Curso: Aplicaciones Estadísticas para la Gestión.

Clase 10: Distribución de probabilidad discreta.

 Dudas de la Clase 9 (5 minutos)

• ¿Qué dudas quedaron de la clase anterior?

• ¿Qué dudas tuvieron en el desarrollo de las actividades on line?
 Estructura del curso
Unidad 1: Conceptos de Estadística y Análisis
Descriptivo de Variables
Curso Unidad 2: Probabilidades y Distribución
Unidad 3: Variables Aleatorias e Intervalos de
Confianza
Clase 1: Tipos de muestreo y su uso
Clase 2: Distribución de frecuencia de datos no
agrupados
Clase 3: Distribución de frecuencia de datos
agrupados
Clase 4: Medidas de tendencia central y de
posición
Clase 5: Medidas de dispersión
Clase 6: Solemne
Clase 7: Elementos fundamentales de las
técnicas de conteo
Clase 8: Probabilidad
Clase 9: Teoremas de probabilidades
Clase 10: Distribución de probabilidad discreta
Clase 11: Distribución de probabilidad continua
Clase 12: Intervalos de confianza
Clase 13: Solemne
 Resultado de Aprendizaje de la Clase
Utiliza los tipos de variables aplicando la función de distribución
discreta para definir una estrategia en la empresa u organización
 ¿Por qué es importante este tema?
La importancia de las distribuciones de probabilidad, se ve reflejada
en el uso de éstas en distintas disciplinas del quehacer humano.

Por lo tanto, una distribución de probabilidad tiene un importante

uso en la toma de decisiones de las empresas, bajo condiciones de
incertidumbre.
 Introducción
Las distribuciones de probabilidad unen los conceptos de estadística
y de probabilidades, y son el inicio de la inferencia estadística. Las
distribuciones de probabilidad, permiten conocer todos los valores
posibles de una variable aleatoria y sus respectivas probabilidades,
en forma de distribución.
 Distribución Discreta
Una variable aleatoria es una función que asigna un valor numérico
a cada suceso elemental del espacio muestral. También podemos
decir, aunque de forma menos formal, que una variable aleatoria es
una variable cuyo valor numérico está determinado por el resultado
de un experimento aleatorio.
Las variables aleatorias se representan con letras mayúsculas y sus
posibles valores con letras minúsculas.

Una variable aleatoria es discreta cuando puede tomar valores

enteros.
Ejemplo: número de hijos, número de productos comprados por un
cliente.
 Distribución de Probabilidad
Las distribuciones de probabilidad, pueden ser representadas por
una fórmula, tabla o gráfico.

Una distribución de probabilidad para una variable aleatoria

discreta, debe cumplir lo siguiente:

Para cada valor de la variable, la probabilidad debe estar entre 0 y 1

0 ≤ P(x) ≤ 1
La suma de las probabilidades para todos los valores de la variable,
debe ser igual a 1
෍𝑃 𝑥 = 1
 Distribución de Probabilidad
Ejemplo: Sea X la variable aleatoria que representa el número de
goles de un equipo de fútbol en 34 partidos
N° de Goles ni hi
0 10 0,29
1 11 0,32
2 8 0,24
3 0 0
4 2 0,06
5 1 0,03
6 2 0,06
Totales 34 1

La gráfica de distribución de probabilidad, es la siguiente:

 Distribución de Probabilidad

Por lo tanto, la frecuencia relativa hi, representa la probabilidad

P(X=x) y la frecuencia relativa acumulada Hi, la probabilidad
acumulada P( X≤ x)
 Distribución de Probabilidad
hi Hi
N° de Goles ni P(X=x) P(X ≤ x)
0 10 0,29 0,29
1 11 0,32 0,61
2 8 0,24 0,85
3 0 0 0,85
4 2 0,06 0,91
5 1 0,03 0,94
6 2 0,06 1,00
Totales 34 1

¿Cuál es la probabilidad de que en un partido, el equipo anote a lo

más un gol?

P(X ≤ 1) = P(X = 0) + P(X = 1) = 0,61 un 61%

 Distribución de Probabilidad
¿Cuál es la probabilidad de que anoten 3 o más goles?

