DISTRIBUCIONES DE PROBABILIDAD DISCRETA. ESTADSTICA BSICA. C.P.

AGOSTO-SEPTIEMBRE 2012
TCNICAS DE CONTEO Si la cantidad de posibles resultados d un experimento es pequea, resulta relativamente fcil contarlas. Por ejemplo, existen seis posibles resultados del lanzamiento de un dado, a saber:

Sin embargo, si hay un nmero muy grande de resultados, tal como el nmero de caras y cruces en un experimento de con 10 lanzamientos de una moneda, sera tedioso contar todas las posibilidades. Todos podran ser caras, una cruz y nueve caras, dos caras y ocho cruces, y as sucesivamente. Para facilitar la cuenta, se analizarn tres frmulas para contar: la frmula de la multiplicacin (no se confunda con la regla de la multiplicacin descrita con anterioridad), la frmula de las permutaciones y la frmula de las combinaciones. FRMULA DE LA MULTIPLICACIN Si hay m formas de hacer una cosa y n formas de hacer otra cosa, hay mxn formas de hacer ambas cosas. Frmula: Nmero total de disposiciones = (m)(n) sta frmula se puede generalizar para ms de dos eventos. Para tres eventos m, n y o; Nmero total de disposiciones = (m)(n)(o) Ejemplo: Una tienda ofrece suteres y pantalones para dama por televisin de cable. Los suteres y patnalones se ofrecen en colores coordinados. Si los suteres se encuentran disponibles en cinco colores y los pantalones en cuatro colores, cuntos diferentes conjuntos se pueden anunciar? (5)(4) = 20 FRMULA DE LAS PERMUTACIONES Como se ve, la frmula de la multiplicacin se aplica para determinar el nmero de posibles disposiciones de dos o ms grupos. La frmula de las permutaciones se aplica para determinar el nmero posible de disposiciones cuando hay un grupo de objetos. Antes de resolver problemas planteados, note que en las permutaciones y las combinaciones (que se plantean en breve) se emplea la notacin denominada n factorial. sta se representa como n! y significa el producto de n(n-1)(n-2)(n-3). (1). Por ejemplo, 5! = 5*4*3*2*1 = 120 Muchas de las calculadoras tienen una tecla con x!, que ejecuta el clculo. Ahorrar mucho tiempo. Por definicin, cero factorial, que se escribe 0!, es 1. ES decir que 0! = 1.

M.E. Ftima Luz Mara Herrera Castillo

Pgina 1

DISTRIBUCIONES DE PROBABILIDAD DISCRETA. ESTADSTICA BSICA. C.P. AGOSTO-SEPTIEMBRE 2012

Si un orden es suficiente para constituir otro subconjunto, entonces se trata de permutaciones. La frmula para dado un conjunto de n elemento, cada uno de tamao r, se determina como:

Ejemplo:

Si el orden de los objetos NO es importante, cualquier seleccin se denomina combinacin. La frmula para contar el nmero de r combinaciones de objetos de un conjunto de n objetos es:

M.E. Ftima Luz Mara Herrera Castillo

Pgina 2

DISTRIBUCIONES DE PROBABILIDAD DISCRETA. ESTADSTICA BSICA. C.P. AGOSTO-SEPTIEMBRE 2012

DISTRIBUCIONES DE PROBABILIDAD Distribucin de probabilidad: Nos indica todos los resultados probables de un experimento, as como la probabilidad de ocurrencias de estos resultados. a) La probabilidad de un resultado especfico est entre cero y uno, inclusive. b) La suma de las probabilidades de todos los resultados mutuamente excluyentes es de 1.000. Ejemplo: Suponga que existe inters en el nmero de veces que aparece sol en 3 lanzamientos de una moneda. ste es el experimento. Los posibles resultados son: cero soles, un sol, dos soles y tres soles. Cul es la distribucin de probabilidad para el nmero de soles?

