Variable Aleatoria y Distribución de

Probabilidad Discreta

Leonel Obando
Universidad Nacional Autónoma de Honduras (UNAH)

March 24, 2020

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Variable Aleatoria Discreta

Definicion (Variable Aleatoria)

Una función Y : Ω → R, donde Ω es espacio muestral de un
experimento aleatorio se llama variable aleatoria.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Variable Aleatoria Discreta

Definicion (Variable Aleatoria)

Una función Y : Ω → R, donde Ω es espacio muestral de un
experimento aleatorio se llama variable aleatoria.

Decimos que la variable aleatoria es discreta si Rango(Y ) es

finito o se puede contar con los números naturales
(0, 1, 2, · · · ). Es decir, si los valores que puede tomar Y son un
conjunto finito o se pueden contar con los números naturales.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Función de Probabilidad

Notación
La expresión Y = y debe interpretarse como el conjunto de
todos los valores de Ω para los cuales Y es igual a y .

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Función de Probabilidad

Notación
La expresión Y = y debe interpretarse como el conjunto de
todos los valores de Ω para los cuales Y es igual a y .

Es decir, es un subconjunto del espacio muestral: Evento.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Función de Probabilidad

Notación
La expresión Y = y debe interpretarse como el conjunto de
todos los valores de Ω para los cuales Y es igual a y .

Es decir, es un subconjunto del espacio muestral: Evento.

Definicion (Función de Probabilidad)
La función p : R → [0, 1] dada por p(y ) = P(Y = y ). Que
para cada número real devuelve la probabilidad del evento
Y = y . Se le conoce como función de probabilidad para Y .

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Propiedades

Theorem
Para cualquier distribución de probabilidad discreta se cumple
que:
1. 0 ≤ p(y ) ≤ 1, para toda y .

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Propiedades

Theorem
Para cualquier distribución de probabilidad discreta se cumple
que:
1. 0 ≤ p(y ) ≤ 1, para toda y .
P
2. y p(y ) = 1, donde la sumatoria es sobre todos los
valores de y con probabilidad distinta de cero.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos

Ejemplo 1 (Ejr 3.1)

Cuando el departamento de salud examinó pozos privados en
un condado en busca de dos impurezas quecomúnmente se
hallan en el agua potable, se encontró que 20% de los pozos
no tenı́an ninguna impureza, 40% tenı́an la impureza A y 50%
tenı́an la impureza B. (Obviamente, algunos tenı́an ambas
impurezas.) Si un pozo de los existentes en el condado se
escoge al azar, encuentre la distribución de probabilidad para
Y, el número de impurezas halladas en el pozo.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 1
Considere los eventos

A: Tiene la impureza A
B: Tiene la impureza B

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 1
Considere los eventos

A: Tiene la impureza A
B: Tiene la impureza B

Sabemos que

P(A) = 0.4
P(B) = 0.5
P(A ∩ B c ) = 0.2
c

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 1
Considere los eventos

A: Tiene la impureza A
B: Tiene la impureza B

Sabemos que

P(A) = 0.4
P(B) = 0.5
P(A ∩ B c ) = 0.2
c

P(Ac ∩ B c ) = P((A ∪ B)c ) Aplicando Ley de De Morgan

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 1
Considere los eventos

A: Tiene la impureza A
B: Tiene la impureza B

Sabemos que

P(A) = 0.4
P(B) = 0.5
P(A ∩ B c ) = 0.2
c

P(Ac ∩ B c ) = P((A ∪ B)c ) Aplicando Ley de De Morgan

= 1 − P(A ∪ B) Por Regla del Complemento

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 1
Considere los eventos

A: Tiene la impureza A
B: Tiene la impureza B

Sabemos que

P(A) = 0.4
P(B) = 0.5
P(A ∩ B c ) = 0.2
c

P(Ac ∩ B c )
= P((A ∪ B)c ) Aplicando Ley de De Morgan
= 1 − P(A ∪ B) Por Regla del Complemento
⇒ P(A ∪ B) = 1 − 0.2 = 0.8 Despejando para P(A ∪ B)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 1
De aquı́ es fácil ver que P(A ∩ B) = 0.1.

1
La diferencia simétrica A M B se define como (A ∪ B) − (A ∩ B). Es
decir, la unión de A y B sin la intersección de ellos. Consiste en los
elementos que solo están en A o en B, pero no en ambos.
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 1
De aquı́ es fácil ver que P(A ∩ B) = 0.1.
Por otro lado,

P(A M B)1 = P(A ∪ B) − P(A ∩ B) = 0.8 − 0.1 = 0.7

1
La diferencia simétrica A M B se define como (A ∪ B) − (A ∩ B). Es
decir, la unión de A y B sin la intersección de ellos. Consiste en los
elementos que solo están en A o en B, pero no en ambos.
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 1
De aquı́ es fácil ver que P(A ∩ B) = 0.1.
Por otro lado,

P(A M B)1 = P(A ∪ B) − P(A ∩ B) = 0.8 − 0.1 = 0.7

Ası́, la distribución de probabilidad de Y es:

1
La diferencia simétrica A M B se define como (A ∪ B) − (A ∩ B). Es
decir, la unión de A y B sin la intersección de ellos. Consiste en los
elementos que solo están en A o en B, pero no en ambos.
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 1
De aquı́ es fácil ver que P(A ∩ B) = 0.1.
Por otro lado,

P(A M B)1 = P(A ∪ B) − P(A ∩ B) = 0.8 − 0.1 = 0.7

Ası́, la distribución de probabilidad de Y es:

Y p(y )

1
La diferencia simétrica A M B se define como (A ∪ B) − (A ∩ B). Es
decir, la unión de A y B sin la intersección de ellos. Consiste en los
elementos que solo están en A o en B, pero no en ambos.
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 1
De aquı́ es fácil ver que P(A ∩ B) = 0.1.
Por otro lado,

