Cap. IV Modelos de Probabilidads

Modelos de Probabilidad 133
Modelos de Probabilidad
Modelos de Probabilidad
4.0 MODELOS DE PROBABILIDAD
Un modelo de probabilidad es una expresin matemtica diseada para obtener las
probabilidades de realizacin u ocurrencia de eventos o sucesos. As por ejemplo, la
probabilidad de germinacin de las semillas, la probabilidad de produccin de
artculos deectuosos, la probabilidad de contagio de una enermedad, la
probabilidad de aprobar una asignatura, la probabilidad de !ue ocurra un accidente,
etc. son casos de aplicacin de estos modelos.
"omo los eventos pueden tener resultados de carcter discreto o continuo, los
modelos pueden ser discretos o continuos. #ntre los modelos discretos tenemos a
los siguientes$
Modelo %inomial
Modelo %inomial &egativo
Modelo Poisson
Modelo Polinomial
Modelo 'eom(trico
Modelo )ipergeom(trico
* entre los modelos continuos se tiene a los siguientes$
Modelo Uniorme
Modelo #xponencial
Z. Espino V. - C. Llun V.
134 Modelos de Probabilidad
Modelo &ormal
Modelo t de +tudent
Modelo , de ,is-er.+nedecor
Modelo "-i."uadrada
4.1 MODELO DE PROBABILIDAD BINOMIAL
/a realizacin de un evento puede tener solo dos resultados posibles, o el
evento es cierto o es racaso. A tales eventos se les llama eventos dictomos o
binarios. #n los siguientes casos se obtienen resultados binarios$
a) #n el nacimiento de un nio cu*a madre tiene una enermedad cong(nita,
se pueden dar las siguientes posibilidades de resultados, de !ue el nio
nazca con la enermedad cong(nita o de !ue el nio no nazca con la
enermedad cong(nita.
b) #n la aplicacin de un medicamento para curar la gripe, el medicamento
puede ser eectivo * curar la gripe o no ser eectivo * por tanto no curar la
gripe.
c) Al aplicar la penicilina a nios contra una enermedad inecciosa, ellos
pueden tener una reaccin negativa o no.
d) #n el anlisis de sangre para determinar si un grupo de meretrices
presentan 01)
2
, estas pueden o no presentar tal mal.
e) #n la determinacin del estado civil para un grupo de madres de amilia
!ue recibirn c-arlas de planiicacin amiliar, estas pueden ser
convivientes o no.
Un modelo binomial debe ser utilizado en el estudio de casos !ue poseen las
siguientes caractersticas$
34 /os eventos son dictomos o binarios.
54 /os resultados de un evento para la variable !ue se est estudiando se
pueden clasiicar en dos categoras, (xitos * racasos * las observaciones
Z. Espino V. C. Llun V.
!ue se realicen, deben estar enmarcadas dentro de una de las dos
categoras.
64 "ual!uiera de los resultados puede ser el (xito !ue es el objeto de
estudio. As por ejemplo, si la variable de estudio es el #stado de +alud
con las dos modalidades de estudio$ #nermo * +ano, el (xito puede ser
encontrar un sano o el (xito puede ser encontrar un enermo.
4) /os eventos tienen la misma probabilidad de ocurrencia en las sucesivas
extracciones, es decir, desde la primera -asta la extraccin n.

........................................................................................................
74 /os elementos de la muestra son seleccionados al azar, por lo cual, los
eventos son independientes, esto es, si un evento es cierto en una
determinada extraccin, el siguiente evento puede ser cierto o racaso.
84 /a variable 9, es deinida como el n:mero de (xitos !ue se espera
encontrar en la muestra.
7) /a proporcin de (xitos p debe ser establecida de antemano en la
poblacin. +i no es posible, puede ser estimada mediante alg:n sondeo u
otro mecanismo. "uando *a no es posible, as:mase como
2
1
= = q p .
#l valor de ; asume !ue el evento cierto tiene la misma posibilidad de
ocurrencia !ue el evento racaso * en la prctica generalmente esto no
sucede.
S S
p q
p p q q
q q q q p p p p
S S
S S
S S S S
S S S S
Funcin de Probabilidad
#l modelo de probabilidad binomial, est deinido por la siguiente expresin$
n x q p
x
n
x f p n x B x X P
x n x
,..., 2 , 1 , 0 : ) ( ) , , ( ) (

= = = =
donde$
: X variable aleatoria n:mero de (xitos.
p $ proporcin de (xitos en la poblacin.
q $ proporcin de racasos en la poblacin.
1 = + q p

p q =1
con el modelo %inomial se -allan las probabilidades de !ue en una muestra de
n
elementos o repeticiones se encuentren
x
(xitos dado !ue en la
poblacin, el evento ocurre en la proporcin p.
Funcin de Probabilidad Acumulada o Funcin de Di!ribucin Binomial
/a uncin de probabilidad acumulada, -alla las probabilidades de ocurrencia
de un evento, acumuladas -asta un n:mero determinado de
0
x
(xitos. #st
dada por$
n x x q p x X P x F
x n x
,..., ..., , 2 , 1 , 0 :
x
n
) ( ) (
0
x
0 x
0 0
0
= =
por ejemplo$
si
2
0
= x
= =
2
0
) 2 ( ) 2 (
x
x n x
q p
x
n
X P F

2 2 1 1 0 0
2 1 0

=
n n n
q p
n
q p
n
q p
n
"alor E#erado$
#l valor esperado, es el n:mero de (xitos promedio !ue se espera encontrar
en la muestra< est dado por la rmula$

=
= =
n
x
x n x
n
x
q p
x
n
x x xf X E
0 0
) ( ) (

np =
"arian%a& De'iacin E!(ndar ) *oe+icien!e de "ariacin$
#s la variacin del n:mero de (xitos !ue se espera encontrar en la muestra.
/a rmula para calcular la varianza es$
=
= = =
n
x
x f np x np X E X V
0
2 2 2
) ( ) ( ) ( ) (

x n x
n
x
q p
x
n
np x

=
=
0
2
) (

npq =
/a desviacin estndar, !ue mide la probable variabilidad de ocurrencia entre
los (xitos, es la raz cuadrada de la varianza, su rmula es$
2
. . = = E D
#l coeiciente de variacin, mide la probable variabilidad de ocurrencia entre
los (xitos respecto del valor esperado. Por ser un valor relativo con las
unidades en tanto por uno, es mas conveniente expresarlo en tanto por ciento
para acilitar su interpretacin< la orma de clculo es$
100 *
) (
.% .
X E
V C

=
#=#MP/>
?e los donantes de sangre !ue regularmente se -an presentado a un
"entro )ospitalario a realizarse el anlisis de sangre, 3 de cada 7 -an
mostrado un resultado positivo respecto a alguna enermedad
contagiosa. @"ul ser la probabilidad de !ue de los siguientes 6
donantes !ue se realicen el anlisis$
a4 Uno de ellos tenga alguna enermedad contagiosa.
b4 Por lo menos uno tenga alguna enermedad contagiosa.
c4 &inguno tenga alguna enermedad contagiosa.
d) A lo ms uno tenga alguna enermedad contagiosa.
+>/U"1A&$
#n principio debemos deinir a p de acuerdo al caso como sigue$
p $ proporcin de donantes !ue tienen alguna enermedad contagiosa
q $ proporcin de donantes !ue no tienen alguna enermedad
contagiosa.
2 . 0
5
1
= = p
8 . 0
5
4
5
1
1 = = = q
el tamao de la muestra es n B 6
9 $ n:mero de donantes con alguna enermedad contagiosa
como son 6 los donantes !ue se presentan a realizarse el anlisis de
sangre, entonces, 9 puede tomar los siguientes valores$
0 = X cero donantes con alguna enermedad contagiosa
1 = X un donante con alguna enermedad contagiosa
2 = X dos donantes con alguna enermedad contagiosa
3 = X tres donantes con alguna enermedad contagiosa
con la cual !ueda deinido el dominio de la variable aleatoria como$
3 , 2 , 1 , 0 :
x
D
!ue tambi(n puede ser expresado como
3 , 2 , 1 , 0 : x
.
luego, las probabilidades pedidas son$
a4 Cue uno de ellos tenga alguna enermedad contagiosa,
384 . 0 ) 8 . 0 )( 2 . 0 ( 3 ) 8 . 0 ( ) 2 . 0 (
1
3
) 1 (
2 1 3 1
= =
= =

X P
)a* una probabilidad del 6D.EF de encontrar en los 6 donantes !ue se
presentan a realizarse el anlisis de sangre, 3 donante con alguna
enermedad contagiosa.
b) Por lo menos un donante con alguna enermedad contagiosa.
=
3
1
3
) 8 . 0 ( ) 2 . 0 (
3
) 1 (
x
x x
x
X P
3 3 3 2 3 2 1 3 1
) 8 . 0 ( ) 2 . 0 (
3
3
) 8 . 0 ( ) 2 . 0 (
2
3
) 8 . 0 ( ) 2 . 0 (
1
3

=
0 3 1 2 2 1
) 8 . 0 ( ) 2 . 0 ( ) 8 . 0 ( ) 2 . 0 ( 3 ) 8 . 0 ( ) 2 . 0 ( 3 + + =
488 . 0 =
c4 &inguno tenga alguna enermedad contagiosa.
512 . 0 ) 8 . 0 ( ) 8 . 0 ( ) 2 . 0 (
0
3
) 0 (
3 0 3 0
= =
= =

X P
d4 A lo mas uno tenga alguna enermedad contagiosa.
=
1
0
3
) 8 . 0 ( ) 2 . 0 (
3
) 1 (
x
x x
x
X P

1 3 1 0 3 0
) 8 . 0 ( ) 2 . 0 (
1
3
) 8 . 0 ( ) 2 . 0 (
0
3

=

2 1 3 0
) 8 . 0 ( ) 2 . 0 ( 3 ) 8 . 0 ( ) 2 . 0 ( + =
384 . 0 512 . 0 + =
86 . 0 =
#=#MP/>
Una de las variables con !uien est relacionada la gestin
administrativa es la autoestima. Una muestra de 7 empleados es
seleccionada al azar para aplicarles un test !ue mide la autoestima en
ellos. @"ul es la probabilidad de encontrar en la muestraG
a4 &ing:n empleado !ue se autoestime.
b4 ?os empleados !ue se autoestimen.
c4 A lo mas dos empleados !ue se autoestimen.
d4 +i son 78 los empleados !ue se toman en la muestra @cuntos
empleados con autoestima se espera encontrarG
+>/U"1A&$
#n el caso !ue no sea dado p, se asume !ue
2
1
= p *
2
1
= q ,
donde$
: p
proporcin de trabajadores con autoestima en la poblacin.
: q
proporcin de trabajadores sin autoestima en la poblacin.
: n
tamao o n:mero de trabajadores en la muestra !ue
ueron seleccionados al azar.
/as probabilidades pedidas son$
a4 +i se desea -allar la probabilidad !ue ning:n trabajador tenga
autoestima, 0 = X .
03125 . 0 ) 5 . 0 ( ) 5 . 0 ( ) 5 . 0 (
0
5
) 0 (
5 0 5 0
= =
= =

X P
b4 #n el caso de !ue se !uiera obtener la probabilidad de !ue 5
trabajadores se autoestimen, 2 = X .
3125 . 0 ) 5 . 0 ( ) 5 . 0 ( 10 ) 5 . 0 ( ) 5 . 0 (
2
5
) 2 (
3 2 2 5 2
= =
= =

X P
c4 Para -allar la probabilidad de !ue a lo mas dos trabajadores se
autoestimen, 2 X .
=
2
0
5
) 5 . 0 ( ) 5 . 0 (
5
) 2 (
x
x x
x
X P
2 5 2 1 5 1 0 5 0
) 5 . 0 ( ) 5 . 0 (
2
5
) 5 . 0 ( ) 5 . 0 (
1
5
) 5 . 0 ( ) 5 . 0 (
0
5

=
3 2 4 1 5 0
) 5 . 0 ( ) 5 . 0 ( 10 ) 5 . 0 ( ) 5 . 0 ( 5 ) 5 . 0 ( ) 5 . 0 ( + + =
3125 . 0 15625 . 0 03125 . 0 + + =
5 . 0 =
d4 +i la muestra uese de 78 trabajadores, se espera obtener$
28 ) 5 . 0 ( 56 ) ( = = = np X E
trabajadores con autoestima.
#=#MP/>
#n cierto lugar minero, se -a determinado !ue uno de cada dos
trabajadores mineros, tienen alg:n -ijo con deormidades de dierente
orma. +e toma una muestra al azar de 6 mineros, @cul es la
probabilidad de encontrar, dos mineros !ue tienen alg:n -ijo con
deormidades de dierente ormaG. Utilice el espacio muestral de
resultados * el modelo de probabilidad binomial para -allar esta
probabilidad, luego compare ambos procesos de clculo.
+>/U"1A&$
a4 Para -allar la probabilidad pedida utilizando el espacio muestral,
es necesario !ue se orme un espacio muestral para cada uno de
los mineros * luego se constru*a el espacio muestral conjunto
para los tres mineros$
?einimos en primer lugar el evento como$
: D Cue un minero tiene alg:n -ijo con deormidades de dierentes
ormas.
: D Cue un minero no tiene alg:n -ijo con deormidades de
dierentes ormas.
luego, el espacio muestral para el primer minero es,
{ } D D,
1
=
el espacio muestral para el segundo minero es,
{ } D D,
2
=
* el espacio muestral para el tercer minero es,
{ } D D,
3
=
#l espacio muestral para los 6 mineros es$
= =
3 2 1
x x
{ } D D D D D D D D D DD D D D D D D D D DD DDD , , , , , , , =
/os eventos del espacio muestral conjunto se -allaron mediante el
grico de rbol !ue se muestra a continuacin$

Para -allar la probabilidad pedida, deinimos el evento S de encontrar
dos mineros !ue tienen alg:n -ijo con deormidades de dierentes
ormas$
{ } D D D D D D D D D S , , =
/uego, se aplica la deinicin de probabilidad clsica.
375 . 0
8
3
) (
) (
) ( = =
=
n
S n
S P
)a* un 6H.7F de probabilidad de encontrar en la muestra, dos mineros
!ue tienen alg:n -ijo con deormidades de dierentes ormas.
b4 Mediante el modelo binomial, la probabilidad de encontrar en la
muestra 5 mineros !ue tienen alg:n -ijo con enermedades de
dierentes ormas, o para 2 = X , obtenemos$
D
D
D
D
DDD
D DD
D
D
D
D D D
D D D
D
D
D
D
DD D
D D D
D
D
D
D D D
D D D
375 . 0 ) 5 . 0 ( ) 5 . 0 ( 3 ) 5 . 0 ( ) 5 . 0 (
2
3
) 2 (
3 2 2 5 2
= =
= =

