Universidad Nacional de San Antonio del Cusco

Estadística y Probabilidad
Universidad Nacional de San Antonio del Cusco
Facultad de Ingeniería Eléctrica, Electrónica
Informática y Mecánica
Escuela Profesional de Ingeniería Electrónica

Asignatura: Estadística y Probabilidades

Docente: Charles Jhon Mamani Mayta
Alumno: Joel Américo Lopez Valdez
Código: 184686
Semestre 2022-II
Cusco-Perú

1 de febrero de 2023 1
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad

INDICE
INTRODUCCIÓN ............................................................................................................ 3
Distribuciones de Bernoulli .............................................................................................. 4
Definición Técnica ........................................................................................................ 4
Propiedades de un Experimento de Bernoulli............................................................... 4
La fórmula de la distribución de Bernoulli es:.............................................................. 5
Ejemplos de Bernoulli .................................................................................................. 5
Distribución Binomial ...................................................................................................... 6
Su función de probabilidad viene definida por: ............................................................ 7
Ejemplos de Distribución Binomial .............................................................................. 8
Distribución de Poisson .................................................................................................... 8
Definición de la Distribución de Poisson ..................................................................... 9
Características ............................................................................................................... 9
Función de Probabilidad ............................................................................................... 9
Ejemplos de distribución de Poisson .......................................................................... 10
Distribución Normal ....................................................................................................... 12
Definición Técnica ...................................................................................................... 12
Formula de la distribución Normal ............................................................................. 12
FUNCIÓN DE DENSIDAD ....................................................................................... 12
Representación ............................................................................................................ 13
Tipificación ................................................................................................................. 13
REFERENCIAS ............................................................................................................. 15

1 de febrero de 2023 2
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad
INTRODUCCIÓN
La probabilidad y la estadística juegan un rol muy importante en el desarrollo del
mundo. Pues, a cada instante de nuestras vidas elaboramos juicios y tomamos
decisiones valiéndonos de los conceptos, definiciones o teoremas de estas dos ramas de
la matemática. Por ejemplo, el simple hecho de ir a apostarle a nuestro equipo favorito
de futbol en un campeonato o ir a jugar al casino nos relaciona de manera indirecta con
las probabilidades, porque la gente que apuesta toma decisiones en base a las
estadísticas; y para el caso de las apuestas en un partido de futbol, si el equipo lleva 15
partidos sin perder ningún encuentro, entonces, existe la probabilidad de que la persona
siga apostando por el mismo equipo. Por ello las probabilidades no son ajenos a
nosotros, puesto que el azar y los fenómenos aleatorios siempre nos están
acompañando.
Asimismo, las probabilidades también juegan un rol muy importante en las ciencias e
ingenierías. En la ingeniería electrónica tiene bastantes campos de aplicación, dado que
en esta rama de la ingeniería veremos más adelante sistemas que tienen entradas
aleatorias, como por ejemplo un conmutador telefónico, una CPU o un filtro procesador
de señales, también están los sistemas que tienen entradas determinísticas, pero estos se
comportan aleatoriamente, ejemplo de esto sería la línea de comunicación con ruido.
En general, la importancia de la probabilidad en la ingeniería está en que esta
herramienta es usada de manera eficiente para abarcar distintos problemas en las
diversas áreas de la ingeniería.
Figura 1
Filtro procesador de señales

Nota: Señales de entrada tienen distorsiones aleatorias (causadas por ruido e

imperfecciones del canal). Tomada de (Padilla, 2019)

1 de febrero de 2023 3
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad
Distribuciones de Bernoulli
Nombrada así por el matemático suizo Jacob Bernoulli, la distribución de Bernoulli o
también conocida como “Distribución dicotómica” es una distribución de probabilidad
discreta, que toma valor 1 para la probabilidad de éxito y el valor de 0 para la
probabilidad de fracaso.
Definición Técnica
“La distribución de Bernoulli es un modelo teórico utilizado para representar una
variable aleatoria discreta la cual solo puede resultar en dos sucesos mutuamente
excluyentes.” (Rodó, 2020)
Propiedades de un Experimento de Bernoulli
1. En cada ensayo solo hay dos resultados posibles, éxito o fracaso. Dado que cada
ensayo se repite una sola vez solo podemos tener dos resultados correcto o
incorrecto.
2. La probabilidad de éxito, que se denota por p, no cambia de un ensayo a otro.
Por ende, la probabilidad de fracaso denotado por q, tampoco cambia de un
ensayo a otro.
3. Los ensayos son independientes.
La diferencia más notable entre la distribución binomial y la de Bernoulli es:
En la distribución binomial el experimento consiste en una serie de n ensayo
idénticos, por el contrario, Bernoulli solo es un ensayo.
La distribución de Bernoulli esta aplicada a situaciones en donde si un atributo:
• Esta presente es representado con P
• No está presente es representado con q
Este último atributo se obtiene restándole P a uno. Es decir:

q = 1− P

Asimismo, existen varias situaciones donde se puede aplicar el experimento de

Bernoulli:
• En un examen donde puedes aprobarlo o desaprobarlo.
• En una prueba de calidad donde el producto puede salir como bueno o
malo.
• En un tratamiento de una planta nuclear donde puede ser exitoso o no.
• En pruebas de opción múltiple, donde igualmente solo hay dos opciones
de correcta o incorrecta.

1 de febrero de 2023 4
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad
La fórmula de la distribución de Bernoulli es:
P( x = x) = p x (1 − p)1− x x = 0,1.
(Romero, 2019)
Los valores de x se usan dependiendo de que es lo se busca.

x =1 Se busca el éxito
x=0 Se busca el fracaso
Ejemplos de Bernoulli
1. En una rifa donde el premio es una computadora participan 123 personas
(persona 1, persona 2, …, persona 123) de los cuales solo uno será el
ganador.
a) ¿Cuál es la probabilidad de que la persona 100 gane el premio?
b) ¿Cuál es la probabilidad de que la persona 100 no gane el
premio?

Solución a
Lo que se busca es el éxito reemplazando en nuestra formula de
Bernoulli tenemos:
1 1−1
 1   1 
P ( x = 1) =   1 − 
 123   123 
0
 1   122 
P ( x = 1)   
 123   123 
1
P ( x = 1) = = 0.00813
123

La probabilidad de que la persona 100 gane la computadora es de

0.813%

Solución b

0 1− 0
 1   1 
P( x = 0) =   1 − 
 123   123 
0 1
 1   122 
P( x = 0)    
 123   123 
122
P( x = 0) = = 0.991869
123
La probabilidad de que la persona 100 no gane la computadora es de
99.1869%

1 de febrero de 2023 5
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad
2. En un concurso de pesca participan 10 pescadores (pescador 1, pescador
2, …, pescador 10). El ganador será el pescador que atrape el primer
pescado, considerando que todos tienen la misma capacidad para ganar.
a) ¿Cuál es la probabilidad de que el pescador 5 gane el trofeo?
b) ¿Cuál es la probabilidad de que el pescador 5 no gane el trofeo?
Solución a
1 1−1
1  1
P( x = 1) =   1 − 
 10   10 
0
 1  9 
P( x = 1)    
 10   10 
1
P( x = 1) = = 0.10
10
La probabilidad de que el pescador 5 gane el trofeo es del 10%.
Solución b
0 1− 0
1  1
P ( x = 0) =   1 − 
 10   10 
0 1
1 9
P ( x = 0)    
 10   10 
9
P ( x = 0) = = 0.90
10
La probabilidad de que el pescador 5 no gane el trofeo es de 90%.

Distribución Binomial
Hay situaciones en la vida donde vamos a querer analizar o contar el número de veces
que tuvimos éxito en algo. Este tipo de variable aleatoria es discreta porque pueden ser
cero éxitos, un éxito o n éxitos en ciertas situaciones, este tipo de situaciones tienen dos
resultados posibles éxito o fracaso. Y el experimento consiste en ello, donde puedo
obtener éxito o fracaso y para cada uno de ellos va existir una probabilidad; hay una
probabilidad de éxito y una probabilidad de fracaso.
Este tipo de experimentos se puede modelar a través de una distribución binomial.
La distribución binomial no es más que una generalización de la distribución de
Bernoulli, porque en lugar de realizar el experimento aleatorio una sola vez se realiza
una cantidad de “n” veces.

1 de febrero de 2023 6
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad
Figura 2
La distribución binomial

Nota: La figura es la gráfica de una distribución binomial (n, 0.5) para n = 20, 40, 60,
80, 100. Puede ver la aproximación a la distribución normal.
Fuente: https://www.criced.tsukuba.ac.jp/grapes/es/image/nikou.html

La distribución binomial se suele representar por B (n, p).

n es el número de pruebas de que consta el experimento.
p es la probabilidad de éxito.
La probabilidad de A’ es 1− p, y la representamos por q
Su función de probabilidad viene definida por:
n x
F ( X = x) =   * p * (1 − p )
n− x
(Martínez & Marí, 2008)
 x
• n es el número de pruebas.
• x es el número de éxitos.
• p es la probabilidad de éxito.
• 1 - p es la probabilidad de fracaso.