M.E. Ftima Luz Mara Herrera Castillo

Pgina 3

DISTRIBUCIONES DE PROBABILIDAD DISCRETA. ESTADSTICA BSICA. C.P. AGOSTO-SEPTIEMBRE 2012

VARIABLES ALEATORIAS Variable aleatoria: La cantidad que es resultado de un experimento que, por azar, puede suponer distintos valores. Puede ser discreta o continua. a) Variable aleatoria discreta: Una variable que slo puede tomar valores enteros de algn experimento de inters, o claramente separados y definidos sus valores numricos. Ejemplo: El recuento de la cantidad de empleados ausentes el lunes. b) Variable aleatoria continua: Resulta principalmente de la medicin y puede tomar cualquier valor, al menos de un rango dado. Ejemplo: Los tiempos de los vuelos comerciales entre dos ciudades, la presin en un neumtico, etc. Por lgica, si organiza un conjunto de posibles valores de una variable aleatoria en una distribucin de probabilidad, el resultado es una distribucin de probabilidad. As, cul es la diferencia entre una distribucin de probabilidad y una variable aleatoria? Una variable aleatoria representa el resultado particular de un experimento. Una distribucin de probabilidad representa todos los posibles resultados, as como la correspondiente probabilidad. Las herramientas que se utilizan, as como las interpretaciones probabilsticas, son diferentes en el caso de distribuciones de probabilidades discretas y continuas. Cul dira que es la diferencia entre los dos tipos de distribuciones? Por lo general, una distribucin discreta es el resultado de contar algo, como: a) El nmero de caras que se presentan en tres lanzamientos de una moneda. b) El nmero de estudiantes que obtienen A en clase. c) El nmero de empleados de produccin que se ausentaron hoy en el segundo turno. d) El nmero de comerciales de 30 segundos que pasan en la NBC de las 8 a las 11 de la noche. Las distribuciones continuas son el resultado de algn tipo de medicin, como: a) La duracin de cada cancin el ltimo lbum de Shakira. b) El peso de cada estudiante de esta clase. c) La temperatura ambiente en el momento en que lee este libro.

M.E. Ftima Luz Mara Herrera Castillo

Pgina 4

DISTRIBUCIONES DE PROBABILIDAD DISCRETA. ESTADSTICA BSICA. C.P. AGOSTO-SEPTIEMBRE 2012

d) La suma de dinero que gana cada uno de los 750 jugadores actuales en la lista de los equipos de la liga mayor de Bisbol. LA MEDIA, LA VARIANZA Y LA DESVIACIN ESTNDAR DE UNA DISTRIBUCIN DE PROBABILIDAD En las sesiones anteriores se estudiaron medidas de ubicacin y variacin de una distribucin de frecuencias. La media indica la localizacin central de los datos, y la varianza describe la dispersin de los datos. De forma similar, una distribucin de probabilidad queda resumida por su media y su varianza. La media de una distribucin de frecuencias se identifica mediante la letra minscula griega mu (), yla desviacin estndar, con sigma (). a) Media: Valor tpico que se usa para resumir una distribucin de probabilidad. Se conoce como valor esperado

E( x) xP( x)

Se multiplica cada valor de x por la probabilidad de que ocurra, y luego se suman estos productos. b) Varianza y Desviacin estndar

2 ( x )2 P( x)

La desviacin estndar se encuentra al extraer la raz cuadrada de la varianza. Ejemplo: John RAgsdale vende automviles nuevos para Pelican Ford. Normalmente, los sbados son los das en que John vende el mayor nmero de autos. Tiene la siguiente distribucin de probabilidad para el nmero de vehculos que espera vender un sbado en particular. 1) Qu tipo de distribucin es sta? 2) En un sbado tpico, cuntos automviles espera vender John? 3) Cul es la varianza de la distribucin? Cul es la desviacin estndar?