P(X ≥ 3) = 1 – P(X < 3) = 1 – 0,85 = 0,15 un 15%

La grafica de la distribución acumulada, es la siguiente:

 Media y Desviación Estándar
de una Distribución Discreta
La media de una variable aleatoria se conoce como el valor
esperado o esperanza. Es el valor de la variable aleatoria, que se
espera que ocurra en promedio, después de repetir una gran
cantidad de veces un experimento aleatorio.
𝑛

𝜇 = 𝐸 𝑥 = ෍ 𝑥𝑖 𝑃(𝑥𝑖 )
𝑖=1

Por otra parte, la varianza para una distribución de probabilidad de

v. aleatoria discreta, está definida:
𝑛

𝜎 2 = ෍(𝑥𝑖 − 𝜇)2 𝑃(𝑥𝑖 )

𝑖=1
 Media y Desviación Estándar
de una Distribución Discreta
Ejemplo: Usando la misma tabla del ejemplo anterior. Determinar el
valor esperado, varianza y desviación estándar, del número de goles
del equipo en los 34 partidos
𝝁=
0*0,29+1*0,32+2*0,24+3*0+4*0,06+5*0,03+6*0,06
=1,55

𝝈𝟐 = (0-1,55)2*0,29 + (1-1,55)2*0,32 +
(2-1,55)2*0,24 + (3-1,55)2*0 + (4-1,55)2*0,06 +
(5-1,55)2*0,03 + (6-1,55)2*0,06 = 2,7475

𝝈= 2,7475 = 1,66
 Distribución de Probabilidad Binomial

Esta distribución aparece de forma natural al realizar repeticiones

independientes de un experimento que tenga respuesta binaria,
generalmente clasificada como “éxito” o “fracaso”.

Por ejemplo: En la producción de una empresa un artículo puede

estar defectuoso o no, un estudiante puede aprobar una asignatura
o no, etc.
 Distribución de Probabilidad Binomial
Esta distribución, presenta las siguientes propiedades:

• Solo debe haber 2 posibles resultados. (éxito y fracaso)

• La probabilidad de un éxito p, sigue siendo constante de un
ensayo al siguiente, al igual que lo hace la probabilidad de
fracaso, q = 1 – p.
• La probabilidad de un éxito en n ensayo es totalmente
independiente de cualquier otro ensayo.
• El experimento puede repetirse muchas veces.

𝑛 𝑥 𝑛−𝑥 𝑛 𝑛!
𝑃 𝑥 = 𝑝 𝑞 Donde =
𝑥 𝑥! 𝑛−𝑥 !
𝑥
 Distribución de Probabilidad Binomial
En término de símbolos se tiene: X ~ Bi (n; p)
Lo que se lee: la variable aleatoria X se distribuye (~) según la
distribución binomial (Bi) de los parámetro n y p.

Ejemplo: Una tienda de retail, ha determinado que la probabilidad

de que una persona que entra a su página web, compre en línea es
de un 20%. Si la página tiene a 5 personas conectadas en el mismo
momento

a) ¿Cuál es la probabilidad que hayan comprado 2 personas?

5
𝑃 𝑥=2 = 0,22 0,83 =10∗ 0,22 ∗ 0,83 = 0,2048 = 20,48%
2
 Distribución de Probabilidad Binomial
b) ¿Cuál es la probabilidad, de que compren por lo menos 2
personas?

P x≥ 2 = 𝑃 𝑥 =2 +𝑃 𝑥 =3 +𝑃 𝑥 =4 +𝑃 𝑥 =5

5 5 5
P x≥2 = 0,22 0,83 + 0,23 0,82 + 0,24 0,81 +
2 3 4
5
0,25 0,80
5

P x ≥ 2 = 0,2048 + 0,0512 + 0,0064 + 0,0016 = 0,264 =

26,4%
 Distribución de Probabilidad Binomial

La media, varianza y desviación estándar, para distribución binomial,

están dadas por:

• Media = 𝜇 = 𝐸 𝑥 = 𝑛 ∗ 𝑝

• Varianza = 𝜎 2 = 𝑛 ∗ 𝑝 ∗ 𝑞

• Desviación estándar o típica = 𝜎 = 𝑛∗𝑝∗𝑞

 Preguntas

¿Sería práctico para un tamaño muestral grande, utilizar una

distribución binomial?

¿Cómo podemos distinguir que una variable aleatoria sea discreta o

continua?
 Distribución de Probabilidad
Hipergeométrica
La distribución de probabilidad hipergeométrica es similar a la
binomial, pero lo que la distingue es la forma como se obtienen los
datos.
Las condiciones que se deben cumplir, para aplicar este tipo de
distribución, son las siguientes:

• Que el tamaño de la población sea pequeño.