X P
c4 ?e la comparacin de ambos casos podemos deducir !ue, las
probabilidades de los casos dictomos son modeladas mediante el
modelo de probabilidad binomial, evitando as el laborioso proceso
!ue debe seguirse para -allar la probabilidad mediante el espacio
muestral.
#=#MP/>
Una muestra de 3E7 pacientes son encuestados para determinar si el
tratamiento indicado en la receta ue cumplido. /a razn de este
cumplimiento !ue se maneja en un -ospital es !ue cada 6 de H
pacientes si cumplen con las indicaciones de la receta. )alle el
promedio, varianza, desviacin estndar * coeiciente de variacin para
el n:mero de (xitos.
+>/U"1A&$
n B 3E7
+e deine a p * q como,
p $ proporcin de pacientes !ue cumplen con el tratamiento de la
receta.
q $ proporcin de pacientes !ue no cumplen con el tratamiento de la
receta.
57 . 0 43 . 0
7
3
= = = q p
/uego se procede a -allar las medidas pedidas$
63 35 . 62 ) 43 . 0 ( 145 ) ( = = X E
Probablemente son 86 los pacientes !ue en promedio cumplen con las
indicaciones dadas por el doctor.
2 2
36 535 . 35 ) 57 . 0 )( 43 . 0 ( 145 ) ( pacientes X V = = =
/a variacin total del n:mero de pacientes !ue probablemente cumplen
con las indicaciones dadas por el doctor es de 68 pacientesI.
pacientes 6 . 5 535 . 35 = =
/a variacin entre las observaciones para el n:mero de pacientes !ue
cumplen con las indicaciones dadas por el doctor es de
aproximadamente 8 pacientes.
% 56 . 100 *
35 . 62
6 . 5
.% . = = V C
)a* un J.78F de variacin entre las observaciones para el n:mero de
pacientes !ue cumplen con las indicaciones dadas por el doctor.
#=#K"1"1>+ PK>PU#+L>+
3. /a letalidad de una enermedad en una ciudad es del
00
0
12 . +i se
eligen al azar a E enermos, @cul es la probabilidad de !ueG$ a4 los
pacientes sobrevivan. b4 un paciente muera. c4 ning:n paciente muera.
5. Una encuesta de opinin aplicada a los comerciantes de un mercado,
!ue indaga sobre la destitucin del inspector de mercado por -aber
incurrido en algunas irregularidades, dio una proporcin del 57F en
avor de la no destitucin. A in de corroborar esta opinin se designa
una comisin, la cual toma al azar una muestra de 6 comerciantes, @cul
es la probabilidad de !ue al menos 5 de los 6 comerciantes opinen en
avor de la destitucinG.
6. Un enlatado de pescado tiene la especiicacin de !ue 3 de cada 3MM
enlatados puede ser deectuoso. +e toma una muestra aleatoria de 7
enlatados, @cul es la probabilidad de !ue en la muestra -a*a 5
enlatados deectuososG.
E. #n el curso de "lculo de Probabilidades el n:mero de estudiantes
aprobados el semestre pasado ue del E8F. +i en el presente semestre
el n:mero de estudiantes matriculados es de 87 estudiantes, @cul es el
n:mero promedio de estudiantes !ue probablemente aprobarn el
cursoG.
7. Un proesor de #ducacin ,sica indica !ue con cierto tipo de ejercicio,
de cada 3M personas !ue se someten al ejercicio, logran bajar de peso
6. )alle la probabilidad de !ue bajen de peso 6 personas de 7 !ue se
sometern al ejercicio.
8. /a proporcin de contagio de una enermedad es del 7F. +i E personas
se acercan a una persona !ue tiene la enermedad contagiosa, @cul es
la probabilidad de !ue se contagien 5 con la enermedadG.
H. "ierta intervencin !uir:rgica tiene un ndice de mortalidad del 7F. +i
esta intervencin es realizada de manera independiente en tres
pacientes distintos, @cul es la probabilidad de !ue dos intervenciones
sean mortalesG.
D. 35 de 7M accidentes son cometidos por c-oeres en estado etlico. #n
553 accidentes, -alle el promedio, varianza, desviacin estndar *
coeiciente de variacin del n:mero de accidentes !ue probablemente
sean cometidos por c-oeres en estado etlico.
J. #n una brica, la proporcin de artculos deectuosos es del 7F. +e
toma de la produccin, una muestra al azar de 7 artculos. )alle la
probabilidad de encontrar en la muestra$ a4 &ing:n artculo bueno. b4
?os artculos buenos. c4 Por lo menos dos artculos buenos. d4 A lo mas
E artculos deectuosos.
3M. ?e un grupo de 8M estudiantes 6 de ellos son de procedencia extranjera.
+e extrae una muestra aleatoria de 6 estudiantes para representar al
grupo en una competencia acad(mica. )alle las probabilidades de !ue$
a4 /os 6 estudiantes extranjeros sean seleccionados para conormar la
muestra. b4 &inguno de los tres estudiantes extranjeros sean
seleccionados para conormar la muestra. c4 Por lo menos un estudiante
extranjero est( ormando la muestra.
33. Un medicamento para tratar una enermedad gripal produce el 87F de
cura de los casos. +e selecciona una muestra al azar de 7 de los
pacientes !ue se -an tratado con este medicamento. #ncuentre las
probabilidades siguientes$ a4 Cue uno de pacientes !ue se -a tratado
con este medicamento se -a curado. b4 Cue ninguno de los pacientes
!ue se -an tratado con este medicamento ueron curados. c4 Cue por lo
menos 5 de los pacientes ueron curados.
MANE,O DE -ABLAS
Kegularmente no se -ace necesario calcular las probabilidades mediante las
unciones de probabilidad, existen *a las probabilidades en tablas para
dierentes valores de
n
,
p
* la variacin de X .
A continuacin se muestran dos extractos de estas tablas !ue nos servirn
para explicar el manejo, una !ue presenta las probabilidades en orma simple
* la otra en orma acumulada.
Tabla de probabilidades simples$
nB6 p
x M.3M M.5M M.6M M.EM M.7M
M M.H5JM M.735M M.6E6M M.538M M.357M
3 M.5E6M M.6DEM M.EE3M M.E65M M.6H7M
5 M.M5HM M.MJ8M M.3DJM M.5DDM M.6H7M
6 M.MM3M M.MMDM M.M5HM M.M8EM M.357M
/as probabilidades ueron calculadas -aciendo uso de la uncin del modelo
binomial dada por$
n x q p
x
n
x f p n x B x X P
x n x
,..., 2 , 1 , 0 : ) ( ) , , ( ) (

= = = =
Tabla de probabilidades acumuladas$
nB6 P
9 M.3M M.5M M.6M M.EM M.7M
M M.H5JM M.735M M.6E6M M.538M M.357M
3 M.JH5M M.DJ8M M.HDEM M.8EDM M.7MMM
5 M.JJJM M.JJ5M M.JH6M M.J68M M.DH7M
6 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM
las probabilidades acumuladas ueron -alladas usando la uncin de
distribucin$
n x x q p x X P x F
x n x
,..., ..., , 2 , 1 , 0 :
x
n
) ( ) (
0
x
0 x
0 0
0
= =
esta uncin de distribucin suma las probabilidades simples en la orma
siguiente$
Para
10 . 0 , 3 = = p n
720 . 0 ) 0 ( = = X P
720 . 0 2430 . 0 720 . 0 ) 1 ( = + = X P
0 . 0 0270 . 0 720 . 0 0270 . 0 2430 . 0 720 . 0 ) 2 ( = + = + + = X P
0010 . 0 0 . 0 0010 . 0 0270 . 0 2430 . 0 720 . 0 ) 3 ( + = + + + = X P
0000 . 1 =
#n consecuencia, las probabilidades simples pueden ser deducidas de las
tablas acumuladas$
0010 . 0 0 . 0 0000 . 1 ) 2 ( ) 3 ( ) 3 ( = = = = X P X P X P
0270 . 0 720 . 0 0 . 0 ) 1 ( ) 2 ( ) 2 ( = = = = X P X P X P
2430 . 0 720 . 0 720 . 0 ) 0 ( ) 1 ( ) 1 ( = = = = X P X P X P
720 . 0 ) 0 ( = = X P
#=#MP/>
Un proesor -a detectado !ue por cada 3M estudiantes en el aula 6 son
de procedencia rural los cuales presentan un rendimiento mu* por
debajo del rendimiento promedio en el aula. A in de evaluar el
rendimiento, decide extraer una muestra al azar de 6 estudiantes !ue
representarn por el rendimiento promedio del aula. @"ul es la
probabilidad de encontrar en la muestra a$G
a4 /os tres estudiantes del rea rural * en consecuencia el promedio
del rendimiento ser sobreestimado.
b4 Por lo menos 5 de los estudiantes del rea rural.
+>/U"1A&$
: X n:mero de estudiantes del rea rural.
: n
n:mero de estudiantes en la muestra.
: p
proporcin de estudiantes del rea rural.
: q
proporcin de estudiantes !ue no son del rea rural.
luego,
7 . 0 3 . 0 1 3 . 0
10
3
= = = = q p
4 = n
/as probabilidad pedidas son, PN9 B 64 * PN9 54 las cual sern
-alladas mediante las tablas mostradas arriba. #n cual!uiera de las
tablas debe tenerse en cuenta el valor de n * el de p.
Para -allar PN9 B 64 una probabilidad simple se recurre a la tabla de
probabilidades simples, teniendo en cuenta !ue n B 6 * p B M.6. /uego
se ubica en la columna el valor x B 5 el cual se intercepta con el valor p
B M.6. /a probabilidad pedida es el valor de la celda !ue resulte de la
intercepcin, en este caso, M.M5HM. /uego PN9 B 64 B M.M5HM
"uando se -alla una probabilidad acumulada, tal como es el caso PN9
54, se usa la tabla de probabilidades acumuladas. "omo en la tabla
se tiene las probabilidades PN9 54, -a* !ue recurrir a obtener el
complemento de esta probabilidad en la orma$
PN9 54 B 3 . PN9 O 54 B 3 P PN9 34
#l proceso !ue sigue es el mismo !ue el recurrido para -allar las
probabilidades simples, esto es, conociendo !ue n B 6 * p B M.6, se
intercepta el valor x B 3 con el valor p B M.6, la probabilidad pedida es
el valor M.HDEM !ue se encuentra en la celda de la intercepcin,
entonces la probabilidad pedida es$
PN9 54 B 3 . PN9 O 54 B 3 P PN9 34 B 3 P M.HDEM B M.538
4.. MODELO DE PROBABILIDAD BINOMIAL PARA PROPOR*IONES
#l modelo de probabilidad binomial tambi(n puede ser usado para estudiar los
(xitos expresados en proporciones, por ejemplo, en vez de decir 5 (xitos en 6
extracciones podemos decir !ue la proporcin de (xitos en 6 extracciones es
de
3
2
.
/a uncin de probabilidad para proporciones es id(ntica a la uncin de
probabilidad binomial, pero con la variable de (xitos expresada en
proporciones de (xitos.
n
x
y =
proporcin de (xitos en la muestra.
luego, el dominio para la nueva variable debe ser transormado a los valores
de la nueva variable, reemplazando en ella los valores de la variable 9 en la
orma,
n
n
n n n n
x
., . . ,
2
,
1
,
0
:
con esta transormacin la uncin de probabilidad es$
1 ., . . ,
2
,
1
, 0 : ) (
n n
y q p
yn
n
yn f
yn n yn
=
#=#MP/>
#l 5MF de los empleados de una empresa tienen nivel de educacin
superior universitaria. +e extrae una muestra aleatoria de 7M, @"ul es
a probabilidad de !ue en la muestra se -alle una proporcin del DMF
de empleados con nivel de educacin superior universitarioG.
+>/U"1A&$
n B 7M empleados
9 $ n:mero de empleados con nivel de educacin superior universitario
y
$ proporcin de empleados con nivel de educacin superior
universitario
p $ proporcin de empleados con nivel de educacin superior
universitario
q $ proporcin de empleados sin nivel de educacin superior
universitario
8 . 0 2 . 0 = = q y p
dado !ue se pide -allar la probabilidad PNy B M.D4, entonces$
) 8 . 0 )( 50 ( 50 ) 8 . 0 )( 50 (
) 8 . 0 ( ) 2 . 0 (
) 8 . 0 )( 50 (
50
) 8 . 0 (

= = y P

10 40 40 50 40
) 8 . 0 ( ) 2 . 0 (
40
50
) 8 . 0 ( ) 2 . 0 (
40
50
=

1382 . 0 =
-a* una probabilidad del 36.JDF de encontrar en la muestra un DMF
de empleados !ue tienen un nivel de educacin superior universitario.
#=#K"1"1>+ PK>PU#+L>+
34 Una encuesta debe ser realizada a 86M pobladores a ines del presente
mes para determinar el porcentaje actual de popularidad luego del
trabajo realizado por un congresista en los 8 meses anteriores. Una
encuesta piloto a 65 pobladores indic !ue solo el 38F mostr
satisaccin por el trabajo realizado. @cul es la probabilidad de !ueG$
a4 #l 38F de los pobladores est(n de acuerdo con el trabajo realizado.
b4 #l 7F de los pobladores no est(n de acuerdo con el trabajo
realizado.
c4 A lo ms el 3F de los pobladores muestren satisaccin por el
trabajo realizado.
54 ?e los registros de los puestos policiales de una ciudad turstica se
encontr !ue de todas las personas asaltadas el 7F eran de
procedencia extranjera. +i se toma una muestra aleatoria de 35M
personas asaltadas, -alle la probabilidad de !ue en la muestra se
encuentre$
a4 Un 5M F de personas asaltadas de procedencia extranjera.
b4 Un MF de personas asaltadas de procedencia extranjera.
c4 A lo ms un 5MF de personas asaltadas de procedencia extranjera.
64 "on la intencin de aplicar un programa de salud en el rea rural se
realiza un sondeo a 6M personas con el in de determinar el n:mero de
pobladores !ue estn de acuerdo con esta aplicacin * se encuentra
!ue solo 7 estn de acuerdo. +i se toma una muestra aleatoria de 3MM
pobladores, -alle la probabilidad de !ue en la muestra se encuentre$
a4 Un 8M F de pobladores !ue estn de acuerdo.
b4 Un 3MF de pobladores !ue no est(n de acuerdo.
E4 #l 5MF de los empleados de una compaa tienen de educacin superior
universitaria. +e extrae una muestra aleatoria de 7M. @"ul es la
probabilidad de !ue en la muestra se encuentre$G a4 Una proporcin de
M.6 empleados con educacin superior universitario. b4 Una proporcin
de M.M empleados con educacin superior universitario. d4 #l promedio
de empleados con educacin superior universitario. e4 #l coeiciente de
variacin.
4./ MODELO DE PROBABILIDAD BINOMIAL FINI-O
#n una poblacin inita, el tamao de la poblacin, representado por N, es
conocido * el modelo de probabilidad binomial tiene la misma uncin de
probabilidad< la :nica dierencia !ue podemos obtener es !ue a la rmula de
la varianza debemos multiplicarle por el siguiente actor de correccin por
poblacin inita$
/uego, la rmula de la varianza es,
)
1
( ) ( ) (
2 2
= = =
n
npq np X E X V
"uando la razn del tamao de muestra al tamao de la poblacin simbolizada
por
n
f = es menor o igual al 7F, el actor de correccin debe ser
considerado como uno, esto es,
1
1
=
n
en este caso, la varianza de una poblacin inita e ininita es la misma.
#=#K"1"1>+ PK>PU#+L>+
34 Una poblacin est compuesta de 57EH mujeres adultas, de las cuales el
7F -a realizado una denuncia por maltrato del esposo o conviviente. ?e
todas estas mujeres se toma una muestra al azar de 65 mujeres para
aplicarles un programa psicolgico. )alle e interprete la media, varianza,
desviacin estndar * coeiciente de variacin respecto de la variable de
estudio.
54 #l ao pasado se empadron un total de 53DM comerciantes ambulantes
de los cuales el 7F de ellos no registr su domicilio donde viva. #ste
ao se espera tomar una muestra aleatoria de 5MJ comerciantes. )alle
el n:mero de comerciantes promedio !ue se espera !ue no registren el
domicilio donde vive. )alle para el n:mero de comerciantes !ue se
espera !ue no registren el domicilio donde vive$ a4 el promedio esperado
b4 la variabilidad total, c4 /a variabilidad entre * el d4 el porcentaje de
variacin entre.
64 /uego de la aplicacin de una vacuna a 65D nios en un )ospital, se -a
detectado !ue de 8 nios vacunados 3 sure de iebre. )alle$ a4 el
promedio de nios !ue se espera tengan iebre. b4 #l rango porcentual
de nios !ue se espera tengan iebre. Utilice la ?.#. para -allar el rango.
DES"EN-A,A EN EL 0SO DE 0N MODELO BINOMIAL
/as principales desventajas !ue se puede apreciar en un modelo binomial son
las siguientes$
a4 #st limitada al uso de eventos con solo dos categoras de estudio.
b4 Para tamaos de muestra grandes, se -ace complicado el clculo de las
probabilidades con calculadoras pe!ueas, esto, por la combinatoria !ue
tiene en su rmula, sin embargo, en las computadoras pueden ser
obtenidas cilmente.
4.4 MODELO DE PROBABILIDAD POISSON
#n la realizacin de un evento de Poisson, los eventos se suceden con cierta
recuencia en intervalos de tiempo, de longitud, de rea, de volumen o de
cual!uier otra situacin, as por ejemplo$
a4 #n un programa de vacunacin de nios, estos pueden presentarse a
ser vacunados con la recuencia de 5 por cada 5D minutos.
b4 #n un paciente !ue presenta convulsiones, estas pueden presentarse en
la recuencia de 5 por cada -ora.
c) #n la llegada de estudiantes a un examen !ue tendr una duracin de
dos -oras, los estudiantes pueden llegar en la recuencia de 5 despu(s
de los 37 minutos de iniciado el examen.
Un modelo Poisson debe ser utilizado en el estudio de los casos !ue poseen
las siguientes caractersticas$
pueden clasiicar en dos categoras, (xitos * racasos * las
observaciones !ue se realicen, deben estar enmarcadas dentro de una
de las dos categoras.
64 /os resultados de los eventos se suceden en intervalos de tiempo, de
longitud, de rea, de volumen o de cual!uier otra circunstancia.
4) /os eventos tienen la misma probabilidad de ocurrencia en cada
intervalo de tiempo, longitud, rea, volumen o circunstancia.
5) /a prueba est dirigida a los (xitos !ue se suceden en cada intervalo de
tiempo, longitud, rea, volumen o circunstancia para el evento de
estudio.
6) /os elementos son seleccionados al azar, por lo cual, los eventos son
independientes.
#l modelo de probabilidad Poisson, est deinido por la siguiente expresin$
= = = =