M.E. Ftima Luz Mara Herrera Castillo

Pgina 5

DISTRIBUCIONES DE PROBABILIDAD DISCRETA. ESTADSTICA BSICA. C.P. AGOSTO-SEPTIEMBRE 2012

DISTRIBUCIN DE PROBABILIDAD BINOMIAL La distribucin de probabilidad binomial es una distribucin de probabilidad discreta que se presenta con mucha frecuencia. Una caracterstica consiste en que slo hay dos posibles resultados en determinado intento de un experimento. Por ejemplo, el enunciado en una pregunta de cierto o falso es o cierto o falso. Los resultados son mutuamente excluyentes, lo cual significa que la respuesta a una pregunta de cierto o falso no puede ser al mismo tiempo cierta o falsa. Con frecuencia, se clasifican los dos posibles resultados como xito y fracaso. Sin embargo, esta clasificacin no implica que un resultado sea bueno o malo. Otra caracterstica de la distribucin binomial es el hecho de que la variable aleatoria es el resultado de conteos. Es decir, se cuenta el nmero de xitos en el nmero total de pruebas. Lance una moneda equilibrada cinco veces y cuente el nmero de veces que aparece una cara; seleccione 10 trabajadores y liste cuntos tienen ms de 50 aos, o seleccione 20 cajas de Raisin Bran de Kellogs y cuente el nmero de cajas que pesan ms de lo que indica el paquete.

M.E. Ftima Luz Mara Herrera Castillo

Pgina 6

DISTRIBUCIONES DE PROBABILIDAD DISCRETA. ESTADSTICA BSICA. C.P. AGOSTO-SEPTIEMBRE 2012

Una tercera caracterstica consiste en que la probabilidad de xito es la misma de una prueba a otra. Dos ejemplos son: La probabilidad de que adivine la primera pregunta de una prueba de verdadero o falso (xito) es de un medio. sta constituye la primera prueba. La probabilidad de que adivine la segunda pregunta (segunda prueba) tambin es de un medio; la probabilidad de xito en la tercera prueba es de otro medio, y as sucesivamente. Cmo se calcular una probabilidad binomial? Para construir una probabilidad binomial en particular se necesita: 1) El nmero de pruebas 2) La probabilidad de xito de cada prueba. Por ejemplo, si un examen al trmino de un seminario de administracin incluye 20 preguntas de opcin mltiple, el nmero de pruebas es de 20. Si cada pregunta contiene cinco elecciones y slo una de ellas es correcta, la probabilidad de xito en cada prueba es de 0.20. Por consiguiente, la probabilidad de que una persona sin conocimiento del tema d con la respuesta a una pregunta es de 0.20. De modo que se cumplen las condiciones de la distribucin binomial recin indicadas. Una probabilidad binomial se calcula mediante la frmula:

P( x) n C x P x (1 p ) n x
En sta: C representa una combinacin n es el nmero de pruebas x es la variable aleatoria definida como el nmero de xitos P es la probabilidad de un xito en cada prueba

Ejemplo: Cada da, una aerolnea tiene cinco vuelos desde una ciudad a otra. Suponga que la probabilidad de que alguno de los vuelos se retrase es de 0.20. Cul es la probabilidad de que ninguno de los vuelos se retrase el da de hoy?

M.E. Ftima Luz Mara Herrera Castillo

Pgina 7

DISTRIBUCIONES DE PROBABILIDAD DISCRETA. ESTADSTICA BSICA. C.P. AGOSTO-SEPTIEMBRE 2012

Por ejemplo, respecto del nmero de vuelos retrasados, recuerde que p=0.20 y n=5. Por tanto: = np = (5)(0.20) = 1.0 Estos resultados se pueden verificar con las frmulas antes indicadas para determinar media y varianza en una distribucin de probabilidad.

np(1 p) (5)(0.20)(1 0.20) 0.80

M.E. Ftima Luz Mara Herrera Castillo

Pgina 8

DISTRIBUCIONES DE PROBABILIDAD DISCRETA. ESTADSTICA BSICA. C.P. AGOSTO-SEPTIEMBRE 2012

Tablas de probabilidad binomial Con la frmula antes enunciada para la probabilidad binomial se construye una distribucin de probabilidad binomial para cualesquiera valores de n y p. Sin embargo, si n es grande, los clculos consumen ms tiempo. Por conveniencia, las tablas muestran el resultado de la aplicacin de la frmula en el caso de varios valores de n y p.

