Probabilidad y estadstica

Unidad 3. Distribucin de la probabilidad

Propsito
la Unidad

El estudiante aplicar las distribuciones de probabilidad en

de procesos de toma de decisiones a fin de resolver problemas relacionados con su mbito.

Unidad 3
Temas

Distribucin de la probabilidad
3.1. Distribuciones de probabilidad discreta

Resumen

Esta semana damos inicio a la Unidad 3. Iniciaremos describiendo lo que es

una distribucin de probabilidad, las diferencias entre variable discreta y continua, as como el clculo de la media y varianza de una distribucin de probabilidad. Posteriormente se da a conocer una de las distribuciones de probabilidad
discreta ms conocida y utilizada: la distribucin de probabilidad binomial; as
como la distribucin hipergeomtrica y de Poisson. Se presentan ejemplos para
poder utilizar las tablas de distribucin de probabilidad, y a lo largo de la semana se realizan ejercicios prcticos para reforzar los conceptos vistos.

Probabilidad y estadstica

UVM En Lnea

Introduccin

Esta Unidad inicia con el estudio de distribuciones de probabilidad. Una distribucin de probabilidad indica toda la gama de valores que pueden presentarse
como resultado de un experimento. Una distribucin de probabilidad es similar
a una distribucin de frecuencias relativas, pero en vez de describir el pasado,
describen qu tan probable es un evento futuro. Por ejemplo, un fabricante de
un medicamento afirma que el medicamento causar la prdida de peso en
80% de la poblacin. Una agencia de proteccin al consumidor puede probar
este medicamento en una muestra de seis personas. Si la declaracin del fabricante es verdadera, es casi imposible tener un resultado en el que ninguna
persona de la muestra pierda peso, y es muy probable que 5 de las 6 pierdan
peso.

Probabilidad y estadstica

UVM En Lnea

3.1. Distribucin de la probabilidad

Qu es una distribucin de probabilidad?

Una distribucin de probabilidad indica toda la gama de valores que pueden
presentarse como resultado de un experimento. Una distribucin de probabilidad es similar a una distribucin de frecuencias relativas; sin embargo, en vez
de describir el pasado, describe qu tan probable es un evento futuro.
Una distribucin de probabilidad indica todos los resultados posibles de un experimento junto con la probabilidad correspondiente a cada uno de ellos
Ejemplo:
Supngase que se quiere saber el nmero de caras (H) que se obtienen al lanzar tres veces una moneda al aire. Los posibles resultados son: cero, uno, dos
y tres caras. Cul es la distribucin de probabilidad del nmero de caras?
Existen ocho posibles lanzamientos que se indican en la siguiente tabla, donde
H es cara (sol) y T es cruz (guila).
Resultados
Lanzamiento de moneda
posibles
Primero
1
2
3
4
5
6
7
8

T
T
T
T
H
H
H
H

Segundo
T
T
H
H
T
T
H
H

Tercero
T
H
T
H
T
H
T
H

Nmero
de caras
0
1
1
2
1
2
2
3

Tabla 1. Resultados posibles al lanzar una moneda 3 veces

Observe que el resultado cero caras, se obtuvo solamente una vez, una cara apareci tres veces, dos caras, tres veces y el resultado tres caras solamente una vez. Cero caras ocurri en una de ocho veces, por lo que la pro-

Probabilidad y estadstica

UVM En Lnea

babilidad de cero caras es un octavo (1/8), de una cara (3/8), etc. La distribucin de probabilidad se muestra en la tabla siguiente:
Nmero de caras
X

Probabilidad del
resultado P(x)
1/8= 0.125
3/8=0.375
3/8=0.375
1/8=0.125
8/8=1.000

0
1
2
3
Total

Tabla 2. Distribucin de probabilidad de los resultados posibles al lanzar una moneda 3 veces

La representacin grfica del nmero de caras que se obtiene en tres lanzamientos, se muestra en el grfico siguiente.

