DISTRIBUCIONES DE PROBABILIDADES

DISTRIBUCION BINOMIAL

Es una distribución de probabilidades de una variable aleatoria discreta, es decir; que sólo puede tomar
valores discretos no continuos, sólo puede tomar valores de 0, 1, 2, 3, 4, …. n. Esta distribución describe el
número de éxitos (x) al realizar experimentos n veces. Este experimento sólo tiene dos resultados posibles,
uno se considera éxito y el otro fracaso.
Si p es la probabilidad de que ocurra un suceso en un solo intento y q = 1–p, la probabilidad de que no ocurra
en un solo intento, entonces la probabilidad de que el suceso ocurra exactamente X veces en n intentos viene
dado por:
𝒏 𝒙 𝒏 𝑿
𝒏!
𝒑𝒙 = 𝒑 ∙𝒒 = ∙ 𝒑𝒙 ∙ 𝒒𝒏 𝑿
𝑿 𝑿! (𝒏 − 𝑿)!
Donde:
n = número de ensayos/experimentos
x = número de éxitos
p = probabilidad de éxito
q = probabilidad de fracaso (1–p)

Ejemplos:
1.- La probabilidad de obtener exactamente 2 caras en 6 lanzamientos de una moneda es

𝐸 = {𝑐𝑎𝑟𝑎, 𝑠𝑒𝑙𝑙𝑜} 2 son los casos posibles

p = probabilidad de éxito = (probabilidad de obtener cara en un lanzamiento)

q = probabilidad de fracaso (1–p) = (probabilidad de obtener sello en un lanzamiento)

n = 6 lanzamientos de la moneda
x = 2 caras

𝟐 𝟔 𝟐 𝟐 𝟒 𝟔 𝟔
𝟔 𝟏 𝟏 𝟔! 𝟏 𝟏 𝟔. 𝟓. 𝟒! 𝟏 𝟔. 𝟓 𝟏 𝟑𝟎 𝟏 𝟏𝟓
𝒑(𝒙 𝟐) = ∙ ∙ = ∙ = = ∙ = ∙ = = 𝟎, 𝟐𝟑𝟒 = 𝟐𝟑, 𝟒 %
𝟐 𝟐 𝟐 𝟐! (𝟔 − 𝟐)! 𝟐 𝟐 𝟐!. 𝟒! 𝟐 𝟐. 𝟏 𝟐 𝟐 𝟔𝟒 𝟔𝟒

2.- Un dado se lanza 7 veces, llamamos un éxito si sale 5 o 6. Cual es la probabilidad de que un 5 ó 6 salga
3 veces exactamente.
𝐸 = {1, 2, 3, 4, 𝟓, 𝟔} 6 son los casos posibles

p = probabilidad de éxito = = (probabilidad de obtener 5 o 6 en un lanzamiento)

2
q = probabilidad de fracaso (1–p) = 1 −
6
= 46 = 23 (probabilidad de que no salga 5 o 6 en un lanzamiento)
n = 7 lanzamientos del dado
x=3
𝟑 𝟕 𝟑 𝟑 𝟒
𝟕 𝟏 𝟐 𝟕! 𝟏 𝟐 𝟕. 𝟔. 𝟓. 𝟒! 𝟏 𝟏𝟔 𝟓𝟔𝟎
𝒑(𝒙 𝟑) = ∙ ∙ = ∙ = ∙ ∙ = = 𝟎, 𝟐𝟓𝟔 = 𝟐𝟓, 𝟔 %
𝟑 𝟑 𝟑 𝟑! (𝟕 − 𝟑)! 𝟑 𝟑 𝟑!. 𝟒! 𝟐𝟕 𝟖𝟏 𝟐𝟏𝟖𝟕
3.- Imaginemos que un 80 % de personas en el mundo han visto el partido de la final del último mundial de
futbol. Tras el evento, 4 amigos se reúnen a conversar, ¿Cuál es la probabilidad de que 3 de ellos lo hayan
visto?
Definamos las variables del experimento:
n = 4 (es el total de la muestra que tenemos)
x = 3, dado que buscamos la probabilidad de que 3 de los 4 amigos lo hayan visto.
p = probabilidad de éxito = 80 % = 0,8
q = probabilidad de fracaso = 1 – p = 1 – 0,8 = 0,2.