LA DISTRIBUCIN HIPERGEOMTRICA La distribucin binomial es apropiada slo si la probabilidad de un xito permanece constante para cada intento. Esto ocurre si el muestreo se realiza con reemplazo o de una poblacin finita (o muy grande). Sin embargo, si la poblacin es pequea y ocurre el muestreo sin reemplazo, la probabilidad de un xito variar. Si la probabilidad de un xito no es constante, la distribucin hipergeomtrica es de especial utilidad. Por lo tanto, 1) Si se selecciona una muestra de una poblacin finita sin reemplazos 2) Si el tamao de la muestra n es mayor que 5% del tamao de la poblacin, se aplica la distribucin hipergeomtrica para determinar la probabilidad de un nmero especfico de xitos o fracasos. Esto resulta especialmente apropiado cuando el tamao de la poblacin es pequeo. La funcin e probabilidad para la distribucin hipergeomtrica es:

P( x)

( r C x )( N r Cn x ) N Cn

Donde: N es el tamao de la poblacin r es el nmero de xitos en la poblacin n es el tamao de la muestra x es el nmero de xitos de la muestra En resumen, una distribucin de probabilidad hipergeomtrica tiene las siguientes caractersticas: 1) Los resultados de cada prueba de un experimento se clasifican en dos categoras exclusivas: xito o fracaso. 2) La variable aleatoria es el nmero de xitos de un nmero fijo de pruebas. 3) Las pruebas no son independientes. 4) Los muestreos se realizan con una poblacin finita sin reemplazos y n/N>0.05. Por tanto, la probabilidad xito cambia en cada prueba.

M.E. Ftima Luz Mara Herrera Castillo

Pgina 9

DISTRIBUCIONES DE PROBABILIDAD DISCRETA. ESTADSTICA BSICA. C.P. AGOSTO-SEPTIEMBRE 2012

Ejemplo: Play Time Toys, Inc., tiene 50 empleados en el departamento de ensamble. Cuarenta empleados pertenecen a un sindicato, y diez, no. Se eligen al azar cinco empleados para formar un comit que hablar con la empresa sobre los horarios de inicio de los turnos. Cul es la probabilidad de que cuatro de los cinco empleados elegidos para formar pare dl comit pertenezcan a un sindicato? En este caso, la poblacin consiste en los 50 empleados del departamento de ensamble. Slo se puede elegir una vez a un empelado para formar parte del comit. De ah que el muestreo se lleve a cabo sin reemplazos. Por tanto, en cada prueba cambia la probabilidad de legir a un empleado sindicalizado. La distribucin hipergeomtrica es adecuada para determinar la probabilidad. En este problema, N = 50, el nmero de empleados S = 40, el nmero de empleados sindicalizados X = 4, el nmero de empleados sindicalizados elegidos n = 5, el nmero de empleados elegidos Se desea calcular la probabilidad de que 4 de los 5 miembros del comit sean sindicalizados. Al sustituir estos valores en la frmula, se obtiene:

Por lo tanto, la probabilidad de elegir al azar a 5 trabajadores de ensamble de los 50 trabajadores y encontrar que 4 de 5 son sindicalizados es de 0.431. LA DISTRIBUCIN DE POISSON La distribucin de probabilidad de Poisson describe el nmero de veces que se presenta un evento durante un intervalo especfico. El intervalo puede ser de tiempo, distancia, rea o volumen. La distribucin se basa en dos supuestos. El primero consiste en que la probabilidad es proporcional a la longitud del intervalo. El segundo supuesto consiste en que los intervalos son independientes. En otras palabras, cuanto ms grande sea el intervalo, mayor ser la probabilidad, y el nmero de veces que se presenta un evento en un intervalo no influyen en los dems intervalos. La distribucin tambin constituye una forma restrictiva de la distribucin binomial cuando la probabilidad de un xito es muy pequea y n es grande. A sta se le conoce por lo general con el nombre de ley de eventos improbables, lo cual significa quela probabilidad de que ocurra un evento en particular es muy pequea. La distribucin de Poisson es una distribucin de probabilidad discreta porque se genera contando. En resumen, una distribucin de probabilidad de Poisson posee tres caractersticas: 1) La variable aleatoria es el nmero de veces que ocurre un evento durante un intervalo definido. 2) La probabilidad de que ocurra el evento es proporcional al tamao del intervalo. 3) Los intervalos no se superponen y son independientes. La distribucin posee diversas aplicaciones. Se le utiliza como modelo para describir la distribucin de errores en una entrada de datos, el nmero de rayones y otras imperfecciones en las cabinas de