P(A M B)1 = P(A ∪ B) − P(A ∩ B) = 0.8 − 0.1 = 0.7

Ası́, la distribución de probabilidad de Y es:

Y p(y )
0

1
La diferencia simétrica A M B se define como (A ∪ B) − (A ∩ B). Es
decir, la unión de A y B sin la intersección de ellos. Consiste en los
elementos que solo están en A o en B, pero no en ambos.
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 1
De aquı́ es fácil ver que P(A ∩ B) = 0.1.
Por otro lado,

P(A M B)1 = P(A ∪ B) − P(A ∩ B) = 0.8 − 0.1 = 0.7

Ası́, la distribución de probabilidad de Y es:

Y p(y )
0 0.2

1
La diferencia simétrica A M B se define como (A ∪ B) − (A ∩ B). Es
decir, la unión de A y B sin la intersección de ellos. Consiste en los
elementos que solo están en A o en B, pero no en ambos.
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 1
De aquı́ es fácil ver que P(A ∩ B) = 0.1.
Por otro lado,

P(A M B)1 = P(A ∪ B) − P(A ∩ B) = 0.8 − 0.1 = 0.7

Ası́, la distribución de probabilidad de Y es:

Y p(y )
0 0.2
1

1
La diferencia simétrica A M B se define como (A ∪ B) − (A ∩ B). Es
decir, la unión de A y B sin la intersección de ellos. Consiste en los
elementos que solo están en A o en B, pero no en ambos.
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 1
De aquı́ es fácil ver que P(A ∩ B) = 0.1.
Por otro lado,

P(A M B)1 = P(A ∪ B) − P(A ∩ B) = 0.8 − 0.1 = 0.7

Ası́, la distribución de probabilidad de Y es:

Y p(y )
0 0.2
1 0.7

1
La diferencia simétrica A M B se define como (A ∪ B) − (A ∩ B). Es
decir, la unión de A y B sin la intersección de ellos. Consiste en los
elementos que solo están en A o en B, pero no en ambos.
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 1
De aquı́ es fácil ver que P(A ∩ B) = 0.1.
Por otro lado,

P(A M B)1 = P(A ∪ B) − P(A ∩ B) = 0.8 − 0.1 = 0.7

Ası́, la distribución de probabilidad de Y es:

Y p(y )
0 0.2
1 0.7
2

1
La diferencia simétrica A M B se define como (A ∪ B) − (A ∩ B). Es
decir, la unión de A y B sin la intersección de ellos. Consiste en los
elementos que solo están en A o en B, pero no en ambos.
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 1
De aquı́ es fácil ver que P(A ∩ B) = 0.1.
Por otro lado,

P(A M B)1 = P(A ∪ B) − P(A ∩ B) = 0.8 − 0.1 = 0.7

Ası́, la distribución de probabilidad de Y es:

Y p(y )
0 0.2
1 0.7
2 0.1

1
La diferencia simétrica A M B se define como (A ∪ B) − (A ∩ B). Es
decir, la unión de A y B sin la intersección de ellos. Consiste en los
elementos que solo están en A o en B, pero no en ambos.
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 1
De aquı́ es fácil ver que P(A ∩ B) = 0.1.
Por otro lado,

P(A M B)1 = P(A ∪ B) − P(A ∩ B) = 0.8 − 0.1 = 0.7

Ası́, la distribución de probabilidad de Y es:

Y p(y )
0 0.2
1 0.7
2
P 0.1

1
La diferencia simétrica A M B se define como (A ∪ B) − (A ∩ B). Es
decir, la unión de A y B sin la intersección de ellos. Consiste en los
elementos que solo están en A o en B, pero no en ambos.
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 1
De aquı́ es fácil ver que P(A ∩ B) = 0.1.
Por otro lado,

P(A M B)1 = P(A ∪ B) − P(A ∩ B) = 0.8 − 0.1 = 0.7

Ası́, la distribución de probabilidad de Y es:

Y p(y )
0 0.2
1 0.7
2
P 0.1
1

1
La diferencia simétrica A M B se define como (A ∪ B) − (A ∩ B). Es
decir, la unión de A y B sin la intersección de ellos. Consiste en los
elementos que solo están en A o en B, pero no en ambos.
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos

Ejemplo 2 (Ejr 3.8)

Una sola célula puede morir, con probabilidad .1 o dividirse en
dos células, con probabilidad .9, produciendo una nueva
generación de células. Cada célula en la nueva generación
muere o se divide independientemente en dos células, con las
mismas probabilidades que la célula inicial. Encuentre la
distribución de probabilidad para el número de células de la
siguiente generación.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2
Sea Y el número de celulas que habrá en la tercera
generación. Como cada célula solo puede morir o dividirse en
dos, entonces Y = 0, 2, 4. Tenemos entonces tres casos:

Y = 0: Eso es posible si la primera célula muere o si las dos de la

segunda generación mueren.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2
Sea Y el número de celulas que habrá en la tercera
generación. Como cada célula solo puede morir o dividirse en
dos, entonces Y = 0, 2, 4. Tenemos entonces tres casos:

Y = 0: Eso es posible si la primera célula muere o si las dos de la

segunda generación mueren. Ası́,
P(Y = 0)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2
Sea Y el número de celulas que habrá en la tercera
generación. Como cada célula solo puede morir o dividirse en
dos, entonces Y = 0, 2, 4. Tenemos entonces tres casos:

Y = 0: Eso es posible si la primera célula muere o si las dos de la

segunda generación mueren. Ası́,
P(Y = 0) = 0.1

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2
Sea Y el número de celulas que habrá en la tercera
generación. Como cada célula solo puede morir o dividirse en
dos, entonces Y = 0, 2, 4. Tenemos entonces tres casos:

Y = 0: Eso es posible si la primera célula muere o si las dos de la

segunda generación mueren. Ası́,
P(Y = 0) = 0.1 + 0.9 × 0.12

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2
Sea Y el número de celulas que habrá en la tercera
generación. Como cada célula solo puede morir o dividirse en
dos, entonces Y = 0, 2, 4. Tenemos entonces tres casos:

