Aplicaciones del Cálculo y

Estadística
Distribuciones Discretas
Especiales (Binomial)

Distribuciones Contínuas
Especiales (Normal)
Capacidad general:
Reconoce una variable aleatoria discreta y contínua X,
aplicar el proceso binomial para hallar su probabilidad o
transformarla mediante el proceso de normalización a una
Variable Z en donde se podrá calcular la probabilidad de
ocurrencia de dicha variable.

Capacidades específicas:
Identifica una variable aleatoria discreta y continua.
Halla la probabilidad mediante el proceso binomial o el
de normalización.
Aprende a usar los gráficos en el cálculo de una
probabilidad.
Identifica el aspecto acumulativo de las distribuciones
discretas y contínuas.
 Distribución Discreta : Binomial
Se define la variable aleatoria binomial X cuando:
X: Número de éxitos que ocurren en las n pruebas

 Cada repetición es independiente, es decir el resultado

de cualquier repetición particular no es afectado por el
resultado de otra repetición.
 El experimento aleatorio consiste en obtener sólo dos
resultados posibles mutuamente excluyentes: éxito (E) o
fracaso (F).
 La probabilidad de éxito p es invariante (Extracciones
con devolución) y la de fracaso es q = 1- p
 Distribución Binomial
• Función de probabilidad:
La función de probabilidad de obtener k éxitos en n pruebas es:

P( X  x)  Cxn p x (1  p ) n  x x  0,1, 2,..., n

 Notación: X  B(n, p)
 Esperado: E(X)= n p
 Varianza: V(X)= n p (1-p)

NOTA.- Sólo en Distribuciones Cuantitativas Discretas

P(X>a) = 1- P(X≤ a)
P(X<a) = 1- P(X≥ a)
P(X≥a) = 1- P(X< a)
P(X≤a) = 1- P(X> a)
 Ejemplo 1
Un examen de estadística consiste en 10 preguntas de
alternativas múltiples, cada una con cinco posibles respuestas.
Se aprueba el examen si se contesta correctamente por lo
menos seis de las 10 preguntas. Para alguien que contesta al
azar todas las respuestas:
a) Calcule la probabilidad de que conteste exactamente seis
preguntas correctamente.
b) Determine la probabilidad de aprobar.
c) Calcule e interprete el valor esperado de la variable en
estudio.
SOLUCIÓN
1
n= 10 p=
5

a) P(X=6)= 𝐶610 0.26 1 − 0.2 10−6

b) P(X≥ 6)= P(X=6) + P(X=7) + P(X=8) + P(X=9) + P(X=10)=

= 0.0055+ 0.00079+0.000073+0.00000409+0.000000102
= 0.0063693824

Aplicando propiedad:
P(X≥ 6)= 1-P(X<6)= 1- (P(X=5) + P(X=4) + P(X=3) + P(X=2) +
P(X=1)+ P(X=0) = 1- (0.026424115200 +0.088080384000
+0.201326592000 + 0.301989888000 + 0.268435456000 +
0.107374182400)= 0.0063693824

1
c) E(x) = 10* = 2
5
Ejercicio
En un proceso de fabricación se intenta producir unidades
precoladas con un porcentaje pequeño de unidades defectuosas.
Todos los días se someten a prueba 10 unidades seleccionadas al
azar de la producción diaria. Si existen fallas en una o más de
estas unidades se detiene el proceso de producción y se las
somete a un examen cuidadoso. ¿Cuál es la probabilidad de
detener el proceso si el porcentaje de unidades defectuosas
producidas es del 1%?
 Uso de calculadora CLASWIZZ 991 LAX

NOTA.- Para valores acumulados se emplea DA Binomial

la opción D.A Binomial. X :4
Por ejemplo: P≤4 equivaldría a: N :10
P : 0.05
 Definición de variable aleatoria
continua
• Una variable aleatoria continua es aquella
que puede asumir un número infinito de
valores dentro de un determinado rango.
Por ejemplo, el peso de una persona
podría ser 80.5, 80.52, 80.525,...
dependiendo de la precisión de la
balanza.

NOTA.- Sólo en Distribuciones

Cuantitativas Contínuas
P(X>a) = 1- P(X< a)
P(X<a) = 1- P(X> a)
P(X<a)=P(X≤a)
P(X>a)=P(X≥a)
 Tienen distribución Normal…
Caracteres morfológicos de individuos (personas, animales,
plantas,...) de una especie (tallas, pesos, diámetros,
perímetros,...).

Caracteres sociológicos, por ejemplo: consumo de cierto

producto por un mismo grupo de individuos, puntuaciones
de examen, ...

Caracteres fisiológicos, por ejemplo: efecto de una misma

dosis de un fármaco.

Errores cometidos al medir ciertas magnitudes.