El número combinatorio

1 de febrero de 2023 7
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad

n n!
  =
 x  x !(n − x)!
Ejemplos de Distribución Binomial
1. La última novela de un autor ha tenido un gran éxito, hasta el punto de que el
80% de los lectores ya la han leído. Un grupo de 4 amigos son aficionados a
la lectura:
a) ¿Cuál es la probabilidad de que en el grupo hayan leído la novela 2
personas?
b) ¿Y como máximo 2?

Solución
n=4
p = 0.8
q = 0.2
B(4, 0.8)
 4 4*3
P( X = 2) =   *0.82 *0.22 = *0.64*0.04
 2 2
P( X = 2) = 0.1536

Solución b

P( x  2) = P( X = 0) + P( X = 1) + P( x = 2)
 4  4  4
P( x  2) =   *0.80 *0.24 +   *0.81 *0.23 +   *0.82 *0.2 2
0 1  2
P( x  2) = 0.1808

Distribución de Poisson
Esta distribución puede venir planteada de dos maneras:
• La primera habla de promedios de ocurrencia dentro de un periodo determinado.
Y para este caso a este promedio se le denota con el símbolo lambda (  ).
• La segunda manera en que viene planteada es que existe una población grande
con una probabilidad de éxito pequeña, cuando se nos presenten problemas de
esta manera lo que tenemos que hacer es obtener lambda con la siguiente
ecuación:

1 de febrero de 2023 8
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad
 = N*p
Donde:
N: tamaño de la población grande
P: probabilidad de existo pequeña
 : promedio en un periodo determinado
Definición de la Distribución de Poisson
La distribución de Poisson es una distribución de probabilidad discreta que se aplica a
las ocurrencias de algún suceso durante un intervalo determinado. (Márquez, 2016)
Características
La distribución de Poisson tiene las siguientes características:
• Sea una muestra de tamaño “n” bastante elevado
• Los sucesos son independientes entre sí.
• Sea A un suceso que tiene una probabilidad p de suceder durante un periodo de
tiempo, siendo esta probabilidad de ocurrencia durante un periodo de tiempo
concreto muy pequeña (se suele hablar de que tiende a 0).
• El producto n*p, tiende a aproximarse a un valor promedio o número medio, al
que llamaremos λ.
• El conjunto de posibles valores de A es, E = {0,1,2,3, 4…} (Martínez, 2009)
Función de Probabilidad
La función de probabilidad de la distribución de Poisson viene dada por la siguiente
expresión:

e− *  x
F ( X = x) =
x!
Donde:
 : Promedio
x: Número de éxitos esperados
e: Numero de Euler cuyo valor es e = 2.71828

1 de febrero de 2023 9
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad
Figura 3
La distribución Poisson

Nota: La figura es la gráfica de la función de probabilidad de variables Poisson.

Fuente: http://www.matematicasypoesia.com.es/Estadist/ManualCPE04p4.htm
Ejemplos de distribución de Poisson
Ejemplo 1
La probabilidad de que en una mascletá en fallas una persona se desmaye es de 0,001.
Considerando que acuden unas 5000 personas a ver la mascletá el día de San José, ¿cuál
es la probabilidad de que se desmayen 25 personas?
Solución
Usando la distribución de Poisson tenemos
 = 5000*0.001
 = 50
e−50 *5025
F ( X = 25) =
25!
F ( X = 25) = 3.70*10−5
F ( X = 25) = 0

1 de febrero de 2023 10
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad
Ejemplo 2
Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las
probabilidades de que reciba,
a) cuatro cheques sin fondo en un día dado,
b) 10 cheques sin fondos en cualquiera de dos días consecutivos?
Solución a
x=4
 =6
64 * e −6 64 *(2.718) −6
p ( X = 4) = =
4! 4!
1296*0.00248
p ( X = 4) =
24
p ( X = 4) = 0.13392

Solución b
x = 10
 = 6* 2 = 12 (cheques sin fondo en promedio que llegan al banco en
dos días consecutivos)
1210 *(2.718) −12
p ( X = 10) =
10!
6.1917364*1010 *0.000006151
p ( X = 10) =
3628800
p ( X = 10) = 0.104953

1 de febrero de 2023 11
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad
Distribución Normal
La distribución normal es un tipo de distribución de probabilidad continua. La
representación gráfica de la distribución normal es también conocida como campana de
Gauss la cual describe en forma aproximada muchos fenómenos que ocurren en la
naturaleza, la industria y la investigación. También es útil en meteorología o para
reducir errores en mediciones científicas.