Definidas todas nuestras variables, simplemente sustituimos en la formula.

𝟒 𝟒! 𝟒. 𝟑!
𝒑(𝒙 𝟑) = ∙ (𝟎, 𝟖)𝟑 ∙ (𝟎, 𝟐)𝟒 𝟑
= ∙ (𝟎, 𝟖)𝟑 ∙ (𝟎, 𝟐)𝟏 = ∙ 𝟎, 𝟓𝟏𝟐 ∙ 𝟎, 𝟐 = 𝟎, 𝟒𝟎𝟗𝟔 = 𝟒𝟎, 𝟗𝟔 %
𝟑 𝟑! (𝟒 − 𝟑)! 𝟑! 𝟏!

Hay una probabilidad del 40,96% de que 3 de los 4 amigos hayan visto el partido de la final del mundial.

4.- La probabilidad de que un estudiante que ingresa en la Universidad se gradúe es 0,4. Hallar la probabilidad
de que entre 5 estudiantes elegidos al azar. (a) ninguno se gradúe, (b) 1 sólo se gradúe, (c) al menos 1
se gradúe y (d) todos se gradúen.

Datos:
n = 5 (es el total de la muestra que tenemos)
p = probabilidad de éxito = 0,4
q = probabilidad de fracaso = 1 – p = 1 – 0,4 = 0,6

(a) Probabilidad de que ninguno se gradúe

x=0
𝟓 (𝟎, 𝟎 (𝟎, 𝟓 𝟎
𝟓! 𝟓!
𝒑(𝒙 𝟎) = ∙ 𝟒) ∙ 𝟔) = ∙ (𝟎, 𝟒)𝟎 ∙ (𝟎, 𝟔)𝟓 = ∙ 𝟏 ∙ 𝟎, 𝟎𝟕𝟕𝟕𝟔 = 𝟎, 𝟎𝟕𝟕𝟕𝟔 = 𝟕𝟕, 𝟕𝟔 %
𝟎 𝟎! (𝟓 − 𝟎)! 𝟏. 𝟓!

(b) Probabilidad de que 1 sólo se gradúe

x=1
𝟓 (𝟎, 𝟏 (𝟎, 𝟓 𝟏
𝟓! 𝟓. 𝟒!
𝒑(𝒙 𝟏) = ∙ 𝟒) ∙ 𝟔) = ∙ (𝟎, 𝟒)𝟏 ∙ (𝟎, 𝟔)𝟒 = ∙ 𝟎, 𝟒 ∙ 𝟎, 𝟏𝟐𝟗𝟔 = 𝟎, 𝟐𝟓𝟗𝟐 = 𝟐𝟓, 𝟗𝟐 %
𝟏 𝟏! (𝟓 − 𝟏)! 𝟏. 𝟒!

(c) Probabilidad de que al menos 1 se gradúe

x≥1
𝒑(𝒙 𝟏) = 𝟏 − 𝒑(𝒙 𝟎) = 𝟏 − 𝟎, 𝟎𝟕𝟕𝟕𝟔 = 𝟎, 𝟗𝟐𝟐𝟐𝟒 = 𝟗𝟐, 𝟐𝟐 %

(d) Probabilidad de que todos se gradúen

x=5

𝟓 (𝟎, 𝟓 (𝟎, 𝟓 𝟓
𝟓! 𝟓!
𝒑(𝒙 𝟓) = ∙ 𝟒) ∙ 𝟔) = ∙ (𝟎, 𝟒)𝟓 ∙ (𝟎, 𝟔)𝟎 = ∙ 𝟎, 𝟎𝟏𝟎𝟐𝟒 ∙ 𝟏 = 𝟎, 𝟎𝟏𝟎𝟐𝟒 = 𝟏, 𝟎𝟐 %
𝟓 𝟓! (𝟓 − 𝟓)! 𝟓!. 𝟎!
5.- ¿Cuál es la probabilidad de obtener un total de 9: (a) dos veces y (b) al menos dos veces, 6 tiradas de un
par de dados?

