Unidad 2: Distribuciones

de Probabilidad
Objetivos de la unidad
Qu es una distribucin de
probabilidad?
Entonces
Ejemplo:
 Suponga ahora que nos interesa
formular una distribucin de
probabilidad del nmero de
cruces (T) que podran caer
cuando lanzamos la moneda dos
veces.
Habiendo visto lo anterior
Tipos de distribuciones de
probabilidad
 Ejercicios (1 y 2):
Basndose en la siguiente grfica de una
distribucin de probabilidad, construya la tabla
que corresponda.
Probabilidad

5,000 10,000 6,000 8,000

Ganancias
Variables aleatorias
Creacin de una distribucin
de probabilidad
El valor esperado de una
variable aleatoria
Clculo del valor
esperado
Para obtener el valor esperado de
una variable aleatoria discreta,
multiplicamos cada valor que la
variable puede tomar por la
probabilidad de ocurrencia de ese
valor y luego sumamos los
productos.
Ejemplos:
1. Construya una distribucin de probabilidad
con base en la siguiente distribucin de
frecuencias

a) Trace una grfica de la distribucin de

probabilidad hipottica.

b) Calcule el valor esperado del resultado.

2. Bob Walters, quien invierte con
frecuencia en el mercado de valores,
estudia con detenimiento cualquier
inversin potencial.

En la actualidad examina la posibilidad

de invertir en la Trinity Power Company.
 Mediante el estudio del rendimiento en el
pasado, Walters ha desglosado los
resultados potenciales en cinco
resultados posibles con sus
probabilidades asociadas.
Los resultados son tasas de rendimiento
anuales sobre una sola accin que hoy
cuesta $150.
a) Encuentre el valor esperado del
rendimiento sobre la inversin en una
sola accin de Trinity Power.

b) Si Walters compra acciones siempre

que la tasa de rendimiento esperada
exceda el 10%, comprar la accin,
de acuerdo con estos datos
Ejercicios:
1. Elabore una distribucin de probabilidad
con base en la siguiente distribucin de
frecuencias:

a) Trace una grfica de la distribucin de

probabilidad hipottica.
b) Calcule el valor esperado del resultado.
2. A partir de la siguiente grfica de
distribucin de probabilidad:

a) Construya una tabla de la distribucin de

probabilidad.

b) Encuentre el valor esperado de la variable

aleatoria.
Uso del valor esperado en la
toma de decisiones:
Combinacin de probabilidades y
valores monetarios:
Definicin de los tipos de
prdidas:
Clculo de prdidas
esperadas:
La distribucin binomial:
Uso del proceso de Bernoulli
 Calculemos, para utilizar este lenguaje en un
problema sencillo, las posibilidades de obtener
exactamente dos caras (en cualquier orden) en
tres lanzamientos de una moneda no alterada.
Simblicamente, expresamos los valores de la
forma siguiente:

a) p = probabilidad caracterstica o probabilidad

de tener xito = 0.5

b) q =1 - p probabilidad de fracaso = 0.5

c) r = nmero de xitos deseados = 2

d) n = nmero de intentos hechos = 3

Algunas presentaciones grficas
de la distribucin binomial
Ejemplo:
Tablas binomiales
Cul es la probabilidad de que ocho de los 15 votantes

demcratas empadronados de Prince Street no puedan votar

en las elecciones preliminares, si la probabilidad de que

cualquier individuo no pueda votar es de 0.30, y si las

personas deciden de manera independiente si votan o no?

Primero representamos los elementos de este problema en

notacin de distribucin binomial:

a) n =15 nmero de democratas empadronados

b) p = 0.30 probabilidad de que cualquier individuo no vote

c) r = 8 nmero de individuos que no van a votar

 Medidas de tendencia central y de
dispersin
para la distribucin binomial
La distribucin binomial tiene un valor esperado o media ( ) y

una desviacin estndar ( ); veremos la forma en que ambas

medidas estadsticas se pueden calcular.

De manera intuitiva, podemos pensar que si una cierta mquina

produce partes buenas con p = 0.5, entonces, a la larga, la media

de la distribucin de las partes buenas de la produccin ser de

0.5 veces la produccin total.

Si se tiene una probabilidad de 0.5 de obtener cara al lanzar una

moneda no alterada, despus de un nmero grande de

lanzamientos, la media de la distribucin binomial del nmero de

caras ser 0.5 veces el nmero total de lanzamientos.