Y = 0: Eso es posible si la primera célula muere o si las dos de la

segunda generación mueren. Ası́,
P(Y = 0) = 0.1 + 0.9 × 0.12 = 0.109

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2
Sea Y el número de celulas que habrá en la tercera
generación. Como cada célula solo puede morir o dividirse en
dos, entonces Y = 0, 2, 4. Tenemos entonces tres casos:

Y = 0: Eso es posible si la primera célula muere o si las dos de la

segunda generación mueren. Ası́,
P(Y = 0) = 0.1 + 0.9 × 0.12 = 0.109

Y = 2: Esto sucede si la primera célula se divide y una de las dos

resultantes muere.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2
Sea Y el número de celulas que habrá en la tercera
generación. Como cada célula solo puede morir o dividirse en
dos, entonces Y = 0, 2, 4. Tenemos entonces tres casos:

Y = 0: Eso es posible si la primera célula muere o si las dos de la

segunda generación mueren. Ası́,
P(Y = 0) = 0.1 + 0.9 × 0.12 = 0.109

Y = 2: Esto sucede si la primera célula se divide y una de las dos

resultantes muere. Por lo que,

P(Y = 2) =

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2
Sea Y el número de celulas que habrá en la tercera
generación. Como cada célula solo puede morir o dividirse en
dos, entonces Y = 0, 2, 4. Tenemos entonces tres casos:

Y = 0: Eso es posible si la primera célula muere o si las dos de la

segunda generación mueren. Ası́,
P(Y = 0) = 0.1 + 0.9 × 0.12 = 0.109

Y = 2: Esto sucede si la primera célula se divide y una de las dos

resultantes muere. Por lo que,

P(Y = 2) = 0.9 × [2 · (0.9 × 0.1)] = 0.162

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2

Y = 4: Esto solo sucede si la primera célula se divide y luego las

dos resultantes también se dividen.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2

Y = 4: Esto solo sucede si la primera célula se divide y luego las

dos resultantes también se dividen. Por tanto,

P(Y = 4) =

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2

Y = 4: Esto solo sucede si la primera célula se divide y luego las

dos resultantes también se dividen. Por tanto,

P(Y = 4) = 0.9 × 0.92 = 0.729

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2

Y = 4: Esto solo sucede si la primera célula se divide y luego las

dos resultantes también se dividen. Por tanto,

P(Y = 4) = 0.9 × 0.92 = 0.729

Ası́, la distribución de probabilidad de Y es:

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 2

Y = 4: Esto solo sucede si la primera célula se divide y luego las

dos resultantes también se dividen. Por tanto,

P(Y = 4) = 0.9 × 0.92 = 0.729

Ası́, la distribución de probabilidad de Y es:

Y p(y )
0 0.109
1 0.162
2 0.729
P
1

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Esperanza y Varianza de una Variable Aleatoria
Discreta

Definicion (Esperanza o Valor Esperado)

Sea Y una variable aleatoria discreta con función de
probabilidad p(y ). Entonces, el valor esperado de Y , denotado
por E [Y ], se define como:
X
E [Y ] = yp(y )
y

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Esperanza y Varianza de una Variable Aleatoria
Discreta

Theorem (Propiedades de la Esperanza)

Sean Y una variable aleatoria discreta, f (Y ), g (Y ) funciones
de valores reales en la variable Y y c una constante. Entonces

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Esperanza y Varianza de una Variable Aleatoria
Discreta

Theorem (Propiedades de la Esperanza)

Sean Y una variable aleatoria discreta, f (Y ), g (Y ) funciones
de valores reales en la variable Y y c una constante. Entonces
X
E [f (Y )] = f (y )p(y ) (1)
y

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Esperanza y Varianza de una Variable Aleatoria
Discreta

Theorem (Propiedades de la Esperanza)

Sean Y una variable aleatoria discreta, f (Y ), g (Y ) funciones
de valores reales en la variable Y y c una constante. Entonces
X
E [f (Y )] = f (y )p(y ) (1)
y
E [c] = c (2)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Esperanza y Varianza de una Variable Aleatoria
Discreta

Theorem (Propiedades de la Esperanza)

Sean Y una variable aleatoria discreta, f (Y ), g (Y ) funciones
de valores reales en la variable Y y c una constante. Entonces
X
E [f (Y )] = f (y )p(y ) (1)
y
E [c] = c (2)
E [f (Y ) + g (y )] = E [f (Y )] + E [g (Y )] (3)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Esperanza y Varianza de una Variable Aleatoria
Discreta

Theorem (Propiedades de la Esperanza)

Sean Y una variable aleatoria discreta, f (Y ), g (Y ) funciones
de valores reales en la variable Y y c una constante. Entonces
X
E [f (Y )] = f (y )p(y ) (1)
y
E [c] = c (2)
E [f (Y ) + g (y )] = E [f (Y )] + E [g (Y )] (3)
E [cf (Y )] = cE [f (Y )] (4)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Esperanza y Varianza de una Variable Aleatoria
Discreta

Definicion (Varianza)
Si Y es una variable aleatoria con media E [Y ] = µ, la
varianza de Y se define como:

V [Y ] = E (Y − µ)2
 

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Esperanza y Varianza de una Variable Aleatoria
Discreta

Definicion (Varianza)
Si Y es una variable aleatoria con media E [Y ] = µ, la
varianza de Y se define como:

V [Y ] = E (Y − µ)2
 

Theorem (Fórmula Práctica para calcular la Varianza)

Sea Y una variable aleatoria con media E [Y ] = µ. Entonces:

V [Y ] = σ 2 = E [Y 2 ] − µ2 . (5)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 3
Calcule el número esperado de impurezas del Ejemplo 1.
Además calcule la varianza de esta variable.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 3
Calcule el número esperado de impurezas del Ejemplo 1.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y )
y

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 3
Calcule el número esperado de impurezas del Ejemplo 1.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.2 + 1 × 0.7 + 2 × 0.1
y

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 3
Calcule el número esperado de impurezas del Ejemplo 1.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.2 + 1 × 0.7 + 2 × 0.1 = 0.9
y

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 3
Calcule el número esperado de impurezas del Ejemplo 1.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.2 + 1 × 0.7 + 2 × 0.1 = 0.9
y

Ahora, calculamos la varianza con la ecuación (5).