Datos:
n = 6 (es el total de la muestra que tenemos)

𝟒 𝟏
p = probabilidad de éxito = =
𝟑𝟔 𝟗

Dado que son dos dados: asociando los 6 resultados posibles del primer dado con los 6 del segundo
dado, tenemos 6 x 6 = 36 resultados posibles.
De esas 36 posibilidades equiprobables, la suma de 9 ocurre en 4 de ellas: (3, 6), (4, 5), (5, 4) y (6, 3)

𝟏 𝟖
q = probabilidad de fracaso = 1 – p = 1 − =
𝟗 𝟗

(a) Probabilidad de que salga 2 nueves en 6 tiradas

x=2
𝟐 𝟔 𝟐 𝟐 𝟒
𝟔 𝟏 𝟖 𝟔! 𝟏 𝟖 𝟔. 𝟓. 𝟒! 𝟏 𝟒𝟎𝟗𝟔 𝟔𝟏𝟒𝟒𝟎
𝒑(𝒙 𝟐) = ∙ ∙ = ∙ ∙ = ∙ ∙ = = 𝟎, 𝟎𝟏𝟏𝟓𝟔 = 𝟏𝟏, 𝟓𝟔 %
𝟐 𝟗 𝟗 𝟐! (𝟔 − 𝟐)! 𝟗 𝟗 𝟐. 𝟏. 𝟒! 𝟖𝟏 𝟔𝟓𝟔𝟏 𝟓𝟑𝟏𝟒𝟒𝟏

(b) Probabilidad de que al menos 2 nueves en 6 tiradas

x≥2
𝒑(𝒙 𝟐) = 𝟏 − 𝒑(𝒙 𝟎) −𝒑(𝒙 𝟏)

𝟎 𝟔 𝟎 𝟏 𝟔 𝟏 𝟎 𝟔 𝟏 𝟓
𝟔 𝟏 𝟖 𝟔 𝟏 𝟖 𝟔! 𝟏 𝟖 𝟔! 𝟏 𝟖
𝒑(𝒙 𝟐) =𝟏− ∙ ∙ − ∙ ∙ = 𝟏− ∙ ∙ − ∙ ∙
𝟎 𝟗 𝟗 𝟏 𝟗 𝟗 𝟎! (𝟔 − 𝟎)! 𝟗 𝟗 𝟏! (𝟔 − 𝟏)! 𝟗 𝟗

𝟔! 𝟐𝟔𝟐𝟏𝟒𝟒 𝟔.𝟓! 𝟏 𝟑𝟐𝟕𝟔𝟖 𝟐𝟔𝟐𝟏𝟒𝟒 𝟏𝟗𝟔𝟔𝟎𝟖

𝒑(𝒙 𝟐) = 𝟏− ∙𝟏∙ − ∙ ∙ = − = 1-0,49327-0,36995 = 0,1368 = 13,68 %
𝟎!𝟔! 𝟓𝟑𝟏𝟒𝟒𝟏 𝟏!𝟓! 𝟗 𝟓𝟗𝟎𝟒𝟗 𝟓𝟑𝟏𝟒𝟒𝟏 𝟓𝟑𝟏𝟒𝟒𝟏

Otra forma de hacerlo:

𝒑(𝒙 𝟐) = 𝒑(𝒙 𝟐) + 𝒑(𝒙 𝟑) + 𝒑(𝒙 𝟒) + 𝒑(𝒙 𝟓) + 𝒑(𝒙 𝟔)

