CORPORACIN UNIVERSITARIA MINUTO DE DIOS

FACULTAD DE INGENIERA
DEPARTAMENTO DE CIENCIAS BSICAS
DOCENTE: ANGELA PORTELA
ESTADSTICA II

GUA DE APRENDIZAJE: ESTADSTICA INFERENCIAL

DOCENTE: Angela Portela FECHA: MARZO DE 2014

TEMAS: Distribuciones de probabilidad.

DEFINIR:

Variable aleatoria; Tipos de Variables: discreta y continua, Distribucin de

probabilidad

Media, varianza y desviacin estndar de una distribucin de probabilidad.

AFIANCEMOS LO APRENDIDO

Como se ha sealado los eventos experimentales de mayor inters con frecuencia son
numricos, es decir, realizamos un experimento y observamos el valor numrico de
alguna variable. Si repetimos el experimento n veces, obtenemos una muestra de datos
cuantitativos. Como ejemplo, supongamos que un producto fabricado en una empresa,
se vende en lotes de 20 cajas, cada una de las cuales contiene 12 artculos. A fin de
verificar la calidad del producto, el jefe de control de procesos de la empresa selecciona
al azar cuatro de entre los 240 artculos de un lote y determina si los artculos estn
defectuosos o no. Si ms de uno de los artculos muestreados resulta defectuoso, se
rechazar todo el lote.

La seleccin de cuatro artculos fabricados de entre 240 produce un espacio muestral

240
que contiene ( ) eventos simples, cada uno de los cuales corresponde a una posible
4
combinacin de cuatro artculos que podran seleccionarse del lote. El evento de inters
para el jefe de control de procesos es la observacin de la variable X nmero de artculos
defectuosos entre los cuatro que se prueban, por lo tanto existe una relacin funcional
entre los eventos simples Ei de y los valores que puede asumir X.

El evento x = 0 es la coleccin de todos los eventos simples que no contienen artculos

defectuosos. De forma similar, el evento x = 1 es la coleccin de todos los eventos
simples en lo que se observa un artculo defectuoso. Puesto que el valor que X puede
asumir es un evento numrico, que vara de forma aleatoria de una repeticin del
experimento a otra, se dice que X es una variable aleatoria.

Conceptos bsicos

Una variable aleatoria es una funcin que cuantifica los resultados de un experimento
aleatorio. Una variable aleatoria discreta X slo puede asumir una cantidad de valores
susceptible de contarse. En estadstica la distribucin de probabilidad para una variable
aleatoria discreta X es una tabla, grfica o frmula que da la probabilidad P(X = x)
asociada a cada posible valor de X. Si consideremos el experimento de lanzar dos
veces una moneda balanceada y se observa el nmero X de caras. Calculemos la
distribucin de probabilidad para X. Sean Ci y Si la observacin de una cara y un sello,
 CORPORACIN UNIVERSITARIA MINUTO DE DIOS
FACULTAD DE INGENIERA
DEPARTAMENTO DE CIENCIAS BSICAS
DOCENTE: ANGELA PORTELA
ESTADSTICA II

respectivamente, en el i simo lanzamiento, para i = 1, 2. Los cuatro eventos

simples y los correspondientes valores de X se muestran en la tabla 1.

El evento x = 0 es la coleccin de todos los eventos simples que producen un valor de

x = 0 en este caso es el nico evento E4, luego la probabilidad de que x asuma el valor
cero es: P(x = 0) = p( 0 ) = P(E4) = 1/4 El evento x = 1 contiene dos eventos simples,
E2 y E3. Por tanto, P(x = 1) = p( 1 ) = P(E2) + P(E3) = +1/4=1/2 Por ltimo, P(x = 2)
= p( 2 ) = P(E1) = 1/4 La tabla 2, muestra la distribucin de probabilidad para x.

Como se ver ms adelante, esta distribucin de probabilidad tambin puede calcularse

con la frmula

, usando la distribucin binomial.

Requisitos para una distribucin de probabilidad discreta,

Esperanza. Sea x una variable aleatoria discreta con distribucin de probabilidades

p(x). Entonces el valor esperado o medio de x es

Varianza. Sea x una variable aleatoria discreta con distribucin de probabilidades p(x).

Entonces, la varianza de x es
La desviacin estndar de x es la raz cuadrada positiva de la varianza de x.

Distribucin Bernoulli
 CORPORACIN UNIVERSITARIA MINUTO DE DIOS
FACULTAD DE INGENIERA
DEPARTAMENTO DE CIENCIAS BSICAS
DOCENTE: ANGELA PORTELA
ESTADSTICA II

Una prueba o experimento Bernoulli tiene uno de dos resultados mutuamente

excluyentes, que generalmente se denotan S (xito) y F (fracaso). Por ejemplo, al
seleccionar un objeto para control de calidad puede ocurrir que sea defectuoso o no lo
sea. El espacio muestral , de un experimento Bernoulli consta de dos resultados
= {xito, fracaso}

Supongamos que p es la probabilidad de observar un xito en un ensayo Bernoulli,

donde 0< p < 1.
La distribucin de probabilidad de la variable aleatoria (v. a) . Bernoulli, est dada por:

La distribucin de probabilidad de la variable aleatoria de Bernoulli X est dada por:

Ejemplo

Una variable aleatoria de Bernoulli, por s sola, tiene poco inters en las aplicaciones de
ingeniera y ciencias. En cambio, la realizacin de una serie de pruebas de Bernoulli
conduce a varias distribuciones de probabilidad discretas bien conocidas y tiles.

