UABC

PROBABILIDAD Y
ESTADISTICA
[Escriba texto]

UNIDAD III. Distribuciones de

Probabilidad

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

UNIDAD III. Distribuciones de probabilidad

DISTRIBUCIONES
Una variable aleatoria es continua si sus probabilidades estn dadas por reas bajo una
curva. La curva se llama funcin de densidad de probabilidad para la variable aleatoria. A
veces la funcin de densidad de probabilidad se llama distribucin de probabilidad.
DISTRIBUCIN DE PROBABILIDAD: Listado de todos los resultados de un experimento
y la probabilidad asociada con cada resultado.
Proporciona toda la gama de valores que se pueden presentar en un experimento. Es
similar a una distribucin de frecuencias relativas; sin embargo, en el futuro.
Ejemplo: Supongamos que le interesa el nmero de caras que aparecen en tres
lanzamientos de una moneda. Los posibles resultados son: cero caras, una cara, dos
caras, y tres caras. Cul es la distribucin de probabilidad del nmero de caras?
Hay ocho posibles resultados. En el primer lanzamiento puede aparecer una cara, una
cruz en el segundo lanzamiento y otra cruz en el tercer lanzamientos de la moneda. O
puede obtener cruz, cruz y cara, en ese orden. Para obtener los resultados del conteo,
aplicamos la frmula de la multiplicacin: (2)(2)(2), es decir, 8 posibles resultados. Estos
resultados se listan en la tabla.

RESULTADO
POSIBLE
1
2
3
4
5
6
7
8

LANZAMIENTO DE LA MONEDA
Primero
Segundo
Tercero
C
C
C
C
Ca
Ca
Ca
Ca

C
C
Ca
Ca
C
C
Ca
Ca

C
Ca
C
Ca
C
Ca
C
Ca

NUMERO
DE CARAS
0
1
1
2
1
2
2
3

Observa que el resultado cero caras ocurre slo una vez; una cara ocurre tres veces; dos
caras, tres veces, y el resultado tres caras ocurre una sola vez. Es decir, cero caras se
present una de ocho veces. Por lo tanto, la probabilidad de cero caras es de un octavo;
la probabilidad por una cara es de tres octavos, etc. La distribucin de probabilidad se
muestra en la siguiente tabla, como uno de estos resultados debe suceder, el total de las
probabilidades de todos los eventos posibles es 1.00. Esto siempre se cumple.
1

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA
Numero
caras
0
1
2
3
Total

de

Probabilidad
del resultado
1/8 = .125
3/8 = .375
3/8 = .375
1/8 = .125
8/8 = 1.00

Numero de caras de 3 lanzamientos

0.4
0.35
0.3
0.25
Probabilidad

0.2
0.15
0.1
0.05
0
0

Nmero de caras

Las caractersticas ms importantes de una distribucin de probabilidad:

1. La probabilidad de un resultado en particular se encuentra entre 0 y 1.
2. Los resultados son eventos mutuamente excluyentes.
3. La lista es exhaustiva. As, la suma de las probabilidades de los diversos eventos
es igual a 1.
VARIABLES ALEATORIAS
VARIABLE ALEATORIA: Cantidad que resulta de un experimento que por azar, puede
adoptar diferentes valores. Por ejemplo:
1. Si cuentas el nmero de empleados ausentes en el turno matutino el lunes, el
nmero puede ser 0, 1, 2, 3.
2. Si lanzas dos monedas al aire y cuentas el nmero de caras, puede caer cero, una
o dos caras.
3. El nmero de focos defectuosos producidos por hora en una compaa.
VARIABLE ALEATORIA DISCRETA: Son el resultado de contar algo. Adopta solo valores
claramente separados. Asume valores fraccionarios o decimales. Por ejemplo, las
calificaciones de los jueces por destreza tcnica y forma artstica en una competencia de

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

patinaje son valores decimales, como 7.2, 8.9 y 9.7, dichos valores son discretos, pues
hay una distancia entre calificaciones de 8.3 y 8.4.

VARIABLE ALEATORIA CONTINUA: Son el resultado de algn tipo de medicin, por

ejemplo, la anchura de una recamara, la estatura de una persona, la presin de una
llanta de automvil, etc.
Por lgica, si se organiza un conjunto de posibles valores de una variable aleatoria en una
distribucin de probabilidad, el resultado es una distribucin de probabilidad.
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 representa todos los posibles resultados, as como la correspondiente
probabilidad.
MEDIA, VARIANZA Y DESVIACIN ESTANDAR PARA UNA DISTRIBUCIN DE
PROBABILIDAD
MEDIA: Es el valor promedio de larga duracin de la variable aleatoria. Tambin recibe
el nombre de valor esperado. Se trata de un promedio ponderado en el que los posibles
valores de una variable aleatoria se ponderan con sus correspondientes probabilidades
de ocurrir.

= [ xP (x) ]
P(x) = probabilidad de un valor particular de x. Se multiplica cada valor x por la
probabilidad de que ocurra y enseguida se suman los productos.
VARIANZA Y DESVIACIN ESTANDAR: Muestra el grado de dispersin (variacin) en
una distribucin.

