UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

Dpto. de Estadística e Informática

Sesión 11. Principales distribuciones discretas

 • Motivación
• Logros
Inicio • Saberes previos

• Distribución Binomial
• Distribución Hipergeométrica
• Distribución Poisson
Desarrollo
• Ejercicios resueltos

• Ejercicios propuestos
Cierre • Autoevaluación (Moodle)

2
 El administrador de una clínica desea analizar
estrategias para implementarlas, sabiendo que el
25% de pacientes que llegan por emergencia son
positivos a COVID-19. Si se extrae una muestra
aleatoria de ocho pacientes que llegan a emergencia.
¿Cuál es la probabilidad que:
• Ninguno tenga COVID-19?
• Menos de dos tengan COVID-19?

Se conoce que el número promedio de llamadas a una

central telefónica para reportar casos de COVID 19 es
de 3 llamadas por minuto. ¿Cuál es la probabilidad
que:
• reciban a lo más 2 llamadas telefónicas en un
minuto?
• reciban más de 1 llamada en 30 segundos?
3
Al término de la sesión, el estudiante estará en capacidad de:
➢ Modelar variables aleatorias discretas con la distribución
Binomial, Hipergeométrica o Poisson.
➢ Calcular la probabilidad para una variable aleatoria discreta con
distribución Binomial, Hipergeométrica o Poisson.
➢ Calcular la media y variancia para variables aleatorias discretas
asociadas a la distribución Binomial, Hipergeométrica o Poisson.
➢ Resolver ejercicios propuestos.

➢¿Cómo se calcula la probabilidad para la distribución de

probabilidad Binomial, Hipergeométrica o Poisson?
➢¿Cómo se calcula la media y variancia para la
distribución de probabilidad Binomial, Hipergeométrica o
Poisson?
4
La distribución Binomial

La distribución Hipergeométrica

La distribución Poisson

Ejemplos, ejercicios resueltos y propuestos

Autoevaluación (Aula virtual)

5
❑ Se tiene un experimento aleatorio con una secuencia de n ensayos
(muestreo con reemplazo), donde n se fija antes.
❑ Los ensayos son idénticos e independientes, y cada uno de ellos sólo
tiene dos posibles resultados: éxito (E) o fracaso (F).
❑ La probabilidad de éxito es constante de un ensayo a otro; se denota
esta probabilidad por P(E)= y la probabilidad de fracaso es P(F) = 1- .
Se define la V.A. Discreta: X=Número de éxitos en los n
ensayos y tiene la siguiente función de probabilidad:
𝑛
𝜋𝑥 1 − 𝜋 𝑛−𝑥
𝑥 = 0, 1, 2, ⋯ , 𝑛
𝑓 𝑥 =𝑃 𝑋=𝑥 =ቐ 𝑥
0 𝑑𝑒 𝑜𝑡𝑟𝑜 mod 𝑜