La importancia de la distribución normal se debe principalmente a que hay muchas

variables asociadas a fenómenos naturales que siguen el modelo de la normal. Como,
por ejemplo:
• tallas, pesos, envergaduras, diámetros, perímetros, ...
• consumo de cierto producto por un mismo grupo de individuos, puntuaciones de
examen.
• cociente intelectual, grado de adaptación a un medio, ...
Definición Técnica
“La distribución normal es un modelo teórico capaz de aproximar satisfactoriamente el
valor de una variable aleatoria a una situación ideal”. (Rodó, 2019)
Formula de la distribución Normal
Dada una variable aleatoria X, la frecuencia de sus observaciones puede aproximarse
satisfactoriamente a una distribución normal.
X : N ( , )
Donde:
 : media o valor central
 : desviación típica
FUNCIÓN DE DENSIDAD (Plaza, s.f.)

1 de febrero de 2023 12
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad
Representación
Figura 4
Función de densidad de una distribución normal.

Nota: Función de densidad de probabilidad de una variable aleatoria que sigue

una distribución normal.
Fuente: https://economipedia.com/definiciones/distribucion-normal.html

Tipificación
Si la variable X es N ( ,  ) entonces la variable tipificada X es:
X −
Z=

Y sigue también una distribución normal, pero de  = 0 y  = 1, es decir, N (0,1)

1 de febrero de 2023 13
Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad
Ejemplos

Si es una variable aleatoria de una distribución ,

hallar:

Solución
En este caso, se está trabajando con una distribución normal estándar, para
resolverlo utilizaremos la formula siguiente:
X −
Z=

 (  − 3 ) −   + 3 −  
P(  − 3  X   + 3 ) = P  Z 
   
= P(−3  Z  3)
= P( Z  3) − P ( Z  −3)
Ahora, tenemos que localizar en nuestra tabla de distribución normal,
localizamos el valor cuando:
P  3 = 0.0013, pero no necesitamos el valor para cuando P)(z  3), entonces se utiliza
P( Z  3) = 1 − P( Z  3)
P( Z  3) = 1 − 0.0013
P( Z  3) = 0.9978
Como la distribución normal es simetrica, tenemos que
P( Z  −3) = P( Z  3) = 0.0013
P(  − 3  X   + 3 ) = P( Z  3) − P( Z  −3)
P(  − 3  X   + 3 ) = 0.9974 − 0.0013
P(  − 3  X   + 3 ) = 0.9974

Es decir, que aproximadamente el 99.74% de los valores de X están a menos de

tres desviaciones típicas de la media

1 de febrero de 2023 14
 Universidad Nacional de San Antonio del Cusco
Estadística y Probabilidad
REFERENCIAS

Márquez, F. (11 de enero de 2016). La Distribución De Poisson. Obtenido de Fisica y

Mates: https://fisicaymates.com/distribucion-de-poisson/
Martínez, M. (28 de noviembre de 2009). La distribución Poisson. Obtenido de
Universidad Politecnica de de valencia:
https://riunet.upv.es/bitstream/handle/10251/7937/Distribucion%20Poisson.pdf
Martínez, M., & Marí, M. (29 de septiembre de 2008). La distribución binomial.
Obtenido de Universidad Politecnica de Valencia:
https://riunet.upv.es/bitstream/handle/10251/7936/Distribucion%20binomial.pdf
Padilla, J. (2019). Filtro procesador de señales. Obtenido de Docplayer:
https://docplayer.es/86666290-Probabilidad-y-estadistica-para-ingenieros-
electronicos-jhon-jairo-padilla-aguilar-phd.html
Plaza, J. (s.f.). Distribución Normal. Obtenido de matematicas online:
https://www.matematicasonline.es/BachilleratoCCSS/segundo/archivos/distribu
cion_normal/DISTRIBUCION%20NORMAL.htm
Rodó, P. (10 de Noviembre de 2019). Distribución Normal. Obtenido de
economipedia.com: https://economipedia.com/definiciones/distribucion-
normal.html
Rodó, P. (10 de enero de 2020). Distribución de Bernoulli. Obtenido de
economipedia.com: https://economipedia.com/definiciones/distribucion-de-
bernoulli.html
Romero, E. (16 de octubre de 2019). Distribucion de Bernoulli y distribución Binomial.
Obtenido de Youtube: https://www.youtube.com/watch?v=EXO8M4WTDIQ

1 de febrero de 2023 15