..., , 2 , 1 , 0 :
!
) ( ) ( ) , ( x
x
e x X P x f x P
x

donde$
e B 5. H3D5D
pa!"#et!o :
:
promedio de (xitos !ue se suceden en la realizacin del evento.
: x
n:mero de (xitos !ue ocurren en la realizacin del evento.
con el modelo Poisson se -allan las probabilidades de !ue en la realizacin de
un evento ocurran
x
(xitos dado !ue en promedio ocurrieron (xitos.
Funcin de Probabilidad Acumulada o Funcin de Di!ribucin de
Poion.
/a uncin de probabilidad acumulada, -alla las probabilidades acumuladas de
ocurrencia -asta encontrar
x
(xitos en la realizacin de un evento. #st
dada por$
= =

,..., ..., , 2 , 1 , 0 :
!
) ( ) (
0
0
0 0
x x
x
e x X P x F
x
x
por ejemplo$
si
2
0
= x
= =
2
0
!
) 2 ( ) 2 (
x
x
x
e X P F

! 2 ! 1 ! 0
2 1 0

+ + = e e e
"alor E#erado$
en la realizacin del evento en una ininidad de veces< est dado por la
rmula$

= = =
0 0
!
) ( ) (
x x
x
x
e x xf X E

#s la variacin del n:mero de (xitos !ue se espera encontrar en la realizacin
del evento en una ininidad de veces. /a rmula para calcular la varianza es$
=
= = =
0
2 2 2
) ( ) ( ) ( ) (
x
x f x X E X V

= =
0
2
!
) (
x
x
x
e x
/a desviacin estndar, !ue mide la probable variabilidad de ocurrencia entre
los (xitos, es la raz cuadrada de la varianza, su rmula es$
2
. . = = E D
#l coeiciente de variacin, mide la probable variabilidad de ocurrencia entre
los (xitos respecto del valor esperado. Por ser un valor relativo con las
unidades en tanto por uno, es mas conveniente expresarlo en tanto por ciento
para acilitar su interpretacin< la orma de clculo es$
100 *
) (
.% .
X E
V C

=
#=#MP/>
A una carpa ambulatoria de vacunacin contra la polio !ue atiende de
J a.m. a 5 p.m., el promedio de nios !ue llegan para ser vacunados
es de 8 en 3 -ora. @"ul es la probabilidad de !ue$G
a4 #n una -ora no sea vacunado ning:n nio.
b4 #n una -ora sean vacunados dos nios.
c4 #n una -ora sean vacunados a lo ms dos nios.
d4 #n una -ora sean vacunados por lo menos 6 nios.
e4 #n 7 -oras sean vacunados 5 nios.
+>/U"1A&$
9 $ &:mero de nios vacunados contra la polio.
/os dierentes valores !ue puede tomar la variable son$ M, 3, 5, QQ< lo
cual implica !ue en una -ora pueden -aber M nios vacunados, 3 nio
vacunado, 5 nios vacunados * as sucesivamente.
$o!a en ni%os 1 6 =
a4 /a probabilidad pedida es en este caso, PN9 B M4. Keemplazando
se obtiene$
0025 . 0
! 0
6
) 0 ( ) 0 ( ) 6 , 0 (
0
6
= = = = =

e X P f P
/a probabilidad de !ue en una -ora no llegue ning:n nio para ser
vacunado contra la polio es del M.5F. #sta probabilidad es
aproximadamente cero * se justiica pues el promedio de nios !ue
llegan en una -ora es de 8.
b4 /a probabilidad de !ue sean vacunados dos nios es, PN9 B 54,
por tanto,
0446 . 0
! 2
6
) 2 ( ) 2 ( ) 6 , 2 (
2
6
= = = = =

e X P f P
c4 /a probabilidad de !ue en una -ora sean vacunados a lo ms dos
nios es PN9 54, entonces se tendr,
! 2
6
! 1
6
! 0
6
!
6
) 2 ( ) 2 (
2
6
1
6
0
6
2
0
6
=
+ + = = =

e e e
x
e X P F
x
x
0620 . 0 0446 . 0 014 . 0 0025 . 0 = + + =
)a* una probabilidad del 8.5F de !ue en una -ora lleguen a lo ms
dos nios para ser vacunados contra la polio.
d4 /a probabilidad de !ue en una -ora sean vacunados por lo menos
6 nios es PN9 64. #sta probabilidad puede ser deducida por
complemento con la siguiente expresin,
) 2 ( 1 ) 3 ( = X P X P
, luego se tendr,
380 . 0 0620 . 0 1 ) 2 ( 1 ) 3 ( = = = X P X P
e4 /a probabilidad de !ue en 7 -oras sean vacunados 5 nios es,
PN9 B 54. #sta probabilidad exige !ue el valor de sea
convertido a un tiempo de 7 -oras *a !ue originalmente ue dado
para una -ora. /a regla de tres simple siguiente permite esta
conversin$
+i en 3 -ora son 8 los nios !ue llegan para ser vacunados
#n 7 -oras son los nios !ue llegaran para ser vacunados
?e donde,
30
1
6 * 5
= =
/uego la probabilidad pedida es$
0000 . 0
! 2
30
) 2 (
2
30
= = =

e X P
#=#K"1"1>+ PK>PU#+L>+$
34 Un paciente sure de convulsiones en un promedio de 6 por cada dos
-oras. )alle las probabilidades de !ue el paciente tenga$
a4 #n una -ora no tenga convulsiones.
b4 #n una -ora tenga tres convulsiones.
c4 #n dos -oras tenga a lo ms tres convulsiones.
d4 ?esde las 6 p.m. -asta las D p.m. tenga dos convulsiones.
e4 Lenga por lo menos 5 convulsiones.
54 #n una ciudad el n:mero de apagones !ue se producen a la semana es en
promedio de 7. ?etermine las probabilidades siguientes$
a4 #n da cual!uiera se produzcan dos apagones.
b4 #n una -ora dada de un da no se produzcan apagones.
c4 #n dos das se produzcan 6 apagones.
d) #n dos semanas se produzcan E apagones.
e4 #n una semana se produzcan por lo menos H apagones.
64 #n un cm
6
de un volumen de agua contaminada se -a encontrado en
promedio 5 unidades de un tipo de bacteria. #ncuentre las
probabilidades siguientes$
a4 #n 3 cm
6
no se encuentre ninguna bacteria.
b4 #n 5 cm
6
se tenga a lo ms E bacterias.
c4 #n 3 m
6
no se tenga ninguna bacteria.
d4 #n 3 m
6
se tenga por lo menos 3MM bacterias.
e4 #n 3 m
6
se tenga ms de 3MM bacterias.
E4 #n (poca de verano se -a determinado !ue en promedio 7 personas
cada semana contrajeron una enermedad contagiosa por ingerir
rerescos de orma ambulatoria. @"ul ser la probabilidad de !ue en el
siguiente verano por consumir rerescos de orma ambulatoria$G
a4 #n una semana 6 consumidores contraigan alguna enermedad
contagiosa.
b4 #n dos semanas 3M consumidores contraigan alguna enermedad
contagiosa.
c4 #n 3 da de la semana 3 consumidor contraiga alguna enermedad
contagiosa.
d4 #n 6 das de la semana 6 consumidores contraigan alguna
e4 #n 6 das de la semana ninguna consumidora contraiga alguna
74 #n el cultivo de una -ortaliza se encuentra !ue en promedio 7 plantas
por surco estn siendo aectadas por una plaga. )alle las probabilidades
siguientes$
a4 &inguna planta de un surco sea aectada por la plaga.
b4 #n un surco dos plantas sean aectadas por la plaga.
c4 #n un surco -alla ms de dos plantas aectadas por la plaga.
d4 #n dos surcos -alla a lo ms E plantas aectadas por la plaga.
e4 #n dos surcos todas las plantas sean aectadas por la plaga.
84 "ierto conductor de un camin cuando se siente nervioso consume en
promedio 8 cigarrillos en 6M minutos. +i el conductor se encontrar en
estado nervioso, determine las probabilidades de !ue en 5 -oras$
a4 &o consuma ning:n cigarrillo.
b) +olo consuma un cigarrillo.
c) A lo mas dos cigarrillos.
d) ?os o ms cigarrillos.
e) Una cajetilla de cigarrillos.
H4 #n el envasado de una bebida gaseosa se -a detectado !ue en
promedio cada 5MM botellas se tiene 5 botellas con impurezas.
#ncuentre las probabilidades de !ue en$
a) #n 5MM botellas no se encuentre ninguna botella con impurezas.
b) #n 5MM botellas se encuentre a lo ms dos botellas con impurezas.
c) #n EMM botellas se encuentre 6 botellas con impurezas.
d4 #n EMM botellas no se encuentren botellas con impurezas.
e) #n 6MM botellas se encuentre 3 sola botella con impurezas.
D4 +e -a determinado !ue con el tratamiento de un medicamento en
promedio 6 pacientes de cada 3M no son curados. @"ul es la
probabilidad de !ue en un tratamiento con este medicamento$G
a) &o se cure ning:n paciente.
b) &o se curen dos pacientes.
c) &o se curen a lo ms dos pacientes.
d) &o se cure ninguno, si la especiicacin indicar 35E.
e) +e curen todos, si la especiicacin indicar 65.
J4 #n promedio se encuentra !ue 6 de cada 5M nios atendidos en el
consultorio de Pediatra no son naturales de esta ciudad. ?etermine las
probabilidades de !ue$
a) +i se atiende 7M nios, 5 sean de esta ciudad.
b) +i se atiende 6M nios, 3 sea de esta ciudad.
c) +i se atiende 7 nios, los 7 sean de esta ciudad.
d) +i se atiende 36 los 6 primeros sea de esta ciudad.
e) +i se atiende 5 los 5 no sean de esta ciudad.
3M4 ?e las distintas evaluaciones escritas del curso de "lculo de
Probabilidades se -a determinado !ue en promedio 7 estudiantes llegan
37 minutos despu(s de la -ora de inicio de alguna evaluacin. )alle las
a) Un estudiante llegue 37 minutos despu(s de la -ora de inicio.
b) &ing:n estudiante llegue despu(s de la -ora de inicio.
c) ?os estudiantes lleguen despu(s de 6M minutos de la -ora de inicio.
d) &ing:n estudiante llegue despu(s de 6M minutos de la -ora de
inicio.
e) /leguen a lo ms dos estudiantes despu(s de 6M minutos de la -ora
de inicio.
334 #n un comedor popular se intenta conocer la recuencia de llegada de
los comensales al almuerzo durante los H das de la semana * por la
apreciacin de esta llegada se determina !ue durante las 6 -oras de
atencin del almuerzo llegan en promedio 35 comensales. #ncuentre las
a4 #n una -ora de atencin no llegue ning:n comensal.
b4 #n una -ora llegue a lo mas dos comensales
c4 #n las tres -oras de atencin no llegue ning:n comensal.
d4 #n los :ltimos 6M minutos de las 6 -oras de atencin lleguen 5
comensales.
e4 #n los :ltimos 5M minutos de las 6 -oras de atencin no lleguen
comensales.
MANE,O DE -ABLAS
/as probabilidades de Poisson pueden ser -alladas mediante el uso de 5
tablas para dierentes valores de * la variacin de 9. Una tabla es para las
probabilidades en orma simple * la otra en orma acumulada. /as
probabilidades en las tablas son presentadas en la siguiente orma$
Tabla de probabilidades simples$
9
M.M7 3.MM 5.MM 6.MM 7.MM 3M.MM 35.MM 5M.MM