2= [ ( x )2 P(x ) ]

Los pasos para calcularla son:

1. La media resta de cada valor y la diferencia se eleva al cuadrado.
2. Cada diferencia al cuadrado se multiplica por su probabilidad.
3. Se suman los productos que resultan para obtener la varianza.
La desviacin estndar, se determina al extraer la raz cuadrada positiva de la varianza
es decir

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA
= 2
Ejemplo: Carlos, es un vendedor de autos nuevos, por lo general Carlos vende la mayor
cantidad de automviles el sbado. Ide la siguiente distribucin de probabilidad de la
cantidad de automviles que espera vender un sbado determinado:
Cantidad de
autos
vendidos, x
0
1
2
3
4
Total

Probabilidad
P(x)
.10
.20
.30
.30
.10
1.00

1. De qu tipo de distribucin se trata?

2. Cuntos automviles espera vender Carlos un sbado normal?
3. Cul es la varianza de la distribucin?
1. Se trata de una distribucin de probabilidad discreta para la variable aleatoria
denominada nmero de automviles vendidos. Observe que Carlos slo espera
vender cierto margen de automviles; no espera vender 5 automviles ni 50.
Adems no puede vender medio automvil. Slo puede vender 0, 1, 2, 3 o 4
automviles. Asimismo, los resultados son mutuamente excluyentes: no puede
vender un total de 3 y 4 el mismo sbado.
2. La media de la cantidad de automviles vendidos se calcula de multiplicar el
nmero de automviles vendidos por la probabilidad de vender dicho nmero, y
sumar los productos de acuerdo con:

= [ xP ( x ) ]

= 0(0.10) + 1(.20) + 2(.30) + 3(.30) + 4(.10)

= 2.1
Cantidad de
Probabilidad
x * P(x)
autos
P(x)
vendidos, x
0
.10
0.00
1
.20
0.20
2
.30
0.60
3
.30
0.90
4
.10
0.40
Total
1.00
2.10
Cmo interpretar una media de 2.1? este valor indica que, a lo largo de una gran
cantidad de sbados, Carlos espera vender un promedio de 2.1 automviles por da. Por
4

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

supuesto no es posible vender exactamente 2.1 automviles un sbado en particular. Sin

embargo, el valor esperado se utiliza para predecir la media aritmtica de la cantidad de
automviles a la larga. Por ejemplo si Carlos trabaja 50 sbados en un ao, puede
esperar vender (50)(2.1) o 105 automviles slo los sbados. Por consiguiente, a veces la
media recibe el nombre de valor esperado.
3. De nuevo, una tabla resulta til para sistematizar los clculos de la

varianza, que es de 1.290.

Cantidad de
autos
vendidos, x
0
1
2
3
4

Probabilidad
P(x)

(x - )

(x - )2

(x - )2 P(x)

.10
.20
.30
.30
.10

0 2.1
1 2.1
2 2.1
3 2.1
4 2.1

4.41
1.21
0.01
0.81
3.61

0.441
0.242
0.003
0.243
0.361
1.290

2=

Recordemos que la desviacin estndar, es la raz cuadrada positiva de la varianza.

= 2
= 1.290
= 1.136
La desviacin es de 1.136. Cmo interpretar la desviacin estndar de 1.136
automviles? Si la vendedora Rita tambin vendi un promedio de 2.1 automviles los
sbados y la desviacin estndar en sus ventas fue de 1.91 automviles, concluiramos
que hay ms variabilidad en las ventas sabatinas de Rita que en las ventas de Carlos.
TALLER 1:
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) Las tres tablas que aparecen a continuacin muestran variables aleatorias y sus
probabilidades, sin embargo slo una constituye en realidad una distribucin de
probabilidad.
5

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

a) Cul de ellas es?

x
P(x)
X
P(x)
x
P(x)
5
.3
5
.1
0
.5
10
.3
10
.3
1
.3
15
.2
15
.2
2
-.2
20
.4
20
.4
3
.4
b) Con la distribucin de probabilidad correcta, calcula la probabilidad de que:
1) Exactamente 15

2) No mayor que 10

3) Mayor que 5

3) La informacin que sigue representa el nmero de llamadas diarias al servicio de

emergencias, durante los ltimos 50 das. En otras palabras hubo 22 das en los que
se realizaron 2 llamadas de emergencia y 9 das en los que se realizaron 3 llamadas
de emergencia.
Nmero de
Frecuencia
llamadas
0
8
1
10
2
22
3
9
4
1
Total
50
a) Convierte esta informacin sobre el nmero de llamadas en una distribucin de
probabilidad.
b) Constituye un ejemplo de distribucin de probabilidad discreta o continua?
c) Cul es la media de la cantidad de llamadas de emergencia al da?
d) Cul es la desviacin estndar de la cantidad de llamadas diarias?
4) Una tienda departamental, tiene una venta espacial este fin de semana. Los clientes
que registren cargos por compras de ms de $50 en su tarjeta de crdito de la tienda
recibirn una tarjeta especial de la lotera. El cliente raspar la tarjeta, la cual indica la
cantidad que se retendr del total de compras. A continuacin aparecen la suma de
precios y el porcentaje de tiempo que se deducir del total de las compras.
Suma de
premios
10
25
50
100

Probabilidad
.50
.40
.08
.02

a) Cul es la cantidad media deducida de la compra total?

b) Cul fue la desviacin estndar de la cantidad deducida de las compras?