Notación: 𝑋~ Binomial 𝑛, 𝜋

Media y Varianza: 𝜇 = 𝐸 𝑋 = 𝑛𝜋 𝑦 𝜎 2 = 𝑉𝑎𝑟 𝑋 = 𝑛𝜋 1 − 𝜋

6
Ejemplo 1.
En una tienda de vestir, cada cliente que llega puede realizar una
compra o no de una prenda de vestir. Se sabe que el 75% de los
clientes que llegaron en la semana pasada realizaron una
compra. Considerando que en la presente semana llegaron 20
clientes.
Experimento aleatorio:
• Un ensayo: la llegada de un cliente a la tienda. Siendo n=20 llegadas
de clientes.
• Cada cliente que llega es independiente y tiene dos posibilidades
(E=éxito o F=fracaso): E={un cliente compra} y F={un cliente no
compra}
• Siendo las probabilidades: 𝝅 = 𝑷 𝑬 = 𝟎. 𝟕𝟓 𝒚 𝑷 𝑭 = 𝟎. 𝟐𝟓
Sea v.a.Discreta: X=El número de clientes que hacen una compra
𝐗~ 𝐁𝐢𝐧 𝐧 = 𝟐𝟎, 𝛑 = 𝟎. 𝟕𝟓
La distribución de probabilidades es:
0.75 x ×0.25 20−x ,
20
f x =P(X=x) = x=0,1,2, … , 20
x
7
 Ejemplo 2.
Un examen consta de n = 15 preguntas, cada una de las cuales
tiene 5 alternativas de las cuales sólo una es correcta. Se desea
saber el número de respuestas correctamente respondidas.
Este es un experimento Binomial con éxito: E={la respuesta es
correcta} y fracaso: F={la respuesta no es correcta} y siendo:
𝟏
𝝅 = 𝑷 𝑬 = = 𝟎. 𝟐𝟎 𝒚 𝑷 𝑭 = 𝟎. 𝟖𝟎
𝟓
Sea v.a.Discreta: X=El número de respuestas correctas
. 𝐗~ 𝐁𝐢𝐧 𝐧 = 𝟏𝟓, 𝛑 = 𝟎. 𝟕𝟓
La distribución de probabilidades es:
𝟏𝟓
𝐟 𝐱 =P(X=x) = 𝟎. 𝟐𝟎𝑿 ×𝟎. 𝟖𝟎𝟏𝟓−𝑿 , x=0,1,2, … , 𝟏𝟓
𝐱
Si para aprobar el curso debe responder al menos 12 preguntas
correctamente, hallar la probabilidad de que desapruebe el curso.
P X ≤ 3 = 𝑃 𝑋 = 0 + 𝑃 𝑋 = 1 + 𝑃 𝑋 = 2 + 𝑃(𝑋 = 3)
15 15 15 15
= 0.200 ×0.8015 + 0.201 ×0.8014 + 0.202 ×0.8013 + 0.203 ×0.8012
0 1 2 3
= 0.0352 +0.1319+0.2309+0.2501=0.6482 8
Ejemplo 3.
Una compañía vendedora de equipos electrónicos verifica que de
todas las máquinas instaladas, el 40% necesitan ajustes después
de su instalación. Si 5 máquinas fueron seleccionadas al azar.
a. Defina la variable aleatoria y su distribución de probabilidades
n=5 máquinas, Exito=Maq. Necesita ajuste, π=P(Éxito)=0.40
La V.A.D. X: Número de máquinas que necesitan ajuste.
5
f x =P(X=x) = 0.4x ×0.65−x , x=0,1,2,3,4,5
𝑋~ 𝐵𝑖𝑛 𝑛 = 5, 𝜋 = 0.4 x

b. Halle la probabilidad de que 2 máquinas necesiten ajustes

después de la instalación
5
𝑃 𝑋=2 = 0. 42 × 0. 63 = 0.3456
2

c. ¿Cuál es la probabilidad de que a lo más 2 máquinas necesiten

ajuste después de la instalación?
𝑃 𝑋 ≤ 2 = 𝑃(𝑋 = 0) + 𝑃 𝑋 = 1 + 𝑃 𝑋 = 2 = 𝐶05 0. 40 0. 65 + 𝐶15 0. 41 0. 64 + 𝐶25 0. 42 0. 63
= 0.0778 + 0.2592 + 0.3456 = 0.6826
9
d. ¿Cuál es la probabilidad de que al menos 3 necesiten ajuste
después de la instalación?
5
5
𝑃 𝑋 ≥3 =𝑓 3 +𝑓 4 +𝑓 5 = ෍ 0. 4𝑥 × 0. 65−𝑥 = 0.2304 + 0.0768 + 0.0102 = 0.3174
𝑥
𝑥=3

e. Halle la media, la variancia y el coeficiente de variación del

número de máquinas que necesiten ajustes.
𝜇 = 𝐸(𝑋) = 𝑛 × 𝜋 = 5 × 0.4 = 2.0
𝜎 2 = 𝑉(𝑋) = 𝑛 × 𝜋 × (1 − 𝜋) = 5 × 0.4 × 0.6 = 1.2
𝜎= 𝜎 2 = 1.2 = 1.095
𝜎 1.095
𝐶𝑉 = × 100 = × 100 = 54.8%
𝜇 2.0

f. La compañía estima que el costo del ajuste es de 100 u.m.