𝟐 𝟔 𝟐 𝟑 𝟔 𝟑 𝟒 𝟔 𝟒 𝟓 𝟔 𝟓 𝟔 𝟔 𝟔
𝟔 𝟏 𝟖 𝟔 𝟏 𝟖 𝟔 𝟏 𝟖 𝟔 𝟏 𝟖 𝟔 𝟏 𝟖
𝒑(𝒙 𝟐) = ∙ ∙ + ∙ ∙ + ∙ ∙ + ∙ ∙ + ∙ ∙
𝟐 𝟗 𝟗 𝟑 𝟗 𝟗 𝟒 𝟗 𝟗 𝟓 𝟗 𝟗 𝟔 𝟗 𝟗

𝟐 𝟒 𝟑 𝟑 𝟒 𝟐 𝟓 𝟏 𝟔 𝟎
𝟔 𝟏 𝟖 𝟔 𝟏 𝟖 𝟔 𝟏 𝟖 𝟔 𝟏 𝟖 𝟔 𝟏 𝟖
𝒑(𝒙 𝟐) = ∙ ∙ + ∙ ∙ + ∙ ∙ + ∙ ∙ + ∙ ∙
𝟐 𝟗 𝟗 𝟑 𝟗 𝟗 𝟒 𝟗 𝟗 𝟓 𝟗 𝟗 𝟔 𝟗 𝟗

𝟐 𝟒 𝟑 𝟑 𝟒 𝟐 𝟓 𝟏
𝟔! 𝟏 𝟖 𝟔! 𝟏 𝟖 𝟔! 𝟏 𝟖 𝟔! 𝟏 𝟖
𝒑(𝒙 𝟐) = ∙ ∙ + ∙ ∙ + ∙ ∙ + ∙ ∙
𝟐! (𝟔 − 𝟐)! 𝟗 𝟗 𝟑! (𝟔 − 𝟑)! 𝟗 𝟗 𝟒! (𝟔 − 𝟒)! 𝟗 𝟗 𝟓! (𝟔 − 𝟓)! 𝟗 𝟗
𝟔 𝟎
𝟔! 𝟏 𝟖
+ ∙ ∙
(𝟔
𝟔! − 𝟔)! 𝟗 𝟗
 𝟔. 𝟓. 𝟒! 𝟏 𝟒𝟎𝟗𝟔 𝟔. 𝟓. 𝟒. 𝟑! 𝟏 𝟓𝟏𝟐 𝟔. 𝟓. 𝟒! 𝟏 𝟔𝟒 𝟔. 𝟓! 𝟏 𝟖 𝟔! 𝟏
𝒑(𝒙 𝟐) = ∙ ∙ + ∙ ∙ + ∙ ∙ + ∙ ∙ + ∙ ∙𝟏
𝟐. 𝟏. 𝟒! 𝟖𝟏 𝟔𝟓𝟔𝟏 𝟑. 𝟐. 𝟏. 𝟑! 𝟕𝟐𝟗 𝟕𝟐𝟗 𝟒! 𝟐. 𝟏 𝟔𝟓𝟔𝟏 𝟖𝟏 𝟓! 𝟏! 𝟓𝟗𝟎𝟒𝟗 𝟗 𝟔! 𝟎! 𝟓𝟑𝟏𝟒𝟒𝟏

𝟔𝟏𝟒𝟒𝟎 𝟏𝟎𝟐𝟒𝟎 𝟗𝟔𝟎 𝟒𝟖 𝟏 𝟕𝟐𝟔𝟖𝟗

𝒑(𝒙 𝟐) = + + + + = = 0,1367 = 13,68 %
𝟓𝟑𝟏𝟒𝟒𝟏 𝟓𝟑𝟏𝟒𝟒𝟏 𝟓𝟑𝟏𝟒𝟒𝟏 𝟓𝟑𝟏𝟒𝟒𝟏 𝟓𝟑𝟏𝟒𝟒𝟏 𝟓𝟑𝟏𝟒𝟒𝟏

Algunas propiedades de la Distribución Binomial

Media µ=Np
Varianza 2 = N p q
Desviación Típica = 𝑁𝑝𝑞

Ejemplos:
1.- En 100 tiradas de una moneda, ¿cuál es el número medio de caras y su desviación típica?