Probabilidad

0.375
0.25
0.125
0
0

Nmero de caras

Figura 1. Grafica de la distribucin de probabilidad de los resultados posibles al lanzar una moneda al aire 3 veces

Variables aleatorias

Cuando se realiza un experimento aleatorio, los resultados se presentan al azar

y por lo tanto nos referimos a una variable aleatoria.
Si se cuenta el nmero de empleados ausentes de su turno de trabajo del lunes, el nmero puede ser 0,1,2,3, ; esto es, el nmero de inasistencias es
una variable aleatoria. Si se tiran al aire dos monedas y se cuentan el nmero
de caras, nos referimos a una variable aleatoria.

Probabilidad y estadstica

UVM En Lnea

Una variable aleatoria es la cantidad que es el resultado de un experimento,

y debido al azar, puede tomar valores diferentes.
Una variable puede ser discreta o continua.
Una variable aleatoria discreta slo puede asumir cierto nmero de valores
especficos. Si hay 100 empleados en una empresa, la cantidad de los ausentes
los lunes, puede ser 0,1,2 hasta 100, es decir es el resultado de contar algo.
Una variable aleatoria continua puede tomar un valor de una cantidad infinitamente grande de valores, por ejemplo el ancho de una habitacin, la altura de una persona, la distancia entre dos ciudades; estas son cifras con decimales.

Media, varianza y desviacin estndar

Una distribucin de probabilidad se resume indicando su media y su varianza.

Media

La media es un valor que se utilizar para representar una distribucin de probabilidad, y tambin se le conoce como valor esperado.
El clculo del valor esperado se realiza como:

x P(x)
Donde P(x) es la probabilidad de cada valor que puede tomar la variable aleatoria x.
Ejemplo:
Juan invierte su dinero en Anderson Savings and Loan, en donde recibe un inters anual del 7% sobre la inversin. Un amigo suyo le platic que va a abrir
una cafetera de autoservicio y quiere que Juan invierta. Despus de investigar la oportunidad, Juan prepara una distribucin de probabilidad de las utilidades posibles sobre la inversin. Calcule la utilidad esperada sobre la inversin. Considere la siguiente distribucin.

Probabilidad y estadstica

UVM En Lnea

Rendimiento sobre
la inversin %
-10

Probabilidad
P(x)
0.05

0.15

0.20

10

0.40

20

0.15

30

0.05

Tabla 3. Distribucin de probabilidad de las utilidades posibles sobre una inversin

Aplicando la frmula de valor esperado, la utilidad esperada est dada por:

x P(x)
10(0.05) 0(0.15) 5(0.20) 10(0.40) 20(0.15) 30(0.05)
9%
Esto es, la utilidad esperada es en promedio del 9%.

Varianza y desviacin estndar

La frmula para la varianza de una distribucin de probabilidad es:

2 x 2 P( x)

Donde P(x) es la probabilidad de cada valor que puede tomar la variable aleatoria x y es la media.

Ejemplo:
Juan Ramrez vende automviles nuevos y tiene mayores ventas los sbados.
La distribucin de probabilidad para el nmero de vehculos vendidos por da,
est dado por:

Probabilidad y estadstica

UVM En Lnea

Nmero de vehculos
vendidos

Probabilidad
P(x)

0.10

0.20

0.30

0.30

0.10

Tabla 4. Distribucin de probabilidad del nmero de vehculos vendidos

Note que se trata de una distribucin discreta, ahora calculemos el valor esperado, o nmero promedio de automviles vendidos.

x P( x)
0(0.10) 1(0.20) 2(0.30) 3(0.30) 4(0.10)
2.1
El valor esperado lo podemos interpretar como que el seor Juan vende en
promedio 2.1 coches por da.
Ahora realicemos el clculo de la varianza:
Nmero de
vehculos
vendidos

Probabilidad
P(x)

(x-)2

(x-)

(x-)2 P(x)

0.10

0-2.1

4.41

0.441

0.20

1-2.1

1.21

0.242

0.30

2-2.1

0.01

0.003

0.30

3-2.1

0.81

0.243

0.10

4-2.1

3.61

0.361
2=1.290

Tabla 5. Clculo de la varianza para los vehculos vendidos

Al sacar raz cuadrada de la varianza (1.290), obtenemos la desviacin estndar que es 1.136.