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 3
Calcule el número esperado de impurezas del Ejemplo 1.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.2 + 1 × 0.7 + 2 × 0.1 = 0.9
y

Ahora, calculamos la varianza con la ecuación (5).

E [Y 2 ] = 02 × 0.2 + 12 × 0.7 + 22 × 0.1

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 3
Calcule el número esperado de impurezas del Ejemplo 1.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.2 + 1 × 0.7 + 2 × 0.1 = 0.9
y

Ahora, calculamos la varianza con la ecuación (5).

E [Y 2 ] = 02 × 0.2 + 12 × 0.7 + 22 × 0.1 = 1.1

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 3
Calcule el número esperado de impurezas del Ejemplo 1.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.2 + 1 × 0.7 + 2 × 0.1 = 0.9
y

Ahora, calculamos la varianza con la ecuación (5).

E [Y 2 ] = 02 × 0.2 + 12 × 0.7 + 22 × 0.1 = 1.1

Ası́:
V [Y ] = E [Y 2 ] − µ2 =
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos
Ejemplo 3
Calcule el número esperado de impurezas del Ejemplo 1.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.2 + 1 × 0.7 + 2 × 0.1 = 0.9
y

Ahora, calculamos la varianza con la ecuación (5).

E [Y 2 ] = 02 × 0.2 + 12 × 0.7 + 22 × 0.1 = 1.1

Ası́:
V [Y ] = E [Y 2 ] − µ2 = 1.1 − 0.92 = 0.29
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos
Ejemplo 4
Calcule el número esperado de bacterias vivas del Ejemplo 2.
Además calcule la varianza de esta variable.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 4
Calcule el número esperado de bacterias vivas del Ejemplo 2.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y )
y

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 4
Calcule el número esperado de bacterias vivas del Ejemplo 2.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.109 + 2 × 0.162 + 4 × 0.729
y

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 4
Calcule el número esperado de bacterias vivas del Ejemplo 2.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.109 + 2 × 0.162 + 4 × 0.729 = 3.24
y

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 4
Calcule el número esperado de bacterias vivas del Ejemplo 2.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.109 + 2 × 0.162 + 4 × 0.729 = 3.24
y

Ahora, calculamos la varianza con la ecuación (5).

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 4
Calcule el número esperado de bacterias vivas del Ejemplo 2.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.109 + 2 × 0.162 + 4 × 0.729 = 3.24
y

Ahora, calculamos la varianza con la ecuación (5).

E [Y 2 ] = 02 × 0.109 + 22 × 0.162 + 42 × 0.729

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 4
Calcule el número esperado de bacterias vivas del Ejemplo 2.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.109 + 2 × 0.162 + 4 × 0.729 = 3.24
y

Ahora, calculamos la varianza con la ecuación (5).

E [Y 2 ] = 02 × 0.109 + 22 × 0.162 + 42 × 0.729 = 12.312

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos
Ejemplo 4
Calcule el número esperado de bacterias vivas del Ejemplo 2.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.109 + 2 × 0.162 + 4 × 0.729 = 3.24
y

Ahora, calculamos la varianza con la ecuación (5).

E [Y 2 ] = 02 × 0.109 + 22 × 0.162 + 42 × 0.729 = 12.312

Ası́:
V [Y ] = E [Y 2 ] − µ2 =
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos
Ejemplo 4
Calcule el número esperado de bacterias vivas del Ejemplo 2.
Además calcule la varianza de esta variable.
Utilizando la definición de Esperanza:
X
E [Y ] = yp(y ) = 0 × 0.109 + 2 × 0.162 + 4 × 0.729 = 3.24
y

Ahora, calculamos la varianza con la ecuación (5).

E [Y 2 ] = 02 × 0.109 + 22 × 0.162 + 42 × 0.729 = 12.312

Ası́:
V [Y ] = E [Y 2 ] − µ2 = 12.312 − 3.242 = 1.8144
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Distribuciones de Probabilidad Discreta

Las principales distribucions de probabilidad discreta que

estudiaremos son las siguientes:
1 Distribución Binomial

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribuciones de Probabilidad Discreta

Las principales distribucions de probabilidad discreta que

estudiaremos son las siguientes:
1 Distribución Binomial
2 Distribución Geométrica

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribuciones de Probabilidad Discreta

Las principales distribucions de probabilidad discreta que

estudiaremos son las siguientes:
1 Distribución Binomial
2 Distribución Geométrica
3 Distribución Hipergeométrica

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribuciones de Probabilidad Discreta

Las principales distribucions de probabilidad discreta que

estudiaremos son las siguientes:
1 Distribución Binomial
2 Distribución Geométrica
3 Distribución Hipergeométrica
4 Distribución de Poisson

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Binomial

Definicion (Experimento Binomial)

Un experimento binomial presenta las siguientes propiedades:
1. Consiste en un número fijo, n, de pruebas idénticas.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Binomial

Definicion (Experimento Binomial)

Un experimento binomial presenta las siguientes propiedades:
1. Consiste en un número fijo, n, de pruebas idénticas.
2. Cada prueba resulta en uno de dos resultados: éxito, S, o
fracaso, F.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Binomial

Definicion (Experimento Binomial)

Un experimento binomial presenta las siguientes propiedades:
1. Consiste en un número fijo, n, de pruebas idénticas.
2. Cada prueba resulta en uno de dos resultados: éxito, S, o
fracaso, F.
3. La probabilidad de éxito en una de las pruebas es p y es el
mismo de una prueba a otra. La de fracaso es q = 1 − p.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Binomial