por máquina. Halle es el costo esperado para la compañía.
Sea: Y: Costo de las máquinas que necesitan ajuste.
Y = 100 X
E(Y) = 100xE(X) = 100x2.0 = 200 u.m. 10
Ejercicio 1.
Se conoce por experiencias anteriores que el 20% de las plantas
de limonero son atacadas por cierta plaga. Si se desea llevar a
cabo un experimento con 10 plantas.

a. Defina la variable aleatoria y su distribución de probabilidad.

b. ¿Cuál será la probabilidad de que 5 plantas sean atacadas?
c. ¿Cuál será la probabilidad de que 3 o más plantas sean
atacadas?
d. ¿Cuál será la probabilidad de que más de 1 pero menos de 5
plantas sean atacadas?
e. Halle la media y la desviación estándar del número de plantas
enfermas.

11
Ejercicio 2.
Un inspector de la gerencia de
fiscalización municipal, realiza 10 visitas
cada día a las bodegas para verificar el
vencimiento de la licencia de
funcionamiento, aplicando una multa en
caso de su vencimiento. Se sabe que el
25% de la bodegas fueron multadas el
año pasado.
a. Defina la variable aleatoria y su distribución de probabilidad.
b. ¿Qué tan probable es que el inspector multe a 4 bodegas?
c. Halle el porcentaje que el inspector multe a lo más 2 bodegas.
d. Es cierto lo que afirma el inspector, que el porcentaje que se multen
más de 5 pero menos de 8 bodegas, es menor al 2.4%.
e. Halle la probabilidad que ninguna bodega sea multada.
f. Halle el número esperado de bodegas multadas.
g. Si por cada bodega multada, la municipalidad recauda S/.345.5 más
S/.15 por gastos administrativos. Hallar la recaudación esperada que
tendrá la municipalidad y el coeficiente de variación del número de
bodegas multadas. 12
❑ Se tiene una población de N elementos, individuos u objetos
(una población finita).
❑ Cada elemento tiene dos posibles resultados: éxito (E) o
fracaso (F). Existen A éxitos y (N-A) fracasos en la población.
❑ Se extrae una muestra, sin reemplazo de n elementos, siendo
igualmente probable obtener cada subconjunto de tamaño n.
Se define la V.A. Discreta: X=Número de éxitos en la
muestra n y tiene la siguiente función de probabilidad:
𝐴 𝑁−𝐴
𝑓 𝑥 =𝑃 𝑋=𝑥 = 𝑥 𝑛−𝑥 𝑝𝑎𝑟𝑎 𝑥 𝑒𝑛𝑡𝑒𝑟𝑜 𝑡. 𝑞 𝑚á𝑥 0, 𝑛 + 𝐴 − 𝑁 ≤ 𝑥
𝑁
𝑛
≤ min 𝑛, 𝐴

𝑋~Hiper 𝑁, 𝑛, 𝐴
Notación:
𝐴 𝐴 𝐴 𝑁−𝑛
Media y Varianza: 𝜇=𝐸 𝑋 =𝑛
𝑁
, 𝜎 2 = 𝑉𝑎𝑟 𝑋 = 𝑛
𝑁
1−
𝑁 𝑁−1
13
Ejemplo 5.
Un embarque de sustancias químicas llega en 15 contenedores, 2
de los cuales no cumplen con los requerimientos de pureza. Se
eligen 3 contenedores al azar, sin reemplazo, para hacer una
inspección de la pureza del producto.
a. Defina la variable aleatoria y su distribución de probabilidad
Éxito=Contenedor que no cumplen los requisitos
X=Número de contenedores que cumplen con lo requisitos
𝑋~𝐻 𝑁 = 15, 𝑛 = 3, 𝐴 = 2
2 13
𝑓 𝑥 =𝑃 𝑋=𝑥 = 𝑥 3 − 𝑥 , 𝑚á𝑥 0,3 − 15 + 2 ≤ 𝑥 ≤ 𝑚𝑖𝑛 3,2 ; 𝑥 = 0,1,2
15
3
b. Halle la probabilidad que se encuentre al menos un contenedor
que no cumpla los requisitos
 2  13   2  13 
       
