Professional Documents
Culture Documents
INTRODUCCION
83
CAPITULO 4
DISTRIBUCIONES DE PROBABILIDAD
DEFINICION
La distribucion de probabilidad de una variable aleatoria
discreta es una tabla, unagratica, una fannula u otro
sistelDa utilizado para especificar todos losvalores
posibles de una variable aleatoria discreta junto con sus
probabilidades respectivas.
EJEMPLO 4.2.1
- - - - - ..
TABIA4.2.1
Prevalencia del
medicmnentos
prescritos y no prescritos durante el
embarazo enUelllujeres dadas de
alta depues del parto en un hospital
del este de EUA
CODSUIDO de
N6mero de medicamentos
o
1
1425
1351
793
3
4
5
6
7
8
348
156
58
28
15
9
10
12
Total
Frecuencia
4185
--~
4.2
85
0
I
2
3
4
5
6
7
8
9
10
12
Total
P(X
= x)
.3405
.3228
.1895
.0832
.0373
.0139
.0067
.0036
.0014
.0007
.0002
.0002
1.0000
2)
LP(X= x) = 1
86
.35
.34
.33
.32
.31
.30
.29
.28
.27
.26
.25
.24
.23
.22
.21
.20
"0
,19
'" .18
J,l
:0
~ .17
.16
a:
,15
.14
.13
.12
.11
.10
.09
.08
.07
.06
.05
.04
" .03
.02
,01
4
x (numero de medicamentos)
FIG,URA 4.2.1
tabla 4.2.1.
4.2
87
EJEMPLO 4.2.2 .
.
~
~Cual
lJiStrihuciOlles acumulqdas.
AIgunas veces es mas conveniente trab~jar con
la distribuci6n de probabilidad acumulada de una variable aleatoria. La distribuci6n de
probabilidadacumuladaparala variable discreta cuya distribuci6n de probabilidad
esta dada en la tabla 4.2.2 puede obtenerse sum'ando sucesivamente las probabili
dades, P(X = x), que aparecen en la ultima columna. La probabilidad acumulada
para Xi se escribe como F(x) P(X:<;; x). Estoda la probabilidad de que X sea menor
o igual a un valor espedfico xi'
La distribuci6n de probabilidad acumulada resultante se muestra en la tabla
4.2.3. La grafica de la distribuci6n de probabilidad acumuladase muestra en la
figura 4.2.2. A una grafica de este tipo se Ie llama ojiva. La grafica de F(x) consiste
solamente en las lineas horizontales. Las lfneas verticales s610 Ie dan una aparien
cia conectada. La longitud de cada linea vertical representa la misma probabilidad
que la de la linea correspondiente en la figura 4.2.1. Por ejemplo, la longitud de la
lfnea vertical en X 3 de la figura 4.2.2 representa la misma probabilidad que
la longitud de la linea levantada en X 3 de la figura 4.2.1, 0 .0832 en la escala
vertical.
AI consultar la distribuci6n de probabilidad acumulada es posible responder
rapidamente a las preguntas de los ejemplos siguientes:
.
EJEMPLO 4.2.4
~Cual es la probabilidad de que una mujer seleccionada aleatoriamente sea una de
las que consumieron dos 0 menos medicamentos?
88
CAPITULO 4
DISTRIBUCIONES DE PROBABILIDAD
TABlA 4.2.3
Distribucion de probabilidad acumulada del numero
de medicamentos con y sin prescripcion utilizados durante el
embann:o entre las mujeres descritas en el ejetUplo 4.2.1
Numero de medicamentos (x)
.3405
.6633
.8528
.9360
2
3
4
.9733
.9872
.9939
.9975
.9989
7
8
.9996
.9998
10
12
1.0000
1.00
.95
.90
.85
.80
.75
.70
.65
.60
.55
~
r....
.50
.45
.40
.35
.30
.25
.20
.15
.10
.05
10
11
12
x (numero de medicamenlos)
FIGURA 4.2.2
Distribuci6n deprobabilidad acumulada del numero de medicamentos con 0
sin prescripci6n utilizados durante el embaraZo entre las mujeres descritas en el ejemplo 4.2.1.
4.3
DISTRIBUCION BINOMIAL
39
EJEMPIJO 4.2.5
~GuaJ. es la probabilidad de que una mujer seleccionada aleatoriamente sea una de
las que, consumieron menos de dos medicamentos?
SoIudon:Puesto que una mujer que consumio menos de dos medicamentos indica
que consumio uno 0 ninguno, la respuesta es la probabilidad acumulada
para 1, esdecir, P(x < 2) = P(x S 1) == .6633.
EJEMPLO 4.2.6
~Guales la probabilidad de que una mujer seleccionada aleatoriamente haya con
sumido cinco 0 mas medicamentos?
EJEIUPLO 4.2.7
~Gual es la probabilidad de que una mujer seleccionada aleatoriamente sea una de
las que consumieron entre tres y cinco medicamentos, inclusive?
4.3
DISTRIBUCION BINOMIAL
La distribuciOn binomial es una de las distribuciones utilizadas mas ampliamente en
estadistica aplicada. La distribuci6n se deriva de llll procedimiento conocido como
ensayo de Bernoulli, nombrado as! en honor del matematico suizo James Bernoulli
(1654-1705), quien realiz6 contribuciones importantes en el campo de la probabi
lidad, induyehdo, particularmente, la distribucion binomial. Guanda en un proce
so aleatorio 0 experimento, llamado ensayo, puedeocurrir solo uno de dos resultados
mutuamente excluyentes, como vida 0 muerte, enfermo 0 sano, masculino 0 feme
nino, el ensayo se llama ensayo de Bernoulli.