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

TAREA 1:
1) Calcula la media y la varianza de la siguiente distribucin de probabilidad discreta.
x
2
8
10

P(x)
.5
.3
.2

2) Cules de las siguientes variables aleatorias son discretas y cules continas?

a) El nmero de cuentas abiertas por un vendedor en un ao.
b) El tiempo que transcurre entre el turno de cada cliente en un cajero automtico.
c) El nmero de clientes que asisten a una esttica.
d) La cantidad de combustible que contiene el tanque de gasolina de tu auto.
e) La cantidad de miembros del jurado pertenecientes a una minora.
f) La temperatura ambiente del da de hoy.
3) El director de admisiones de una universidad, calcul la distribucin de admisiones de
estudiantes para el segundo semestre con base en la experiencia pasada. Cul es el
nmero de admisiones esperado para el segundo semestre? Calcula la varianza y la
desviacin estndar del nmero de admisiones.
Admisiones
Probabilidad
1000
.6
1200
.3
1500
.1
4) Una compaa, inform los siguientes datos de una muestra de 250 clientes
relacionada con la cantidad de horas que se estacionan automviles y las cantidades
que pagan.
Nmero de
Frecuenci
Pago
horas
a
1
20
$3
2
38
6
3
53
9
4
45
12
5
40
14
6
13
16
7
5
18
8
36
20
Total
250
a) Convierte la informacin relacionada con la cantidad de horas de estacionamiento
en una distribucin de probabilidad. Es una distribucin de probabilidad discreta o
continua?
b) Determina la media y la desviacin estndar del nmero de horas de
estacionamiento. Qu responderas si te preguntarn por la cantidad de tiempo
que se estaciona un cliente normal?
c) Calcula la media y la desviacin estndar del pago.

DISTRIBUCION DE PROBABILIDAD BINOMIAL

7

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

La distribucin de probabilidad binomial es una distribucin de probabilidad discreta que

se presenta con mucha frecuencia.
Una caracterstica de una distribucin binomial consiste en que solo hay dos posibles
resultados en un determinado intento de un experimento. Por ejemplo en un enunciado
de verdadero o falso. Los resultados son mutuamente excluyentes. Otro ejemplo podra
ser la aceptacin o no aceptacin de un producto.
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, por ejemplo seleccionar 10 trabajadores y listar cuantos tienen ms de 50 aos.
Una tercera caracterstica consiste en que la probabilidad de xito es la misma de una
prueba a la otra.
La ltima caracterstica de una distribucin de probabilidad binomial consiste en que
cada prueba es independiente de cualquier otra. Que sean independientes no significa
que no existen patrones en las pruebas. El resultado de una prueba en particular no
influye en el resultado de otra prueba.
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 incluye 20 preguntas de opcin mltiple, el nmero de
pruebas es de 20. Si cada pregunta contiene 5 elecciones y slo una de ellas es correcta,
la probabilidad de xito en cada prueba es de .20, por consiguiente, la probabilidad de
que una persona sin conocimientos del tema d con la respuesta a una pregunta es de .
20. De modo que se cumplen las condiciones de la distribucin binomial.
Se calcula mediante la siguiente frmula:

P ( x )=nCx ( )x ( 1 )nx
En sta:
C representa una combinacin
n es el nmero de pruebas
x es la variable aleatoria definida como el nmero de xitos.

= Es la probabilidad de un xito en cada prueba.

Se emplea la letra griega

(Pi) para representar un parmetro de poblacin binomial,

no como la constante matemtica 3.1416

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

Ejemplo: Una compaa de aviacin tiene cinco vuelos diarios de Mxico a Monterrey.
Supongamos que la probabilidad de que cualquier vuelo llegue tarde ser de 0.20. Cul
es la probabilidad de que ninguno de los vuelos llegue tarde hoy? Cul es la probabilidad
de que exactamente uno de los vuelos llegue tarde hoy?
Aplicando la frmula, tenemos que

= 0.20, como hay cinco vuelos n = 5 y x la

variable aleatoria, se refiere al nmero de xitos. En este caso un xito consiste en que
un avin llegue tarde. Como no hay demoras en las llegadas x = 0.

P ( x )=nCx ( )x ( 1 )nx
P ( x )=5 C 0 (.20 )0 ( 1.20 )50
( 1 )( 1 ) ( .3277 )
.3277
La probabilidad de que exactamente uno de los cinco vuelos llegue tarde hoy es de
0.4096, que se calcula:

P (1 ) =nCx ( )x ( 1 )nx
5C 1 ( .20 )1 ( 1.20 )51
5 (.20 )( .4096 )
.4096
Puede utilizarse Excel para calcular las probabilidades, utilizando la frmula, DIST.BINOM

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA
Probabilidad de Distribucin Binomial
0.5
0.41
0.4 0.33
0.3
0.2
Probabilidad 0.2
0.05
0.1
0.01
0
0
1
2
3
4

0
5

Nmero de vuelos con retardos

La media y la varianza de una distribucin binomial se calculan con las siguientes

frmulas:
Media de una distribucin binomial

=n

2=n (1 )

Varianza de una distribucin binomial

Por ejemplo, respecto al nmero de vuelos retrasados, tenemos

=n=( 5 ) ( 0.20 )=1.0

2=n (1 )=( 5 ) ( 0.20 ) ( 10.20 ) =.80
Tambin se puede pueden calcular usando la siguiente tabla:
Nmero de
vuelos
retrasados,
x
0
1
2
3
4
5

Probabilidad
P(x)

xP(x)

(x - )

(x - )2

(x - )2
P(x)