Probabilidad y estadstica

UVM En Lnea

Distribucin de probabilidad binomial

La distribucin de probabilidad binomial es un ejemplo de una distribucin de

probabilidad discreta. Una caracterstica de esta distribucin binomial, es que
solo hay dos resultados posibles en cada ensayo de un experimento. Por ejemplo, el enunciado en una pregunta de verdadero o falso, los resultados son excluyentes, esto es, no pueden ser verdaderos y falso a la vez. Otro ejemplo,
en un departamento de control de calidad se clasifica un producto como aceptable o no aceptable. Otra caracterstica de la distribucin binomial es que la
variable aleatoria es el resultado de conteos; esto es, se cuenta el nmero de
xitos en la totalidad de ensayos. Por ejemplo, se lanza cinco veces una moneda y se cuenta el nmero de caras que resultan; se seleccionan 10 trabajadores y se evala el nmero de ellos que tienen ms de 50 aos, o se escogen
20 cajas de cereal y se cuentan las que pasaron el control de calidad.
Otra caracterstica de esta distribucin es que la probabilidad de un xito sigue siendo la misma de un ensayo a otro. La probabilidad de que se adivine
correctamente la primera pregunta de una prueba de verdadero o falso es ,
la probabilidad de adivinar de manera correcta la segunda es , la probabilidad de adivinar la tercera es y as sucesivamente.
La ltima caracterstica de una distribucin de probabilidad binomial es que
cada ensayo es independiente de cualquier otro. Esto significa que los resultados no siguen ningn patrn.
En resumen:

El resultado de cada ensayo de un experimento se clasifica en una de

dos categoras mutuamente excluyentes: xito o fracaso.
La variable aleatoria cuenta el nmero de xitos en una cantidad fija de
ensayos.
La probabilidad de un xito permanece igual en todos los ensayos, lo
mismo sucede con la probabilidad de un fracaso.
Los ensayos son independientes, esto es, el resultado de un ensayo no
afecta el resultado de algn otro.

Probabilidad y estadstica

UVM En Lnea

La distribucin de probabilidad binomial est dada por:

P( x) n C x ( ) x 1

n x

nCx : combinci n
n : nmero de ensayos
x : nmero de xitos

: probabilidad de xito de cada ensayo

Recuerde que en la Semana 6 revisamos la Frmula de Combinacin, para el
caso de la distribucin de probabilidad binomial es necesario obtener primero
este valor con la frmula:

Cr

n!
r!(n r )!

Ejemplo:
Entre dos ciudades hay cinco vuelos diarios. Si la probabilidad de que un vuelo
llegue retrasado es 0.20, cul es la probabilidad de que ninguno de los vuelos
se retrase el da de hoy?, cul es la probabilidad de que exactamente uno de
los vuelos llegue tarde hoy?
Debido a que la probabilidad de que un vuelo llegue retrasado es de 0.20, se
tiene =0.20, hay cinco vuelos, por lo tanto n=5, y x es el nmero de xitos.
En este caso es un avin que se retrasa, pero como no hay vuelos retrasados
x=0. Aplicando la frmula:

P( x) n C x x 1

n x

P(0) 5 C 0 0.20 0 1 0.20

50

(1)(1)(0.3277) 0.3277
La probabilidad de que exactamente uno de los cinco vuelos llegue retrasado
hoy, es:

P( x) n C x x 1

n x

P(1)5 C1 0.201 1 0.20

51

(5)(0.20)(0.4096) 0.4096

Probabilidad y estadstica

UVM En Lnea

La probabilidad para el nmero de vuelos retrasados se muestra en la siguiente tabla.