Datos:

N= 100

p = probabilidad de éxito = (probabilidad de obtener cara en un lanzamiento)

- Número medio de caras (µ)

µ = N p = 100 ∙ = 50 Este es el número esperado de caras en 100 lanzamientos

- La desviación típica ()

= 𝑁𝑝𝑞 = 100 ∙ ∙ = √25 = 5

2.- La probabilidad de que un artículo producido por una fábrica sea defectuoso es 0,02. Un cargamento de
10000 artículos se envía a sus almacenes. Hallar el número esperado µ de artículos defectuosos y la
desviación estándar .

- Número esperado de artículos defectuosos (µ)

p = probabilidad de éxito = 0,02 (probabilidad de que un artículo sea defectuoso)

µ = N p = 10000 ∙ 0,02 = 200 Este es el número esperado de artículos defectuosos.

- La desviación típica ()

q = probabilidad de fracaso = 1 –p = 1 –0,02 = 0,98 (probabilidad de que un artículo No sea defectuoso)

 = 𝑁 𝑝 𝑞 = √100 ∙ 0,02 ∙ 0,98 = √196 = 14

DISTRIBUCION NORMAL

La distribución normal, curva normal o distribución de Gauss es una distribución de probabilidad continua
definida por la ecuación:

( ) /
𝑓( ) = ∙𝑒  = 3,14159….. y 𝑒 = 2,71828…
√
µ = 𝑀𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎 𝑦  = 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑡í𝑝𝑖𝑐𝑎

Tiene las siguientes características:

 Toma en cuenta la media (µ) y la desviación estándar (σ).
 El área bajo la curva es igual a 1.
 Es simétrica respecto al centro, o a la media.
 50 % de los valores son mayores que la media, y 50 % de los valores son menores que la media.
 La media es igual a la mediana y a la moda.
 Tiene una asíntota en y = 0 (eje x).

Cuando sustituimos la variable X en unidades estándar 𝑧= , la ecuación es reemplazada por la forma

canónica:
1 ∙
𝑓( ) = ∙𝑒
√2𝜋

En tal caso decimos que Z está normalmente distribuida con 𝜇=0 y 𝜎 =1

Para encontrar las probabilidades o cantidad de datos entre determinados valores de la variable, se calcula el
área bajo la curva normal, que se encuentra en la tabla z o tabla de áreas bajo la curva normal estandarizada.
Ejemplos

1.- En un examen de Estadística, la calificación media fue de 72 y la desviación típica de 15. Hallar el
porcentaje de alumnos que obtuvieron notas menores de 60.

Datos: Primero tipificamos el valor de x =60 a valor Z, mediante la fórmula:

µ = 72
 = 15 𝑧= = = −0,866 ≅ −0,87
P (X  60) ?
y Buscando este valor Z en la tabla de Distribución Normal
Estandarizada, encontramos que el área es:

A2 = 0,3078

Sin embargo, como buscamos el área para valores menores a

Z  – 0,87, debemos restar:
A1 A2 A3 A4
60 72 z P (X  60) = A1 = 0,5 – A2 = 0,5 – 0,3078 = 0,1922 = 19,2 %
-0,87 0
El porcentaje de estudiantes con notas menores a 60 es 19 %

2.- El peso medio de 500 estudiantes de cierta Universidad es 68 kg y la desviación típica es 7 kg. Suponiendo
que los pesos están normalmente distribuidos. Hallar cuantos estudiantes pesan: (a) entre 54 y 70 kg y
(b) más de 84 kg.

