MODULO 08

Investigar el porqu la distribucin binomial es simtrica cuando p=0.5, en caso contrario es

asimtrica a la izquierda o a la derecha, segn el valor de p sea inferior o superior a 0.5. Ver
grfico!

"#emplo! $e sabe que el %0& de la cartera de una empresa est vencida, se toma una muestra al
azar de '5 cuentas. ()ul es la probabilidad de que!
a. *a+a cuatro menos cuentas vencidas,
b. *a+a menos de cuatro cuentas vencidas,
c. *a+a ms de dos cuentas vencidas.
d. *a+a ms de dos pero menos de cinco cuentas vencidas,
e. *a+a e-actamente . cuentas vencidas,
f. /o ha+a cuentas vencidas,
g. )ul es valor esperado de cuentas vencidas,
h. )ul es la desviacin estndar para el nmero de cuentas vencidas,
$olucin!
$ea 0! nmero de cuentas vencidas.
1-ito! )uenta vencida.
2robabilidad de -ito ! p30.%
/mero de pruebas n3'5

a. "n las tablas de distribuciones binomiales, , en la interseccin x=4 + p=0.2,
consultamos .
b.
c.
d.
e.
f.
g.
h.
4. 5n ca#ero de un banco atiende en promedio 6 personas por hora, cual es la probabilidad de que
un una hora determinada!
a. 7tienda menos de 5 personas
b. 7tienda ms de 8 personas
c. 7tienda ms de 5 pero menos de 8 personas
d. 7tienda e-actamente 6 personas
)onsultando la tabla para la distribucin de 2oisson!
a.
b.
c.
d4.
4. "n cierto ncleo poblacional, el 0.5& es portador del V.I.*. "n una muestra de 80 personas, cual
es la probabilidad!
a. 9e que ha+a alguna persona portadora.
b. /o ha+a personas portadoras.
$olucin!
a.
b.
Probabilidades de Poisson Acumuladas

*. :a probabilidad de que un visitante efecte una compra en un almacn, durante un d;a dado es
0.8. $i al negocio entran %0 clientes, (cul es la probabilidad de que el almacn realice!
a "-actamente '< ventas,
b =enos de '6 ventas,
c =s de '> ventas,
d "-actamente 5 ventas,
e ()ul es el nmero esperado de ventas,
*. $i un almacn tiene en promedio 5 ventas por hora. ()ual es la probabilidad de que en una hora
determinada!
a *a+a e-actamente > ventas,
b *a+a ms de . ventas,
c /o se efecten ventas,
*. 5na de cada '0 personas ma+ores de >0 a?os de una comunidad, sufren de hipertensin. $e
toma una muestra de 50 personas ma+ores de >0 a?os. 5tilizando primero la distribucin binomial
+ luego la apro-imacin a la distribucin de 2oisson, responder + comparar los resultados!
a ()ul es la probabilidad que ha+a ms de > hipertensos,
b ()ul es la probabilidad que ha+a e-actamente 5 hipertensos,
*. 5n lote de arandelas tiene un dimetro normal con media '0 mil;metros + desviacin t;pica 0.5
mil;metros. $e toma una arandela al azar. ()ul es la probabilidad de que tenga un dimetro!
a $uperior a '0.5 mil;metros,
b "ntre @ + '' mil;metros,
c =enos de @ mil;metros,
4. Investigar las funciones de distribucin + sus aplicaciones con e#emplo! Aeibull, Beta,
Ceomtrica, Cumbel, 2areto
DIS!I"U#I$% U%I&O!M'
'(em)lo, el precio medio del litro de gasolina durante el pr-imo a?o se estima que puede oscilar
entre '>0 + '<0 pesos. 2odr;a ser, por tanto, de '>. pesos., o de '>.,> pesos., o de '>.,>5
pesos., o de '>.,>55 pesos, etc. *a+ infinitas posibilidades, todas ellas con la misma probabilidad.
$u funcin de densidad, aquella que nos permite conocer la probabilidad que tiene cada punto del
intervalo, viene definida por!
b a
'
D - E f

9onde, b! es el e-tremo superior Een el e#emplo, F'<0, + a! es el e-tremo inferior Een el e#emplo,
'>0 pesosD. 2or lo tanto, la funcin de distribucin del e#emplo ser;a!
05 . 0
'>0 '<0
'
D - E f