90
CAPITULO 4
DISTRIBUCIONES DE PROBABILIDAD
Proceso de Bernoulli
Una secuencia de ensayos deB-ernoulli forma un proce
so de Bernoulli, si se cumplen las siguientes condiciones:
1. En cada ensayo ocurre uno de dos posibles resultados, IIiuWamente excluyentes.
Uno delos posibles resultados.se.denota (arbitrariamente) como un exito y el
otro., como fracaso.
," "
2. La probabilidad de un exito, denotado porp, permanece constante de un
ensayo a otro, y la probabilidad de fracaso, 1 - p, se denota con q.
3. Los ensayos son independientes, es decir, el resultado de alglin ensayo en
particular no es afectado por el resultado de cualquier otro ensayo.
EJEMPLO 4.3.1
10110
Puesto que la probabilidad de un exito .~e denota con pyla probabi
lidad de un fracaso se denota con q, la probabilidad dela secuencia de los
resultados anteriQres se calcula por medio de la regIa de multiplicacion:
P(l, 0; 1; 1, 0)
= pqppq = q2p3
4.3
DISTRIBUCION BINOMIAL
91
5
6
7
8
9
10
Secuencia
11100
10011
11010
11001
10101.
01110
00111
01011
01101
.32
92
(4.3.1)
donde: x!, que se lee x factorial, es el producto de todos los numeros enteros de x
hasta 1. Es decir, xl = x(x - l)(x 2) ... (1). Observe que, por definicion, 01 1.
En el ejemplo se tiene una muestra de n = 5 nacimientos y se tiene inten~s en
encontrar la probabilidad de que tres de elIos sean nadmientos de varones.
EI numero de secuencias para el ejemplo se caIcula con la ecuacion 4.3.1 como
sigue:
120
10
12
En el ejemplo, x = 3 es el numero de exitos, as! que n - x 2 representa el
numero de fracasos. Luegose escribe la probabilidad de obtener exactamente x
exitos en n ensayos:
P(X
(4.3.2)
= x),
4.3
TABlA 4.3.1
binomial
1
2
93
Distribucion
Numero de exitos, x
DISTRIBUCION BINOMIAL
Probabilidad, f(x)
"Coq"-0pO
"C1qn-lpl
nC2qn-2p2
x
n
1
Total
2. 2.,j{x)
p)
es desarrollado se tiene:
1)
94
FJEJ\tIPLO 4.3.2
Otro ejemplo del uso de la distribucion binomial. Suponga que se sabe que 30 por
ciento de cierta poblacion es inmune a alguna enfermedad. Si se escoge una mues
tra aleatoria de 10 elementos de entre esta poblacion, ~cu<il es la probabilidad de
que dicha muestra contenga exactamente cuatro personas inmunes?
Solucion: Se tiene que la probabilidad de elegir una persona inmune es de .3. AI
utilizar la ecuacion 4.3.1 se encuentra que:
f(4)
= IOC4 (.7)6(.3)4
= 10!
(.1l7649)(.0081)
416!
=.2001
Tabla binomial
El calculo de una probabilidad empleando la ecuacion 4.3.1
puede ser una labor tediosa si el tamafio de la muestra es grande. Por fortuna, las
probabilidades para diferentes valores de n, pyx ya estan tabuladas, por 10 que
solo es necesario consultar la tabla conveniente para obtener la probabilidad de
seada. La tabla B del apendice es una de muchas tab las disponibles. Dicha tabla
presenta la probabilidad de que x sea menor 0 igual a alglin valor espedfico. Es
decir, la tabla presenta las probabilidades acumul~tivas desde x = 0 hasta alglin
numero positivo especffico de exitos.
El uso de la tabla se muestra utilizando el ejemplo 4.3.2, en el que se requiere
calcular la probabilidad de x = 4 cuando n 10 y P=.3. De acuerdo con el estudio
de la distribticion de probabilidad acumulada de la seccion anterior, se sabe que P(x
4) puede calcularse restando P(X ~ 3) de P(X ~ 4). Si en la tabla B se localiza a p
.3 para n = 10, se encuentra que P(X ~ 4) .8497 y P(X ~ 3) = .6496. La resta del
primero menos el segundo es igual a .8497 .6496 = .2001, 10 cual coincide con el
calculo manual.
Con frecuencia el interes radica no solo en determinar las probabilidades
para valores especfficos de X, sino para intervalos donde la probabilidad de X este
entre, digamos, 5 y 10. Con el siguiente ejemplo se muestra 10 anterior:
r\JEJ\tIPLO 4.3.3
Suponga que se sabe que en cierta poblacion 10 por ciento es daltonica. Si se extrae
una muestra aleatoria de 25 personas de esa poblacion, con la tabla B del apendice,
encuentre la probabilidad de que:
a) Existan cinco
menos daltonicos.
95
4.3DISTRIBUCION BINOMIAL
P(X?:.