P( X  1) = P( X = 1) + P( X = 2) =  1   2   2  1 
+ = 0.3714
15  15 
   
3 3 14
Ejemplo 6.
Una estación experimental se compone de 4 ingenieros
agrónomos y 9 técnicos agrícolas. Si se elige al azar y sin
reemplazo a 3 personas para asignarlos a un trabajo de campo.
a. Defina la variable aleatoria y su distribución de probabilidad
Éxito: Ingeniero agrónomo en el trabajo de campo
X=Número de ingenieros agrónomos incluidos en el
trabajo de campo.
𝑋~𝐻 𝑁 = 13, 𝑛 = 3, 𝐴 = 4
4 9
𝑓(𝑥) = 𝑃 𝑋 = 𝑥 = 𝑥 3 − 𝑥 , 𝑥 = 0,1,2,3
13
3
b. Halle la probabilidad que el grupo asignado al trabajo de
campo incluya a 2 ingenieros agrónomos
4 9
𝑃 𝑥=2 = 2 1 = 0.1888
13
3
15
c. Halle la probabilidad que el grupo asignado al trabajo de
campo incluya al menos 2 ingenieros agrónomos
𝟒 𝟗 𝟒 𝟗
𝟐 𝟏 𝟑 𝟎
𝐏(𝐗 ≥ 𝟐) = 𝐏(𝐗 = 𝟐) + 𝐏(𝐗 = 𝟑) = 𝟏𝟑
+ 𝟏𝟑
= 𝟎. 𝟏𝟖𝟖𝟖 + 𝟎. 𝟎𝟏𝟑𝟗𝟗 = 𝟎. 𝟐𝟎𝟐𝟖
𝟑 𝟑
d. Halle la media, variancia y el coeficiente de variación del
número de ingenieros agrónomos incluidos en el trabajo de
campo.
𝑨 𝟒
𝝁 = 𝑬(𝑿) = 𝒏 = 𝟑 = 𝟎. 𝟗𝟐
𝑵 𝟏𝟑
𝟐
𝑨 𝑨 𝑵−𝒏 𝟒 𝟒 𝟏𝟑 − 𝟑
𝝈 = 𝑽(𝑿) = 𝒏 𝟏 − =𝟑 𝟏− = 𝟎. 𝟓𝟑𝟑
𝑵 𝑵 𝑵−𝟏 𝟏𝟑 𝟏𝟑 𝟏𝟑 − 𝟏
𝜎 0.533
𝐶𝑉 = 100𝑥 = 100𝑥 = 79.4%
𝜇 0.92

16
Ejercicio 3.
El gerente de recursos humanos
debe seleccionar a 6 de un total
de 12 empleados para que
asistan a un curso de Inteligencia
de Negocios, de los cuales 7 son
del área de sistemas y el resto
otras áreas.

a. Defina la variable aleatoria y su distribución de probabilidad.

b. ¿Qué tan probable que asistan al curso 4 de sistemas?.
c. Halle la probabilidad que asistan al curso al menos 3 de
sistemas
d. Halle la media y el coeficiente de variación del numero de
empleados de sistemas que asistan al curso.
e. Si el costo por persona para asistir al curso es $550 más $50
por movilidad. ¿Cuál es el costo esperado que pagará la
empresa para que asistan al curso?.
17
El proceso de Poisson, es un experimento aleatorio en el que
ocurren sucesos en un intervalo dado de longitud t.
❑ Los sucesos son de la misma clase u homogéneos.
❑ Los sucesos en un intervalo son independientes de los sucesos
en otros intervalos (son no superpuestos).
❑ El promedio de sucesos (v) por unidad de intervalo de
longitud (t), es denotado por: λ = txv.