• Que la selección de la muestra de una población finita, sea sin
reemplazo.
• Que el tamaño de la muestra n sea mayor al 5% de la población
N.
 Distribución de Probabilidad
Hipergeométrica
La fórmula es la siguiente:

𝑘 𝑁−𝑘
𝑃 𝑥 = 𝑥 𝑛−𝑥
𝑁
𝑛
N= tamaño de la población
k= número de éxitos en la población
x= número de éxitos que son de interés en la muestra
n = tamaño de la muestra o número de ensayos

Revisar el siguiente link:

https://www.youtube.com/watch?v=zUnOZutWjGc
 Distribución de Probabilidad
Hipergeométrica
Ejemplo: Suponga que durante una semana se fabricaron 50
videojuegos, 40 funcionaron perfectamente y 10 tuvieron al menos
un defecto. Se seleccionó al azar una muestra de 5 sin reemplazo.
¿Cuál es la probabilidad de que 4 de los 5 juegos funcionará
perfectamente?

N = 50 n=5 S= 40 x= 4

40 10
4 1 91.390 ∗10
𝑃 𝑥=4 = 50 = = 0,431 = 43,1%
2.118.760
5
 Distribución de Probabilidad Poisson
La distribución de Poisson, es una distribución de probabilidad de
una variable aleatoria discreta que entrega la probabilidad de que
ocurra un determinado evento o suceso en número de veces “x” en
un intervalo de tiempo.

Se utiliza con frecuencia para describir el número de llegadas de

clientes por hora, el número de accidentes industriales cada mes, el
número de conexiones eléctricas defectuosas por milla de cableado
en un sistema eléctrico de un ciudad, o el número de máquinas que
se dañan y esperan ser reparadas.

Revisar el siguiente link:

https://www.youtube.com/watch?v=kbBdvrfW-tA
 Distribución de Probabilidad Poisson
Son necesarios dos supuestos para la aplicación de la distribución
de Poisson:
• La probabilidad de ocurrencia del evento es constante para dos
intervalos cualesquiera de tiempo o espacio.
• La ocurrencia del evento en un intervalo es independiente de la
ocurrencia de otro intervalo cualquiera.
𝜇𝑥
𝑃 𝑥 =
𝑥! 𝑒𝜇

𝜇 = número promedio de ocurrencias (éxitos) durante un intervalo

especifico de tiempo.
𝑒 = es la constante 2,7182818 (base del Logaritmo neperiano).
x = es el número de ocurrencias del evento.
 Distribución de Probabilidad Poisson
Ejemplo: La llegada de los estudiantes a la oficina del Director de
Escuela de la FEN se ajusta a una distribución de Poisson, con un
promedio de 5,2 estudiantes cada 20 minutos.

Determinar la probabilidad de que cuatro estudiantes lleguen

durante cualquier intervalo de 20 minutos.
Desarrollo

𝟓, 𝟐𝟒 𝒆−𝟓,𝟐
𝑷 𝒙=𝟒 = = 𝟎, 𝟏𝟔𝟖𝟏
𝟒!
 Conclusión
Se estudiaron las características fundamentales que tienen la
Distribución Binomial, Hipergeométrica y Poisson, para las variables
aleatorias discretas. Las cuales permiten modelar problemas de la
vida real, donde nos encontremos con este tipo de variables, y se
necesite pronosticar el comportamiento futuro de los datos, y con
esto poder mejorar la toma de decisiones.
 Bibliografía
Bibliografía obligatoria

Webster, Allen L., 2000, “Estadística Aplicada a los Negocios y la

Economía”, Editorial Mc Graw Hill, España
https://wwwyyy.files.wordpress.com/2013/02/estadistica-
aplicada-a-los-negocios-y-la-economia.pdf

.
Taller Práctico Colaborativo
Título
• Distribución Discreta

Resultado de Aprendizaje
• Utiliza los tipos de variables aplicando la función de
distribución discreta para definir una estrategia en la
empresa u organización.

Tiempo
• 45 minutos (5 min. organización, 40 min. desarrollo del
taller)
Actividad on line Clase 10
Taller On line
Distribución Discreta
• 40 minutos

Control
•Sumativo
•Tiempo: 40 minutos