.9666
.0334
P(X::; 9) - P(X::; 5)
.9999
.9666
.0333
cuatro daltonicos:
P(X::; 4)-P(X::; 1)
.9020-.2712
.6308
xln,p> .50)
= P(X
n-xln,I-p)
(4.3.3)
Puesta en palabras, la ecuacion 4.3.3 dice que: "La probabilidad de que X sea
igual a algu.n valor especffico dado el tamano de la muestra y una probabilidad
mayor que .5, es igual ala probabilidad de que X sea igual a n ~ x dado el tamano de
la muestra y la probabilidad de un fracaso I-p". Con la finalidad de utilizar la tabla
binomial, la probabilidad de un fracaso se trato como la probabilidad de un exito.
_Cuando pes mayor que .5, las probabilidades acumuladas pueden obtenerse a par
tir de la tabla B empleando la siguiente relacion:
P(X::; x In, p > .5)
= P(X ?:. n -
x In, 1 - p)
(4.3.4)
(4.3.5)
E,JEMPLO 4.3.4
Encierta comunidad, en una tarde dada, en 85 por cientode las farnilias, alguno de
los miembros esta en casa. Un equipo de investigacion sanitaria selecdona una
muestra aleatoria de 12 familias para realizaruna encuesta via telefonica. Con la
tabla B, calcule la probabilidad de que:
96
P(Xs 5)-P(Xs 4)
=.9954 - .9761
b) EI equipo encuentre a alguien en casa en 5 familias
.0193
menos.
= 1-
.9993
.0007
= 12,p
P(X 2 81n
=.85)
= P(X S
41n
= 12,p =.15) =
.9761
La figura 4.3.1 muestra una representaci6n visual de la soluci6n para los tres incisos
del ejemplo 4.3.4.
N6mero posible
de exitos (alguien
en casal = x
P(JtxITo)
= .85
Inciso b
Numero posible
de fracasos (nadie
en casal = n -x,
P(FRACASO)
.15
Condici6n de
prohabilidad
5112,
.~5)
P(X ==
7112,
.85)
8112,
.85)
P(X
CD
Inciso c
P(X ~
12
P(X~
7112,
.15)
P(X ==
7112,
.15 )
p(X~4112,
.15)
Inciso a
11
Condici6n de
probabilidad
FIGURA 4.3.1
EJERCICIOS
Parameiros bilWmiales
97
p. Son parametros en el sentido de que son suficientes para especificar una distri
bucion binomial. La distribucion binomial es en realidad una familia de distribu
ciones con cada uno de los valores posibles de n y p designando a un miembro
diferente de la familia. La media y la variancia de la distribucion binomial son J.l =
np y ()2 = np( 1 - P), respectivamente.
La distribucion binomial, formalmente hablando, es aplicable en situaciones
donde el muestreo se realiza a partir de una poblacion infinita 0 a partir de una
poblacion fin ita con restitucion. Puesto que en la pnictica real las muestras son
normalmente seleccionadas sin restitucion a partir de una poblacion finita, logica
mente surge la pregunta respecto a la conveniencia de una distribucion binomial
en estas cirrunstancias. La conveniencia del uso de esta distribucion depende de
que tan drastico es el efecto de esas condiciones en la invariabilidad de p de un
ensayo a otro. Normalmente se considera que ruando n es pequeno en relacion con
N, el modelo binomial es aderuado. Algunos autores coinciden en que n es peque
no en relacion con N si N es al menos 10 veces mas grande que n.
Se dispone de muchos programas de softwareestadfstico para realizar los
calculos de la probabilidad binomial en computadoras personales. Por ejemplo,
MINITAB calcula las probabilidades individualmente 0 en forma acumulada para
valores espedficos de x, n y p. Suponga que se pretende encontrar las probabili
dades individuales desde x = 0 hasta x = 6 cuando n = 6 YP .3. Se meten los
numeros desde 0 hasta 6 en la columna 1 y se procede como 10 muestra la figura
4.3.2. Si la pretension es encontrar las probabilidades acumuladas, se procede
como en la figura 4.3.3.
FJERCICIOS
En cada uno de los siguientes ejercicios, suponga que N es suficientemente grande con rela
ci6n any que es posible utilizar la distribuci6n binomial para calcular las probabilidades que
se piden.
4.3.1 Sobre la base del amilisis de datos recolectados por el National Center for Health Statistics,
Najjar y Rowland (A-2) informaron que 25.7 por ciento (redondear a 26 por ciento para
prop6sitos del calculo) de personas adultas de EVA tienen sobrepeso. Si se extrae una mues
tra aleatoria simple de 20 adultos, encuentre la probabilidad de que el numero de personas
con sobrepeso, dentro de la muestra, sean:
a) Exactamente tres personas
b) Tres 0 mas personas
c) Menos de tres
d) Entre tres y siete, inclusive
4.3.2 Consulte el ejercicio 4.3.1. ~Cuantos adultos con sobrepeso se espera encontrar en la mues
tra de 20?
4.3.3 Consulte el ejercicio 4.3.1. Suponga que se extrae una muestra aleatoria simple de cinco
adultos. Con la ecuaci6n 4.3.2 encuentre la probabilidad de que el numero de personas con
sobrepeso en la muestra sea:
a) Cero
b) Mas de una
e) Cinco
98
Datos:
C1: 0
Comandos de la sesi6n:
Caja de dialogo:
Calc> Probability Distributions>
Binomial
MTB >
SUBC>
PDF C1;
BINOMIAL
0.3.