La distribucin de probabilidad binomial

Muchos experimentos en la vida real consisten en efectuar una serie de pruebas de

Bernoulli y son anlogos al lanzamiento de una moneda no balanceada un nmero n
de veces. Suponga que el 20% de los artculos que produce una mquina son
defectuosos. En este caso seleccionar una muestra aleatoria de 10 artculos y
analizarlos para determinar si son defectuosos sera anlogo a lanzar una moneda no
balanceada 10 veces, siendo la probabilidad de obtener una cara (artculo defectuoso)
en una sola prueba igual a 0,20.
Las encuestas de opinin pblica o preferencias de los consumidores que generan dos
respuestas (s o no, aprueba o desaprueba, etc.) tambin son anlogas al experimento
de lanzar un moneda no balanceada si el tamao N de la poblacin es grande y el
tamao de la muestra n es relativamente pequeo, digamos 0,10N o menos. Todos
estos experimentos son ejemplos particulares de un experimento binomial.
Experimento binomial es aquel experimento generado por n ensayos Bernoulli
independientes, donde cada ensayo tiene igual probabilidad de xito p, 0 < p < 1
 CORPORACIN UNIVERSITARIA MINUTO DE DIOS
FACULTAD DE INGENIERA
DEPARTAMENTO DE CIENCIAS BSICAS
DOCENTE: ANGELA PORTELA
ESTADSTICA II

Sea X = nmero de xitos en n ensayos Bernoulli, entonces el recorrido de X es RX

= { 0, 1, 2, . . . , n } .

La distribucin de probabilidad para X es:

Ejemplo
Un agente de seguros vende plizas a 5 individuos, todos de la misma edad. De
acuerdo con las tablas actuariales, la probabilidad de que un individuo con esa edad
viva 30 aos ms es de 3/5. Determinar la probabilidad de que dentro de 30 aos
vivan:
1. Los cinco individuos.
2. Al menos tres.
3. Slo dos.
4. Al menos uno.
Solucin
Estamos frente a una variable Bernoulli ya que dentro de 30 aos se pueden presentar
dos situaciones que la persona este viva (p = 3/5) o que haya muerto (q = 2/5). Al
considerar los 5 individuos, estamos frente a una varia aleatoria X binomial con n = 5,
p = 0, 6 X ~ B(5, 0,6)

Ejemplo
Suponiendo que la probabilidad de tener un hijo varn es 0,51. Hallar la probabilidad de
que una familia con seis hijos tenga:
1. Por lo menos un nio.
2. Por lo menos una nia.
 CORPORACIN UNIVERSITARIA MINUTO DE DIOS
FACULTAD DE INGENIERA
DEPARTAMENTO DE CIENCIAS BSICAS
DOCENTE: ANGELA PORTELA
ESTADSTICA II

Solucin
Si X es la variable nmero de hijos varones en una familia de seis hijos, estamos frente
a una variable binomial con n = 6 y p = 0,51.

RESOLVER LOS SIGUIENTES PROBLEMAS

Resolver manual y verificar en excel

1. Supongamos que la probabilidad de tener una unidad defectuosa en una lnea de

ensamblaje es de 0.05. Si el conjunto de unidades terminadas constituye un conjunto
de ensayos independientes:
1. cul es la probabilidad de que entre diez unidades dos se encuentren defectuosas?
2. y de que a lo sumo dos se encuentren defectuosas?
3. cul es la probabilidad de que por lo menos una se encuentre defectuosa?

2. El gerente de un restaurante que slo da servicio mediante reservas sabe, por

experiencia, que el 20% de las personas que reservan una mesa no asistirn. Si el
restaurante acepta 25 reservas pero slo dispone de 20 mesas, cul es la probabilidad
de que a todas las personas que asistan al restaurante se les asigne una mesa?

3. Se lanza un dado equilibrado produciendo el espacio equiprobable S= {1,2, 3, 4, 5,6}

Sea X el doble del nmero que aparece. Encuentre la distribucin , la media x, la
varianza x 2 y la desviacin estndar x de X.

4. Se sabe que en la manufactura de cierto artculo, uno de cada diez resulta defectuoso
cul es la probabilidad que en una muestra aleatoria de 4 artculos contenga;
a. ninguno defectuoso
b. exactamente dos defectuosos
c exactamente un defectuoso
d. no ms de dos defectuosos.

5. segn los registros universitarios fracasa el 5% de los estudiantes de cierto curso.

Cul es la probabilidad que de seis seleccionados al azar, que haya seguido dicho
curso, menos de tres hayan fracasado?