Datos:
µ = 68 kg y  = 7 kg

(a) Estudiantes que pesan entre 54 y 70 kg

y P (54 ≤ X ≤ 70) = ?
Primero tipificaremos los valores de x a valores Z:

𝑥 − 𝜇 54 − 68
AT 𝑍 = = = −2,00
𝜎 7

𝑥 − 𝜇 70 − 68
𝑍 = = = 0,286 ≅ 0,29
A1 A2 A3 A4 𝜎 7
54 68 70 x Buscando los valores de Z en la tabla de Distribución Normal
Estandarizada, encontramos que las áreas son:

A2 = 0,4772 y A3 = 0,1141

Si sumamos ambas áreas obtendremos el área rayada

AT
P (54 ≤ X ≤ 70) = AT = A2 + A3 = 0,5913 = 59,13 %
A1 A2 A3 A4
El número de estudiantes que pesan entre 54 y 70 kg es:
-2,00 0,29
z 500 x 0,5913 = 295,65 ≅ 𝟐𝟗𝟔 𝒆𝒔𝒕𝒖𝒅𝒊𝒂𝒏𝒕𝒆𝒔
70
0
 (b) Mas de 84 kg
y Primero tipificaremos el valor de x a valor Z:
P (X  84) ?
𝑥 − 𝜇 84 − 68
𝑍 = = = 2,286 ≅ 2,29
𝜎 7

Buscando el valor de Z en la tabla de Distribución Normal

Estandarizada, encontramos que el área es:
A3 A4
84 x
A3 = 0,4889

Sin embargo, como buscamos el área para valores mayores

Z > 0,49 debemos restar

A4 = 0,5 – A3 = 0,5 – 0,4889 = 0,0111 = 1,11 %

El número de estudiantes que pesan más de 84 kg es:

500 x 0,0111 = 5,55 ≅ 𝟔 𝒆𝒔𝒕𝒖𝒅𝒊𝒂𝒏𝒕𝒆𝒔
A3 A4
2,29
z
0

3.-Supóngase que la temperatura durante junio está distribuida normalmente con media de 68 °C y desviación
estándar 6 °C. Hallar la probabilidad p de que la temperatura esté entre 70 y 80 °C

Datos:
µ = 68 kg y  = 6 kg

y
Primero tipificaremos los valores de x a valores Z:

A4 𝑥 − 𝜇 70 − 68
𝑍 = = = 0,33
𝜎 6

𝑥 − 𝜇 80 − 68
𝑍 = = = 2,00
A3 𝜎 6
54 70 x Buscando los valores de Z en la tabla de Distribución Normal
Estandarizada, encontramos que las áreas son:

A4 A3 = A 0 a 0,33 = 0,1293 y A4 = A 0 a 2,00 = 0,4772

Si restamos ambas áreas obtendremos el área rayada

A4 – A3 = 0,4772 – 0,1293 = 0,3479

A3
La probabilidad p de que la temperatura este entre 70 y
z 80 °C es del 34,8 %
0 0,33 2,00
4.-El diámetro medio inferior de una muestra de 200 tubos producidos por una máquina es 0,502 in y la
desviación típica es 0,005 in. El uso de los tubos permitirá una tolerancia en el diámetro de 0,496 a
0,508 in; de otro modo, se considerarán defectuosos. Determinar el porcentaje de tubos defectuosos,
suponiendo que los tubos producidos por esta máquina están normalmente distribuidos.