Definicion (Experimento Binomial)

Un experimento binomial presenta las siguientes propiedades:
1. Consiste en un número fijo, n, de pruebas idénticas.
2. Cada prueba resulta en uno de dos resultados: éxito, S, o
fracaso, F.
3. La probabilidad de éxito en una de las pruebas es p y es el
mismo de una prueba a otra. La de fracaso es q = 1 − p.
4. Las pruebas son independientes.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Binomial

Definicion (Experimento Binomial)

Un experimento binomial presenta las siguientes propiedades:
1. Consiste en un número fijo, n, de pruebas idénticas.
2. Cada prueba resulta en uno de dos resultados: éxito, S, o
fracaso, F.
3. La probabilidad de éxito en una de las pruebas es p y es el
mismo de una prueba a otra. La de fracaso es q = 1 − p.
4. Las pruebas son independientes.
5. La variable aleatoria de interés Y , el número de éxitos
obtenidos en las n pruebas.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Binomial
Definicion (Distribución Binomial)
Se dice que una variable aleatoria Y tiene una distribución
binomial basada en n pruebas con probabilidad p de éxito si y
solo si  
n y n−y
p(y ) = p q
y
con y = 0, 1, 2, · · · , n y 0 ≤ p ≤ 1.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Binomial
Definicion (Distribución Binomial)
Se dice que una variable aleatoria Y tiene una distribución
binomial basada en n pruebas con probabilidad p de éxito si y
solo si  
n y n−y
p(y ) = p q
y
con y = 0, 1, 2, · · · , n y 0 ≤ p ≤ 1.

Theorem (Esperanza y Varianza de una distribución Binomial)

Sea Y una variable aleatoria binomial basada en n pruebas con
probabilidad p de éxito. Entonces

µ = E [Y ] = np

σ 2 = V [Y ] = npq
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos

Ejemplo 5. Ejer. 3.38

El fabricante de una bebida láctea de bajo contenido de
calorı́as desea comparar el atractivo del gusto de una nueva
fórmula (fórmula B) con el de la fórmula estándar (fórmula
A). A cada uno de cuatro jueces se les dan tres vasos en orden
aleatorio, dos de ellos cont la fórmula A y el otro con la
fórmula B. A cada uno de los jueces se les pide indicar cuál
vaso fue el que disfrutó más. Suponga que las dos fórmulas
son igualmente atractivas. Sea Y el número de jueces que
indican una preferencia por la nueva fórmula.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos

Ejemplo 5. Ejer. 3.38

a) Encuentre la función de probabilidad para Y.
b) ¿Cuál es la probabilidad de que al menos tres de los
cuatro jueces indique una preferencia por la nueva
fórmula?
c) Encuentre el valor esperado de Y.
d) Encuentre la varianza de Y.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta. Las cuales pueden terminar
en éxito

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta. Las cuales pueden terminar
en éxito (Elige fórmula B) con probabilidad

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta. Las cuales pueden terminar
en éxito (Elige fórmula B) con probabilidad p = 13 y fracaso
(Elige fórmula A)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta. Las cuales pueden terminar
en éxito (Elige fórmula B) con probabilidad p = 13 y fracaso
(Elige fórmula A)con probabilidad q = 23 .

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta. Las cuales pueden terminar
en éxito (Elige fórmula B) con probabilidad p = 13 y fracaso
(Elige fórmula A)con probabilidad q = 23 . Claramente, esto es
un experimento binomial.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta. Las cuales pueden terminar
en éxito (Elige fórmula B) con probabilidad p = 13 y fracaso
(Elige fórmula A)con probabilidad q = 23 . Claramente, esto es
un experimento binomial. Por lo que:
a)
   y  n−y
4 1 2
p(y ) =
y 3 3

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta. Las cuales pueden terminar
en éxito (Elige fórmula B) con probabilidad p = 13 y fracaso
(Elige fórmula A)con probabilidad q = 23 . Claramente, esto es
un experimento binomial. Por lo que:
a)
   y  n−y
4 1 2
p(y ) =
y 3 3

b)
P(Y ≥ 3)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta. Las cuales pueden terminar
en éxito (Elige fórmula B) con probabilidad p = 13 y fracaso
(Elige fórmula A)con probabilidad q = 23 . Claramente, esto es
un experimento binomial. Por lo que:
a)
   y  n−y
4 1 2
p(y ) =
y 3 3

b)
P(Y ≥ 3) = P(Y = 3) + P(Y = 4)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta. Las cuales pueden terminar
en éxito (Elige fórmula B) con probabilidad p = 13 y fracaso
(Elige fórmula A)con probabilidad q = 23 . Claramente, esto es
un experimento binomial. Por lo que:
a)
   y  n−y
4 1 2
p(y ) =
y 3 3

b)
P(Y ≥ 3) = P(Y = 3) + P(Y = 4)
   3  1
4 1 2
= +
3 3 3

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta. Las cuales pueden terminar
en éxito (Elige fórmula B) con probabilidad p = 13 y fracaso
(Elige fórmula A)con probabilidad q = 23 . Claramente, esto es
un experimento binomial. Por lo que:
a)
   y  n−y
4 1 2
p(y ) =
y 3 3

b)
P(Y ≥ 3) = P(Y = 3) + P(Y = 4)
   3  1    4  0
4 1 2 4 1 2
= +
3 3 3 4 3 3

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta. Las cuales pueden terminar
en éxito (Elige fórmula B) con probabilidad p = 13 y fracaso
(Elige fórmula A)con probabilidad q = 23 . Claramente, esto es
un experimento binomial. Por lo que:
a)
   y  n−y
4 1 2
p(y ) =
y 3 3