.3277
.4096
.2048
.0512
.0064
.0003

0.0000
0.4096
0.4096
0.1536
0.0256
0.0015
= 1.000

-1
0
1
2
3
4

1
0
1
4
9
16

0.3277
0
0.2048
0.2048
0.0576
0.0048
0.7997

2=

TABLAS DE PROBABILIDAD BINOMIAL: Con la frmula se pueden construir las

distribuciones de probabilidad para cualquier valor n y

10

sin embargo si n es muy

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

grande, los clculos consumen ms tiempo. Por lo tanto se utilizan las tablas (ver copias)
para verificar las probabilidades.
Ejemplo: Cinco por ciento de los engranes de tornillos producidos en una fresadora
automtica de alta velocidad, se encuentran defectuosos. Cul es la probabilidad de
que, en seis engranajes seleccionados, ninguno se encuentre defectuoso? Exactamente
uno? Exactamente dos? Exactamente tres? Exactamente cuatro? Exactamente cinco?
Exactamente seis de seis?
Las condiciones binomiales se cumplen: a) hay solo dos posibles resultados (un engranaje
es defectuoso o no defectuoso) b) Existe una cantidad fija de pruebas 6. c) Hay una
probabilidad constate de xito (0.05) d) las pruebas son independientes.
Consultamos las tablas y localizamos la probabilidad de que exactamente cero
engranajes se encuentren defectuosos. Desciende por el margen izquierdo hasta llegar al
valor 0 de x. Ahora sigue por la horizontal hasta la columna con un encabezado

de

0.05 para determinar la probabilidad. Esta es de 0.735. La probabilidad de que haya

exactamente un engranaje defectuoso en una muestra de seis engranes de tornillo es de
0.232. La distribucin de probabilidad completa de n = 6 y
Nmero de
engranajes
defectuoso
s, x

Probabilida
d P(x)

0
1
2
3

.735
.232
.031
.002

Nmero de
engranaje
s
defectuoso
s, x
4
5
6

= 0.05 es la siguiente:
Probabilid
ad P(x)

.000
.000
.000

Por supuesto existe una ligera posibilidad de que salgan cinco engranes defectuosos de
seis selecciones aleatorias. sta es de 0.00000178, que determina al sustituir los valores
adecuados en la frmula binomial:
x

P ( x )=nCx ( ) ( 1 )

nx

P (5 )=6 C 5 ( .05 )5 ( 0.95 )1

( 6 ) ( .05 )5 (0.95)
0.00000178
En el caso de seis de seis, la probabilidad exacta es de 0.000000016 por consiguiente la
probabilidad de seleccionar cinco o seis engranes defectuosos de una muestra de seis es
muy pequea.
11

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA
Es posible calcular la media o valor esperado de la distribucin del nmero de engranes
defectuosos.

=n=6 ( 0.05 ) =0.30

2=n (1 )=( 6 )( 0.05 ) ( .95 )=.285
TALLER 2:
1) En una situacin binomial, n = 4 y

= 0.25. Determina las probabilidades de los

siguientes eventos con la frmula binomial.

a) x = 2
b) x = 3
2) Supongamos una distribucin binomial en la que n = 3 y

= 0.40.

a) Consulta la tabla (copias) y elabora una lista de probabilidad de x de 0 a 3

b) Determina la media y la desviacin estndar utilizando las frmulas.
3) Un estudio descubri que 30% de inversionistas particulares haban utilizado un
agente de descuentos. En una muestra aleatoria de nueve personas cual es la
probabilidad de:
a) Exactamente dos personas hayan utilizado un agente de descuentos
b) Exactamente cuatro personas hayan utilizado un agente de descuentos.
c) Ninguna persona haya utilizado un agente de descuentos.
4) Las normas de la industria sugieren que un 10% de los vehculos nuevos requiere un
servicio de garanta durante el primer ao. El da de ayer un agente vendi 12
automviles marca Nissan.
a) Cul es la probabilidad de que ningn de estos vehculos requiera servicio de
garanta?
b) Cul es la probabilidad de que exactamente uno de estos vehculos requiera
servicio?
c) Determina la probabilidad de que exactamente dos de estos vehculos requiera
servicio
d) Calcula la media y la desviacin estndar de esta distribucin de probabilidad.
TAREA 2:
1) En una situacin binomial, n = 5 y

= 0.40. Determina las probabilidades de los

siguientes eventos con la frmula binomial.

a) x = 1
b) x = 2
2) Supongamos una distribucin binomial en la que n = 5 y

= 0.30

a) Consulta la tabla (copias) y elabora una lista de probabilidad de x de 0 a 3

b) Determina la media y la desviacin estndar utilizando las frmulas.
3) El servicio postal informa que 95% de la correspondencia de primera clase dentro de
la misma ciudad se entrega en un periodo de dos das a partir del momento en que se
enva. Se enviaron seis cartas de forma aleatoria a distintos lugares.
a) Cul es la probabilidad de que las seis lleguen en un plazo de dos das?
12

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

b) Cul es la probabilidad de que exactamente cinco lleguen en un plazo de dos

das?
c) Determina la media del nmero de cartas que llegarn en un plazo de dos das
d) Calcula la varianza y la desviacin estndar del nmero de cartas que llegarn en
un plazo de dos das.
4) Un agente de telemarketing hace seis llamadas por hora y es capaz de hacer una
venta con 30% de estos contactos. Para las siguientes dos horas determina:
a) La probabilidad de realizar exactamente cuatro ventas.
b) La probabilidad de no realizar ninguna venta.
c) La probabilidad de hacer exactamente dos ventas
d) La media de la cantidad de ventas durante el periodo de dos horas.