Nmero de vuelos
retrasados

Probabilidad

0
1
2
3
4
5
Total

0.3277
0.4096
0.2048
0.0512
0.0064
0.0003
1.000

Tabla 6. Probabilidad del nmero de vuelos retrasados

La grfica de los valores de probabilidad obtenidos en la tabla anterior, se

muestran en la siguiente grfica.

Probabilidad
0.450
0.400

0.410

0.350
0.300

0.328

0.250
0.200

0.205

0.150
0.100
0.050

0.051

0.006

0.000

0.000
0

Grfica 2. Grfica de la probabilidad de nmero de vuelos retrasados

Probabilidad y estadstica

UVM En Lnea

10

Tablas de probabilidad binomial

Una distribucin de probabilidad binomial, puede expresarse mediante una

frmula, sin embargo en casos donde la n es mayor, los clculos son tediosos
y se puede consultar una tabla que nos indique las probabilidades de el nmero de xitos para diferentes valores de n y , una pequea parte aparece a
continuacin.

Tabla 7.Tabla de la distribucin de probabilidad binomial para distintos valores de n y x

Ejemplo:
Cinco por ciento de los engranes producidos por una mquina, resultan defectuosos cul es la probabilidad de que al seleccionar seis engranes, ninguno
sea defectuoso? Cul es la probabilidad de que haya exactamente dos?
Exactamente tres o cuatro?
Note que se satisfacen las condiciones:

Existe una probabilidad constante de xito

Hay un nmero fijo de ensayos
Los ensayos son independientes
Existen solo dos resultados posibles (defectuoso o aceptable)

Probabilidad y estadstica

UVM En Lnea

11

Con la tabla mostrada anteriormente, determine la probabilidad de tener

exactamente 0 engranes defectuosos. Consultamos en la tabla para un valor de n=6, =0.05 y x=0, 1, 2, 3, 4, 5 y 6, observamos que el valor correspondiente para x =0 es de 0.735; de la misma forma se obtienen los
valores para los dems nmeros de defectos.
Nmero de
engranes
defectuosos
x
0
1
2
3

Nmero de
engranes
defectuosos
x

Probabilidad
de ocurrencia
P(x)
0.735
0.232
0.031
0.002

4
5
6

Probabilidad
de ocurrencia
P(x)
0.000
0.000
0.000

Tabla 8. Tabla de probabilidad de nmero de engranes defectuosos

Tenemos un valor de n =6 y =0.05, que corresponde con los valores obtenidos y los que se observan en la tabla.
En la siguiente grfica podemos observar la representacin de la distribucin de probabilidad binomial para un valor de = 0.10 y valor de n=7, 12,
20 y 40. Se puede observar que conforme aumenta el valor de n, la forma
de la distribucin binomial es cada vez ms simtrica.
0.6
0.5

n=7

n=12

n=20

n=40

P(x)

0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7
Nmero de xitos
x

Grfica 3. Distribucin binomial para distintos = 0.10 y n=7, 12, 20 y 40

Probabilidad y estadstica

UVM En Lnea

12

Distribucin de probabilidad hipergeomtrica

Cuando se utiliz la distribucin binomial, la probabilidad de xito permanece

igual de un ensayo a otro, pero cuando la muestra se realiza sin reposicin (o
sin reemplazo) y la muestra se obtiene de una poblacin relativamente pequea, la probabilidad de xito no permanece igual de un ensayo a otro y no se
debe utilizar la distribucin binomial, en su lugar la distribucin hipergeomtrica debe ser utilizada. Esto es, si se selecciona una muestra de una poblacin
finita sin reposicin y si el tamao de la muestra es mayor que 5% del tamao
N de la poblacin, se utiliza la distribucin hipergeomtrica para determinar la
probabilidad de un nmero especfico de xitos o fracasos.