Resultados:
Probability Density Function
Binomial with n = 6 and p
x
0.00
1.00
2.00
3.00
4.00
5.00
6.00
P(X
= 0.300000
= x)
0.1176
0.3025
0.3241
0.1852
0.0595
0.0102
0.0007
FIGURA 4.3.2
individual para x
= 0 hasta x = 6, cuando n
4.3.4 Un informe del National Center for Health Statistics, bas ado en los datos de 1985, afirma
que 30 por ciento de la poblaciDn adulta de EUA son fumadores (A-3). Considere una mues
tra aleatoria simple de 15 adultos seleccionados en ese momento. Encuentre la probabilidad
de que el numero de fumadores en la muestra sean:
a) Tres
b) Menos de cinco
e) Seis 0 mas
4.3.5 Consulte el ejercicio 4.3.4 y encuentre la media y variancia del numero de fumadores en la
muestra de tamafio 15.
4.3.6 En referencia al ejercicio 4.3.4, suponga que se toma una muestra aleatoria simple de 25
adultos hoy dia y se encuentra que dos son fumadores. tRace sospechar este resultado que el
numero de fumadores ha disminuido desde 1985? iPor que sf 0 por que no?
99
EJERCICIOS
Datos:
C1: 0
Caja de dialogo:
Comandos de la sesi6n:
MTB >
SUBC>
CDF C1;
BINOMIAL
0 3
Resultados:
Cumulative Distribution Function
Binomial with n = 6 and p = 0.300000
x
0.00
1.00
2.00
3.00
4.00
5.00
6.00
P(X = x)
0.1176
0.4202
0.7443
0.9295
0.9891
0.9993
1.0000
FIGURA 4.3.3
Calculo efectuado por el paquete MINITAB de la probabilidad binomial
acumulada para x = 0 hasta x = 6, cuando n = 6 YP = .3.
4.3.7 La probabiJidad de que una persona que sufre de migrana tenga alivio con un farmaco
especffico es de-,9, Se seleccionan aleatoriamente a tres personas con migrana a las que se les
administra el farmaco. Encuentre la probabilidad de que el numero de personas que logran
alivio sean:
a) Exactamente cero
b) Exactamente uno
c) Mas de uno
d) Dos 0 menos
e) Dos 0 tres
f) Exactamente tres
4.3.8 En una investigaci6n realizada entre estudiantes de enfermerfa aspirantes al grade de maes
tria, 75 por ciento declararon que esperaban ser promovidos a un puesto mas alto un mes
despues de obtener el grado, Si este porcentaje representa a toda la poblaci6n, encontrar,
para una muestra de 15, la probabilidad de que el numero de personas que esperan una
promoci6n un mes despues de obtener eI grado sean:
a) Seis
b) AI menos siete
c) No mas de cinco
100
4.4
DISTRIBUCION DE POISSON
La siguiente distribuci6n discreta a considerar es la distribuci6n de Poisson, Hamada
asf en honor del matematico frances Simeon Denis Poisson (1781-1840), quien
tiene amplio reconocimiento por la publicaci6n de su trabajo en 1837. Esta distri
bud6n ha sido empleada extensamente en biologfa y medicina como modelo de
probabilidad. Haight (1), en el capitulo 7 de sulibro, presenta un repertorio muy
amplio de aplicaciones.
Si x es el numero de ocurrencias de algiin evento aleatorio en un intervalo de
espacio 0 tiempo (0 algiin volumen de materia), la probabilidad de que x ocurra es
dada por
e-l.'),,;
4.4
DISTRIBUCION DE POISSON
101
.221584
FJEMPLO 4.4.2
4!
102
CAPITULO 4
DISTRIBUCIONES DE PROBABILIDAD
E,JEMPLO 4.4.4
P(X ~ 3) - P(X ~ 2)
E,JEMPLO 4.4.5
.983:= .017
Datos:
Cl: 0
Gaja de dialogo:
Comandos de la sesi6n:
.70.
0.00
1.00
2.00
3.00
4.00
5.00
6.00
0.700000
P(X = x)
0.4966
0.3476
0.1217
0.0284
0.0050
0.0007
0.0001
.FIGURA 4.4.1
Cileulo efectuado por el paquete MINITAB de la probabilidad de Poisson
individual para x = 0 hasta x 6 y A, = .7.
103
EJERCICIOS
EJERCICIOS
4.4.1 Suponga que se sabe que en cierta area de una gran ciudad el numero promedio de ratas por
manzana es de cinco. Suponga que el numero promedio de ratas sigue una distribuci6n de
Poisson, y calcule la probabilidad de que en una manzana elegida aleatoriamente:
Datos:
Cl: 0
Caja de dialogo:
Comandos de la sesi6n:
Poisson
.70.
Resultados:
Probability Distribution Function
Poisson with mu
x
0.00
1.00
2.00
3.00
4.00
5.00
6.00
0.700000
P(X = x)
0.4966
0.8442
0.9659
0.9942
0.9992
0.9999
1.0000
FIGURA 4.4.2
Calculo efectuado par el paquete MINITAB de la probabilidad de Poisson
acumulada para x = 0 hasta x 6 y Ie = .7.