M M.J735 M.68HJ M.3676 M.MEJD M.MM8H M.MMMM M.MMMM M.MMMM
3 M.MEH8 M.68HJ M.5HMH M.3EJE M.M66H M.MMM7 M.MMM3 M.MMMM
5 M.MM35 M.3D6J M.5HMH M.55EM M.MDE5 M.MM56 M.MMME M.MMMM
6 M.MMMM M.M836 M.3DME M.55EM M.3EME M.MMH8 M.MM3D M.MMMM
E M.MMMM M.M376 M.MJM5 M.38DM M.3H77 M.M3DJ M.MM76 M.MMMM
7 M.MMMM M.MM63 M.M683 M.3MMD M.3H77 M.M6HD M.M35H M.MMM3
8 M.MMMM M.MMM7 M.M35M M.M7ME M.3E85 M.M863 M.M577 M.MMM5
H M.MMMM M.MMM3 M.MM6E M.M538 M.3MEE M.MJM3 M.ME6H M.MMM7
D M.MMMM M.MMMM M.MMMJ M.MMD3 M.M876 M.3358 M.M877 M.MM36
J M.MMMM M.MMMM M.MMM5 M.MM5H M.M686 M.3573 M.MDHE M.MM5J
3M M.MMMM M.MMMM M.MMMM M.MMMD M.M3D3 M.3573 M.3MED M.MM7D
33 M.MMMM M.MMMM M.MMMM M.MMM5 M.MMD5 M.336H M.33EE M.M3M8
35 M.MMMM M.MMMM M.MMMM M.MMM3 M.MM6E M.MJED M.33EE M.M3H8
36 M.MMMM M.MMMM M.MMMM M.MMMM M.MM36 M.MH5J M.3M78 M.M5H3
3E M.MMMM M.MMMM M.MMMM M.MMMM M.MMM7 M.M753 M.MJM7 M.M6DH
37 M.MMMM M.MMMM M.MMMM M.MMMM M.MMM5 M.M6EH M.MH5E M.M738
38 M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.M53H M.M7E6 M.M8E8
3H M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.M35D M.M6D6 M.MH8M
3D M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMH3 M.M577 M.MDEE
3J M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MM6H M.M383 M.MDDD
5M M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MM3J M.MMJH M.MDDD
53 M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMJ M.MM77 M.MDE8
55 M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMME M.MM6M M.MH8J
56 M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMM5 M.MM38 M.M88J
5E M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMM3 M.MMMD M.M77H
57 M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMME M.MEE8
58 M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMM5 M.M6E6
5H M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMM3 M.M57E
5D M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.M3D3
5J M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.M357
6M M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMD6
63 M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MM7E
65 M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MM6E
66 M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MM5M
6E M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MM35
67 M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMM M.MMMH
/as probabilidades ueron calculadas -aciendo uso de la uncin del modelo
Poisson$
= = = =

..., , 2 , 1 , 0 :
!
) ( ) ( ) , ( x
x
e x X P x f x P
x

"uando las probabilidades de Poisson son graicadas se puede apreciar !ue
conorme va tomando valores ma*ores los gricos van cambiando de
orma desde una orma exponencial cuando 1 = -asta una orma
campanoidal cuando 20 = .
PROBABILIDADES DE POISSON SEGUN EL NUMERO DE EXITOS
X (Nmero de xitos)
P
r
o
b
b
i
!
i
d
d
e
s
"#""
"#"$
"#%"
"#%$
"#&"
"#&$
"#'"
"#'$
"#("
"%&'($)*+,
%
"
%
%
%
&
%
'
%
(
%
$
%
)
%
*
%
+
%
,
&
"
&
%
&
&
&
'
&
(
&
$
&
)
&
*
&
+
&
,
'
"
'
%
'
&
'
'
'
(
'
$
'
)
'
*
'
+
'
,
(
"
LAMBDA - %
P R O B A B I L I D A D E S D E P O I S S O N S E G U N E L N U M E R O D E E X I T O S
X ( N m e r o d e x i t o s )
P
r
o
b
b
i
!
i
d
d
e
s
" # " "
" # " (
" # " +
" # % &
" # % )
" # & "
"%&'($)*+,
%
"
%
%
%
&
%
'
%
(
%
$
%
)
%
*
%
+
%
,
&
"
&
%
&
&
&
'
&
(
&
$
&
)
&
*
&
+
&
,
'
"
'
%
'
&
'
'
'
(
'
$
'
)
'
*
'
+
'
,
(
"
L A M B D A - $
X (Nmero de xitos)
P
r
o
b
b
i
!
i
d
d
e
s
"#""
"#"&
"#"(
"#")
"#"+
"#%"
"#%&
"#%(
" % & ' ( $ ) * + , %" %% %& %' %( %$ %) %* %+ %, &" &% && &' &( &$ &) &* &+ &, '" '% '& '' '( '$ ') '* '+ ', ("
LAMBDA-%"
Tabla de probabilidades acumuladas$
9
M.M7 3.MM 5.MM 6.MM 7.MM 3M.MM 35.MM 5M.MM

M M.J735 M.68HJ M.3676 M.MEJD M.MM8H M.MMMM M.MMMM M.MMMM
3 M.JJDD M.H67D M.EM8M M.3JJ3 M.MEME M.MMM7 M.MMM3 M.MMMM
5 3.MMMM M.J3JH M.8H8H M.E565 M.35EH M.MM5D M.MMM7 M.MMMM
6 3.MMMM M.JD3M M.D7H3 M.8EH5 M.587M M.M3M6 M.MM56 M.MMMM
E 3.MMMM M.JJ86 M.JEH6 M.D376 M.EEM7 M.M5J6 M.MMH8 M.MMMM
7 3.MMMM M.JJJE M.JD6E M.J383 M.838M M.M8H3 M.M5M6 M.MMM3
8 3.MMMM M.JJJJ M.JJ77 M.J887 M.H855 M.36M3 M.ME7D M.MMM6
H 3.MMMM 3.MMMM M.JJDJ M.JDD3 M.D888 M.55M5 M.MDJ7 M.MMMD
D 3.MMMM 3.MMMM M.JJJD M.JJ85 M.J63J M.665D M.377M M.MM53
J 3.MMMM 3.MMMM 3.MMMM M.JJDJ M.J8D5 M.E7HJ M.5E5E M.MM7M
3M 3.MMMM 3.MMMM 3.MMMM M.JJJH M.JD86 M.7D6M M.6EH5 M.M3MD
33 3.MMMM 3.MMMM 3.MMMM M.JJJJ M.JJE7 M.8J8D M.E838 M.M53E
35 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJDM M.HJ38 M.7H8M M.M6JM
X (Nmero de xitos)
P
r
o
b
b
i
!
i
d
d
e
s
"#""
"#"&
"#"(
"#")
"#"+
"#%"
"%&'($)*+,
%
"
%
%
%
&
%
'
%
(
%
$
%
)
%
*
%
+
%
,
&
"
&
%
&
&
&
'
&
(
&
$
&
)
&
*
&
+
&
,
'
"
'
%
'
&
'
'
'
(
'
$
'
)
'
*
'
+
'
,
(
"
LAMBDA - &"
9
36 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJJ6 M.D8E7 M.8D37 M.M883

3E 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJJD M.J387 M.HH5M M.3MEJ
37 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJJJ M.J736 M.DEEE M.3787
38 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JH6M M.DJDH M.5533
3H 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JD7H M.J6HM M.5JHM
3D 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJ5D M.J858 M.6D3E
3J 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJ87 M.JHDH M.EHM6
5M 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJDE M.JDDE M.77J3
53 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJJ6 M.JJ6J M.8E6H
55 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJJH M.JJHM M.H5M8
56 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJJJ M.JJD7 M.HDH7
5E 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJJ6 M.DE65
57 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJJH M.DDHD
58 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJJJ M.J553
5H 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJJJ M.JEH7
5D 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.J87H
5J 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JHD5
6M 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JD87
63 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJ3J
65 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJ76
66 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJH6
6E 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJD7
67 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJJ5
las probabilidades acumuladas ueron -alladas usando la uncin de
distribucin$
= =

=
,..., ..., , 2 , 1 , 0 :
!
) ( ) (
0
x
0 x
0 0
0
x x
x
e x X P x F
x
esta uncin de distribucin suma las probabilidades simples en la orma

siguiente$
Para 1 =
PN9 B M4 B M.68HJ
PN9 34 B M.68HJ2 M.68HJ B M.68HJ 2 M.68HJ B M.H67D
PN9 54 B M.68HJ2 M.68HJ 2 M.3D6J B M.H67D 2 M.3D6J B M.J3JH
PN9 64 B M.68HJ2 M.68HJ 2 M.3D6J 2 M.M836 B M.J3JH 2 M.M836 B M.JD3M
* as sucesivamente.
#n consecuencia, las probabilidades simples pueden ser deducidas de las
tablas acumuladas$
PN9 B 64 B PN9 64 . PN9 54 B M.JD3M P M.J3JH B M.M836
PN9 B 54 B PN9 54 . PN9 34 B M.J3JH P M.H67D B M.3D6J
PN9 B 34 B PN9 34 . PN9 M4 B M.H67D P M.68HJ B M.68HJ
PN9 B M4 B M.68HJ
#=#MP/>
#l promedio de clientes !ue van a la ventanilla de un %anco por minuto
es de 5 clientes. @"ul es la probabilidad de !ue durante un minuto
dado$G
a4 &o aparezcan clientes.
b) Aparezcan a lo ms 6 clientes.
c4 Aparezcan por lo menos E clientes
+olucin$
9 $ n:mero de clientes !ue van a la ventanilla de un %anco.
2 = clientes por minuto.
luego,
/as probabilidades pedidas son$
Para a4 PN9 B M4, para b4 PN9 54 * para c4 PN9 E4 las cual sern
-alladas mediante las tablas mostradas arriba. #n cual!uiera de las
tablas debe tenerse en cuenta el valor de .
Para -allar PN9 B M4 !ue es una probabilidad simple se recurre a la
tabla de probabilidades simples teniendo en cuenta !ue, 2 = .
/uego por el proceso explicado para el modelo %inomial se encuentra
!ue la probabilidad pedida es PN9 B M4 B M.3676.
"uando se -alla una probabilidad acumulada, tal como es el caso
) 2 ( X P
, se usa la tabla de probabilidades acumuladas. "omo en
la tabla se tiene las probabilidades menores o iguales -asta el valor de
9 dado, se encuentra !ue PN9 54 B M.8H8H.
Una probabilidad tal como el caso de PN9 E4, se -alla por
complemento, en la orma siguiente$
PN9 E4 B 3 . PN9 O E4 B 3 P PN9 64 B 3 P M.D7H3 B M.3E5J
4.1 MODELO DE PROBABILIDAD BINOMIAL NE2A-I"A
#l modelo de probabilidad %inomial &egativa se utiliza cuando se desea -allar
la probabilidad del R(simo (xito en la :ltima realizacin del evento el cual ue
realizado un n:mero de veces. Algunos de estos casos pueden ser los
siguientes$
a4 "uando se desea -allar la probabilidad de obtener el segundo artculo
deectuoso en la observacin del veinteavo artculo producido.
b4 +i se desea encontrar la probabilidad de !ue en la anotacin del lugar de
residencia del tercer nio este sea el segundo nio natural de otra
ciudad.
c4 +i se !uiere obtener la probabilidad de !ue un paciente pierda el sentido
por segunda vez cuando le ocurre la tercera convulsin.
d4 +i se !uiere conocer la probabilidad de !ue el tercer estudiante a !uien
se le va a realizar una evaluacin sea el segundo desaprobado.
Puede usarse el modelo %inomial &egativo en el estudio de los casos cu*as
caractersticas son similares a las del modelo %inomial * !ue se reproducen a
continuacin$
pueden clasiicar en dos categoras, (xitos * racasos * las
observaciones !ue se realicen deben estar enmarcadas dentro de una
de las dos categoras.
64 /os eventos tienen la misma probabilidad de ocurrencia en cada
intervalo de tiempo, longitud, rea, volumen o circunstancia.
E4 /a prueba est dirigida a la obtencin de los R.(xitos !ue se suceden
-asta la :ltima repeticin del evento.
74 /os elementos son seleccionados al azar, por lo cual, los eventos son
independientes.
#l modelo de probabilidad %inomial &egativo, est deinido por la siguiente
expresin$
x &
q p
&
x &
& ' P & f p n & B

+
= = = =
1
1
) ( ) ( ) , , (
... , 3 , 2 , 1 : &

... , 2 , 1 , 0 : x
donde$
: " p n
parmetros
: &
n:mero de resultados avorables -asta la
n
. (sima inspeccin
ordenada.
: x
n:mero de resultados no avorables -asta la
n
. (sima inspeccin
ordenada.
: n x & = +
n:mero de inspecciones ordenadas.
con el modelo %inomial &egativo se -allan las probabilidades de !ue -asta la
:ltima ocurrencia del evento, ocurra el & .(simo resultado avorable dado !ue
en la poblacin ocurrieron
p
resultados avorables.
Ne3a!i'a.
ocurrencia -asta encontrar al menos & resultados avorables -asta la :ltima
realizacin del evento. #st dada por$
+
= =
0
1
0 0
1
1
) ( ) (
&
&
x &
q p
&
x &
& ' P & F

0
..., , 2 , 1 & & =
por ejemplo, si
2
0
= &
* 1 = x
+
= =
2
1
1
1
) 2 ( ) 2 (
&
x &
q p
&
x &
' P F

1 2 2 1
1 2
1 1 2
1 1
1 2 1
q p q p

+
+
+
=

1 2 2 1
1
2
0
2
q p q p

=
MEDIA 4 "ARIAN5A
/a media de este modelo es$

p
p &
X E
) 1 (
) (

=

* la varianza es$
2
) 1 (
) (
p
p &
X V

=
#=#MP/>
Un inorme sobre planiicacin amiliar en una ciudad revela !ue de
cada 6 madres de amilia 5 de ellas usan anticonceptivos * una no. #n
una Unidad 0ecinal de dic-a ciudad debe aplicarse una entrevista para
indagar sobre esta utilizacin. +i se selecciona para tal in a 6 madres
de amilia en orma aleatoria.
a4 @"ul es la probabilidad de !ue la tercera madre entrevistada sea
la primera !ue usa anticonceptivosG.
b4 @"ul es la probabilidad de !ue la tercera madre entrevistada sea
la segunda !ue no usa anticonceptivosG.
c4 @"ul es la probabilidad de !ue al entrevistar a la tercera persona
esta sea a lo ms la segunda madre !ue usa anticonceptivosG.
+>/U"1>&
a4 #n esta solucin,
3 2 = p
es la proporcin de madres de
amilia !ue usan anticonceptivos *
3 1 = q
es la proporcin de
madres de amilia !ue no usan anticonceptivos. Ambos valores
para la ciudad.
+e tiene adems !ue 1 = & * 3 = + x & luego, 2 = x
Keemplazando tendremos,
0741 . 0
27
2
3
1
3
2
1 1
1 2 1
) 1 (
2 1
= =
+
= = & P
)a* una probabilidad del H.E3F de !ue en la tercera entrevista se
encuentre una madre !ue usa anticonceptivos.
Utilizando los resultados del espacio muestral !ue se muestran en
el diagrama de rbol Nresultados con aspa4, se demostrar !ue la
probabilidad obtenida concuerda con la probabilidad -allada.
?einimos para ello el evento$
: E /a tercera madre entrevistada es la primera madre !ue usa
anticonceptivos.
#ntonces$
# , $ ( ( ( ( ( ( E =
donde
: ( Madre !ue usa anticonceptivos
: ( Madre !ue no usa anticonceptivos
/uego
27
2
) (
) (
) ( =
=
n
E n
E P
!ue concuerda con la probabilidad -allada mediante el modelo
binomial negativo.
(
(
( (
(
(
( (
(
(
(
(
(
(
( (
(
(
( (
(
(
(
(
(
(
( (
(
(
( (
(
(
(
(
(
(
( (
(
(
( (
(
(
(
(
(
(
(
(((
(((
( ((
(((
(((
( ((
( ( (
( ( (
( ( (
(((
(((
( ((
(((
(((
( ((
( ( (
( ( (
( ( (
(( (
(( (
( ( (
(( (
(( (
( ( (
( ( (
( ( (
( ( (


b4 #n este caso, 2 = & , 3 = + x & de donde 1 = x con
3 1 = p
*
3 2 = q
, entonces se tendr$
27
4
3
2
1
2
3
2
3
1
1 2
1 1 2
) 2 (
1 2
=
+
= = & P
1481 . 0 =
)a* una probabilidad del 3E.D3F de !ue en la tercera entrevista
se encuentre la segunda madre !ue no usa anticonceptivos.
/os resultados correspondientes al evento E en el espacio
muestral son -allados como sigue$
: E /a tercera madre entrevistada no usa anticonceptivos
# , , , $ ( ( ( ( ( ( ( ( ( ( ( ( E =
* la probabilidad es,
27
4
) (
) (
) ( =
=
n
E n
E P
c4 #sta pregunta corresponde a una probabilidad acumulada para
1 = & * 2 = & con
3 1 = p
*
3 2 = p
. #sta se -alla
como sigue$
2 1 2 1
3
2
3
1
1 2
1 1 2
3
2
3
1
1 1
1 1 1
) 2 (