DISTRIBUCION DE PROBABILIDAD HIPERGEOMETRICA

La distribucin de probabilidad hipergeomtrica se aplica si:
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 frmula de la distribucin hipergeomtrica es:

P ( x )=

( sCx ) ( NS ( C ) nx )
NCn

Aqu:
N representa el tamao de la poblacin
S es el nmero de xitos en la poblacin
x es el nmero de xitos en la muestra; ste puede asumir los valores 0, 1, 2, 3
n es el tamao de la muestra o el nmero de pruebas
C es el smbolo de combinacin
La distribucin hipergeomtrica tiene las siguientes caractersticas:
1. Los resultados de cada prueba de un experimento se clasifican en dos categoras
exclusivas: xito y fracaso.
2. La variable aleatoria es el nmero de xitos de un nmero fijo de pruebas.
3. Las pruebas no son independientes.

13

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

4. Los muestreos se realizan con una poblacin finita, sin reemplazos y n/N > 0.05.
Por tanto, la probabilidad de xito cambia en cada prueba.
Ejemplo: Un fbrica de juguetes 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 al inicio
de los turnos. Cul es la probabilidad de que cuatro de los cinco empleados elegidos
para formar parte del comit pertenezcan a un sindicato?
En este caso la poblacin consiste en los 50 empleados del departamento de ensamble.
Solo se pude elegir una vez a un empleado para formar parte del comit. De ah que el
muestreo se lleve a cabo sin reemplazos. Por tanto, cada prueba cambia la probabilidad
de elegir a un empleado sindicalizado. La distribucin hipergeomtrica es adecuada para
determinar la probabilidad.
N es igual a 50, el nmero de empleados.
S tiene un valor de 40, el nmero de empleados sindicalizados.
x es igual a 4, el nmero de empleados sindicalizados elegidos.
n vale 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 tenemos:

P ( x )=

P ( 4 )=

( 40 C 4 ) ( 5040 (C ) 54 )
50 C 5

P ( 4 )=

( 91390 )( 10 )
2 118 760

( SCx ) ( NS ( C ) nx )
NCn

P ( 4 )=.431
Por consiguiente, 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 tabla muestra las probabilidades hipergeomtricas (n = 5, N = 50, S = 40) del nmero
de empleados sindicalizados en el comit:
14

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA
Miembros
sindicato
0
1
2
3
4
5

del

Probabilid
ad
.000
.004
.044
.210
.431
.311
1.00

Con el fin de comparar las dos distribuciones de probabilidad la siguiente tabla muestra
las probabilidades hipergeomtricas y binomiales del ejemplo de la fbrica de juguetes.
Como 40 de los 50 empleados del departamento de ensamble son sindicalizados,
establecemos que

= .80 para la distribucin binomial.

Las probabilidades provienen de la distribucin binomial con n = 5 y

Miembros del
sindicato
0
1
2
3
4
5

Probabilidad
hipergeomtri
ca
.000
.004
.044
.210
.431
.311
1.000

= .80.

Probabilid
ad
binomial
.000
.006
.051
.205
.410
.328
1.000

Cuando no es posible satisfacer alguno de los requisitos binomiales de una probabilidad

constante de xito, se debe recurrir a la distribucin hipergeomtrica. No obstante, segn
lo indica la tabla anterior, es posible, en ciertas condiciones, emplear los resultados de la
distribucin binomial para calcular la distribucin hipergeomtrica. Esto conduce a la
siguiente regla emprica:
Si los elementos seleccionados no se regresan a la poblacin, se puede aplicar la
distribucin binomial para calcular la distribucin hipergeomtrica cuando n < 0.05N. Es
decir basta la distribucin binomial si el tamao de la muestra es menor que 5% de la
poblacin.
Puede utilizarse Excel para conocer la distribucin hipergeomtrica.
15

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

TALLER 3:
1) Una poblacin consta de 10 elementos, 6 de los cuales se encuentran defectuosos. En
una muestra de 3 elementos, Cul es la probabilidad de que exactamente 2 sean
defectuosos? Supongamos que la muestra se toma sin reemplazo.
2) Una tienda acaba de recibir un cargamento con 10 reproductores de Blue Ray. Poco
despus de recibirlo, el fabricante se comunic para reportar un envo de tres
unidades defectuosas. La propietaria de la tienda, decidi probar 2 de los 10
reproductores que recibi. Cul es la probabilidad de que ninguno de los 2
reproductores que se probaron este defectuoso? Supongamos que las muestras no
tienen reemplazo.
3) Una florera tiene 15 camiones de entrega, que emplea sobre todo para entregar
flores y arreglos florales, en Aguascalientes. De estos 15 camiones, 6 presentan
problemas con los frenos. En forma aleatoria se seleccion una muestra de 5
camiones. Cul es la probabilidad de que 2 de los camiones probados presenten
frenos defectuosos?
TAREA 3:
1) 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? Supongamos que las muestras se toman sin reemplazo.
2) El departamento de sistemas de computacin cuenta con ocho profesores, de los
cuales seis son titulares. La presidenta, desea formar un comit de tres profesores del
departamento con el fin de que revisen el plan de estudios. Si selecciona el comit al
azar:
16

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

a) Cul es la probabilidad de que todos los miembros del comit sean titulares?
3) Cul es la probabilidad de que por lo menos un miembro del comit no sea titular?

DISTRIBUCION DE PROBABILIDAD 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 influye 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 que la probabilidad,

de que ocurra un evento

en particular es muy pequea. La distribucin de Poisson es una probabilidad discreta por

que se genera contando.
Tiene 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.

17

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

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 automviles recin pintados, el nmero de partes
defectuosas en envos, el nmero de clientes que esperan mesa en un restaurante, el
nmero de accidentes en una carretera durante un periodo de tres meses, etc.
La distribucin de Poisson se calcula mediante la siguiente frmula:

P ( x )=

x e
x!