Cumplimiento de las condiciones para
emplear
el proceso de Bernoulli
Ejercicio:
 Ejercicios Distribucin
Binomial:
1. N= 5 p = 0.7 r=3
2. N= 4 p= 0.2 r=2
3. N= 6 p= 0.3 r=3
4. N=3 p=0.4 r=1
5. N= 8 p= 0.7 r= 5
Ejercicios :
Ejercicios :
Ejemplos:

0 1 2 3 4

11 12
Ejercicios :
Distribucin de Poisson
 Caractersticas de los procesos que
producen una distribucin
de probabilidad de Poisson
El nmero de vehculos que pasan por una sola caja de una caseta de

cobro en una hora pico sirve para ilustrar las caractersticas de la

distribucin de probabilidad de Poisson:

1. El promedio (la media) del nmero de vehculos que llegan por hora

pico puede estimarse a partir de datos sobre trfico que se tengan

disponibles.

2. Si dividimos la hora pico en periodos (intervalos) de un segundo

cada uno, encontraremos que las siguientes afirmaciones son

verdaderas:

a) La probabilidad de que exactamente un vehculo llegue a una caja

por segundo es muy pequea y es constante para cada intervalo de

un segundo.
b) La probabilidad de que dos o ms vehculos lleguen

en un intervalo de un segundo es tan pequea que le

podemos asignar un valor de cero.

c) El nmero de vehculos que llegan en un intervalo

dado de un segundo es independiente del momento

en que dicho intervalo se presente en la hora pico.

d) El nmero de llegadas en cualquier intervalo de un

segundo no depende del nmero de llegadas en

cualquier otro intervalo de un segundo.

Clculo de la probabilidad de
Poisson
Ejemplo:
Ejemplos distribucin de
Poisson
Ejercicios distribucin de
Poisson:
La distribucin de Poisson como
una aproximacin
de la distribucin binomial
Ejemplos con aproximacin
de Poisson
Ejercicios con aproximacin
de Poisson
Dada una distribucin binomial
con n=28 ensayos y p=0.025,
use la aproximacin de Poisson a
la binomial para encontrar:
a) P(r=3)
b) P(r=5)
c) P (r=9)
La distribucin normal:
distribucin
de una variable aleatoria
continua
Caractersticas de la distribucin
normal de probabilidad
 La mayor parte de las poblaciones reales no se
extienden de manera indefinida en ambas
direcciones; pero para estas poblaciones, la
distribucin normal es una aproximacin conveniente.
No hay una sola curva normal, sino una familia de
curvas normales.
Para definir una distribucin normal de probabilidad
necesitamos definir slo dos parmetros: la media ()
y la desviacin estndar ().
reas bajo la curva
normal
 Matemticamente es verdad que:

1. Aproximadamente el 68% de todos los valores de

una poblacin normalmente distribuida se encuentra

dentro de 1 desviacin estndar de la media.

2. Aproximadamente el 95.5% de todos los valores de

una poblacin normalmente distribuida se encuentra

dentro de 2 desviaciones estndar de la media.

3. Aproximadamente el 99.7% de todos los valores de

una poblacin normalmente distribuida se encuentra

dentro de 3 desviaciones estndar de la media.

La figura anterior muestra tres formas diferentes de medir el rea bajo la
curva normal.

Sin embargo, muy pocas de las aplicaciones que haremos de la

distribucin normal de probabilidad implican intervalos de exactamente
(ms, menos) 1, 2 o 3 desviaciones estndar a partir de la media.

Qu haremos con respecto a todos los dems casos?

Por fortuna, podemos remitirnos a tablas estadsticas construidas

precisamente para estas situaciones. Las tablas indican porciones del rea
bajo la curva normal que estn contenidas dentro de cualquier nmero de
desviaciones estndar (ms, menos) a partir de la media.
No es posible ni necesario tener una tabla distinta
para cada curva normal posible. En lugar de ello
podemos utilizar una distribucin de probabilidad
normal estndar para encontrar reas bajo
cualquier curva normal.

Con esta tabla podemos determinar el rea o la

probabilidad de que la variable aleatoria
distribuida normalmente est dentro de ciertas
distancias a partir de la media. Estas distancias
estn definidas en trminos de desviaciones
estndar.
Podremos entender
mejor el concepto de la
distribucin de
probabilidad normal
estndar examinando la
especial relacin
existente entre la
desviacin estndar y
la curva normal.
Uso de la tabla de
distribucin de probabilidad
normal estndar
En la tabla se muestra el rea bajo
la curva normal entre la media y
cualquier valor de la variable
aleatoria normalmente distribuida.
Observe en esta tabla la localizacin
de la columna identificada con z.
El valor de z se deriva de la frmula:
Por qu utilizamos z en lugar
del nmero de desviaciones
estndar?