104
CAPiTULO 4
DISTRIBUCIONES DE PROBABILIDAD
4.4.2 Suponga que en un periodo de varios aftos el nfunero promedio de muertes por cierta enfer
medad no contagiosa es de 10. Si el numero de muertes por esa enfermedad sigue la distri
buci6n de Poisson, emil es la probabilidad de que durante el ano en curso:
Exactamente siete personas mueran por esa enfermedad
b) Diez 0 mas personas mueran por esa enfermedad
c) No haya muertes por esa enfermedad
a)
4.4.3 Si el numero promedio de accidentes graves por ano en una fibrica grande (donde el nfunero de
empleados es constante) es de cinco, calcule la probabilidad de que en el ano en curso haya:
a) Exactamente siete accidentes
c) Cero accidentes
4.4.4 En un estudio sobre a la efectividad de un insecticida contra cierto insecto, se fumig6 una
gran area de tierra que, mas tarde, se examin6 por cuadrantes elegidos aleatoriamente y en
la que se cont6 el numero de insectos vivos por secci6n. Experiencias previas han demostra
do que el numero promedio de insectos vivos por cuadrante, despues de fumigar, es de .5. Si
el numero de insectos vivos por secci6n sigue una distribuci6n de Poisson, emil es la probabi
lidad de que cierto cuadrante elegido tenga:
a)
4.4.5 En cierta poblaci6n, cada ano se diagnostica un promedio de 13 nuevos casos de cancer
esofagico. Si la incidencia anual de este tipo de cancer sigue una distribuci6n de Poisson,
calcule la probabilidad de que en un ano determinado el numero de nuevos casos diagnosti
cados de cancer sea:
Exactamente 10
c) No mas de 12
a)
b) AI menos ocho
e) Menos de siete
4.5 DISmmUCIONES DE
PROBABHIDAD CONTINUA
Las distribuciones de probabilidad consideradas hasta aqui, binomial y de Poisson,
son distribuciones de variable discreta. Ahora se consideran las distribuciones
de variable aleatoria continua. En el capitulo 1 se dijo que una variable continua es
aquella que puede asumir cualquier valor en un intervalo espedfico de valores.
Consecuentemente, entre cualesquiera dos valores asumidos por la variable conti
nua existe un m1mero infinito de valores.
Para comprender, la naturaleza de la distribuci6n de una variable aleatoria
continua, considere los datos presentados en la tabla 1.4.1 yen la figura 2.3.2. En la
tabla hay 169 valores para la variable aleatoria edad. EI histograma de la figura
2.3.2 esta construido con puntos espedficos localizados sobre una linea, que repre
senta la medici6n de interes y que forma una serie de rectangulos, cuyas bases son
las distancias entre dos puntos espedficos, sobre la linea y cuyas alturas representan
el numero de val ores de la variable que caen entre los dos puntos especificados. Los
intervalos delimitados por cualquier par de puntos especificados consecutivos se
llaman intervalos de clase.
4.5
105
fIx)
FIGURA 4.5.1
Histograma resultante de un gran numero de valo
res y c1ases de intervalos pequenos.
FIGURA 4.5.2
106
CAPiTULO 4
DISTRIBUCIONES DE PROBABILIDAD
fIx)
a
x
FIGURA 4.5.3
Gratica de una distribuci6n continua que
muestra el area entre a y b.
nes de las variables aleatorias continuas. Esto tiene algunas consecuencias imp or
tantes cuando se trabaja con distribuciones de probabilidad. Primero, el area total
bajo la curva es igual a uno, como 10 es para el histograma, y la frecuencia relativa
de ocurrencia de los valores entre dos puntos especfficos cualesquiera, sobre el eje de
las x, es igual al area total delimitada por la curva, el eje de las x y las rectas perpen
diculares levantadas sobre ambos puntos del eje de las x, tal como 10 muestra la
figura 4.5.3. La probabilidad de cualquier valor especifico de la variable aleatoria es
cera. Esto es logico, puesto que un valor especffico se representa como un punto
sobre el eje de las x y el area por encima de ese punto es cero.
COIRO encontrar el area bajo la curva En un histograma, seg(tn se ha
visto, las subareas de interes se calculan sumando areas representadas por las co
lumnas (celdas). En el caso de una curva, esta no presenta celdas, por 10 que se debe
buscar un metodo para calcular las subareas. Este metodo es suministrado por el cileu
10 integral. Para calcular el area bajo la curva entre dos puntos cualesquiera a y b, se
integra lafunci6n de densidad de a a b. Unafunci6n de densidad es una formula em
pleada para representar la distribuci6n de una variable aleatoria continua. La inte
gracion es el caso lfmite de la sumatoria, aunque aqui no se efectua ninguna
integracion, puesto que las materna tic as involucradas estan mas aHa del alcance de
este Iibro. Tambien, como se ve mas adelante, para todas las distribuciones conti
nuas a considerar existe una forma mas fadl para calcular el area bajo la curva.
Aunque la definicion de distribucion de probabilidad para una variable
aleatoria continua esta implfcita en el estudio anterior, a modo de resumen se pre
senta como sigue en forma mas concreta.
DEFINICION
A una funci6n no negativa f(x) se Ie llama distribucion de
probabilidad (tambien llamada, algunas veces, funci6n de
densidad de probabilidad) para la variable aleatoria
continua X, si el area total deliInitada por su curva y el
eje de las x es igual a 1 y si la subarea delimitada por la
curva, el eje de las x, y por las lineas perpendiculares
levantadas sobre dos puntos cualesquiera a y b da la
probabilidad de que X este entre los puntos a y b.