Sea la V.A. Discreta: X=Número de sucesos con una media

de ocurrencia λ y con función de probabilidad:
𝐞−𝛌 𝛌𝐱
𝐏(𝐗 = 𝐱) = , 𝐱 = 𝟎, 𝟏, 𝟐, …
𝐱!
Notación: 𝐗~𝐏𝐨𝐢𝐬(𝛌)
Valor Esperado y Varianza: 𝛍 = 𝐄(𝐗) = 𝛌, 𝛔𝟐 = 𝐕𝐚𝐫(𝐗) = 𝛌
18
Ejemplo 7.
Los mensajes que llegan a un servidor, lo hacen de acuerdo con
una distribución Poisson con una tasa promedio de 10 mensajes
por minuto.
a. Defina la variable aleatoria y su distribución de probabilidad.
X=El número de mensajes que llegan al servidor
Inicial: λ=10 mensajes/minuto X ~ Pois (10)

𝒆−𝝀 𝝀𝒙
𝒇(𝒙) = 𝑷(𝑿 = 𝒙) = , 𝒙 = 𝟎, 𝟏, …
𝒙!
b. Calcule la probabilidad de que lleguen 7 mensajes en medio
minuto.
Para medio minuto: λ=0.5(10)=5 mensajes/0.5 minuto
X ~ Pois (5)
−𝟓 𝟕
𝒆 𝟓
𝑷(𝑿 = 𝟕) = = 𝟎. 𝟏𝟎𝟒𝟒
𝟕!
19
c. Calcule la probabilidad de que lleguen al menos 2 mensajes en
45 segundos.
Para 45 segundos: λ=45x(10/60)=7.5 X ~ Pois (7.5)
𝐏(𝐗 ≥ 𝟐) = 𝟏 − 𝐏(𝐗 ≤ 𝟏) = 𝟏 − 𝐏(𝐗 = 𝟎) + 𝐏(𝐗 = 𝟏)
𝐞−𝟕.𝟓 𝟕. 𝟓𝟎 𝐞−𝟕.𝟓 𝟕. 𝟓
=𝟏− + = 𝟏 − 𝟎. 𝟎𝟎𝟎𝟔 + 𝟎. 𝟎𝟎𝟒𝟏 = 𝟎. 𝟗𝟗𝟓𝟑
𝟎! 𝟏!
d. Halle el intervalo de tiempo para que la probabilidad de que no
lleguen mensajes, sea 0.9.
Sea X=El número de mensajes que llegan al servidor en t
minutos.
𝐞−𝟏𝟎𝐭(𝟏𝟎𝐭)𝐱
𝐗~𝐏𝐨𝐢𝐬(𝐯𝐭) = 𝐏𝐨𝐢𝐬(𝟏𝟎𝐭) ⟹ 𝐟(𝐱) = 𝐏(𝐗 = 𝐱) = , 𝐱 = 𝟎, 𝟏, …
𝐱!
𝐞−𝟏𝟎𝐭(𝟏𝟎𝐭)𝟎
𝐏(𝐗 = 𝟎) = = 𝟎. 𝟗 ⟹ 𝐞−𝟏𝟎𝐭 = 𝟎. 𝟗 ⇒ 𝐭 = 𝟎. 𝟎𝟏𝟎𝟓 𝐦𝐢𝐧𝐮𝐭𝐨𝐬
𝟎!
20
e. Hallar la media y coeficiente de variabilidad del número de
mensajes que llegan al servidos en 15 segundos
Para 15 Segundos: λ=15x(10/60)=2.5. X ~ Pois (2.5)
𝝁 = 𝑬(𝑿) = 𝝀 = 𝟐. 𝟓, 𝝈𝟐 = 𝝀 = 𝟐. 𝟓, 𝝈 = 𝟐. 𝟓 = 𝟏. 𝟓𝟖
𝝈 𝟏. 𝟓𝟖
𝑪𝑽 = 𝒙𝟏𝟎𝟎 = 𝒙𝟏𝟎𝟎 = 𝟔𝟑. 𝟐%
𝝁 𝟐. 𝟓