+
+
+
= & P

263 . 0
27
8
27
4
27
4
= = + =
/a probabilidad de !ue en la tercera entrevista a lo mas dos
madres usen anticonceptivos es del 5J.86F.
#=#K"1"1>+ PK>PU#+L>+$
34 /os participantes a un curso de capacitacin en normas administrativas el
ao pasado aprobaron en un 86F. +i al examen de este curso !ue se -a
desarrollado en el mes anterior se presentan todos los alumnos para ser
evaluados, @cul es la probabilidad de !ue$
a4 #l tercer alumno sea el primer aprobadoG.
b4 #l !uinto alumno sea el segundo desaprobadoG.
c4 #l primer alumno sea el primer desaprobadoG.
d4 A lo ms el !uinto alumno evaluado sea el tercer desaprobadoG.
e4 A lo ms el tercer alumno evaluado sean el segundo aprobadoG.
54 Un medicamento produce convulsiones en el 7F de los pacientes !ue
suren de presin alta. #ste medicamento debe ser administrado a un
grupo de estos pacientes, -alle las probabilidades de !ue$
a4 #l tercer paciente sea el primero a !uien le produce convulsiones.
b4 #l segundo paciente sea el primero a !uien no le produce
convulsiones.
c4 A lo ms al tercer paciente sea el segundo a !uien le produce
convulsiones.
64 #n una ciudad, el trimestre pasado, el organismo correspondiente -a
detectado !ue 6 de cada 37 lugares comerciales de abarrotes tienen
licencia para realizar dic-o comercio. #ncuentre las probabilidades de !ue
al inal del presente trimestre$
a4 #l tercer lugar comercial inspeccionado sea el segundo !ue no
cuenta con licencia.
b4 #l !uinto lugar comercial inspeccionado sea el primero !ue cuenta
con licencia.
c4 A lo ms el cuarto lugar comercial sea el segundo !ue cuenta con
licencia.
E4 +e -a conirmado !ue en los lugares marginales E de 5M viviendas roban
agua potable. A in de conirmar esta razn se escoge un lugar marginal
para realizar la inspeccin. )alle las probabilidades siguientes$
a4 /a tercera vivienda inspeccionada sea la segunda !ue roba agua
potable.
b4 /a tercera vivienda inspeccionada sea la segunda !ue no roba agua
potable.
c4 /a tercera vivienda inspeccionada sea a lo ms la segunda vivienda
!ue no roba agua.
74 Una encuesta en una ciudad sobre el uso de un detergente indica !ue 6
de 6M madres de amilia lo preieren por tener una ragancia agradable.
Un grupo de madres es seleccionada al azar para preguntarles sobre esta
preerencia. #ncuentre las siguientes probabilidades$
a4 /a tercera madre sea la segunda !ue preiere el detergente sin tener
en cuenta la ragancia.
b4 /a primera madre sea la primera !ue preiere el detergente teniendo
en cuenta la ragancia.
c4 /a !uinta madre sea a lo ms la tercera madre !ue preiere el
detergente por su ragancia.
84 #n una exposicin natural de nios a una enermedad estomacal
contagiosa se encontr !ue 35 de 66 nios contrajeron dic-a enermedad.
#n una escuela se -a detectado !ue algunos de los nios tienen esta
enermedad contagiosa * el ?irector de la #scuela decide !ue sean
examinados todos los nios expuestos. )alle las probabilidades
siguientes$
a4 #l tercer alumno examinado sea el segundo contagiado.
b4 #l tercer alumno examinado sea el primer no contagiado.
c4 Al tercer alumno examinado se encuentre a lo ms dos no
contagiados.
d4 Al tercer alumno examinado se encuentre al menos 5 contagiados.
4.6 MODELO DE PROBABILIDAD 7IPER2EOME-RI*O
#s un modelo de probabilidad !ue se usa en el estudio de experimentos !ue
tienen las siguientes caractersticas$
34 /os resultados del experimento se pueden clasiicar en dos categoras$
(xitos * racasos.
54 /as
n
pruebas, inspecciones o extracciones son sin
reemplazamiento.
64 /a prueba est dirigida a los
x
(xitos.
#l modelo de probabilidad -ipergeom(trico, est deinido por la siguiente
rmula$
= = = =
n
x n
&
x
&
x X P & f & n x ) ) ( ) ( ) , , , (
& x ..., , 2 , 1 , 0 :
& x n
: , , & n
parmetros
donde$
&:mero de ormas posibles de obtener una muestra de tamao n o

n:mero de muestras posibles !ue se pueden obtener de la poblacin.
x
&
&:mero de ormas posibles de obtener x elementos de la clase & .
x n
&
&:mero de ormas de obtener x n elementos de la clase
& .
/os casos avorables en !ue la muestra tiene
x
elementos ser$
x n
&
x
&
Ne3a!i'o.
ocurrencia -asta encontrar al menos
x
(xitos. #st dada por$
= =
0
0
0 0
) ( ) (
x
x
n
x n
&
x
&
x X P x F
por ejemplo$
si
2
0
= x
= =
2
0
) 2 ( ) 2 (
x
n
x n
&
x
&
X P F

=
n
n
& &
n
n
& &
n
n
& &
2 2 1 1 0 0
"alor E#erado$
en la muestra< est dado por la rmula$

= =
= =
&
x
&
x
n
x n
&
x
&
x x f x X E
0 0
) ( ) (
&
n =

#s la variacin del n:mero de (xitos !ue se espera encontrar en la muestra.
/a rmula para calcular la varianza es$
= =
n&
&
n
X V
1
) (
2
/a desviacin estndar es la raz cuadrada de la varianza,

2
. . = = E D
#l coeiciente de variacin est dado por$
100 *
) (
.% .
X E
V C

=
#=#MP/>
?e entre un grupo de 35 nios, -ijos de madres solteras, 6 son nias.
+i se extrae una muestra aleatoria de 6 nios sin reemplazamiento,
@cual es la probabilidad de !ue$
a4 sean seleccionadas 5 niasG.
b) no sea seleccionada ninguna niaG.
c) sea seleccionado un nioG.
d) sean seleccionadas a lo ms 5 niasG.
+>/U"1>&
a4 3 = & , 3 = n , 12 = * 2 = x
1227 . 0
220
27
3
12
1
2
3
) 2 ( = =
= = X P
)a* una probabilidad del 35.5H F de !ue en la muestra se encuentre a
5 nias.
b4 3 = & , 3 = n , 12 = * 0 = x
3818 . 0
220
84
3
12
3
0
3
) 0 ( = =
= = X P
)a* una probabilidad del 6D.3D F de !ue en la muestra no se
encuentre a ninguna nia.
c4 = & , 3 = n , 12 = * 1 = x
1227 . 0
220
27
3
12
2
3
1
) 0 ( = =
= = X P
)a* una probabilidad del 35.5H F de !ue en la muestra se encuentre a
3 nio.
d4 3 = & , 3 = n , 12 = * 2 x
=
3
12
1
2
3
3
12
2
1
3
3
12
3
0
3
) 2 ( X P
7364 . 0
110
81
220
27
220
108
220
27
= = + + =
)a* una probabilidad del H6.8E F de encontrar en la muestra a lo ms
5 nias.
#=#K"1"1>+ PK>PU#+L>+$
34 ?e un conjunto de 37 viviendas de las cuales se sospec-a
!ue 7 medidores de agua potable estn alterados, son seleccionados al
azar 6 medidores. )alle$
a4 /a probabilidad de encontrar en la muestra un medidor alterado.
b4 /a probabilidad de no encontrar en la muestra ning:n medidor
alterado.
c4 /a probabilidad de encontrar en la muestra al menos un medidor
alterado.
d4 /a probabilidad de encontrar en la muestra a lo ms 5 medidores
alterados.
e) #l promedio, la varianza, la desviacin estndar * el coeiciente de
variacin probables para el n:mero de medidores alterados.
54 Un grupo de 5M pacientes son tratados para disminuir el
colesterol con una medicina natural. +e estima !ue con el tratamiento 35
de los pacientes deben ser curados. Una muestra de H pacientes son
escogidos al azar. )alle$
a4 /a probabilidad de encontrar en la muestra 6 pacientes curados.
b4 /a probabilidad de encontrar en la muestra a ning:n paciente curado.
c4 /a probabilidad de encontrar en la muestra a lo ms dos pacientes
!ue no ueron curados.
d4 #l promedio probable de pacientes !ue no sern curados en la
muestra.
64 Una caja contiene J rascos de un medicamento de los
cuales 6 estn pasados de la ec-a de caducidad. Una muestra de 7
rascos son tomados al azar
a) /a probabilidad de encontrar en la muestra un rasco con ec-a de
caducidad pasada.
b4 /a probabilidad de -allar en la muestra ning:n rasco con ec-a de
caducidad pasada.
c4 /a probabilidad de encontrar en la muestra a lo ms dos rascos con
ec-a de caducidad pasada.
d) #l promedio probable de rascos !ue no tienen ec-a de caducidad
pasada en la muestra.
E4 ?e las 36 enermeras 7 tienen capacitacin proesional en
tratamientos oncolgicos. Un e!uipo de E enermeras debe ser
seleccionado para realizar una campaa ambulatoria respecto de este tipo
de enermedad. )alle$
a4 /a probabilidad de encontrar en el e!uipo una enermera con
capacitacin en tratamientos oncolgicos.
b4 /a probabilidad de encontrar en el e!uipo E enermeras con
capacitacin en tratamientos oncolgicos.
c4 /a probabilidad de encontrar a lo ms en el e!uipo dos enermeras
con capacitacin en tratamientos oncolgicos.
d4 #l promedio probable de enermeras !ue tienen capacitacin en
tratamientos oncolgicos en la muestra.
74 ?e las 53 madres !ue surieron maltratos por el esposo, H
son menores de edad. Una muestra de D madres son seleccionadas para
recibir tratamiento psicolgico. #ncuentre$
a) /a probabilidad de encontrar en la muestra 5 madres menores de
edad !ue surieron maltrato por el esposo.
b) /a probabilidad de no encontrar en la muestra ninguna madre menor
de edad !ue suri maltrato por el esposo.
c4 /a probabilidad de encontrar al menos dos madres menores de edad
!ue surieron maltrato.
d4 #l promedio * el coeiciente de variacin probables para el n:mero de
madres menores de edad en la muestra.
84 ?e un grupo de 5M inscritos para el programa Lec-o
Propio solamente 3M deben ser aprobados para ser beneiciados. ?e la
lista de los 5M inscritos se -a tomado una muestra al azar de 8 personas
las cuales deben ser sometidas a la caliicacin. )alle$
a4 /a probabilidad de !ue en la muestra se encuentre a uno de los
inscritos !ue tenga la suerte de ser aprobado en la caliicacin.
b4 /a probabilidad de !ue en la muestra se encuentre a tres inscritos
!ue tendrn la suerte de ser aprobados en la caliicacin.
c4 /a probabilidad de !ue en la muestra a lo ms se encuentre a 6
inscritos !ue tendrn la suerte de ser aprobados en la caliicacin.
d4 #l promedio probable de inscritos en la muestra !ue tendrn la suerte
de ser aprobados en la caliicacin.
H4 ?e un grupo de H pacientes, E provienen de zonas rurales * los restantes
son de zona urbana. Una muestra al azar de 6 pacientes debe ser
seleccionada. #ncuentre la probabilidad de !ue en la muestra$
a4 Uno de los pacientes seleccionados sea de zona urbana.
b4 A lo ms dos de los pacientes sean de zona rural.
c4 +i no son dos los pacientes de zona urbana por lo menos uno !ue
sea de zona rural.
4.8 MODELO DE PROBABILIDAD NORMAL 2ENERAL
#l modelo de probabilidad normal es de carcter continuo !ue posee las
siguientes caractersticas$
a4 'ricamente el modelo de probabilidad normal tiene una orma asinttica
* sim(trica en orma de campana.
b4 Liene como parmetros a la media * varianza de la variable aleatoria.
c4 #l punto medio bajo la curva es la media o valor esperado
* la orma
de la curva !ueda determinada por la varianza. %ajo esta curva se cumple
!ue la media es igual a la mediana * a la moda, esto es,
*o *e = =
por ser unimodal * sim(trica.
d4 /as recuencias estn concentradas en ma*or proporcin en la parte
central de la curva * los valores a la iz!uierda * derec-a de la media estn
igualmente distribuidos.
e4 #l n:mero de sucesos en estudio mediante la curva normal puede ser
ininitamente grande.
X
4 Liene dos puntos de inlexin en

.
g4 /a probabilidad o recuencia relativa de la ocurrencia de un suceso es
medida de acuerdo con el tamao del rea !ue representa el suceso bajo
la curva.
-4 /a curva normal de una poblacin puede ser estimada mediante la curva
normal de una muestra.
i4 /as reas bajo la curva normal son generalmente expresadas en orma de
intervalos como sigue$
#n el intervalo
+ < < x
se -alla el 8D.6F de los valores de la
poblacin, en el intervalo
2 2 + < < x
el J7.7F * en el
intervalo
3 3 + < < x
el JJF de los valores.
Funcin de denidad de Probabilidad
+i X es la variable aleatoria, el modelo de probabilidad normal tiene como
uncin de densidad de probabilidad a la expresin$
2
2
1
2
2
1
) ( ) , , (

= =

x
e x f x
para
< < x
como se dijo lneas arriba
*
2
son los parmetros.