4.6
4.6
DISTRIBUCI6N NORMAL
107
DISTRIBUCION NORMAL
A continuaci6n se estudia la distribuci6n mas importante en toda la estadistica: la
distribucwn normal. La f6rmula para esta distribuci6n fue publicada por Abraham
De Moivre (1667-1754) el 12 de noviembre de 1733. Muchos otros matem:hicos
destacan en la historia de la distribuci6n normal, induyendo a Carl Friedrich
Gauss (1777-1855). A esta distribuci6n frecuentemente se Ie llama distribuciOn de Gauss
como reconocimiento a las contribuciones de este matematico.
La densidad normal esta dada por
f(X) =
/20')
oo<X<oo
(4.6.1)
curva hacia cualquiera de los lados de ~ es una imagen de espejo de la del otro
lado.
2. La media, la mediana y la moda son todas iguales.
de las x es una unidad de area. Esta
3. EI area total bajo la curva sobre el
caracterfstica se deduce del hecho de que la distribuci6n normal es una distri
buci6n de probabilidad. Debido a la simetria mencionada anteriormente, 50
JL
FIGURA 4.6.1
108
CAPiTULO 4
DISTRIBUCIONES DE PROBABILIDAD
,u-1u,u,u+1u
(a)
.025
.025
,u
(b)
.0015
.0015
,u-3u
,u
,u+ 30'
{el
FIGURA 4.6.2
Subdivision del area bajo la curva normal
(las areas son aproximadas).
109
FIGURA 4.6.3
riabilidad.
/2, _
00
< z < 00
(4.6.2)
FIGURA 4.6.4
Tres distribuciones normales con diferente desviaci6n estandar pero con
la misma media.
110
CAPITULO 4
FIGllRA 4.6.5
DISTRIBUCIONES DE PROBABILIDAD
Para calcular la probabilidad de que z tome un valor entre dos puntos cuales
quiera sobre el eje de las z, por ejemplo Zo y se debe calcular el area delimitada
por las perpendiculares levantadas en esos puntos, la curva y el eje horizontal. Tal
como se mendon6 anteriormente, las areas bajo la curva de una distribuci6n conti
nua se calculan integrando la funci6n entre dos valores de la variable. Entonces, en
el caso de la normal estandar, para calcular directamente el area entre Zo Y z,' es
necesario calcular la siguiente integral:
r~-Z'f2dz
zo&
Afortunadamente, no hay nada que ver con las integrales porque existen tablas
disponibles en las que se puede consultar el resultado de todas las integraciones
que aqul puedan necesitarse. La tabla D, del apendice, es un ejemplo de estas ta
bIas. En el cuerpo de Ia tabla D se encuentran las areas bajo la curva entre O<:J y los
valores de z mostrados en Ia columna izquierda de la tabla. EI area sombreada de Ia
figura 4.6.6 representa el area que aparece como Iista en la tabla, para los valores
entre O<:J y zo' donde Zo es el valor espedfico de z.
Ahora, con los siguientes ejemplos se muestra el uso de la tabla D.
FIGURA 4.6.6
4.6
DISTRIBUCION NORMAL
111
EJEMPLO 4.6.1
Dada la distribucion normal estandar, calcular el area bajo la curva, arriba del eje z,
entre z = - 00 y z = 2.
Soluci6n: Resulta utH dibujar la grafica de la distribudon normal estandar y som
brear el area que se pide tal como se muestra en la figura 4.6.7. Si se
localiza z
2 en la tabla D y se lee el valor correspondiente en el
cuerpo de la tabla, se encuentra que el area solicitada es .9772. Esta
area se puede interpretar de diferentes formas: como la probabilidad
de que una z elegida aleatoriamente de entre una pobladon de val ores de
z este entre - 00 y 2, como la frecuencia relativa de ocurrenda (0 pro
pordon) de valores de z entre -ooy 2, 0 bien se puede decir que 97.72 por
ciento de los valores de z estan entre 00 y 2.
o
FIGUR-\' 4.6.7
areaentrez =
EJEMPLO 4.6.2
~Cual es la probabilidad de que una z, tomada al azar de entre los valores de z, este
entre -2.55 y + 2.55?
-2.55
HGUKA 4.6.8
2.55
112
CAPiTULO 4
DISTRIBUCIONES DE PROBABILIDAD
.9892
Suponga que se pide calcular la probabilidad de que z esta entre -2.55 y 2.55 inclu
sive. La probabilidad que se pide se expresa como P(-2.55 :s; z ~ 2.55). Como se
mencion6 en la seeei6n 4.5, P(z = zo) = 0, entonees, P(-2.55 :s; z :s; 2.55) = P(-2.55
< z < 2.55) = .9892.
EJEMPLO 4.6.3
~Cuantos
-2.74
1.53
FlGUR!\ 4.6.9
CUIva normal estfuldar para mostrar la pro
porci6n de los valores de z entre z -2.74 y z 1.53.
EJEMPLO 4.6.4
= 1- .9966
.0034
EJERCICIOS
o
FIGUM 4.6.10
113
2.71
2.71).
EJEMPLO 4.6.5
= P(z s 2.45)
P(z s .84)
= .9929 - .7995
= .1934
FIGUM 4.6.11
FJERCICIOS
Dada la distribuci6n normal estandar, calcule:
0yz
4.6.1
4.6.2
4.6.3
P(z
.55).