b)
P(Y ≥ 3) = P(Y = 3) + P(Y = 4)
   3  1    4  0
4 1 2 4 1 2
= +
3 3 3 4 3 3
  
1 2 1
= 4 + =
27 3 81
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 5
Las pruebas independientes son las selecciones de cada juez
por la bebida que más les gusta. Las cuales pueden terminar
en éxito (Elige fórmula B) con probabilidad p = 13 y fracaso
(Elige fórmula A)con probabilidad q = 23 . Claramente, esto es
un experimento binomial. Por lo que:
a)
   y  n−y
4 1 2
p(y ) =
y 3 3

b)
P(Y ≥ 3) = P(Y = 3) + P(Y = 4)
   3  1    4  0
4 1 2 4 1 2
= +
3 3 3 4 3 3
  
1 2 1 1
= 4 + =
27 3 81 9
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Ejemplos: Solución Ejemplo 5

c)
E [Y ] = np

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5

c)  
1 4
E [Y ] = np = 4 × =
3 3

d)
V [Y ] = npq

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 5

c)  
1 4
E [Y ] = np = 4 × =
3 3

d)   
1 2 8
V [Y ] = npq = 4 × =
3 3 9

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Geométrica

Considere un experimento parecido al binomial en los

siguientes aspectos:

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Geométrica

Considere un experimento parecido al binomial en los

siguientes aspectos:
1 Se realizan pruebas independientes e idénticas.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Geométrica

Considere un experimento parecido al binomial en los

siguientes aspectos:
1 Se realizan pruebas independientes e idénticas.
2 Cada prueba puede terminar en una de dos posibilidades:
éxito, S, o fracaso, F.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Geométrica

Considere un experimento parecido al binomial en los

siguientes aspectos:
1 Se realizan pruebas independientes e idénticas.
2 Cada prueba puede terminar en una de dos posibilidades:
éxito, S, o fracaso, F.
3 La probabilidad de éxito p en cada prueba es la misma.
Por tanto, también la de fracaso q = 1 − p.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Geométrica

Bajo estas condiciones, la variable aleatoria Y , el número de

prueba en el que ocurre el primer éxito tiene una distribución
geométrica.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Geométrica

Bajo estas condiciones, la variable aleatoria Y , el número de

prueba en el que ocurre el primer éxito tiene una distribución
geométrica.
Definicion (Distribución Geométrica)
Se dice que una variable aleatoria Y tiene una distribución de
probabilidad geométrica si y solo si

p(y ) = q y −1 p

con y = 1, 2, 3, · · · y 0 ≤ p ≤ 1.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Geométrica

Theorem (Esperanza y Varianza de una v.a. Geométrica)

Si Y es una variable aleatoria con una distribución geométrica,
1
µ = E [Y ] =
p
1−p
σ 2 = V [Y ] = .
p2

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos

Ejemplo 6. Ejer. 3.75

La probabilidad de que llegue un cliente al mostrador de
servicio de una tienda en un segundo cualquiera es igual a .1.
Suponga que llegan clientes en forma aleatoria y por tanto que
una llegada en un segundo cualquiera es independiente de las
otras. Encuentre la probabilidad de que la primera llegada
a) ocurra durante el tercer intervalo de un segundo.
b) no ocurra hasta al menos el tercer intervalo de un
segundo.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 6

La prueba de que un cliente llegue en el periodo de un segundo

puede terminar en éxito (sı́ llegue) p = 0.1 o fracaso (no
llegue) q = 0.9

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 6

La prueba de que un cliente llegue en el periodo de un segundo

puede terminar en éxito (sı́ llegue) p = 0.1 o fracaso (no
llegue) q = 0.9. Sea Y el primer intervalo de un segundo en el
que llega un cliente. Y tiene una distribución geométrica.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 6

La prueba de que un cliente llegue en el periodo de un segundo

puede terminar en éxito (sı́ llegue) p = 0.1 o fracaso (no
llegue) q = 0.9. Sea Y el primer intervalo de un segundo en el
que llega un cliente. Y tiene una distribución geométrica.
a) P(Y = 3)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 6

La prueba de que un cliente llegue en el periodo de un segundo

puede terminar en éxito (sı́ llegue) p = 0.1 o fracaso (no
llegue) q = 0.9. Sea Y el primer intervalo de un segundo en el
que llega un cliente. Y tiene una distribución geométrica.
a) P(Y = 3) = (0.9)2 × (0.1) = 0.081

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 6

La prueba de que un cliente llegue en el periodo de un segundo

puede terminar en éxito (sı́ llegue) p = 0.1 o fracaso (no
llegue) q = 0.9. Sea Y el primer intervalo de un segundo en el
que llega un cliente. Y tiene una distribución geométrica.
a) P(Y = 3) = (0.9)2 × (0.1) = 0.081
b) P(Y ≥ 3)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 6

La prueba de que un cliente llegue en el periodo de un segundo

puede terminar en éxito (sı́ llegue) p = 0.1 o fracaso (no
llegue) q = 0.9. Sea Y el primer intervalo de un segundo en el
que llega un cliente. Y tiene una distribución geométrica.
a) P(Y = 3) = (0.9)2 × (0.1) = 0.081
b) P(Y ≥ 3) = 1 − P(Y < 3)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 6

La prueba de que un cliente llegue en el periodo de un segundo

puede terminar en éxito (sı́ llegue) p = 0.1 o fracaso (no
llegue) q = 0.9. Sea Y el primer intervalo de un segundo en el
que llega un cliente. Y tiene una distribución geométrica.
a) P(Y = 3) = (0.9)2 × (0.1) = 0.081
b) P(Y ≥ 3) = 1 − P(Y < 3) = 1 − P(Y ≤ 2)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 6

La prueba de que un cliente llegue en el periodo de un segundo

puede terminar en éxito (sı́ llegue) p = 0.1 o fracaso (no
llegue) q = 0.9. Sea Y el primer intervalo de un segundo en el
que llega un cliente. Y tiene una distribución geométrica.
a) P(Y = 3) = (0.9)2 × (0.1) = 0.081
b) P(Y ≥ 3) = 1 − P(Y < 3) = 1 − P(Y ≤ 2) =
1 − (P(Y = 1) + P(Y = 2))