/a uncin de densidad de probabilidad normal satisace las siguientes
propiedades$
)+#' .
,$#$ .
,,#" .
X
+
2 +
3 +

2
3
i4 /as probabilidades normales son positivas en cual!uier valor del dominio
de la variable aleatoria.
ii4
1
2
1
2
2
1
=
+x e
x
Funcin de di!ribucin
#l modelo de probabilidad normal acumulado est dado por$
+y e x X P x F
x
y
= =
2
2
1
2
1
) ( ) (

"alor e#erado
#l valor esperado de una variable aleatoria normal debe ser calculado con la
rmula$
= =
+x e x X E
x
2
2
1
2
1
) (
"arian%a
2 2 2
) ( ) ( = = X E X V
De'iacin e!(ndar
2
=
*oe+icien!e de 'ariacin
100 * % ) .( .
= X V C
4.9. MODELO DE PROBABILIDAD NORMAL ES-ANDAR
#l modelo de probabilidad normal general est dado para la variable aleatoria
X !ue conserva sus unidades originales * la integracin sobre esta variable
para -allar las probabilidades implicar un trabajo tedioso * en algunos casos
ser una integracin mu* complicada. A in de simpliicar esta labor es
conveniente transormar la variable X a la variable Z con la siguiente
expresin$

=
X
Z
!ue es conocida como transormacin estndar. #sta transormacin cambia el
origen al punto cero * a las desviaciones de los valores originales los expresa
como una proporcin de la desviacin estndar. "on esta transormacin,
cual!uier curva normal de la orma general puede ser convertida a la curva
normal estndar con dic-o cambio de escala.
Funcin de denidad de #robabilidad
/a uncin de densidad de probabilidad para la variable aleatoria estndar Z
est dada por la siguiente orma$
2
2
1
2
1
) ( ) 1 , 0 , (
,
e , f ,

= =
con < < ,

Para -allar la uncin de distribucin se integrar en la orma siguiente$
+- e , Z P , F
,
-
= =
2
2
1
2
1
) ( ) (
Media o 'alor e#erado

0 ) ( =
X
E Z E
"arian%a
1 ) (
2
=

= =
X
V Z V
Por tanto, la variable X es ) , (
2
* la variable Z es
). 1 , 0 (

Mane:o de !abla
"omo prembulo al manejo de tablas de este modelo * de los siguientes !ue
se traten, es necesario mencionar !ue las probabilidades pueden ser
determinadas mediante tablas !ue en la ma*ora de textos de estadstica son
publicadas * !ue a decir verdad estn limitadas por no abarcar con la totalidad
de valores * en esos casos, es preerible recurrir a alg:n pa!uete estadstico u
otro !ue como el #9"#/ permiten -allar las probabilidades, los puntos * las
ordenadas con una mejor aproximacin. #n estos pa!uetes se tiene una lista
de los modelos !ue recuentemente son usados * a algunos otros. #n los
ejemplos posteriores, cabe indicar !ue se usar, seg:n si el caso lo re!uiere,
un pa!uete o las tablas !ue se presentan al inal de este libro.
Para -allar probabilidades o reas bajo cual!uier curva normal general se
debe utilizar la tabla para la curva normal estndar teniendo en cuenta !ue$
a4 /a probabilidad bajo la curva normal para todo el eje S es igual a uno,
esto es,
1 ) ( = < < Z P
.
b4 /a probabilidad para cual!uier punto individual es igual a cero, es decir,, si
a
es un punto cual!uiera en el eje Z ,
0 ) ( = = a Z P
.
c4 /a probabilidad para cual!uier intervalo es expresada como$
) ( ) ( ) ( ) ( ) ( a F . F a Z P . Z P . Z a P = < < = < <
d4
) ( 1 ) ( a Z P a Z P < =
#=#MP/>
Una variable aleatoria X !ue representa al gasto amiliar Nen soles4
sigue una distribucin ) 60 , 435 (
2
. )alle$
a4 /a probabilidad de !ue una persona gaste de 6DM soles a ms.
b4 /a probabilidad de !ue una persona gaste una cantidad menor a
68M soles.
c4 & * X si
40 . 0
60
435
=
&
X
P
+>/U"1>&
435 =
* 60 =
a
.
a
) ( a Z P ) ( 1 a Z P <
a4
)
60
435 380
60
435
( ) 380 (

>
= >
X
P X P

) 167 . 0 ( )
60
435 380
( > =
> = Z P Z P

) 167 . 0 ( 1 = Z P
utilizando un sotTare estadstico se obtiene la probabilidad para el
punto estandarizado, la cual es
17650 . 0 ) 167 . 0 ( = Z P
,
!ue al reemplazarla se obtiene la probabilidad buscada$
8204 . 0 17650 . 0 1 = =
/a probabilidad de !ue una persona tenga un gasto amiliar de ms de
6DM soles es del D5.ME F.
?ebe tenerse presente !ue la grica de la variable gasto amiliar
estandarizado es la e!uivalente a la grica de la variable gasto amiliar
en su orma original, tal como se muestra enseguida<
b4
)
60
435 360
60
435
( ) 360 (

<
= <
X
P X P
8204 . 0
435 = 380
X

) 65 . 1 ( )
60
435 360
( < =
< = Z P Z P
04471 . 0 =
/a probabilidad de !ue una persona tenga un gasto amiliar de menos
de 68M soles es del E.J7F.
c4
( ) 40 . 0
60
435
= =
& Z P &
X
P
#l valor de & es un punto normal estndar !ue se encuentra en la
tabla para una probabilidad de M.EM, el cual es$
25 . 0 = &
el valor de X se despeja de la variable Z , el cual se iguala como se
muestra enseguida,
25 . 0
60
435

X
de donde se obtiene,
50 . 433 ) 25 . 0 ( 60 435 60 435 = = + Z X
Por tanto,
40 . 0 25 . 0
60
435 50 . 433
=
P
#=#K"1"1>+ PK>PU#+L>+$
34 /as notas del segundo PA de los E8 estudiantes del curso de "lculo de
Probabilidades se distribu*en seg:n una distribucin de probabilidad &Nx,
36, EJ4. +i los estudiantes deben de rendir el Lercer PA.
a4 )alle e interprete las probabilidades siguientes$
i4 ?e !ue un alumno obtenga una nota menor de 35.
ii4 ?e !ue un alumno sea desaprobado con nota menor de MD.
iii4 ?e !ue un alumno sea aprobado con nota ma*or de 33.
iv4 ?e !ue un alumno obtenga una nota ma*or de 36 * menor de 3D.
b4 +i el Proesor indica !ue aprobar al HMF de los estudiantes sin
importar !ue la nota sea desaprobatoria, @"ul ser la nota mnima
para esta aprobacinG. @"untos alumnos probablemente sean
aprobadosG.
c4 @"untos alumnos probablemente aprueben el PA con nota ma*or de
37G.
d4 ?etermine las notas !ue probablemente establezcan una
concentracin del JMF alrededor de la nota promedio. @"ul es la
amplitud o intervalo para esta concentracinG.
e4 ?etermine las notas !ue probablemente establezcan el 3MF de
desvo signiicativo por encima o por debajo de la nota promedio.
64 Al graicar el -istograma de recuencias para la distribucin de las
ganancias Nen soles4 por la venta de un artculo, !ue realiz un vendedor
durante los 687 das del ao pasado, se aprecia !ue estas siguen un
modelo &Nx, 66, 3MM4.
a4 @"ul es la probabilidad para !ue en un da cual!uiera del siguiente
ao$
i4 'ane mas de 66 solesG.
ii4 'ane menos de 5M solesG
iii4 'ane al menos 5M solesG
iv4 'ane entre 3M * 5M solesG
v4 &o gane menos de 57 ni mas de 67 solesG
vi4 'ane entre 5M * 6M soles o entre EM * 7M solesG
b4 @#n cuntos das probablemente gane menos de 5M solesG.
c4 #n cuntos das gane probablemente entre 5M * EM solesG
d4 ?etermine los lmites para todas las ganancias !ue determinen una
concentracin del J7F alrededor de la ganancia promedio. @"untas
ganancias probablemente se -allan dentro de esta concentracinG.
e4 +i el vendedor airma !ue el 6MF de sus ganancias sern superiores
al promedio del ao pasado, @#n cuntos das se espera !ue tenga
estas gananciasG.
E4 Kealice un comentario de la concentracin o dispersin de datos para la
alta de peso Nen gramos4 en nios desnutridos !ue siguen una
distribucin normal de acuerdo a las siguientes gricas$
a4 +i la alta de peso sigue una distribucin normal
) 100 , 500 , (
2
x
b4 +i la alta de peso sigue una distribucin normal
) 100 , 500 , (
2
x .
c4 +i la alta de peso sigue una distribucin normal ) 1 , 500 , (
2
x .
d4 +uperponga las distribuciones * realice un comentario del
comportamiento de esta variabilidad de la alta de peso.
74 Un estudio sobre el grado de contagio de una enermedad Nmedido en
porcentaje4, por exposicin, en E8 grupos de plantas, mostr los
siguientes datos$
%$#(+ %&#($ %%#)) %$#,, %'#)) %&#), %"#'$ *#', %)#&* %*#%"
+#') *#++ %'#)+ *#)" +#*( %%#%) +#'+ %&#"$ +#,' %'#('
%"#+, )#)( %)#)' %(#%$ *#+%" +#&' %&#') %$#&" %+#") *#()
,#", +#*& %(#+$ +#+, %$#'" %&#*$ %&#&' %&#&$ $#*" %)#&*
+#'% %%#'+ %'#'( %&#"+ %"#"$ %&#')
a4 Para constatar !ue los porcentajes estn distribuidos normalmente,
se debe construir el -istograma de recuencias para los datos, * si el
polgono de recuencias tiene aproximadamente la orma de una
curva normal se dice !ue los datos siguen una distribucin normal
con la media * varianza calculada con los datos. #l grico siguiente
puede mostrar visualmente esta idea.
"onstru*a el -istograma de recuencias mediante la /e* de +turges
en donde la amplitud intervlica debe ser -allada mediante
1
=
&
/
c
* los datos menor * ma*or, deben !uedar en el centro de
sus respectivos intervalos. @Podra Ud. decir !ue es normal el
contagio de la enermedadG.
b4 +i el porcentaje de contagio se distribu*ese exactamente mediante un
curva normal, se tendran los siguientes porcentajes de probabilidad$
#n el intervalo
+ < < x
el 8D.6F del 3MMF de los
porcentajes de contagio.
#n el intervalo
2 2 + < < x
el J7.7F del 3MMF de los
#n el intervalo
3 3 + < < x
el JJF del 3MMF de los
Aprecie !ue los porcentajes de probabilidad estn establecidos por el
intervalo general
& x & + < <
en donde RB3, 5 * 6
respectivamente.
Para los porcentajes de contagio del caso$
i4 1ndi!ue cules son los porcentajes de probabilidad para estos
intervalos * verii!ue si estos cumplen con los porcentajes de
probabilidad tericos. @"ul es el desvo o sesgo del porcentaje
de probabilidad !ue se maniiesta en cada intervaloG.
ii4 +i no se cumpliesen estos porcentajes de probabilidad, @"ul
sera el patrn de este incumplimientoG.
84 Un medicamento para curar una enermedad tiene la siguiente
especiicacin de eectividad
) 3 (
donde
6 . 1 =
pacientes
curados * 3 . 0 = pacientes curados. +i 9 es la variable aleatoria !ue
computa la razn del n:mero de pacientes curados respecto de los
pacientes no curados. )alle las probabilidades en los casos siguientes$
a4 ?e !ue el medicamento tenga una eectividad de menos de 3.7.
b4 ?e !ue el medicamento tenga una eectividad de a lo mas M.7.
c4 ?e !ue el medicamento tenga una eectividad de por lo menos 5.
d4 ?e !ue el medicamento tenga una eectividad de 3.7 a menos 5.6.
e4 @"ules deben ser las razones limites de eectividad si se tiene una
dispersin del E7F por encima * por debajo de la razn promedioG.
H4 Un proceso de abricacin de un jabn tiene una especiicacin del intervalo
) 2 (
donde
80 =
gramos * 4 = gramos. +i 9 es la variable
aleatoria !ue especiica al peso de cada uno de los jabones$
a4 +i se toma del proceso un grupo de 7MM jabones, @"ul es el n:mero
de jabones !ue probablemente superen la especiicacin dadaG.
b4 +i se toma un jabn, @"ul es la probabilidad de !ue pese menos de
H8 gramosG.
c4 +i se toma un jabn, @"ul es la probabilidad de !ue pese mas de JM
gramosG.
d4 @Podra Ud. decir !ue dentro del intervalo de especiicacin -a*
precisinG.
e4 #n un determinado momento se toma un grupo de jabones para
comprobar la exactitud * se determina !ue el grupo tiene un peso
promedio de D5 gramos, @Podra decirse !ue -a* exactitud en el
procesoG.
4 #n otro momento se escuc-a un ruido en el proceso * para constatar
si el proceso est bajo control se toma otro grupo de jabones * se
encuentra !ue el promedio es de DJ gramos * la desviacin estndar
del grupo de 6 gramos, @Podra decirse !ue el proceso es exacto *
preciso Nest bajo control4G.
D4 #n el ao pasado, los gastos X en el sembro de una ruta siguieron un
modelo normal de media 6.78 miles de soles con una desviacin estndar
de M.6E8 miles de soles. #n el presente ao se estima !ue los gastos por
la recesin econmica deben ser ajustados por la ecuacin
X 0 * 3 . 0 4 + = . #stime la media * ?.#. del gasto para el presente ao
en el sembro de la ruta.
4.9 MODELO DE PROBABILIDAD -;S-0DEN-
#l modelo de probabilidad t.+tudent, es un modelo continuo con
caractersticas similares al modelo normal pues la grica tiene una orma
asinttica * sim(trica en orma de campana pero ms espigada !ue la normal.
#l uso de este modelo es para -allar la probabilidad de ocurrencia de datos
!ue proceden de dierencias entre variables donde los grupos comparados son
de tamao pe!ueo N
) 30 < n
, al contrario del modelo normal !ue se usa
para tamaos grandes
) 30 n
.
+i 1 es la variable aleatoria, el modelo t.+tudent tiene como uncin de
densidad de probabilidad a la expresin$
=
2
1
2
2
1
2
2
1
) (
2
t
2
2
2
t f
para < < t

donde t es alg:n valor de la variable aleatoria *
2
!ue son los grados de
libertad es el parmetro. Por ejemplo, la siguiente grica es para una uncin
de densidad de probabilidad t.+tudent con 1 = 2 grado de libertad.
/a uncin de densidad de probabilidad satisace las siguientes propiedades$
i4 /as probabilidades son positivas para cual!uier valor del dominio de la
variable aleatoria, esto es,
0
1 2
3
4 1 2 3 4
1 = 2
1 ) ( 0 t f
ii4

=1 ) ( +t t f
#l modelo de probabilidad t.+tudent acumulado est dado por$
+-
-
2
2
2
t 1 P t F
t
2
2 2