Datos:
µ = 0,502 in y  = 0,005 in

y
Primero tipificaremos los valores de x a valores Z:

𝑥 − 𝜇 0,496 − 0,502
𝑍 = = = −1,20
𝜎 0,005

𝑥 − 𝜇 0,508 − 0,502
𝑍 = = = 1,20
A1 A2 A3 A4 𝜎 0,005
0,496 0,508 x
Buscando los valores de Z en la tabla de Distribución Normal
Estandarizada, encontramos que las áreas son:

A2 = 0,3849 y A3 = 0,3849

Si embargo; como buscamos las áreas A1 menores de -1,20

y A4 mayores de 1,20 debemos restar:

A1 A2 A3 A4 A1 = 0,5 – A2 = 0,5 – 0,3849 = 0,1151

z
-1,20 0 1,20 A4 =0,5 – A3 = 0,5 – 0,3849 = 0,1151

El porcentaje de tubos defectuosos sería la suma de ambas

áreas:

AT = A1 + A4 = 0,1151 + 0,1151 = 0,230 = 23 %

DISTRIBUCION POISSON

La distribución de Poisson es una distribución de probabilidad discreta definida por la ecuación:

 ∙𝑒 
𝑝(𝑥) =
𝑥!
Donde:

𝑒 = 2,71828…

 = Normalmente es la media o promedio de éxitos por unidad de tiempo.

x = Número de éxitos que suceden, donde x = 0,1, 2, 3, ….

Algunas propiedades de la Distribución de Poisson

Media µ= 
Varianza 2 = 
Desviación Típica  = √

Ejemplos

1.- Un 10 % de las herramientas producidas en una fábrica son defectuosas. Hallar la probabilidad de que en
una muestra de 10 herramientas tomadas al azar exactamente 2 sean defectuosas. (a) usando la
distribución binomial y (b) la aproximación de Poisson a la distribución binomial

Datos:
N = 10
x = 2 (número de éxitos)
p = 10 % de que sean defectuosas = 0,1
q = 90 % de que NO sean defectuosas = 0,9
P (X=2) = ?

(a) Aplicando la distribución binomial

𝟏𝟎 𝟏𝟎! 𝟏𝟎. 𝟗. 𝟖!
𝒑(𝒙 𝟐) = ∙ (𝟎, 𝟏)𝟐 ∙ (𝟎, 𝟗)𝟏𝟎 𝟐
= ∙ (𝟎, 𝟏)𝟐 ∙ (𝟎, 𝟗)𝟖 = ∙ 𝟎, 𝟎𝟏 ∙ 𝟎, 𝟒𝟑𝟎𝟓 = 𝟎, 𝟏𝟗𝟒
𝟐 𝟐! (𝟏𝟎 − 𝟐)! 𝟐!. 𝟖!

(b) Aplicando Poisson mediante su relación con la distribución binomial, es una aproximación, que es mas
acertada cuando N es grande y p es pequeño

Como µ =  (Poisson) y µ = N p (Binomial)

Relacionándolas:  = N p = 10 x 0,1 = 1

 ∙𝑒  1 ∙𝑒 0,3679
𝑝(𝑥) = = = = 0,184
𝑥! 2! 2
2.- Si la probabilidad de que un individuo sufra una reacción negativa ante una inyección de cierto suero es
0,001. Hallar la probabilidad de que entre 2000 individuos:
(a) Exactamente 3 sufran de reacción negativa
(b) Mas de 2 de ellos reacciones negativamente

Datos:
N = 2000
p = 0,001 (probabilidad de una reacción negativa)

(a) Exactamente 3 sufran de reacción negativa

 = N p = 2000 x 0,001 = 2

 ∙𝑒  2 ∙𝑒 1,0827
𝑃(𝑥 = 3) = = = = 0,1804
𝑥! 3! 6

(b) Mas de 2 de ellos reacciones negativamente

𝑃(𝑥2) = 1 – 𝑃(𝑥 = 0) − 𝑃(𝑥 = 1) − 𝑃(𝑥 = 2)

2 ∙𝑒 𝑒 1
𝑃(𝑥 = 0) = = =
0! 1 𝑒

2 ∙𝑒 2∙𝑒 2
𝑃(𝑥 = 1) = = =
1! 1 𝑒

2 ∙𝑒 4∙𝑒 2
𝑃(𝑥 = 2) = = =
21! 2 𝑒

𝑃(𝑥2) = 1 – − − =1− = 0,323