P( x)

C x N S C n x
N Cn

N : tamao de la poblacin
S : cantidad de xitos en la poblacin
x : tamao de la poblacin
Ejemplo:
Una fbrica de juguetes tiene 50 empleados en el departamento de ensamble.
De estos, 40 pertenecen a un sindicato y 10 no. Se van a elegir cinco empleados aleatoriamente para que integren un comit que hablar con el gerente
acerca de la hora de inicio de los distintos turnos, cul es la probabilidad de
que cuatro de los cinco elegidos pertenezcan al sindicato?
Tenga presente que el muestreo se efecta sin remplazo, as que la probabilidad de elegir un obrero que pertenezca al sindicato, varia de un ensayo a otro,
por lo que la distribucin hipergeomtrica es la apropiada para este problema.
Los datos con los que contamos son:
N = 50, nmero de empleados
S= 40, nmero de empleados del sindicato
x=4, es el nmero de empleados del sindicato que fueron seleccionados
n=5, es el nmero de empleados elegidos

Probabilidad y estadstica

UVM En Lnea

13

 40! 10! 40 39 38 37 36! 10 9!

4! 36! 1! 9!
4! 36!
1! 9!

S C x N S Cn x
P( x)

50!
50 49 48 47 46 45!
N Cn
5! 45!
5! 45!
40 39 38 37 10

4!

1! 91,390(10) 0.431

50 49 48 47 46
2,118,760
5!
La probabilidad de elegir aleatoriamente 5 empleados de los 50 del departamento de ensamble la probabilidad que 4 de ellos pertenezcan al sindicato es
de 0.431

Distribucin de probabilidad de Poisson

La distribucin de probabilidad de Poisson describe la cantidad de veces que

ocurre un evento en un intervalo determinado. La distribucin se basa en dos
supuestos: i) la probabilidad es proporcional a la extensin del intervalo, y ii)
los intervalos son independientes. Esto es, cuanto mayor sea la magnitud o
extensin del intervalo, mayor ser la probabilidad; y el nmero de ocurrencias
en un intervalo no afecta a los otros intervalos.
La distribucin de Poisson se describe mediante la siguiente frmula:

P( x)

x e
x!

:media del nmero de ocurrencia s (xitos) en un intervalo especfico

e : constante 2.71828
x : es el nmero de ocurrencia s (xitos)
P(x) : probabilidad que se va a calcular para un valor dado de x

Probabilidad y estadstica

UVM En Lnea

14

Ejemplo:
Una aerolnea rara vez pierde el equipaje. En la mayor parte de los vuelos no
se observa un mal manejo de las maletas; algunos pasajeros reportan una maleta perdida; unos cuantos tienen dos maletas extraviadas; rara vez se tienen
tres, y as sucesivamente. Supngase que una muestra aleatoria de 1000 viajes, se presentan 300 maletas perdidas. La media aritmtica del nmero de
equipajes por vuelo es de 0.3 () , que se obtiene de 300/1000. Si la cantidad
de maletas perdidas por viaje areo sigue una distribucin de Poisson con
=0.30, podemos calcular las diferentes probabilidades, por ejemplo, la probabilidad de no perder ninguna maleta (x=0), y de perder una maleta (x=1), estn dadas por:

P( x)

x e

0.30 e 0.3

0.7408
0!

x!
0.31 e 0.3
P(1)
0.2222
1!

Es decir la probabilidad de perder no perder ninguna maleta e de 0.7408 y de

perder una maleta es de 0.222.

Probabilidad y estadstica

UVM En Lnea

15

Referencias Bibliogrficas

Ritchey, F. (2008). Estadstica para las Ciencias Sociales. Mxico: McGrawll

Hill.
Allen L. W. (2001). Estadstica aplicada a los negocios y la economa. Mxico: Mc Graw Hill.

Probabilidad y estadstica

UVM En Lnea

16