6. los registros hospitalarios indican que el 10% de los casos de cierta enfermedad
resultan fatales. Si hay cinco pacientes que sufren de la enfermedad, encontrar la
probabilidad de que:
a. todos sanen
b. exactamente tres mueran
 CORPORACIN UNIVERSITARIA MINUTO DE DIOS
FACULTAD DE INGENIERA
DEPARTAMENTO DE CIENCIAS BSICAS
DOCENTE: ANGELA PORTELA
ESTADSTICA II

7. En una fabrica el 20% de los artculos que produce cierta maquina resultan
defectuosos. Si 10 artculos son elegidos a la azar, de todos los producidos en un dia
por dicha maquina calcular la probabilidad de que haya:

a. Exactamente dos defectuosos

b. Ms de cinco defectuosos
c. 3 o ms defectuosos
d. Ninguno defectuoso

8. De los 6000 estudiantes matriculados en la universidad, se sabe que 4800 se

trasladan a la sede principal utilizando el transporte urbano (servicio pblico trasmilenio).
Si se selecciona una muestra de ocho estudiantes cul es la probabilidad:
a. no ms de dos utilicen trasmilenio
b. por lo menos dos no lo utilicen
c. exactamente dos lo utilicen

9. Una compaa de seguros considera que alrededor del 25% de los carros de servicio
pblico se accidentan cada ao, Cul es la probabilidad que por lo menos tres de una
muestra de siete vehculos afiliados, hayan tenido accidentes en el ao?

10. La oficina de personal en una fbrica indica que el 30% de los empleados de la lnea
de montajes se retiran durante los tres aos de haber sido contratados. Se acaban de
contratar 12 empleados nuevos Cul es la probabilidad de que:
a. Por lo menos nueve sigan trabajando despus del tercer ao
b. como mnimo tres se retiren antes del tercer ao.

DEFINICIONES:

Una variable aleatoria se llama variable aleatoria discreta (v.a.d.) si se puede contar
su conjunto de resultados posibles. Cuando una variable aleatoria puede tomar valores
en una escala continua, se le denomina variable aleatoria continua (v.a.c.). Muchas
veces los posibles valores de una v.a.c. son precisamente los mismos valores que
contiene el EMC. Tal como ocurre en los Ejemplos 5 y 6.
 CORPORACIN UNIVERSITARIA MINUTO DE DIOS
FACULTAD DE INGENIERA
DEPARTAMENTO DE CIENCIAS BSICAS
DOCENTE: ANGELA PORTELA
ESTADSTICA II

En la mayor parte de los problemas prcticos, las v.a.c. representan datos medidos,
como son los posibles pesos, alturas, temperaturas o perodos de vida, mientras que las
v.a.d. representan datos contados, como en los Ejemplos 1, 2, 3 y 4.
Con frecuencia es conveniente representar todas las probabilidades de una v.a. X
mediante una frmula. Tal frmula necesariamente sera una funcin de los valores
numricos x que denotaremos con f(x), g(x), r(x) y as sucesivamente. Por lo tanto,
escribimos f(x)=P(X=x), es decir, f(3)=P(X=3).

Distribuciones de Probabilidad
El conjunto de pares ordenados (x,f(x)) se llama funcin de probabilidad o distribucin
de probabilidad de la v.a.d. X.
El conjunto de pares ordenados (x,f(x)) es una funcin de probabilidad, funcin de
masa de probabilidad o distribucin de probabilidad de la v.a.d. X, si para cada
resultado posible x,

Distribuciones Continuas de Probabilidad

Trataremos el clculo de probabilidades para varios intervalos de v.a.c. como P(a<X<b),

P(W>c), etc.
Notar que cuando X es una v.a.c.

Es decir, no importa si incluimos o no un extremo del intervalo. Sin embargo, esto no

es cierto cuando X es una v.a.d.
La distribucin de probabilidad de una v.a.c. no se puede representar de forma tabular,
sin embargo se puede establecer como una frmula. Al tratar con con v.a.c., f(x) por lo
general se llama funcin de densidad de probabilidad, o simplemente funcin de
densidad de X. Como X se define sobre un EMC, es posible que f(x) tenga un nmero
finito de discontinuidades. Sin embargo, la mayor parte de las funciones de densidad
que tienen aplicaciones prcticas en el anlisis de datos estadsticos son continuas y
sus grficas pueden tomar varias formas.
Una funcin de densidad de probabilidad se construye de modo que el rea bajo su curva
limitada por el eje x sea igual a 1 cuando se calcula en el rango de X para el que se define f(x).
 CORPORACIN UNIVERSITARIA MINUTO DE DIOS
FACULTAD DE INGENIERA
DEPARTAMENTO DE CIENCIAS BSICAS
DOCENTE: ANGELA PORTELA
ESTADSTICA II

En la Figura anterior, la probabilidad de que X tome un valor entre a y b es igual al rea

sombreada bajo la funcin de densidad entre las ordenadas en x=a y x=b, y del clculo integral
es dada por

La funcin f(x) es una funcin de densidad de probabilidad para la v.a.c. X, definida en el

conjunto de nmeros reales, si