2   2 
    
Los parámetros de la distribución son la media μ y la desviación estándar σ. La densidad normal alcanza su valor máximo en la media,
la desviación estándar expresa la concentración de la distribución alrededor del valor esperado.

Características de la distribución normal:

1. Es simétrica respecto a su media
2. Las medidas de tendencia central son iguales
3. El área total bajo la curva sobre el eje de las x es una unidad de área, puesto que es una distribución de probabilidad. Además, por
ser simétrica, el 50% del área esta a la derecha de la perpendicular que se levanta sobre la media y el otro 50% a su izquierda.
4. Los parámetros μ y σ determinan la distribución, es decir para cada valor diferente de μ y σ se específica una distribución normal
diferente, por tal razón se habla de la familia de la distribución normal.
5. La curva normal tiene la forma de campana, simétrica dependiendo de la desviación estándar.

Existe una relación del porcentaje de población a la desviación estándar. En la figura observamos por ejemplo que el área bajo la
curva para  1 tiene un porcentaje de 68.26%,  2 = 95.46% y  3  99.73%

-3s -2s -1s +1s +2s +3s

68.26%
95.46%

99.73%

Distribución Normal Estándar Como la distribución normal podría tener una infinidad de valores posibles para su media y desviación
estándar, resulta imposible tabular el área asociada con cada una de las curvas normales. En lugar de eso se tabula una sola curva en
la que μ= 0 y σ = 1 (Z ~ N(0, 1)). Esta distribución surge al realizar la siguiente transformación:
X 
Z

La esperanza o media de esta variable es 0 y la desviación estándar es igual a 1. Por lo tanto, al sustituir dicha variable en la función de
densidad queda:
1  z 2  , -∞ < z < ∞
f ( z)  exp  
2  2 

4
5