Valores estadísticos muestrales, por ejemplo : la media.
Y en general cualquier característica que se obtenga como
suma de muchos factores.
 Distribución de probabilidad
continua

Son las funciones de probabilidad asociadas a variables

aleatorias continuas

Es decir, para aquellas variables cuyo valores conforman un

conjunto infinito no numerable. Ejemplo: X= Peso, 0 ≤ x ≤ 90.
Función de densidad
de probabilidad.
 Distribución normal o
gaussiana
• Está caracterizada por dos parámetros:
la media, μ y la desviación típica, σ.
• Su función de densidad es:
( xμ)2
1 
f (x)  e 2σ 2
(σ  0)
σ 2π
X  N (μ, σ)
3.1416 2.7182
 DISTRIBUCIÓN NORMAL
CÁLCULO DE PROBABILIDAD

TEOREMA.- Si la variable aleatoria X ~ N(, 2), entonces:

a) E(X) = 
b) Var(X) = 2
 DISTRIBUCIÓN NORMAL ESTÁNDAR

CALCULO DE PROBABILIDADES

f(z)
 DISTRIBUCIÓN NORMAL ESTANDAR

Z 2
1
f ( z)  e 2
dz
 2
Para evitar el cálculo de la probabilidad usando

X 
la integral se realiza el proceso de
“estandarización” y se halla la probabilidad
haciendo el uso de la “tabla de probabilidades Z
para una distribución normal” 
Variable aleatoria: X

Parámetros: media ()

varianza (2)
 DISTRIBUCIÓN NORMAL ESTÁNDAR

DISTRIBUCIÓN DE PROBABILIDAD BAJO LA CURVA NORMAL

 P(Z<=0,75)=0,77337

P(Z<=1,12)=0,86864
 16

Usemos la Tabla Z :N(0,1)

Calcular P[Z< 1,85 ]

Normal, Media=0, Desv.Est.=1

0.4

0.3

0.9678
0.2

0.1

0.0
0 1.85
Z

Solución: 0,9678 = 96,78%

Usemos la Tabla Z :N(0,1)
Calcular P[Z>2,32]
P[Z>2,32]= 1 - P(Z<2.32)
= 1 - 0.9898
Normal, Media=0, Desv.Est.=1

0.4

0.3

0.2 0.9898

0.1

0.0102
0.0
0 2.32
Z

Solución: 0,0102 = 1,02%

 Tabla Z : N(0,1)
Calcular P[-0,54<Z<1]
= P[Z<1]-P[Z<-0.54]
Normal, Media=0, Desv.Est.=1

0.4

0.3
0.5467

0.2

0.8413
0.1

0.2946

0.0
-0.54 0 1
Z

Respuesta: 0.8413-0.2946= 0,5467 54.67%

19
EJEMPLO.- La cantidad de colesterol en la sangre sigue distribución NORMAL , con
media 200 mg y desviac. estandar de 10 mg.
Determinar la probabilidad de que una persona tenga menos de 210 mg.
Solución
X: Cantidad de colesterol en la sangre.
210−200
P( X < 210 ) = P( Z < ) = P( Z < 1)
10
2

P[ Z  1,00]  ( ver tabla )  0,841

• El valor del colesterol que sólo supera el 10% de los individuos es el percentil 90.
Calculemos el percentil 90 de la N(0,1) y deshacemos la estandarización.

x
z 

x  200
1,28 
10
x  200  10 1,28  212,8
Ejercicios
• Ejemplo 1 : El gerente de personal de una compañía requiere que
los solicitantes a un puesto efectúen cierta prueba y alcancen una
calificación no menor de 500 puntos. Si las calificaciones de la prueba
se distribuyen normalmente con media 485 y desviación estándar 30
a)¿Qué porcentaje de los solicitantes pasará la prueba?
Solución
X: calificación en una prueba

N (μ,σ2) N(485,302)
Calculando el valor de Z:

X  500  485 P(X>500)

Z  0.5 P(Z > 0.5 ) = 1 - P(Z < 0.5)
 = 30
= 1 – 0.6915
= 0.3085
El 30.85% de los participantes,
pasará la prueba.
b) Qué porcentaje tendrá entre 545 y 575 puntos?
P(545<X<575)
Utilizando las estandarizaciones anteriores
P(545 < X < 575) = P(2 < Z < 3) 0.0215
= P(Z< 3) – P(Z< 2 )
= 0,9987 – 0,9772
= 0,0215
a =2 b= 3

c) Qué porcentaje tendrá más de 400 puntos?

400−485
P(X>600)= 1-P(X<600) 𝑧= = -2.83
30
1-P(Z<2.83)= 1-0.00233 = 0.99767
 Uso de calculadora CLASWIZZ 991 LAX

c)

d)
 Bibliografía
• Lincoln, Chao. Estadística para las ciencias
Administrativas. 3° Edición
• Máximo Mitacc Meza. Tópicos de Inferencia Estadística.
• Johnson, Robert. Estadística Elemental. Grupo Editorial
Iberoamérica. Capítulo 6.
• Anderson, David; Sweeney Dennis y otros. Estadística
para Administración y Economía. Internacional Thomson
E ditores. Capítulo 6.
• Mason, Robert ; Douglas, Lind. Estadística para
Administración y Economía. Alfa Omega Capítulo 7.
• Kazmier, Leonard ; Diaz Mata, Alfredo. Estadística
aplicada a la Administración y a la Economía. Mc Graw
hill. Capítulo 7