21
Ejemplo 8.
Se cree que el número promedio de individuos por cada 2 km2 de
cierta especie de mamífero que habita en las alturas de cierta
región es de 1.2.
a. Defina la variable aleatoria y su distribución de probabilidad.
X=Número de individuos en 2 km2
Inicial: λ=1.2 individuos/2 km2 X ~ Pois (1.2)

𝒆−𝝀 𝝀𝒙
𝒇(𝒙) = 𝑷(𝑿 = 𝒙) = , 𝒙 = 𝟎, 𝟏, …
𝒙!
b. Si se observa un área de 3 km2 en dicha región, ¿cuál es la
probabilidad que se encuentren más de 3 individuos de esta
especie?
Para 3 km2 : λ=3(1.2/2)=1.8 . X ~ Pois (1.8)

𝑒 1.8 1.8 )𝑥
3
𝑝 𝑥 >3 =1−𝑝 𝑥 ≤3 =1−෍ = 1 − 0.8912 = 0.1087
𝑥=0 𝑥!
22
Ejercicio 4.
Una empresa dedicada al
procesamiento de encuestas, sabe
que el número de encuestas
digitadas es una variable aleatoria
que sigue un proceso de Poisson
con una media de 5 encuestas
digitadas por hora.

a. Defina la variable aleatoria y su distribución de probabilidad.

b. Halle la probabilidad que en media hora se digiten al menos 2
encuestas
c. Si se sabe que se han digitado al menos 5 encuestas, ¿cuál es
la probabilidad que se digiten a lo más 7 encuestas en 80
minutos?
d. Halle la media y el coeficiente de variación del número de
encuestas digitadas en 45 minutos.
e. Si el costo por digitar una encuesta es S/ 12.5. Halle el costo
esperado por la digitación de las encuestas por hora. 23
Ejercicios propuestos.
1. Una agencia de viajes está promocionando seis paquetes
turísticos al Cusco y tres a Huaraz. Si un turista decide
comprar cuatro paquetes turísticos. ¿cuál es la probabilidad:
a. Que tres sean para el Cusco?
a. Que el mismo número de paquetes al Cusco y Huaraz?
b. Que a lo más dos sean a Huaraz?
c. El costo por paquete para el Cusco es $ 450 y a Huaraz es
$320. La promoción ofrece por paquete un descuento del
18.5% para el Cusco más $4.5 por gastos adicionales y
para Huaraz 12.5% pero se excluye los $ 4.5 adicionales.
Halle el costo esperado del número de paquetes comprados
según la promoción ofrecida para cada lugar.

24
2. Un ingeniero zootecnista sabe que en cierta región hay 8
individuos de una especie de mamífero, de los cuales cinco
son machos y el resto son hembras. Si selecciona al azar a
cuatro individuos y observa el número de machos
seleccionados.
a. ¿Qué valores posibles podría tomar la variable
mencionada?
b. ¿Cuál es la probabilidad que haya más de un macho?
c. ¿Cuál es la probabilidad que haya el mismo número de
machos y hembras?
d. Halle la media y la varianza.

25
3. En un proceso de auditoría se sabe que el número de errores
encontrados es una variable aleatoria según un proceso de
Poisson, con una media de 2,5 por cada 12 documentos
revisados.
a. Defina la variable aleatoria y su distribución de
probabilidad.
b. Halle la probabilidad de encontrar dos errores, cuando se
revisan 42 documentos.
c. Halle la probabilidad de encontrar a lo más 5 errores, si se
sabe que se encontraron más de 2 errores, cuando se
revisaron 12 documentos.
d. Se rechaza el proceso de auditoría si se encuentran más de
3 errores en 24 documentos que se revisen. ¿Cuál es la
probabilidad que no se rechace el proceso de auditoria?

26
Referencias bibliográficas
❑ Anderson D., Sweendy D., Williams T. (2016) Estadística para
Administración y Economía. 12ª. Edición. México. Cengage
Learning Editores. Capítulo 6.
❑ Newbold, P. y Carlson, W. y Thorne, B. (2008). Estadística para
Administración y Economía (6ta. ed.) Madrid: Pearson
Education. Prentice Hall

27