,
es decir, que el valor final est entre '>0 pesos + '>' pesos tiene un 5& de probabilidad, que est
entre '>' + '>%, otro 5&, etc.
DIS!I"U#I$% D' "'!%OULLI
'(em)lo, 5n e#emplo t;pico de este tipo de variables aleatorias consiste en lanzar una moneda al
aire + considerar la variable aleatoria 03E/mero de caras obtenidasD, en cu+o caso 030 si q3'G%,
+ 03' si p3'G%
2ara una variable aleatoria de Bernouilli, tenemos que sus funciones de probabilidad + de
distribucin son,

'

<
<

'

1 x si 1
1 x 0 si q
0 x si 0
) x ( F
caso otro 0
1 x si p
0 x si q
) x ( f
$u funcin caracter;stica + momentos son,

+
1 , 0 x
it
i
itx
x
i
i
e p q ) x ( f e ) t (
q p ) X ( V p ) X ( E
DIS!I"U#I$% "I%OMIAL
'(em)lo, se tira una moneda '0 veces! (cuantas caras salen, $i no ha salido ninguna la variable
toma el valor 0H si han salido dos caras la variable toma el valor %H si todas han sido cara la variable
toma el valor '0. :a distribucin de probabilidad de este tipo de distribucin sigue el siguiente
modelo,
' I 2 I 2
DJ K n E J K
J n
D - 0 E 2
K n K
+

'(em)lo, ()ul es la probabilidad de obtener < caras al lanzar una moneda '0 veces,. K es el
nmero de aciertos. "n este e#emplo K igual a < Een cada acierto dec;amos que la variable toma el
valor '! como son < aciertos, entonces K3<D, n es el nmero de ensa+os. "n nuestro e#emplo son
'0, 2 es la probabilidad de -ito, es decir, que salga cara al lanzar la moneda. 2or lo tanto 230,5.
"ntonces,
%05 . 0 5 . 0 5 . 0
DJ < '0 E J <
J '0
D < 0 E 2
< '0 <

:uego, 2E-3<D 3 0,%05, es decir, se tiene una probabilidad del %0,5& de obtener < caras al lanzar
'0 veces una moneda.
'(em)lo, ()ul es la probabilidad de obtener cuatro veces el nmero . al lanzar un dado ocho
veces,, siendo K Enmero de aciertosD toma un valor de >, + n toma el valor 8
:a probabilidad de que salga un . al tirar el dado es 'G<, entonces,
0%< . 0 D '<< . 0 ' E '<< . 0
J > J >
J 8
D > 0 E 2
> >

:uego, 2E-3>D30,0%<, es decir, se tiene una probabilidad del %,<& de obtener cuatro veces el
nmeros . al tirar un dado 8 veces.
'(em)lo* 5n mdico aplica un test a '0 alumnos de un colegio para detectar una enfermedad cu+a
incidencia sobre una poblacin de ni?os es del '0&. :a sensibilidad del test es del 80& + la
especificidad del mismo es del 65&. ()ual es la probabilidad de que e-actamente a cuatro
personas le de un resultado positivo, $i en la muestra ha+ cuatro personas a las que el test le da
positivo, (cul es la probabilidad de que entre estas, e-actamente dos estn sanas, )alcular la
probabilidad de que el test suministre un resultado incorrecto para dos personas. )alcular la
probabilidad de que el resultado sea correcto para ms de 6 personas.
$olucin! :os datos de que disponemos son! 2E"D30.'0, 2EL
M
G"D30.80, + 2EL
N
G"D30.65, donde ",
LM, + LN tienen el sentido que es obvio. $i queremos saber a cuantas personas el test le dar un
resultado positivo, tendremos que calcular 2EL
M
D, para lo que podemos usar el teorema de la
probabilidad total Eestar enfermo + no estarlo forman una coleccin e-haustiva + e-clu+ente de
sucesosD!
2EL
M
D32EL
M
G"D42E"DM2EL
M
G"
N
D42E"
N
D30.8040.'0M0.%540.@030..05
$ea 0' la variable aleatoria que contabiliza el nmero de resultados positivos. "s claro que
llamando p'32EL
M
D, se tiene que 0 sigue una distribucin binomial
2048 . 0 695 . 0 * 305 . 0 *
4
10
q p
x
10
) x X ( P ) 305 . 0 , 10 ( X
6 4 x 10
1
x
1 1 1

,
_

,
_

7hora bien, si queremos calcular a cuntas personas les dar el test positivo aunque estn sanas,
hemos de calcular previamente 2E"
N
GL
M
D
[ ]
!3!! . 0
) " ( P
) E ( P * ) E # " ( P 1
) " ( P
) " E ( P
) " # E ( P