Donde:
P(x) es la probabilidad para un valor especfico de x.

es la media de la cantidad de veces (xitos) que se presenta un evento en un

intervalo particular.
e es la constante 2.71828
x es el nmero de veces que se presenta un evento.
La media de nmeros de xitos,
nmero total de pruebas y

puede determinarse con n

en este caso, n es el

la probabilidad de xito.

Media de una distribucin de Poisson

=n

La varianza de Poisson tambin es igual a su media. Si por ejemplo, la probabilidad de

que un cheque cobrado en un banco rebote es de 0.0003 y se cobran 10,000 cheques, la
media y la varianza del nmero de cheques rebotados es de 3.0 que se determina
mediante la operacin:

=n=10,000 ( .0003 )=3.0

Recuerda que, en el caso de una distribucin binomial, existe una cantidad fija de
pruebas. Por ejemplo, en una prueba de seleccin mltiple de cuatro preguntas. Slo
puede haber cero, uno, dos, tres o cuatro xitos (respuestas correctas). Sin embargo, la
variable aleatoria x, para una distribucin de Poisson puede adoptar una infinidad de
valores es decir, 0, 1, 2, 3, 4, 5 Sin embargo las probabilidades se tornan muy bajas
despus de las primeras veces que se presenta un evento (xitos).
Para ejemplificar, supongamos que pocas veces se pierde equipaje en una lnea area. En
la mayora de los vuelos no se pierden maletas; en algunos se pierde una; en unos
18

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

cuantos se pierden dos; pocas veces se pierden tres, etc. Supongamos una muestra
aleatoria de 1,000 vuelos arroja un total de 300 maletas perdidas. De esta manera, la
media aritmtica del nmero de maletas perdidas por vuelo es de 0.3 que se calcula de
dividir 300/1000. Si el nmero de maletas perdidas por vuelo se rige por una distribucin
de Poisson con

P ( x )=

= 0.3 las diversas probabilidades se calculan con la frmula:

x e
x!

Por ejemplo, la probabilidad de que no se pierda ninguna maleta es la siguiente:

0 0.3

P ( 0 )=

0.3 e
0!

=0.7408

En otras palabras, en 74% de los vuelos no habr maletas perdidas.

La probabilidad de que se pierda exactamente una maleta es:
1 0.3

0.3 e
P (1 ) =
1!

=0.2222

Por consiguiente, se espera que se pierda exactamente una maleta en 22% de los vuelos.
Las probabilidades de Poisson tambin tiene una tabla (ver copias).

Ejemplo: De acuerdo con el ejemplo anterior, el nmero de maletas se rige por una
distribucin de Poisson con una media de 0.3 Consulta la tabla de distribucin para
determinar la probabilidad de que ninguna maleta se pierda en un vuelo. Cul es la
probabilidad de que se pierda exactamente una maleta en un vuelo? En qu momento
debe sospechar el supervisor de en un vuelo estn perdiendo demasiadas maletas?
Para determinar la probabilidad de que ninguna maleta se pierda, se localiza la columna
en el encabezado 0.3 y se desciende por dicha columna hasta el rengln sealado con
0. La probabilidad es de 0.7408. Esta es la probabilidad de que no haya maletas
perdidas. La probabilidad de que se pierda una maleta es de 0.2222, y est en el
siguiente rengln de la tabla, en la misma columna. La probabilidad de que se pierdan
dos maletas es de 0.00333 y para cuatro maletas es de 0.0003.
Por consiguiente, un supervisor no debera sorprenderse de que se pierda una maleta,
pero debera esperar ver con menos frecuencia ms de una maleta perdida.

19

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

Ya se mencion que la distribucin de Poisson constituye una forma restrictiva de la

distribucin binomial. Es decir, se puede calcular una probabilidad binomial con la de
Poisson.
La distribucin de probabilidad de Poisson se caracteriza por el nmero de veces que se
presenta un evento durante un intervalo o contino. Algunos ejemplos son: El nmero de
palabras mal escritas por pgina para un peridico, el nmero de llamadas por hora que
se recibe en un compaa, el nmero de autos vendidos por da en una distribuidora de
automviles, el nmero de anotaciones en un encuentro de futbol, etc.
Ejemplo: Una compaa aseguradora, asegura propiedades frente a la playa; el clculo
aproximado es que, cualquier ao, la probabilidad de que un huracn categora III
(vientos sostenidos de ms de 110 millas por hora) o ms intenso azote una regin de la
costa es de 0.05. Si un dueo de casa obtiene un crdito hipotecario de 30 aos por una
propiedad recin comprada. Cules son las posibilidades de que el propietario
experimente por lo menos un huracn durante el periodo de crdito?
Para aplicar la distribucin de Poisson, se comienza por determinar la media o nmero
esperado de tormentas que se ajustan al criterio y que azotan la zona donde est la casa
durante un periodo de 30 aos, es decir:

=n=30 ( .05 )=1.5

Para determinar la probabilidad de que por lo menos una tormenta azote la zona, primero
se calcula la probabilidad de que ninguna tormenta azote la costa y reste dicho valor de
1.
0 1.5

P ( x 1 ) =1P ( x=0 ) =1

e
=1.2231=.7769
0!

As se concluye que las posibilidades de que un huracn de este tipo azote la propiedad,
durante el periodo de 30 aos, mientras el crdito se encuentra vigente, son de 0.7769.
En otras palabras, la probabilidad es de un poco ms de 75%.
Se debe insistir en que el continuo, como antes se explic an existe. Es decir se espera
que haya 0.5 tormentas que azotan la costa cada periodo de 30 aos.
En el caso anterior se utiliz la distribucin de Poisson como aproximacin binomial.
Ntese que se cumpli con las condiciones binomiales:

Slo hay dos posibles resultados: un huracn azota al rea de la costa.