1.43.
= -2.87 Yz
2.64.
114
CAPiTULO 4
DlSTRIBUCIONES DE PROBABILIDAD
Z S;
2.58).
4.6.11
4.6.13
P(z S; Zj)
.0055.
P(z>Zj) =.0384.
4.6.15
P(-Zj$
Z S;Zj)
4.6.14P(zjS;z$2.98)=.11l7.
.8132.
4.7
t15
FIGURA 4. 7.1
De una distribuci6n normal a una distribu
ci6n aproximada de pesos de los cerebros de pacientes enfer
mos de Alzheimer (con estimaci6n de media y desviaci6n
estandar).
-2.62
FIGURA 4.7.2
Distrihuci6n normal del peso de los
cerebros (x) y la distribuci6n normal estandar (z).
116
CAPiTULO 4
DISTRIBUCIONES DE PROBABILIDAD
por decir ZO' corresponde a una x de 800. Esto se hace con la siguiente
formula:
z=
(4.7.1)
(j
P(x < 800) = p(z < 800 1076.80) =P(z < -2.62)
.0044
105.76
Suponga que se sabe que la estatura de cierta poblacion de individuos sigue una
distribuci6n aproximadamente normal con media de 70 pulgadas y una desviaci6n
estandar de 3 pulgadas. ~Cual es la probabilidad de que una persona seleccionada
al azar de este grupo tenga una estatura entre 65 y 74 pulgadas?
Solucion: En la figura 4.7.3 se muestra la distribuci6n de las estaturas y la distribu
cion z que resulta de transformar los valores originales para determinar
las probabilidades deseadas. Se encuentra que el valor z correspondien
te para una x de 65 es:
'
4.7
APLICACIONES DE DISTRIBUCIONNQRMAL
65
70
-1.67
117
1.33
FIGURA 4.7.3
Distribuci6n de estaturas (x) y la distribuci6n
normal estandar correspondiente (z).
74-70
= 1.33
p(65;70< z::;
74 7
3
.9082 .0475
.8607
118
CAPITULO 4
DISTRIBUCIONES DE PROBABIUDAD
p[
Datos:
C 1: -3 -2 -I 0 1 2 3
Caja de dialogo:
Comandos de la sesi6n:
SUBC>
Normal
o 1.
R.esultados:
.
x
-3.0000
-2.0000
-1.0000
0.0000
LoOOO
2.0000
3.0000
P{X = x}
0.0013
0.0228
0.1587
0.5000
0.8413
0.9772
0.9987
. FIGURA 4.t4
acumuladas.
EJERCICIOS
119
FJERCICIOS
4.7.1 Suponga que las edades deinicio de cierta enfermedad tienen una distribuci6n aproximada c
mente normal, con una media de 11.5 anos y una desviaci6n estandar de 3 anos. Un nino
contrae recientemente la enfermedad. Cual es la probabilidad de que la edad del nino sea:
a) Entre 8.5 y 14.5 anos
b) Mas de 10 afios
c) Menos de 12
mas
b) Menos de 100
c) Entre 100 y 200
200 surcos
mas?
4.7.3 Si la capacidad de la cavidad craneana de una. poblacion tiene una distribuci6n aproximada
mente normal, con una media de 1400 cc y una desviacion estandar de 125 cc, calcule la
probabilidad de que una persona, elegida al azar entre esa poblaci6n, tenga una capacidad
de cavidad craneana:
a) Mayor que 1450 cc
c) Entre 1300 y 1500 cc
4.7.4. Suponga que el tiempo promedio de permanencia hospitalaria por enfermedad cronica
para un tipo de paciente es de 60 dias, con una desviaci6n esmndar de 15. Si es razonable
suponer que se tiene una distribuci6n aproximadamente normal para el tiempo de hospita
lizacion, calcule la probabilidad de que un paciente, elegido aleatoriamente entre ese grupo,
tenga una hospitalizacion:
a) Mayor que 50 dias
d) De mas de 90 dias
c) Entre 30 y 60 dias
4.7.5 Si el nive! total de cole sterol en cierta poblaci6n tiene una distribuci6n aproximadamente
normal, con una media de 200 mgl100 m! y una desviaci6n estandar de 20 mg/lOO m!,
calcule la probabilidad de que un individuo, elegido al azar de entre esa poblaci6n, tenga un
nivel de colestero!:
a) Entre 180 y 200 mg/100 mi
4.7.6 Dada un:a pobla:cion con distribuci6n normal, con una media de75 y una variancia de 625,
calcule:
a) P(50:::; x:s; 100)
. c) P(x < 60)
e) P(30:::; x:::; 110)
120
4.7.7 Los pesos de una poblaci6n de mujeres j6venes, tienen una distribuci6n aproximadamente
normal con una media de 132 libras y una desviaci6n estandar de 15. Calcule la probabili
dad, de que unajoven, elegida al azar entre esa poblaci6n, pese:
a) Mas de 155 libras
b) 100 libras
menos
4.8 RESllMEN
En este capitulo, los conceptos de probabilidad descritos en el capitulo anterior se
abordan con mas profundidad. Se analizan los conceptos de variables aleatoria,
discreta y continua, asi como las distribuciones de probabilidad. Se examinan deta
lladamente, en especial, dos distribuciones de probabilidad discreta, la binomial y
la de Poisson, y una distribucion de probabilidad continua, la normal. Tambien se
estudia como esas distribuciones teoricas permiten formar enunciados de probabi
lidad para las variables aleatorias que son de interes para e1profesional de la salud.