+

+
+
+
L'##I$% +8. &U%#IO%'S D' DIS!I"U#I$% D' P!O"A"ILIDAD
'(em)lo, :a probabilidad de tener un accidente de trfico es de 0,0% cada vez que se via#a, si se
realizan .00 via#es, (cual es la probabilidad de tener . accidentes,
)omo la probabilidad 2 es menor que 0,', + el producto n42 es menor que '0, entonces aplicamos
el modelo de distribucin de 2oisson,
08@% . 0
J .
<
e D . 0 E 2
.
<


2or tanto, la probabilidad de tener . accidentes de trfico en .00 via#es es del 8,@&
'(em)lo, :a probabilidad de que un ni?o nazca pelirro#o es de 0,0'%. ()ul es la probabilidad de
que entre 800 recin nacidos ha+a 5 pelirro#os,
<0% . >
J 5
< . @
e D 5 0 E 2
5
< . @


2or tanto, la probabilidad de que ha+a 5 pelirro#os entre 800 recin nacidos es del >,<&
'(em)lo* "n un taller, el nmero de accidentes a la semana es 032ED, el cual sigue una
distribucin E%,>D. )ual es la probabilidad de que en el taller ocurran . accidentes ala semana,
2E.D3,
:uego la funcin marginal de 0
)ambio de variable EaM'D3t
2or otra parte, , entonces,
:a probabilidad de . accidentes es, finalmente,
DIS!I"U#I$% ,IP'!-'OM.!I#A
'(em)lo, en una urna ha+ 6 bolas blancas + 5 negras. $e sacan > bolas ()ul es la probabilidad
de que . sean blancas,
/ 3 '%H /' 3 6H /% 3 5H K 3 .H n 3 >, entonces,
.5> . 0
>
'%
'
5
.
6
D . 0 E 2

,
_

,
_

,
_

"s decir, la probabilidad de sacar . bolas blancas es del .5,.&.
'(em)lo, en una fiesta ha+ %0 personas! '> casadas + < solteras. $e eligen . personas al azar
()ul es la probabilidad de que las . sean solteras,
0'65 . 0
.
%0
0
'>
.
6
D . 0 E 2

,
_

,
_

,
_

"s decir, la probabilidad de que las . personas sean solteras es tan slo del ',65&.
DIS!I"U#I$% MULI%OMIAL
'(em)lo de distribucin binomial! a unas elecciones se presentaron % partidos pol;ticos! el :7:7
obtuvo un 60& de los votos + el O"O" el .0& restante. ()ul es la probabilidad de que al elegir 5
ciudadanos al azar, > de ellos ha+an votado al O"O",
'(em)lo de distribucin multinomial, a esas elecciones se presentaron > partidos pol;ticos! el :7:7
obtuvo un >0& de los votos, el O"O" el .0&, el =5=5 el %0& + el :7:7 el '0& restante. ()ul es
la probabilidad de que al elegir 5 ciudadanos al azar, . ha+an votado al :7:7, ' al =5=5 + ' al
:7:7,
'(em)lo, "n una fiesta, el %0& de los asistentes son espa?oles, el .0& franceses, el >0& italiano
+ el '0& portugueses. "n un peque?o grupo se han reunido > invitados! (cual es la probabilidad
de que % sean espa?oles + % italianos,
0.8> . 0 ' . 0 > . 0 . . 0 % . 0
J 0 J % J 0 J %
J >
D 0 0 , % 0 , 0 0 , % 0 E 2
0 % 0 %
> . % '



:uego, la probabilidad de que el grupo est formado por personas de estos pa;ses es tan slo del
.,8>&
DIS!I"U#I$% MULI/A!IADA
'(em)lo, en una urna ha+ 6 bolas blancas, . verdes + > amarillas! (cul es la probabilidad de que
al e-traer . bolas sea cada una de un color distinto,

,
_

,
_

,
_

n
/
-
/
-
/
D - 0 , - 0 E 2
>
>
'
'
K K ' '

9onde 0' 3 -'! indica que el suceso 0' aparezca -' veces Een el e#emplo, que una de las bolas sea
blancaD, /' indica el nmero de bolas blancas que ha+ en la urna Een el e#emplo, 6 bolasD, / es el
nmero total de bolas en la urna Een el e#emplo, '> bolasD, n es el nmero total de bolas que se
e-traen Een el e#emplo, . bolasD
"ntonces,
%.06 . 0
.
'>
'
>
'
.
'
6
D ' 0 , ' 0 , ' 0 E 2
. % '