= =
2
1
2
2
1
2
2
1
) ( ) (

#sta expresin -alla las probabilidades -asta el punto
2
t
tal * como se
muestra en el grico$
Mane:o de !abla
/as probabilidades o reas bajo la curva t.+tudent tambi(n se encuentran
calculadas en pa!uetes estadsticos * tablas * de estas :ltimas son obtenidas
interceptando el valor t para los correspondientes grados de libertad. Para
calcular las probabilidades tenga en cuenta adems las siguientes
observaciones$
a4 /a probabilidad bajo la curva t.+tudent con cual!uier grado de libertad *
para todo el eje 1 es igual a uno, esto es,
1 ) ( = < < 1 P
.
1
2
t
b4 Una probabilidad
) (
2
t 1 P
, representa la probabilidad de !ue la
variable 1 tome un valor menor o igual a
2
t
* como vemos con
2
grados de libertad.
c4 +i la probabilidad dada es
) (
2
t 1 P
, esta debe determinarse por
complemento con la rmula
) ( 1
2
t 1 P <
, resumiendo se tiene$
) ( 1 ) (
2 2
t 1 P t 1 P < =
d4 Para -allar un intervalo de probabilidad debe procederse con la operacin
siguiente$
) ( ) ( ) ( a 1 P . 1 P . 1 a P =
#=#MP/>
/a dierencia de pesos Nen Ug.4 entre los conejos de dos razas
despu(s de la realizacin de un experimento, sigue un modelo t.
+tudent con media M. +i se tiene un grupo de 55 conejos en ambas
razas$
2
t
a
.
)alle e interprete las probabilidades para los casos siguientes$
a4 Cue a lo ms se tenga una dierencia de M.37 Ug.
b4 Cue a lo ms se tenga una dierencia de .M.M7 Ug.
c4 Cue por lo menos se tenga una dierencia de M.6M Ug.
d4 Cue la dierencia se encuentre entre M.3M * M.7M Ug.
+>/U"1>&
+ea X la variable aleatoria para el peso de la primera raza * 0 la
variable aleatoria para el peso de la segunda raza. +i D es la
variable aleatoria dierencia de peso dada por 0 X D = !ue sigue
una distribucin t.+tudent, entonces se podrn determinar las
probabilidades pedidas seg:n la tabla para este modelo, con 22 = 2
grados de libertad.
a4 /a probabilidad pedida es,
55834 . 0 ) 15 . 0 ( = < D P
, la cual
se obtuvo interceptando en la ila con 55 grados de libertad * en la
columna para el punto 15 . 0 = t M.37. /uego, se puede decir
!ue, la probabilidad de !ue entre las dos razas de conejos exista a
lo ms una dierencia de peso de M.37 Ug. es del 77.DJ F.
b4 /a probabilidad pedida es
480287 . 0 ) 05 . 0 ( = < D P
obtenida como en a4, la cual se puede interpretar como !ue -a*
una probabilidad del ED.M5 F de !ue a lo ms se tenga una
dierencia de peso del ED.M6 F.
55834 . 0
05 . 0
22
= t
c4 /a probabilidad !ue se pide es
) 30 . 0 ( D P
la cual no se
puede obtener directamente de la tabla * debe ser deducida por
complemento como se detalla enseguida$
) 30 . 0 ( 1 ) 30 . 0 ( < = D P D P
luego,
616503 . 0 ) 30 . 0 ( = < P
por tanto,
38350 . 0 616503 . 0 1 ) 30 . 0 ( = = D P
/a probabilidad de !ue entre las dos razas de conejos exista una
dierencia de peso de por lo menos M.6 Ug. es del 6D.67F.
d4 #n este caso, la probabilidad se encuentra dentro del intervalo de
probabilidad
) 50 . 0 10 . 0 ( < < D P
, el cual se logra de la
manera siguiente$
) 10 . 0 ( ) 50 . 0 ( ) 50 . 0 10 . 0 ( < < = < < D P D P D P

) 10 . 0 ( ) 50 . 0 ( F F =
30 . 0
22
= t
38350 . 0
1461 . 0 53375 . 0 68880 . 0 = =
)a* una probabilidad del 3E.J8 F de !ue la dierencia de peso
entre las dos razas de conejos vare de M.3M a M.7 Ug.
#=#K"1"1>+ PK>PU#+L>+$
34 +i
i i i
0 X + =
, -alle e interprete la media, varianza, desviacin
estndar * coeiciente de variacin para la variable dierencia. Asuma !ue
las variables dadas son normales e independientes.
54 +i 0 X + = , -alle e interprete la media, varianza, desviacin estndar
* coeiciente de variacin para la variable dierencia
64 Un m(todo de enseanza.aprendizaje es aplicado a dos secciones del
Primer 'rado de #ducacin en una #scuela Primaria durante tres meses.
Al inalizar se obtuvo dierencias de caliicativos !ue mostraron la
eectividad del m(todo * !ue luctuaron de acuerdo al modelo t.+tudent. +i
las secciones tienen 3H alumnos en cada una$
)alle e interprete las probabilidades siguientes$
a4 ?e !ue se tenga una dierencia de rendimiento de entre .3a 6 puntos
de la primera seccin sobre la segunda.
b4 ?e !ue se tenga una dierencia de rendimiento en donde la primera
seccin supere en por lo menos 6 puntos a la segunda.
c4 ?e !ue se tenga una dierencia de rendimiento en donde la primera
seccin obtenga a lo ms 5 puntos menos !ue la segunda.
d4 ?e !ue la dierencia de rendimiento de la primera seccin sea de por
lo menos 6 puntos ms sobre la segunda.
E4 /a variedad de arroz &1K.11 es cultivada en dos lugares experimentales
para determinar si su produccin por ). es la misma * en las condiciones
climatolgicas, de suelo, de agua, etc. de cada lugar. /as dierencias de
produccin en ,anegas por ). entre D muestras obtenidas en los dos
lugares experimentales luct:a seg:n el modelo t.+tudent$
#ncuentre e interprete las probabilidades siguientes$
a4
) 1 2 ( < < D P
b4
) 3 o ) 2 ( > < P3D D P
c4
) 3 . 1 ( > D P
d4
) 2 . 2 ( < D P
e4
) 7 . 2 ( > D P
4
) 8 . 0 ( %o > D P
74 /a dierencia en el rendimiento de tarrajeo diario Nen m
5
4 por E maestros
constructores vara de acuerdo el modelo t.+tudent. #ncuentre e
interprete las probabilidades para las dierencias de rendimiento
siguientes$
a4
) 4 1 ( %o < < D P
b4
)) 7 ( " ) 3 ( ( %o > < D P D P
c4
) 5 . 2 ( > D P
d4
) 5 . 2 ( < D P
e4
) 2 . 2 ( > D P
4
)) 2 . 3 ( o ) 1 ( ( %o > < D P D P
4.< MODELO DE PROBABILIDAD F
#l modelo de probabilidad ,, es un modelo continuo !ue puede ser aplicado
para -allar la probabilidad de ocurrencia de datos !ue tienen la orma de
razn, tal como por ejemplo, la razn de produccin entre dos parcelas, la
razn del n:mero de enermos respecto de dos enermedades, la razn de la
tasa de crecimiento de una poblacin, etc. /os datos estadsticos de estos
casos al ser graicados tienen una orma !ue puede ser ajustada mediante el
modelo ,.
+ea F la variable aleatoria, la uncin de densidad de probabilidad para este
modelo tiene la expresin siguiente$
=
2
2
1 2
2
2
2
1
2 1
2 1
1
1
2 2
2
2 1
) (
2 2
2
2
f
2
2
f
2
2
2 2
2 2
f 4

para
< < f 0
donde
f
es alg:n valor de la variable aleatoria F ,
1
2 son los grados de
libertad del numerador *
2
2 son los grados de libertad del denominador. Por
ejemplo, la siguiente grica es para una uncin de densidad de probabilidad
para 10
1
= 2 * 10
2
= 2 grados de libertad.
/a uncin de densidad de probabilidad satisace las siguientes propiedades$
1 ) ( 0 f 4
ii4

=1 ) ( +f f 4
#l modelo de probabilidad , acumulado est dado por$
=
-
2 2
2
2
-
2
2
-
2
2
2 2
2 2
f 5
0
2
2
1 2
2
2
2
1
2 1
2 1
1
1
2 2
2
2 1
) (
2 1
,2 2
f
tal * como se
Mane:o de !abla
/os pa!uetes estadsticos * las tablas de probabilidades sirven para -allar las
probabilidades dados los puntos o viceversa. "omo se dijo antes los pa!uetes
no tienen limitaciones ni problemas de precisin para -allar estos valores, sin
embargo, debe tenerse en cuenta las siguientes observaciones !ue se dan
enseguida, para -allar las probabilidades$
a4 #l rea bajo la curva en el intervalo < < F 0 es igual a uno.
b4 #l rea sombreada de la igura !ue se da enseguida representa a la
probabilidad de !ue la variable aleatoria F tome valores menores o
iguales !ue el valor
2 1
,2 2
f
!ue se indica como
) (
2 1
,2 2
f F P <
.
c4 #l rea para todos los valores de la variable aleatoria F ma*ores o
iguales !ue
2 1
,2 2
f
!ue se representa por
) (
2 1
,2 2
f F P
puede ser
calculada por complemento considerando la expresin de la observacin
anterior, esto es,
) ( 1 ) (
2 1 2 1
, , 2 2 2 2
f F P f F P < =
.
d4 Para -allar la probabilidad en el intervalo . F a < < simbolizada por
) ( . F a P < <
debe utilizarse la expresin$
) ( ) ( ) ( ) ( ) ( a F . F a F P . F P . F a P = < < = < <
?ado !ue en algunas tablas no existen valores tabulados para
probabilidades menores de M.7, puede utilizarse en tal caso la rmula$
a
.
< =
= <
1 2
2 1
2 1
, ,
, ,
, ,
1
1
1 1
) (
2 2
2 2
2 2
f
F
P
f F
P f F P

de donde se deduce !ue

2 1
1 2
, ,
, ,
1
2 2
2 2
f
f
=
para lo cual se -a deinido primeramente lo siguiente$
= < ) , (
2 1
,2 2
f F P
= ) , (
2 1
,2 2
f F P
#=#MP/>
/a razn de la produccin de un cereal en los 3E undos de cada uno
de los dos lugares en observacin, tiene una luctuacin !ue vara en
el intervalo de M a ms Lns. por ). )alle la probabilidad de !ue$
a4 +e tenga una razn produccin de a lo ms 5.7 toneladas.
b4 +e tenga una razn de produccin de ms de 3.H toneladas.
c4 +e tenga una razn de produccin de entre 5 a 6.6 toneladas.
+>/U"1>&
a4 /a probabilidad !ue se busca es para la razn
5 . 2
14 , 14
= f
la
cual es M.J7338D, esto es,
51168 . 0 ) 5 . 2 ( = F P
.
5 . 2
14 , 14
= f
51168 . 0
2 1
, , 2 2
f

/a probabilidad de !ue las razones de produccin sean menores
de 5.7 es del J7.33 F.
b4 /a probabilidad para las razones de produccin ma*ores de
7 . 1
14 , 14
= f
, debe obtenerse como sigue$
16612 . 0 833885 . 0 1 ) 7 . 1 ( 1 ) 7 . 1 ( = = < = > F P F P
,
c4 /a probabilidad para el intervalo de razn de produccin se
obtiene como se muestra enseguida$
087152 . 0 ) 2 ( ) 3 . 3 ( ) 3 . 3 2 ( = < < = < < F P F P F P
#=#K"1"1>+ PK>PU#+L>+
34 /a razn de la tasa de crecimiento de dos poblaciones durante los 37
aos anteriores vara seg:n un modelo ,. Para el presente ao, -alle las
7 . 1 ) 14 , 14 ( = f
16612 . 0
2
14 , 14
= f 3 . 3
14 , 14
= f
087152 . 0
a4 /a razn de la tasa de crecimiento de la poblacin sea ma*or de 6.H
b4 /a razn de la tasa de crecimiento de la poblacin sea menor de 3.5
c4 /a razn de la tasa de crecimiento de la poblacin vare de 5.3 a 6.5
d4 /a razn de la tasa de crecimiento de la poblacin sea menor de M.E
54 Para un comedor popular, las 3M razones del peso de nios respecto del
peso de las nias ueron modeladas mediante el modelo ,. +i es tomada
una pareja de nios de ambos sexos al azar, determine las probabilidades
de !ue$
a4 /a razn del peso sea menor de M.J
b4 /a razn del peso sea ma*or de 3.5
c4 /a razn del peso luct:e en el intervalo de 5.3 a 6.5
d4 /a razn del peso no sea ma*or de 5.68
64 A ines del mes anterior se determin !ue la razn entre el ingreso amiliar
para los 35 trabajadores de construccin civil respecto de los 53
empleados de una oicina municipal vara de acuerdo al modelo ,. "alcule
las probabilidades de !ue a ines de este mes$
a4 /a razn de los ingresos sea menor de M.3J
b4 /a razn de los ingresos peso sean ma*ores de 5.3
c4 /a razn de los ingresos varen de M.7 a 3
d4 /a razn de los ingresos sea de ms de 3.5 * menores de 5.53
e4 /a razn de los ingresos sean de menos de M.66 o de ms de 6.6
4.10 MODELO DE PROBABILIDAD *7I;*0ADRADA
#s un modelo con la misma orma !ue el modelo ,, sin embargo, su utilizacin
es dierente. "omo modelo de probabilidad en muestras es usado para probar
-iptesis sobre ajustes de modelos a datos empricos * para realizar pruebas
de -iptesis sobre la independencia de variables, pruebas !ue son tratadas en
el curso de 1nerencia #stadstica. #n el presente curso solamente se tiene
alcance a estudiar, la orma del modelo, el clculo de probabilidades con el
modelo * a determinar las principales caractersticas del modelo. ?ebe tenerse
en cuenta para su utilizacin !ue el modelo debe ser aplicado a muestras
pe!ueas * a casos de una sola variable o de dierencias de variables !ue
toman valores de M a ms.
+ea 6 la variable aleatoria, la uncin de densidad de probabilidad para este
modelo tiene la expresin siguiente$
2
2
1
2
2
2
) (
u
2
2
e
2
u
u f

=
0 > u
donde,
u
es alg:n valor de la variable aleatoria 6 *
2
son los grados de
libertad. Para cada valor de
2
se tiene una "-i."uadrada. /a siguiente
grica es para una uncin de densidad de probabilidad para 3M grados de
libertad.
Al igual !ue todas las unciones de densidad de probabilidad, esta uncin
satisace las propiedades$
1 ) ( 0 u f
ii4

=1 ) ( +u u f
10 = 2
0 6
#l modelo de probabilidad "-i.cuadrada acumulado est dado por$
= < =
u -
2
2
+- e
2
-
u 6 P u F
0
2
2
1
2
2
2
) ( ) (
2
2
u = tal * como se
Mane:o de !abla
Para -allar las probabilidades de igual manera se usaran las tablas o los
pa!uetes estadsticos, teniendo en cuenta las siguientes expresiones$
a4 #l rea bajo la curva en el intervalo < < 6 0 es igual a uno.
b4 /a probabilidad ) (
2
2
6 P < es representada por el rea sombreada.
2
2
0
6
2
2
0 6
c4 /a probabilidad ) (
2
2
6 P es calculada por complemento como sigue$
) ( 1 ) (
2 2
2 2
6 P 6 P < =
d4 #l intervalo de probabilidad
) ( . 6 a P < <
es calculado por dierencia
como se aprecia enseguida$
) ( ) ( ) ( ) ( ) (
2 2 2 2 2 2
a . a . . a
F F 6 P 6 P 6 P = < < = < <
#=#MP/>
#l incremento de consumo de electricidad en un grupo de 5M viviendas
en el mes anterior tiene una variacin en el intervalo de E -asta E5
UTs., incremento !ue sigue un modelo "-i.cuadrada. Para el mes
siguiente -alle las probabilidades de !ue$
a4 #l incremento del consumo de electricidad sea menor de 35
UTs.
b4 #l incremento del consumo de electricidad sea de ms de 3D
UTs.
0
2
2
6
0
2
a
6
2
.