Las variables aleatorias Como vamos a utilizar la tabla,

normalmente distribuidas hablamos en trminos de
tienen muchas unidades unidades estndar (que en
diferentes de medicin: dlares, realidad significa desviaciones
pulgadas, partes por milln, estndar), e identificamos a
kilogramos, segundos. stas con el smbolo z.
 Podemos expresar lo anterior de manera
grfica.
En la figura siguiente podemos ver que el
uso de z es solamente un cambio en la
escala de medicin del eje horizontal.
La Tabla de distribucin de
probabilidad normal estndar
est organizada en trminos
de unidades estndar,
valores de z.
Como la distribucin normal
de probabilidad es simtrica
(los valores correspondientes
a una mitad de la curva
corresponden tambin a la
otra.
Da los valores de nicamente
la mitad del rea bajo la
curva normal, empezando
o
con 0.0 en la media.
Podemos utilizar esta tabla
para resolver problemas que
impliquen ambos lados de la
curva normal.
Datos para ejemplos

Tenemos un programa de entrenamiento diseado para

mejorar la calidad de las habilidades de los
supervisores de lnea de produccin.

Debido a que el programa es auto administrado, los

supervisores requieren un nmero diferente de horas
para terminarlo.

Un estudio de los participantes anteriores indica que el

tiempo medio para completar el programa es de 500
horas, y que esta variable aleatoria normalmente
distribuida tiene una desviacin estndar de 100 horas.
Ejemplo 1 Cul es la
probabilidad de que un
participante elegido al azar
requiera ms de 500 horas para
completar el programa?
Ejemplo 2 Cul es la
probabilidad de que un candidato
elegido al azar se tome entre 500
y 650 horas para completar el
programa de entrenamiento?
 La probabilidad que responder a esta
pregunta est representada por el rea
con pantalla gris entre la media (500
horas) y el valor x, en el cual estamos
interesados (650 horas).
Utilizando la ecuacin siguiente,
obtenemos un valor para z de:
 Si buscamos z = 1.5 en la tabla,
encontraremos una probabilidad de
0.4332. En consecuencia, la probabilidad
de que un candidato escogido al azar
requiera entre 500 y 650 horas para
terminar el programa de entrenamiento
es ligeramente mayor a 0.4.
Ejemplo 3 Cul es la
probabilidad de que un candidato
elegido al azar se tome ms de
700 horas en completar el
programa?
Buscando en la Esto representa Sin embargo,
tabla un valor de la probabilidad deseamos tener
z igual a 2.0, de que el la probabilidad
encontramos programa tome de que tome
una probabilidad entre 500 y 700 ms de 700
de 0.4772. horas. horas.
Puesto que la mitad derecha
de la curva (entre la media y
la cola derecha) representa
Por tanto, hay un poco ms de
una probabilidad de 0.5,
dos oportunidades en 100 de
podemos obtener nuestra
que un participante elegido al
respuesta (el rea que se
azar se lleve ms de 700
encuentra a la derecha del
horas en completar el curso.
punto correspondiente a 700
horas) si restamos 0.4772 de
0.5; 0.5000 - 0.4772 = 0.0228.
Ejemplo 4 Suponga que el
director del programa de
entrenamiento desea saber la
probabilidad de que un
participante escogido al azar
requiera entre 550 y 650 horas
para completar el trabajo
requerido en el programa.
 Cuando buscamos un valor de z igual a 1.5 en la
tabla , encontramos una probabilidad de 0.4332
(la probabilidad de que la variable aleatoria est
entre la media y 650 horas).
Ahora, para el segundo paso calculamos un valor
de z para el punto correspondiente a 550 horas,
as:
Ejemplo 5 Cul es la
probabilidad de que un candidato
elegido al azar se tomar menos
de 580 horas para completar el
programa?
Al buscar en la tabla un valor para z igual a 0.8, encontramos una probabilidad de
0.2881 (la probabilidad de que la variable aleatoria est entre la media y 580
horas).

Debemos sumar a sta la probabilidad de que la variable aleatoria est entre

la cola izquierda y la media.

Debido a que la distribucin es simtrica con respecto a la mitad de su rea a

cada lado de la media, sabemos que este valor debe ser de 0.5.

Como paso final, entonces, sumamos las dos probabilidades:

Ejemplo 6 Cul es la
probabilidad de que un candidato
escogido al azar se tome entre
420 y 570 horas para completar
el programa?
Buscamos el valor de z
correspondiente a 0.7 en la tabla
y encontramos 0.2580 como
valor de probabilidad. Segundo,
calculamos el valor de z para el
punto correspondiente a 420
horas:
 Limitaciones de la
distribucin normal de
probabilidad
Antes, se enfatiz que las
colas de la distribucin
normal se acercan al eje
horizontal, pero nunca llegan
a tocarlo.

Esto implica que existe algo

de probabilidad (aunque
puede ser muy pequea) de
que la variable aleatoria
pueda tomar valores
Debido a la forma de la
cola derecha de la
curva, es posible que la
curva de distribucin Desde luego, nadie
normal asigne una creera en la existencia
probabilidad minscula de tal persona.
a la existencia de una
persona que pese 2,000
kilogramos.