M.E. Ftima Luz Mara Herrera Castillo

Pgina 10

DISTRIBUCIONES DE PROBABILIDAD DISCRETA. ESTADSTICA BSICA. C.P. AGOSTO-SEPTIEMBRE 2012

automviles recin pintados, el nmero de partes defectuosas en envos, el nmero de clientes que esperan mesa en un restaurante o que esperan entrar en una de las atracciones de Disney World y el nmero de accidentes en la carretera federal 75 en un periodo de tres meses. La distribucin de Poisson se describe matemticamente por medio de la siguiente frmula:

P( x)

x e
x!

Donde X es el nmero de veces que ocurre el evento es el nmero promedio de ocurrencias por unidad de tiempo o de espacio e =2.71828, la base del logaritmo natural. La media de nmero de xitos, , puede determinarse con np; en este cao, n es el nmero total de pruebas y p, la probabilidad de xito. Ejemplo: Suponga que pocas veces se pierde equipaje en Northwest Airlines. En la mayora de los vuelos no se pierden maletas; en algunos se pierde una; en unos cuantos se pierden dos; pocas veces se pierden tres; etc. Suponga que una muestra aleatoria de 1000 vuelos arroja un total de 300 maletas perdidas. De esta manera, la media aritmtica del nmero de maletas perdidas por vuelo de de 0.3, que se calcula al dividir 300/1000. Si el nmero de maletas perdidas por vuelo se rige por una distribucin de Poisson con =0.3, las diversas probabilidades se calculan:

En pocas palabras, en 74% de los vuelos no habr maletas perdidas. Las probabilidades de Poisson tambin se pueden consultar en el apndice.

En resumen, la distribucin de Poisson es en realidad una familia discreta de distribuciones. Todo lo que se requiere para construir una distribucin de probabilidad de Poisson es la media del nmero de defectos, errores, etc, que se designan con .

M.E. Ftima Luz Mara Herrera Castillo

Pgina 11

DISTRIBUCIONES DE PROBABILIDAD DISCRETA. ESTADSTICA BSICA. C.P. AGOSTO-SEPTIEMBRE 2012

PRINCIPIOS DE CONTEO 1) Una empresa fabrica 3 modelos de receptores estereofnicos, dos reproductores MP3, cuatro bocinas y tres carruseles de CD. Cuando se venden juntos los cuatro tipos de componentes, forman un sistema. Cuntos diferentes sistemas puede ofrecer la empresa de electrnica? 2) Un msico piensa escribir una escala basada slo en 5 cuerdas: B bemol, C, D, E y G. Sin embargo, slo tres de las cinco cuerdas se van a utilizar en sucesin, por ejemplo: C, B bemol y E. No se permiten repeticiones como B bemol, B bemol y E. a) Cuntas permutaciones de las cinco cuerdas, tomadas de tres en tres, son posibles? 3) Los 10 nmeros del 0 al 9 se van a emplear en grupos de cdigos de cuatro dgitos para identificar una prenda. No estn permitidas las repeticiones de nmeros. Cuntos diferentes grupos de cdigos se pueden asignar? DISTRIBUCIONES DE PROBABILIDAD DISCRETA 1) Calcula la media y la varianza de la siguiente distribucin de probabilidad discreta.
x 0 1 2 3 P(x) .2 .4 .3 .1

2) En una situacin binomial n=7 y pi=0.40. Determine las probabilidades de los siguientes

eventos con la frmula binomial.

a) x = 1 b) x = 2 c) x3 3) Una poblacin consta de 15 elementos, 4 de los cuales son aceptables. En una muestra de 4 elementos. Cul es la probabilidad de que exactamente 3 sean aceptables? Suponga que la muestra se toma sin reemplazo. 4) En una distribucin de Poisson, =4 a) Cul es la probabilidad de que x=2? b) Cul es la probabilidad de que x2?

M.E. Ftima Luz Mara Herrera Castillo

Pgina 12