c4 #l incremento del consumo de electricidad vare entre 5M a 65
UTs.
d4 #l incremento del consumo de electricidad sea menor de 3M o
de ms de 5M UTs.
+>/U"1>&
a4 /a probabilidad !ue se pide es para los incrementos de consumo
para 5M viviendas, esto es, 12
2
20
< la cual es simbolizada como
) 12 ( < 6 P
. /uego, la probabilidad es$
0834 . 0 ) 12 ( = < 6 P
/a probabilidad de !ue el incremento de consumo de electricidad
para el mes siguiente sea menor de 35 UTs. es del D.E F.
b4 +e tiene !ue encontrar en este caso la probabilidad
) 18 ( > 6 P
, la cual es$
58741 . 0 41252 . 0 1 ) 18 ( 1 ) 18 ( = = < = > 6 P 6 P
/a probabilidad de !ue el incremento de consumo de electricidad
para el mes siguiente sea ma*or de 3D UTs. es del 7D.HE F.
c4 /a probabilidad de !ue el consumo vare entre 5M a 65 es$
6
58741 . 0
6
) 20 ( ) 32 ( ) 32 20 ( < < = < < 6 P 6 P 6 P
41460 . 0 542045 . 0 56654 . 0 = =
d4 /a probabilidad para este caso es$
)& 20 ( 1 ' ) 10 ( ) 20 ( ) 10 ( < + < = > + < 6 P 6 P 6 P 6 P
4880 . 0 ) 542045 . 0 1 ( 031843 . 0 = + =
#=#K"1"1>+ PK>PU#+L>+
34 /a tasa de crecimiento para el volumen de una poblacin en los 35 aos
anteriores crece seg:n un modelo c-i.cuadrada. Para el presente ao,
-alle las probabilidades de !ue$
a4 /a tasa de crecimiento de la poblacin sea ma*or de 5.3
b4 /a tasa de crecimiento de la poblacin sea menor de 5.7
6
41460 . 0
6
0
6
c4 /a tasa de crecimiento de la poblacin vare de M.6 a 3.5
d4 /a tasa de crecimiento de la poblacin sea menor de 3.5 o ma*or de
5.7.
54 /os ingresos Nen cientos de soles4 para un grupo de 3D trabajadores
eventuales contratados en una brica para el mes pasado son modelados
mediante la "-i.cuadrada. )alle las probabilidades de !ue en el mes
entrante$
a4 #l ingreso de los trabajadores eventuales sea menor de 5.7
b4 #l ingreso de los trabajadores sea ma*or de 6.7
c4 #l ingreso de los trabajadores vare e el intervalo de 6.5 a ms.
d4 #l ingreso de los trabajadores sea menor de 5.5 o ma*or de 6.H
64 /os incrementos de tamao Nen cms.4 de 3E plantas despu(s de un
experimento ueron modelados seg:n un modelo c-i.cuadrada para
predecir la ganancia de incremento de tamao para un experimento
posterior. #ncuentre las probabilidades siguientes$
a4 ?e !ue la ganancia sea de menos de 3M cms.
b4 ?e !ue la ganancia sea de ms de D cms.
c4 ?e !ue la ganancia vare de 7 a 5M cms.
d4 ?e !ue la ganancia sea de menos de 6.7 * de ms de 5.8 cms.
e4 ?e !ue la ganancia sea de menos de 7 o de ms de 6.5 cms.
4.11 MODELO DE PROBABILIDAD E=PONEN*IAL
Un modelo exponencial para una variable aleatoria X es empleada para
-allar las probabilidades de datos !ue a partir de un cierto valor decrecen en
orma geom(trica.
/a uncin de densidad de probabilidad para este modelo tiene la expresin
siguiente$
x
e x f

= ) (
0 >
0 > x
#l grico para esta uncin es$
/a uncin de densidad de probabilidad exponencial satisace las 5
propiedades siguientes$
1 ) ( 0 u f
ii4

=1 ) ( +u u f
#l modelo de probabilidad exponencial acumulado est dado por$

= < =
-
-
+- e x X P x F
0
) ( ) (

la cual -alla las probabilidades -asta el valor

x
de la variable aleatoria, tal
como se aprecia en el grico$
X
x
X
4.1. *OMBINA*ION DE "ARIABLES
+i
&
X X X ..., , ,
2 1
son variables aleatorias !ue son modeladas mediante
alg:n modelo de probabilidad, entonces, una combinacin de variables es
expresada matemticamente como$
=
= + + + =
&
i
i i & &
X a X a X a X a x 4
1
2 2 1 1
... ) (
cu*a media es$
[ ]

=
=
&
i
i i
X E a x 4 E
1
) ( ) (
* su varianza$
[ ]

=
=
&
i i
7 i
7
7 i i i
X X C X V a x 4 V
1
2
) , ( 2 ) ( ) (
seg:n si las variables aleatorias son
dependientes o independientes.
#=#MP/>
#n una ciudad, el volumen total de agua potable perdida Nen m
6
4 por
tuberas rotas, por caos malogrados * por conexiones clandestinas
mensualmente es modelada seg:n la combinacin lineal$
3 3 2 2 1 1
X a X a X a 0 + + =
donde$
:
1
X 0olumen de agua perdida por tuberas rotas
:
2
X 0olumen de agua perdida por caos malogrados
:
3
X
0olumen de agua perdida por conexiones clandestinas
si
1
X es ) 4 , 12 (
2
,
2
X es ) 6 , 26 (
2
*
3
X
es
) 7 , 42 (
2
* los coeicientes son$
82 . 0
1
= a tasa de p(rdida de volumen de agua por tuberas rotas
por mes transcurrido.
32 . 1
1
= a tasa de p(rdida de volumen de agua por caos
malogrados por mes transcurrido.
28 . 2
1
= a tasa de p(rdida de volumen de agua por conexiones
clandestinas por mes transcurrido.
)alle la media * la varianza para el volumen total de agua potable
perdida si las p(rdidas por las causas dadas no tienen ninguna relacin
entre ellas.
+>/U"1>&
/a media para el volumen de agua potable perdida es$
) ( 28 . 2 ) ( 32 . 1 ) ( 82 . 0 ) (
3 2 1
X E X E X E 0 E + + =

3
2 . 13 ) 42 ( 28 . 2 ) 26 ( 32 . 1 ) 12 ( 82 . 0 # = + + =
* la varianza para el volumen de agua potable perdida es$
) ( 28 . 2 ) ( 32 . 1 ) ( 82 . 0 ) (
3
2
2
2
1
2
X V X V X V 0 V + + =
6 2 2 2
2064 . 328 ) 4 ( 28 . 2 ) 36 ( 32 . 1 ) 16 ( 82 . 0 # = + + =
#l volumen promedio de agua potable perdida mensualmente es de
36J.J5 m
6
con una varianza de 65D.53 m
8
.
4.1/ -RANSFORMA*ION O *AMBIO DE "ARIABLES
#sta t(cnica puede aplicarse para realizar cambios de escala, de localizacin
o de orma de las unciones de densidad de probabilidad para las variables
aleatorias.
#l cambio de variable se puede realizar tanto en variables aleatorias discretas
como en continuas slo si existe correspondencia biunvoca entre las
variables.
#n un caso bidimensional, este proceso consiste en -allar las uncin de
densidad de probabilidad propuesta
) ( y 4
para una variable aleatoria 0
conociendo la uncin de densidad de probabilidad
) (x f
para la variable
aleatoria X va la transormacin
) (x y =
* su inversa
) ( y x =
.
4.1/.1 -ran+ormacin #ara 'ariable alea!oria dicre!a
unidimenionale
?ada una variable aleatoria discreta X cu*a uncin de densidad de
probabilidad es
) (x f
* la uncin de transormacin
) (x y =
, el
proceso de cambio de variable consistir en -allar la uncin de densidad de
probabilidad para la variable 0 .
Al sustituir en todos los
x
de
) (x f
la transormacin inversa
) ( y x =
se veriicar !ue$
)& ( ' ) ( ) ( y f x f y 4 = =
#l recorrido para la variable
y
se obtendr al sustituir los valores del
recorrido de la variable aleatoria X en
) (x f
.
#=#MP/>
+ea X una variable aleatoria con uncin de densidad de
probabilidad
x x
x
x f

=
4
3
2
3
1
4
) ( deinida en
4 , 3 , 2 , 1 , 0 : x
. )allar la
uncin de densidad de probabilidad para 0 si
2
x y = .
+>/U"1>&
#ntre X e 0 no existe una correspondencia biunvoca *a !ue seg:n
la uncin inversa
y x =
para cada valor de 0 se obtienen dos
valores de X . +i se restringe esta relacin solamente a la raz
positiva tendremos una correspondencia biunvoca.
Para obtener
) ( y 4
-abr !ue sustituir los valores de
y x =
en la
uncin de densidad de probabilidad
) (x f
* luego se tendr$
[ ]
y y
y
y f x f y 4

= = =
4
3
2
3
1
4
) ( ) (
el recorrido para
y
ser obtenido al reemplazar los valores del
recorrido de X en
2
x y = , esto es,
16 , , 4 , 1 , 0 : y
.
4.1/.. -ran+ormacin #ara 'ariable alea!oria con!inua
unidimenionale
/a correspondencia biunvoca para el caso continuo implica !ue
) (x y =
es una uncin creciente o decreciente de
y
sobre el recorrido de
x
.
#n cual!uier caso, est implcito !ue
) (x y =
tiene una uncin inversa
:nica !ue escribimos como
) ( y x =
* !ue es a su vez creciente o
decreciente con
y
seg:n !ue
) (x y =
sea creciente o decreciente con
x
.
Para la transormacin de variables continuas se tienen varios m(todos, entre
ellos, el m(todo de la uncin de densidad, el m(todo de la transormacin
integral, el m(todo de la convolucin, etc. +olo se tratar el m(todo de la
uncin de densidad * el m(todo de la transormacin integral.
M>!odo de la +uncin de denidad
#l proceso de cambio de variable mediante este m(todo consistir en$
a4 )allar la inversa de
) (x y =
la cual es
) ( y x =
* luego sustituirla
en todos los
x
de
) (x f
, es decir$
)& ( ' ) ( y f x f =
b4 )allar
) ( y 4
mediante$
+y
y +
y f y 4
) (
)& ( ' ) (

=
c4 #l recorrido para 0 se obtiene al reemplazar en
) (x y =
los
extremos del recorrido de
x
.
d4 +e puede veriicar !ue$

=
Dx Dy
+x x f +y y 4 ) ( ) (
#=#MP/>
+ea X una variable aleatoria cu*a uncin de densidad de
probabilidad es
x
e x f

= ) ( deinida en 0 > x . +i x y = $
a) )allar
) ( y 4
b) ?emuestre !ue & 2 1 ' & 2 1 ' = y P x P
+>/U"1>&
a4 "omo x y = entonces
2
y x =
[ ]
2
) (
y
e y f

=
y y
+y
+x
2 2 = =
luego,
2 2
2 2 ) (
y y
e y y e y 4

= =
#l recorrido lo encontramos como sigue$
Keemplazado
2
y x = en 0 x se obtiene !ue
0 y
!ue es
el recorrido para 0 .
+e puede veriicar !ue$

= =
0 0
1 2
2
+x e y +x e
y x
b4 Para esta demostracin se procede como sigue$
& 2 1 ' & 2 1 ' = y P x P

=
2
1
2
1
2
2 +y e y +x e
y x
[ ]
1 2
2
1
2
1

+ = =
e e e +x e
x x
[ ]

+ = =
2
1
1 2
2
1
2 2
2 e e e +y e y
y y
/os gricos correspondientes a esta transormacin de variables
son$
x
x
e x f

= ) (
) ( x f
4.1/./ -ran+ormacin #ara 'ariable alea!oria con!inua
bidimenionale
?ada una variable aleatoria conjunta bidimensional
) , ( 0 X
con uncin de
densidad de probabilidad
) , ( y x f
* las unciones de transormacin
) , ( y x u =
*
) , ( y x 2 =
, el cambio de variables consistir en -allar
las inversas
) , ( 2 u x =
*
) , ( 2 u y =
para luego sustituirlas en todos
los
x
*
y
de
) , ( y x f
. /a uncin de densidad de probabilidad
conjunta
) , ( 2 u 4
ser obtenida mediante$
+2
+y
+2
x
+u
y
u
x
2 u 2 u f 2 u 4
= )& , ( ), , ( ' ) , (
#=#MP/>
+ea
) (
) , (
y x
e y x f
+
= para
y x 0

1 0 y
, si
y x u + =
*
y x 2 =
, -allar
). , ( 2 u 4
+>/U"1>&
y x u + =
y x 2 =
...............
y
2
2 ) (
y
e y y 4

=
) ( y 4
2
2 u
x
+
=
x 2 u 2 = +
x u y =
2 2
2 u 2 u
u y

=
+
=
u
e 2 u 2 u f

= )& , ( ), , ( '
2
1
2
1
2
1
2
1
2
1
=
+2
+y
+2
x
+u
y
u
x
Por tanto,
u
e 2 u 4

=
2
1
) , (
#l recorrido se determina realizando las gricas de los recorridos$
Para 0 = x
0
2
=
+ 2 u

2 u =
Para
y x =
0 = 2
x
y
u
2
Para
1 = y

1
2
=
2 u
2 u + = 2
de donde obtenemos$
2 + 2 u 2 * 1 0 2
4.1/.4 2enerali%acin #ara la !ran+ormacin de 'ariable alea!oria
con!inua
+i se tiene una variable aleatoria R.dimensional
) ..., , , (
2 1 &
X X X
, con
uncin de densidad de probabilidad
) ..., , , (
2 1 &
x x x f
* la uncin de
transormacin$
) ..., , , (
2 1 1 1 &
x x x u =
) ..., , , (
2 1 2 2 &
x x x u =
QQQQQQQQQQQ
) ..., , , (
2 1 & & &
x x x u =
* las unciones inversas respectivas$
) ..., , , (
2 1 1 1 &
u u u x =
) ..., , , (
2 1 2 2 &
u u u x =
QQQQQQQQQQQ..
) ..., , , (
2 1 & & &
u u u x =
la uncin de densidad de probabilidad conjunta para la transormacin ser$
8 u u u u u u f u u u 4
& & & &
) ,..., , ( ..., ), ,..., , ( ' ) ..., , , (
2 1 2 1 1 2 1
=
donde
8
es llamado =acobiano * est dado por$
&
&
&
&
&
&
u
x
u
x
u
x
u
x
u u u
x x x
8
=
...
... ... ...
...
) ,..., , (
) ,..., , (
1
1 1
1
2 1
2 1

Cap. IV Modelos de Probabilidads

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cap. IV Modelos de Probabilidads

Uploaded by

Copyright:

Available Formats

Modelos de Probabilidad 133

"arian%a& De'iacin E!(ndar ) *oe+icien!e de "ariacin$

M.M7 3.MM 5.MM 6.MM 7.MM 3M.MM 35.MM 5M.MM

M.M7 3.MM 5.MM 6.MM 7.MM 3M.MM 35.MM 5M.MM

36 3.MMMM 3.MMMM 3.MMMM 3.MMMM M.JJJ6 M.D8E7 M.8D37 M.M883

esta uncin de distribucin suma las probabilidades simples en la orma

174 Modelos de Probabilidad

&:mero de ormas posibles de obtener una muestra de tamao n o

/a desviacin estndar es la raz cuadrada de la varianza,

son los parmetros.

con < < ,

Media o 'alor e#erado

para < < t

de donde se deduce !ue

208 Modelos de Probabilidad

Modelos de Probabilidad 213

la cual -alla las probabilidades -asta el valor

You might also like