,
_

,
_

,
_

,
_

"s decir, que la probabilidad de sacar una bola de cada color es del %.,06&.
L'##I$% +0. &U%#IO%'S D' DIS!I"U#I$% D' P!O"A"ILIDAD
DIS!I"U#I$% -AMAM 1 '2PO%'%#IAL
'(em)lo, "n un e-perimento de laboratorio se utilizan '0 gramos de 2olonio radiactivo. $abiendo
que la duracin media de un tomo de esta materia es de '>0 d;as, )untos idas transcurrirn
hasta que ha+a desaparecido el @0& del material,
$olucin! "l tiempo L de desintegracin de un tomo de
o
210
84
P es una variable aleatoria de
distribucin e-ponencial, )omo el nmero de tomos e-istentes en una muestra de '0 gramos es
enorme, el histograma de frecuencias relativas formado por los tiempos de desintegracin de cada
uno de estos tomos debe ser e-tremadamente apro-imado a la curva de densidad, f. 9el mismo
modo, el pol;gono de frecuencias relativas acumuladas debe ser mu+ apro-imado a la curva de su
funcin de distribucin P. "ntonces el tiempo que transcurre hasta que el @0& del material
radiactivo se desintegra es el percentil @0, t@0, de la distribucin e-ponencial, es decir
$%as 322 10 . 0 &'
a
1
t , e'to'ces , 90 . 0 1 e 90 . 0 ) t ( F
90
at
90
90


'(em)lo, $e ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una
distribucin e-ponencial con media de '< a?os. ()ul es la probabilidad de que a una persona a la
que se le ha implantado este marcapasos se le deba reimplantar otro antes de %0 a?os, $i el
marcapasos lleva funcionando correctamente 5 a?os en un paciente,
$olucin! $ea L la variable aleatoria que mide la duracin de un marcapasos en una persona.

20
0
16 # 20
!135 . 0 e 1 $t ) t ( f ) 20 " ( P
L'##I$% +34+. M5S SO"!' &U%#IO%'S D' DIS!I"U#I$%
/ALO!'S '2!'MOS
'(em)lo t;pico de esta funcin es la -UM"'L, en la cual, si
5!! . 0
es la constante de "uler,
entonces

+ ( )
*
+
2
2
*
6

son los valores medio + varianza. *aciendo 0 ) * ( f

+

se ve claramente que u es la moda + la mediana + son sus medidas de dispersin.
'(ercicio* aD 9ibu#a la funcin de densidad de la /E0,'D. $eguidamente a?ade la /E0,0.5D. 2or
ltimo a?ade la /E0,.D (Iu observas,
bD 9ibu#a ahora la funcin de distribucin de una /E%5,'D, a?ade /E%5,..5D + /E%5,%'D. =odifica los
l;mites del e#e 6 a! N.5, M85. (Iu observas,
cD 5tilizando la funcin de distribucin de /E%5,%'D anota el valor apro-imado de PE>0D + PE'0D.
'(ercicio* aD 9ibu#a la funcin de probabilidad de un modelo de 2oisson de medias %, 5, '0. (Iu
ocurre al aumentar la media,
bD )ompara que una 2oisson de media %5 se apro-ima a una /E%5,5D. (Iu ilustra ese resultado,
'(ercicio* aD 9ibu#a una BiE'0,0.'D, BiE'0,0.5D + BiE'0,0.@D. Idem para n 3 50. (Iu ocurre al ir
aumentando el tama?o de n,
bD )alcula apro-imadamente para BiE50,0.'D! pE0%D + pE0@D.
cD )omprueba que BiE50,0.'D se apro-ima a una 2oE5D.
'(ercicio. aD 9ibu#a la funcin de densidad de los siguientes modelos uniformes! 5E0,'D, 5E0,5D +
5E>,<D. (Iu observas,
bD *az lo mismo para las e-ponenciales! e-pE0.5D, e-pE'D + e-pE%D. (Iu observas,
'(ercicio* )alcula el valor de -o para!
aD 0 /E0,'D, pE0-oD 3 0.@5, pE0-oD 3 0.05, pE0Q-oD 3 0.05
bD 0
%
%0, pE0Q-oD 3 0.05, pE0Q-oD 3 0.@5
cD 0 t'5, pE0Q-oD 3 0.0', pE0Q-oD 3 0.@@
dD 0 5E8,'%D, pE0-oD 3 0..5
eD 0 "-pE5..D, pE0-oD 3 <