Hay una cantidad infinita de pruebas, en este caso 30 aos.
Existe una probabilidad constante de xito; es decir, la probabilidad de que un
huracn azote la zona es de 0.05 cada ao.
20

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA
Los aos son independientes. Esto significa que si una tormenta importante azota en
el quinto ao, esto no influye en ningn otro ao.

Para calcular la probabilidad de que por lo menos una tormenta azote el rea en un
periodo de 30 aos se aplica la distribucin binomial:

P ( x 1 ) =1P ( x=0 ) =1[ ( 30 C 0 ) ( 0.5 ) ( .95 ) ]=1[ ( 1 ) ( 1 )( .2146 ) ]=.7854

La probabilidad de que por lo menos un huracn azote el rea durante el periodo de 30
aos con la distribucin binomial es de 0.7854.
Qu respuesta es correcta? Por qu considerar el problema desde ambos puntos de
vista?
La respuesta obtenida con la distribucin binomial es la ms correcta tcnicamente. La
que se obtuvo con la distribucin de Poisson puede tomarse como una aproximacin de la
binomial, cuando n, el nmero de pruebas, es grande, y

la probabilidad de un xito,

pequea.
Considera el problema desde las dos distribuciones para destacar la convergencia de las
dos distribuciones discretas.
En ocasiones, la aplicacin de la distribucin de Poisson permite una solucin ms rpida
y, como se ve, hay poca diferencia entre las respuestas. De hecho, conforme n se tona
ms grande y

mas pequea, se reducen las diferencias entre ambas distribuciones.

La distribucin de Poisson siempre tiene un sesgo positivo, y la variable aleatoria no

posee lmite superior especfico.

TALLER 4:
1) En una distribucin de Poisson,

= 0.4

a) Cul es la probabilidad de que x = 0?

b) Cul es la probabilidad de que x > 0?
2) La ejecutiva de un banco, de acuerdo a su experiencia, calcula que la probabilidad de
que un solicitante no page un prstamo inicial es de 0.025. El mes pasado realiz 40
prstamos.
a) Cul es la probabilidad de que no se paguen 3 prstamos?
b) Cul es la probabilidad de que cuando menos no se paguen 3 prstamos?
3) Se calcula que 0.5% de quienes se comunican al departamento de servicio al cliente
de Dell Inc. Escuchar un tono de lnea ocupada. Cul es la probabilidad de que las
1200 personas que se comunicaron hoy, por lo menos 5 hayan escuchado un tono de
lnea ocupada?
21

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA
TAREA 4:
1) En una distribucin de Poisson

=4

a) Cul es la probabilidad de que x = 2?

b) Cul es la probabilidad de que x < = 2?
c) Cul es la probabilidad de que x > 2?
2) Un promedio de 2 automviles por minuto ingresan a la caseta de una autopista. La
distribucin de ingresos se aproxima a una distribucin Poisson.
a) Cul es la probabilidad de que ningn automvil ingrese en un minuto?
b) Cul es la probabilidad de que por lo menos ingrese un automvil en un minuto?
3) Los autores y editores de libros trabajan mucho para reducir al mnimo la cantidad de
errores en un libro. Sin embargo, algunos errores son inevitables. El editor de libros
informa que en promedio de errores por captulos es de 0.8 Cul es la probabilidad
de que se comentan menos de 2 errores en determinado captulo?

DISTRIBUCIONES DE PROBABILIDAD UNIFORME

La distribucin de probabilidad uniforme es, tal vez, la distribucin ms simple de una
variable aleatoria continua. La distribucin tiene forma rectangular y queda definida por
valores mnimos y mximos.
Algunos ejemplos son:
El tiempo de vuelo de una aerolnea comercial de Monterrey a Guadalajara vara de 80
a 140 minutos. La variable aleatoria es el tiempo de vuelo dentro de este intervalo.
Observa que la variable de inters, el tiempo de vuelo en minutos, es continua en el
intervalo de 80 a 140 minutos.
Otro ejemplo, los voluntarios de una organizacin, elaboran formas para declaraciones
de impuestos federales. El tiempo de elaboracin de una forma 1040-Z se rige por una
distribucin uniforme en el intervalo de 10 a 30 minutos. La variable aleatoria es la
cantidad de minutos que tarda en llenar una forma, y puede tomar valores de entre 10
y 30.

22

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

La media de una distribucin uniforme se localiza a la mitad del intervalo entre los
valores mnimo y mximo. Se calcula de la siguiente manera:

media=

a+ b
2

La desviacin estndar describe la dispersin de una distribucin. En la distribucin

uniforme, la desviacin estndar tambin se relaciona con el intervalo entre los valores
mnimo y mximo.