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 6

La prueba de que un cliente llegue en el periodo de un segundo

puede terminar en éxito (sı́ llegue) p = 0.1 o fracaso (no
llegue) q = 0.9. Sea Y el primer intervalo de un segundo en el
que llega un cliente. Y tiene una distribución geométrica.
a) P(Y = 3) = (0.9)2 × (0.1) = 0.081
b) P(Y ≥ 3) = 1 − P(Y < 3) = 1 − P(Y ≤ 2) =
1 − (P(Y = 1) + P(Y = 2)) = 1 −
((0.9)0 × (0.1) +

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 6

La prueba de que un cliente llegue en el periodo de un segundo

puede terminar en éxito (sı́ llegue) p = 0.1 o fracaso (no
llegue) q = 0.9. Sea Y el primer intervalo de un segundo en el
que llega un cliente. Y tiene una distribución geométrica.
a) P(Y = 3) = (0.9)2 × (0.1) = 0.081
b) P(Y ≥ 3) = 1 − P(Y < 3) = 1 − P(Y ≤ 2) =
1 − (P(Y = 1) + P(Y = 2)) = 1 −
((0.9)0 × (0.1) + (0.9)1 × (0.1))

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 6

La prueba de que un cliente llegue en el periodo de un segundo

puede terminar en éxito (sı́ llegue) p = 0.1 o fracaso (no
llegue) q = 0.9. Sea Y el primer intervalo de un segundo en el
que llega un cliente. Y tiene una distribución geométrica.
a) P(Y = 3) = (0.9)2 × (0.1) = 0.081
b) P(Y ≥ 3) = 1 − P(Y < 3) = 1 − P(Y ≤ 2) =
1 − (P(Y = 1) + P(Y = 2)) = 1 −
((0.9)0 × (0.1) + (0.9)1 × (0.1)) = 1−(0.1+0.09)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 6

La prueba de que un cliente llegue en el periodo de un segundo

puede terminar en éxito (sı́ llegue) p = 0.1 o fracaso (no
llegue) q = 0.9. Sea Y el primer intervalo de un segundo en el
que llega un cliente. Y tiene una distribución geométrica.
a) P(Y = 3) = (0.9)2 × (0.1) = 0.081
b) P(Y ≥ 3) = 1 − P(Y < 3) = 1 − P(Y ≤ 2) =
1 − (P(Y = 1) + P(Y = 2)) = 1 −
((0.9)0 × (0.1) + (0.9)1 × (0.1)) = 1−(0.1+0.09) = 0.81

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Hipergeométrica

Considere una población de tamaño N de la cual se toma una

muestra de tamaño n. En la medida que n es grande con
respecto a N. Las pruebas aunque solo tengan dos resulados,
ya no serán independientes. Suponga que en la población hay
una cantidad r de posibles éxitos. Considere la variable
aleatoria Y , que cuenta el número de éxitos conseguidos en la
muestra de tamaño n.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Hipergeométrica

Definicion (Distribución Hipergeométrica)

Se dice que una variable aleatoria Y tiene una distribución
hipergeométrica si
r

N−r

y n−y
p(y ) = N


n
donde y = 0, 1, 2, · · · , n sujeto a y ≤ r y n − y ≤ N − r .

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Hipergeométrica

Theorem (Esperanza y Varianza de una v.a. Hipergeométrica)

Si Y es una variable aleatoria con distribución hipergeométrica,
nr
µ = E [Y ] =
N

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución Hipergeométrica

Theorem (Esperanza y Varianza de una v.a. Hipergeométrica)

Si Y es una variable aleatoria con distribución hipergeométrica,
nr
µ = E [Y ] =
N
 r  N − r  N − n
2
σ = V [Y ] = n
N N N −1

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos

Ejemplo 7. Ejer. 3.112

Unas fotocopiadoras usadas son enviadas al proveedor,
limpiadas y luego devueltas según convenios de renta. No se
hacen reparaciones importantes y en consecuencia algunos
clientes reciben máquinas que no funcionan bien. Entre ocho
fotocopiadoras disponibles hoy, tres de ellas están funcionando
mal. Un cliente desea rentar cuatro máquinas de inmediato.
Para satisfacer la fecha lı́mite fi jada por el cliente, cuatro de
las ocho máquinas se seleccionan al azar y, sin más pruebas,
son enviadas al cliente. ¿Cuál es la probabilidad de que el
cliente reciba máquinas que no funcionen mal? ¿Al menos una
máquina que funcional mal?

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 7
La población de fotocopiadoras consiste en un total de 8, de
las cuales 3 están funcionando mal. Si se toma una muestra
de 4 fotocopiadoras y Y es el número de fotocopiadoras malas
en la muestra. Y sigue una distribución Hipergeométrica.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 7
La población de fotocopiadoras consiste en un total de 8, de
las cuales 3 están funcionando mal. Si se toma una muestra
de 4 fotocopiadoras y Y es el número de fotocopiadoras malas
en la muestra. Y sigue una distribución Hipergeométrica.
De aquı́ su función de probabilidad serı́a:
3

5

y 4−y
p(y ) = 8


4

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 7
La población de fotocopiadoras consiste en un total de 8, de
las cuales 3 están funcionando mal. Si se toma una muestra
de 4 fotocopiadoras y Y es el número de fotocopiadoras malas
en la muestra. Y sigue una distribución Hipergeométrica.
De aquı́ su función de probabilidad serı́a:
3

5

y 4−y
p(y ) = 8


4
Como el número de máquinas que funcionan mal es menor al
de la muestra, siempre obtendrá máquinas que no funcionen
mal. La probabilidad es 1.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 7
La población de fotocopiadoras consiste en un total de 8, de
las cuales 3 están funcionando mal. Si se toma una muestra
de 4 fotocopiadoras y Y es el número de fotocopiadoras malas
en la muestra. Y sigue una distribución Hipergeométrica.
De aquı́ su función de probabilidad serı́a:
3