~Que es una variable aleatoria discreta? De tres ejemplos que sean de iriteres para el profe
sional de la salud.
2.
~Que es una variable aleatoria continua? De tres ejemplos que sean de interes para el profe
sional de la salud.
~Que
6.
~Que
es un ensayo de Bernoulli?
121
15. El metodo usual para ensenar una habilidad de cuidado personal a gente con retraso men
tal, es efectivo en 50 por ciento de los casos. Un nuevo metodo es ensayado con 10 personas.
Si el nuevo metodo no es mejor que el habitual, 2cuM es la probabilidad, de que siete 0 mas
individuos 10 aprendan?
16. Los registros del personal de un gran hospital muestra que 10 por ciento de los empleados
de mantenimiento y aseo renuncian un ano despues de ser contratados. Si 10 nuevos em
pleados son contratados:
a) "-Cual es la probabilidad de que exactamente la mitad de ellos se encuentren trabajando
un ano despues?
17. En cierto pais en desarrollo, 30 por ciento de los ninos estan desnutridos. En una muestra
aleatoria de 25 ninos de esa area, cual es la probabilidad de que el mimero de ninos desnu
tridos sea:
a) Exactamente 10
b) Menos de cinco
c) Cinco 0 mas
e) Menos de siete, pero mas de cuatro
18. En promedio, dos estudiantes por hora son enviados para tratamiento en la sala de primeros
auxilios en una gran escuela primaria.
a) 2Cual es la probabilidad de que durante una hora dada, tres estudiantes lleguen a la sala
b) 2Cuat es la probabilidad de que durante una hora dada, dos 0 menos estudiantes sean
enviados a la sala de primeros auxilios?
c) (Cual es la probabilidad de que entre tres y cinco estudiantes, inclusive, sean enviados a la
19. En promedio, cinco fumadores pasan por la esquina de cierta calle cada 10 minutos. Cual es
la probabilidad de que durante un periodo dado de 10 minutos el numero de fumadores que
pasen sea de:
a) Seis 0 menos
b) Siete 0 mas
c) Exactamente ocho
20. En cierta area de la ciudad sucede en promedio un suicidio por meso Encuentre la probabi
lidad de que durante un mes dado, el numero de suicidios sea:
b) Menos de uno
a) Mas de uno
c) Mas de tres
21. Los IQ de individuos intemados en una escuela del estado para retrasados mentales tiene una
distribuci6naproximadamente normal con una media de 60 y una desviaci6n estandar de 10.
122
CAPITULO 4
DlSTRIBUCIONES DE PROBABILIDAD
dicha tarea.
c) La probabilidad de. que una enfermera ala que recientemente se Ie asign6 la tarea,
termine en 3 minutos.
23. Las calificaciones de una prueba de aptitud aplicada a estudiantes de enfermerfa sigue una
distribuci6n aproximadamente normal, con una media de 500 y una variancia de 10,000.
a) (Que proporci6n de los individuos examinados lograra menos de 200 puntos?
b) Una persona esta por resolver el examen.(Cual es la probabilidad de que logre una
24. Dada una variable binomial con media de 20 y variancia de 16, calcule n y p.
25. Suponga que una variable X se distribuye normalmente, con una desviaci6n estandar de 10.
Dado que .0985 de los valores de X son mayores que 70, (cual es valor de la media de X?
26. Dada una variable aleatoria X distribuida normalmente, calcule' el valor numerico de k, tal
que P(1l kcr 5, X 5, !l +- kcr) = .754.
27. Dada la variable aleatoria X distribuida normaImente, con una media de 100 y una desvia
ci6n estandar de 15, calcule el valor numerico de k, tal que:
a) P(X 5, k) = .0094
b)P(Xzk)= .1093
c) P(100 5, X
k) = .4778
10 y P(X
5,
P(X
31. Dada una variable aleatoria X distribuida normalmente, con !l = 25y P(X
40)
.0080,
50) =.9904,
z 25)
= .0526,
5,
10) = .0778,
5,
50)
calcule cr.
32. Dada una variable aleatoria X distribuida normalmente, con 11
calculecr.
33. Explique por que cada una de las siguientes mediciones es
Bernoulli:
30y P(X
.9772,
no el resultado de ensayos de
BIBLIOGRAFIA
a) x
0
1
2
3
4
c) x
0
1
2
3
4
P(X
= x)
b) x
0.15
0.25
0.10
0.25
0.30
P(X
= x)
0.15
-0.20
0.30
0.20
0.15.
0
1
2
3
d)
-1
0
1
2
3
4
123
. P(X= x)
0.15
0.20
0.30
0.10
P(X
= x)
0.15
0.30
0.20
0.15
0.10
0.10
BmllOGRAFIA
Bibliografia de metodologia
1. Frank A. Haight, Handbook ofthe Poisson Distribution, Wiley, New York.
Bibliografia de aplicaciones
AI.
A-2.
. A3.
. A-4.
Robert D. Gibbons, David C. Clarky Jan1iawcett, "A Statistical Method for Evaluating Suici
de Clusters and Implementing Cluster Surveillance'\ American Journal of Epidemiolof!:J, 132
(Suplemento No. I), SI83-S191.
A5.