(ba)2
12

La ecuacin de la distribucin de probabilidad uniforme es:

P ( x )=

1
si a x b y 0 en cualquier lugar
ba

En el caso de la distribucin uniforme, su forma rectangular permite aplicar la frmula del

rea de un rectngulo. Recuerda que el rea de un rectngulo se determina al multiplicar
la longitud por la altura. En la distribucin uniforme, la altura del rectngulo es P(x) que
es 1/(b-a). La longitud de la base de la distribucin es b a. Observa que, si
multiplicamos la altura de la distribucin por todo su intervalo para determinar el rea, su
resultado siempre ser 1.00.
En general:

rea= ( altura ) ( base ) =

1
( ba )=1.00
( ba )

De este modo, si una distribucin uniforme va de 10 a 15, la altura es de 0.20, que se

determina mediante 1/(15 10). La base es de 5, que se calcula al restar 15 10. El rea
total:

rea= ( altura ) ( base ) =

1
( 1510 )=1.00
( 1510 )

Ejemplo: Un autobs llega a la parada cada 30 minutos, entre las 6 de la maana y las
11 de la noche entre semana. Los estudiantes llegan a la parada en tiempos aleatorios. El
tiempo que espera un estudiante tiene una distribucin uniforme de 0 a 30 minutos.
1. Demuestra que el rea de distribucin uniforme es de 1.00

23

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

2. Cunto tiempo esperar el autobs normalmente un estudiante? En otras palabras

cul es la media del tiempo de espera? Cul es la desviacin estndar de los
tiempos de espera?
3. Cul es la probabilidad de que un estudiante espere ms de 25 minutos?
4. Cul es la probabilidad de que un estudiante espere entre 10 y 20 minutos?
1. El tiempo que los estudiantes esperan el autobs es uniforme a lo largo del intervalo
de 0 a 30 minutos; as en este caso, a es 0 y b 30

rea= ( altura ) ( base ) =

1
(300 ) =1.00
( 300 )

2. Para determinar la media

media=

a+ b 0+30
=
=15
2
2

La media para la distribucin es de 15 minutos; as, el tiempo de espera habitual en el

servicio de autobs ser de 15 minutos.
Para determinar la desviacin estndar de los tiempos de espera.

( ba )
(300 )
=
=
=8.66
12
12
La desviacin estndar de la distribucin es de 8.66 minutos. Es la variacin de los
tiempos de espera del estudiante.

3. El rea de la distribucin en el intervalo de 25 a 30 representa esta probabilidad en

particular. De acuerdo con la frmula del rea:

24

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA
1
P (25< tiempo de espera< 30 )=( altura )( base )=
( 5 ) =.1667
300
As, la probabilidad de que un estudiante espere entre 25 y 30 minutos es de 0.1667

4. El rea dentro de la distribucin en el intervalo de 10 a 20 representan la probabilidad.

P (10< tiempo de e spera<2 0 )= ( altura ) ( base )=

1
(10 )=.3333
300

TALLER 5:
1) Una distribucin uniforme se define en el intervalo de 6 a 10
a) Cules son los valores de a y b?
b) Cul es la media de esta distribucin uniforme?
c) Cul es la desviacin estndar?
d) Demuestre que el rea total es de 1.00
e) Calcula la probabilidad de un valor mayor que 7
f) Calcula la probabilidad de un valor de entre 7 y 9
2) Una aerolnea informa que el tiempo de vuelo del aeropuerto internacional de Los
ngeles a las Vegas es de 1 hora con 5 minutos o de 65 minutos. Supongamos que el
tiempo real de vuelo tiene una distribucin uniforme de entre 60 y 70 minutos.
a) Cul es el tiempo medio del vuelo? Cul es la varianza de los tiempos de vuelo?
b) Cul es la probabilidad de que el tiempo de vuelo sea menor que 68 minutos?
c) Cul es la probabilidad de que le tiempo de vuelo sea mayor que 64 minutos?
3) Las precipitaciones de abril en Aguascalientes, tiene una distribucin uniforme entre
0.5 y 3.00 pulgadas.
a) Cules son los valores para a y b?
b) Cul es la precipitacin media del mes? Cul es la desviacin estndar?
25

Ing. Myriam Gabriela Aguilera Zertuche

PROBABILIDAD Y ESTADISTICA

c) Cul es la probabilidad de que haya menos de una pulgada de precipitacin en el

mes?
d) Cul es la probabilidad de que haya ms de 1.5 pulgadas de precipitacin en el
mes?
TAREA 5:
1) Una distribucin uniforme se define en el intervalo de 2 a 5
a) Cules son los valores de a y b?
b) Cul es la media de esta distribucin uniforme?
c) Cul es la desviacin estndar?
d) Demuestre que el rea total es de 1.00
e) Calcula la probabilidad de un valor mayor que 2.6
f) Calcula la probabilidad de un valor de entre 2.9 y 3.7
2) De acuerdo con una compaa de seguros, una familia de 4 miembros gasta entre
$500 y $3800 anuales en toda clase de seguros. Supongamos que el dinero que se
gasta tiene una distribucin uniforme entre estas cantidades?
a) Cules son los valores de a y b?
b) Cul es la desviacin estndar de la suma gastada?
c) Si elige una familia al azar, Cul es la probabilidad de que gaste menos de $2000
anuales en seguro?
d) Cul es la probabilidad de que una familia gaste ms de $3000 anuales?
3) Los clientes con problemas tcnicos en su conexin a internet pueden llamar a un
nmero 01 800 para solicitar asistencia tcnica. El tcnico tarda entre 30 y 10
minutos para resolver el problema. La distribucin del tiempo es uniforme.
a) Cules son los valores de a y b?
b) Cul es el tiempo medio que se requiere para resolver el problema? Cul es la
desviacin estndar del tiempo?
c) Qu porcentaje de los problemas consumen ms de 5 minutos para resolverse?
d) Supongamos que se busca determinar el 50% de los tiempos de resolucin de los
problemas. Cules son los puntos extremos de estos tiempos?

26

Ing. Myriam Gabriela Aguilera Zertuche