5

y 4−y
p(y ) = 8


4
Como el número de máquinas que funcionan mal es menor al
de la muestra, siempre obtendrá máquinas que no funcionen
mal. La probabilidad es 1.
En la segunda pregunta se pide

P(Y ≥ 1) = 1 − P(Y = 0)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 7
La población de fotocopiadoras consiste en un total de 8, de
las cuales 3 están funcionando mal. Si se toma una muestra
de 4 fotocopiadoras y Y es el número de fotocopiadoras malas
en la muestra. Y sigue una distribución Hipergeométrica.
De aquı́ su función de probabilidad serı́a:
3

5

y 4−y
p(y ) = 8


4
Como el número de máquinas que funcionan mal es menor al
de la muestra, siempre obtendrá máquinas que no funcionen
mal. La probabilidad es 1.
En la segunda pregunta se pide
3 5



0
P(Y ≥ 1) = 1 − P(Y = 0) = 1 −
4
8
4

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 7
La población de fotocopiadoras consiste en un total de 8, de
las cuales 3 están funcionando mal. Si se toma una muestra
de 4 fotocopiadoras y Y es el número de fotocopiadoras malas
en la muestra. Y sigue una distribución Hipergeométrica.
De aquı́ su función de probabilidad serı́a:
3

5

y 4−y
p(y ) = 8


4
Como el número de máquinas que funcionan mal es menor al
de la muestra, siempre obtendrá máquinas que no funcionen
mal. La probabilidad es 1.
En la segunda pregunta se pide
3 5



5 13
P(Y ≥ 1) = 1 − P(Y = 0) = 1 − 0 8
4 = 1 − =
4
70 14
Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta
Distribución de Poisson

Suponga que Y es el número de sucesos que ocurren en el

espacio, tiempo, volumen o cualquier otra dimensión, donde λ
es el número promedio de veces que ocurren dichos sucesos.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución de Poisson

Suponga que Y es el número de sucesos que ocurren en el

espacio, tiempo, volumen o cualquier otra dimensión, donde λ
es el número promedio de veces que ocurren dichos sucesos.
Definicion (Distribución de Poisson)
Se dice que una variable aleatoria Y tiene distribución de
Poisson si
λy −λ
p(y ) = e , y = 0, 1, 2, · · · λ>0
y!

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución de Poisson

Theorem (Esperanza y Varianza de una v.a con distribución de

Poisson)
Si Y es una variable aleatoria que posee una distribución de
Poisson con parámetro λ, entonces

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución de Poisson

Theorem (Esperanza y Varianza de una v.a con distribución de

Poisson)
Si Y es una variable aleatoria que posee una distribución de
Poisson con parámetro λ, entonces

µ = E [Y ] = λ

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Distribución de Poisson

Theorem (Esperanza y Varianza de una v.a con distribución de

Poisson)
Si Y es una variable aleatoria que posee una distribución de
Poisson con parámetro λ, entonces

µ = E [Y ] = λ

σ 2 = V [Y ] = λ

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos

Ejemplo 8. Ejer. 3.127

El número de errores mecanográficos hechos por una secretaria
tiene una distribución de Poisson con un promedio de cuatro
errores por página. Si en una página se dan más de cuatro
errores, la secretaria debe volver a escribir toda la página.
¿Cuál es la probabilidad de que una página seleccionada al
azar no tenga que volver a ser escrita?

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 8
Sea Y el número de errores que comete en una página la
secretaria. Sabemos que Y sigue una distribución de Poisson
con parámetro λ = 4.

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 8
Sea Y el número de errores que comete en una página la
secretaria. Sabemos que Y sigue una distribución de Poisson
con parámetro λ = 4.Luego,
4y −4
p(y ) = e
y!

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 8
Sea Y el número de errores que comete en una página la
secretaria. Sabemos que Y sigue una distribución de Poisson
con parámetro λ = 4.Luego,
4y −4
p(y ) = e
y!
Se pide:

P(Y ≤ 4)

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 8
Sea Y el número de errores que comete en una página la
secretaria. Sabemos que Y sigue una distribución de Poisson
con parámetro λ = 4.Luego,
4y −4
p(y ) = e
y!
Se pide:

4
X 4y
P(Y ≤ 4) = e −4
y =0
y!

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 8
Sea Y el número de errores que comete en una página la
secretaria. Sabemos que Y sigue una distribución de Poisson
con parámetro λ = 4.Luego,
4y −4
p(y ) = e
y!
Se pide:

4
4y 40 41 42 43 44
X  
−4 −4
P(Y ≤ 4) = e =e + + + +
y =0
y! 0! 1! 2! 3! 4!

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 8
Sea Y el número de errores que comete en una página la
secretaria. Sabemos que Y sigue una distribución de Poisson
con parámetro λ = 4.Luego,
4y −4
p(y ) = e
y!
Se pide:

4
4y 40 41 42 43 44
X  
−4 −4
P(Y ≤ 4) = e =e + + + +
y =0
y! 0! 1! 2! 3! 4!
 
−4 32 32
P(Y ≤ 4) = e 1+4+8+ +
3 3

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta

Ejemplos: Solución Ejemplo 8
Sea Y el número de errores que comete en una página la
secretaria. Sabemos que Y sigue una distribución de Poisson
con parámetro λ = 4.Luego,
4y −4
p(y ) = e
y!
Se pide:

4
4y 40 41 42 43 44
X  
−4 −4
P(Y ≤ 4) = e =e + + + +
y =0
y! 0! 1! 2! 3! 4!
 
−4 32 32 103
P(Y ≤ 4) = e 1+4+8+ + = e −4 · ≈ 0.6288
3 3 3

Leonel Obando Variable Aleatoria y Distribución de Probabilidad Discreta