UNIDADES 5 y 6

VARIABLE ALEATORIA Y

DISTRIBUCIONES
DE PROBABILIDAD

Distribuciones de probabilidad
Distribucin
Bernoulli

Distribucin
Binomial

Una distribucin de probabilidad indica toda la gama de valores que

pueden representarse como resultado de un experimento si ste se
llevase a cabo. Es decir, describe la probabilidad de que un evento se
realice en el futuro, constituye una herramienta fundamental para la
prospectiva, puesto que se puede disear un escenario de
acontecimientos futuros considerando las tendencias actuales de
diversos fenmenos naturales

Distribucin
Normal

Distribucin
Poisson

Distribucin Bernoulli
Un ensayo bernoulli es un
experimento que tiene dos
resultados

Al primero
se e llama
xito

Y al otro
fracaso

La
probabilidad
de xito se
denota por P

Por
consecuencia,
la probabilidad
de fracaso es
1-P

Para cualquier ensayo de

bernoulli se define a la variable
aleatoria x as: si el
experimento propicio xito ,
entonces x = 1. De lo contrario,
x = 0. De ah que x sea una
variable aleatoria discreta, con
funcin de masa de
probabilidad p(x)

P(0) =P(X = 0) = 1-P

P(1) =P(X = 1) =P

Media y varianza de una variable aleatoria de Bernoulli

Media = P
Varianza = P(1-P)

Ejemplo 1:
Cuando se lanza al aire una moneda hay una probabilidad de 0.5 de que caiga en cara.
Sea X = 1, si la moneda cae en cara y X = 0, si cae en cruz. Cul es la distribucin de X ?
Probabilidad de que caiga cara = .5 50%

Eventos

Probabilidad

X=1

P(1) =P(X = 1) =P

0.5 50%

X=0

P(0) =P(X = 0) = 1-P

0.5 50%

La probabilidad de xito, P(X = 1),

es igual a 0.5 . Por lo tanto,
X~ Bernoulli (0.5)

Media:

=P

0.5

Varianza:

= P(1-P)

0.25

Ejemplo 2:
En un restaurante de comida rpida, 25% de las ordenes para beber es una bebida pequea, 35% una mediana y
40% una grande.
Sea X = 1 si se escoge aleatoriamente una orden de una bebida pequea y X= 0 en cualquier otro caso.
Sea Y = 1 si la orden es una bebida mediana y Y = 0 en cualquier otro caso.
Sea Z = 1 si la orden es una bebida grande y Z = 0 en cualquier otro caso.

Eventos

Si la bebida es pequea

Probabilidad

X=1

P(1) =P(X = 1) =P

0.25

Media:

=P

0.25

X=0

P(0) =P(X = 0) = 1-P

0.75

Varianza:

= P(1-P)

0.1875

Eventos

Si la bebida es mediana

Probabilidad

Y=1

P(1) =P(Y = 1) =P

0.35

Media:

=P

0.35

Y=0

P(0) =P(Y = 0) = 1-P

0.65

Varianza:

= P(1-P)

0.2275

Eventos

Si la bebida es grande

Probabilidad

Z=1

P(1) =P(Z = 1) =P

0.40

Media:

=P

0.40

Z=0

P(0) =P(Z = 0) = 1-P

0.60

Varianza:

= P(1-P)

0.24

Distribucin Binomial
Extraer un solo componente de una poblacin y determinar si est o no defectuosa es ejemplo de un
ensayo Bernoulli.

En la prctica, es posible extraer varios componentes de una gran poblacin y contar el nmero de
elementos defectuosos. Esto implica realizar diversos ensayos de bernoulli independientes y contar
el nmero de xitos. El nmero de xitos es una variable aleatoria, que tiene una distribucin
binomial.

ANLISIS:
Suponga que se lleva a cabo una serie de n ensayos de bernoulli, cada uno con la misma
probabilidad de xito p. adems, suponga que los ensayos son independientes: esto es, que el
resultado de un ensayo no influyen en los resultados de alguno de los otros ensayos. Sea tambin la
variable aleatoria X igual al nmero de xitos en n ensayos, entonces X tiene la distribucin binomial
con parmetros n y p.
La notacin es X~Bin(n,p). X es una variable aleatoria discreta y sus posibles valores son 0,1n.

Se realiza un
total de n
ensayos de
bernoulli y si:

Los ensayos
son
independien
tes

Cada ensayo
tiene la
misma
probabilidad
de xito p

X es el
numero de
xitos en los
n ensayos

Entonces X tiene la
distribucin
binomial con
parmetros n y p,
que se denota
como X~Bin(n,p)

Si X ~Bin (n,p), la funcin de masa de probabilidad de X es:

P(X) = P(X = x) =

Ejemplos :
Se lanza al aire 8 veces un dado. Determine la probabilidad de que no salga mas de dos nmeros seis.
Cada lanzamiento del dado es un experimento Bernoulli con una probabilidad de xito de 1/6.
Sea X el nmero de seises en los 8 lanzamientos.
Entonces X~ Bin (8, 1/6). Se necesita determinar a P(X=0), P(X=1) y P(X=2)

P(X=0)

0.2326

P(X=1)

P(X=2)

0.3721

0.2605

AHORA
Se toma una muestra de cinco elementos de una poblacin relativamente grande,
en la cual 10% de los elementos estn defectuosos.
Sea X~ Bin(5, 0.1). Determine

Valores de la formula

Sustituir formula

Resultado

n=5 p=0.1X=0

(5!/0!(5-0)!)(0.10)(1-0.1) 5-0

0.59049

n=5 p=0.1X=1

(5!/1!(5-1)!)(0.11)(1-0.1) 5-1

0.32805

n=5 p=0.1X=2

(5!/2!(5-2)!)(0.12)(1-0.1) 5-2

0.0729

n=5 p=0.1X=3

(5!/3!(5-3)!)(0.13)(1-0.1) 5-3

0.0081

n=5 p=0.1X=4

(5!/4!(5-4)!)(0.14)(1-0.1) 5-4

0.00045

n=5 p=0.1X=5

(5!/5!(5-5)!)(0.15)(1-0.1) 5-5

0.00001

La distribucin Poisson
La distribucin de poisson se utiliza con frecuencia en el trabajo cientfico. Una
manera de considerarla es como una aproximacin de la distribucin binomial cuando
n es grande y p es pequeo. Esto se muestra con un ejemplo:

Una masa contiene 10 000 tomos de una sustancia radiactiva. La probabilidad

de que cierto tomo decaiga en un periodo de un minuto es 0.0002. Sea X el
nmero de tomos que decae en un minuto. Se puede considerar a cada tomo
como un ensayo de bernoulli, en lo que el xito ocurre si el tomo decae. Por
tanto, X es el numero de xitos en 10 000 ensayos de bernoulli independientes,
cada uno con probabilidad de xito de 0.0002, de tal forma que la distribucin
de X es Bin (10 000, 0.0002). La media de X es x =(10 000)(0.0002) = 2.

Otra masa contiene 5 000 tomos y cada uno de estos tiene probabilidad de 0.0004
de decaer en un intervalo de un minuto. Se Y el numero de tomos de esta masa
que decae en un minuto.
Por lo tanto Y ~ Bin(5 000, 0.0004) y y = (5 000)(0.0004)=2.

En cada uno de estos casos, el nmero de ensayos n y la probabilidad de xito p

son diferentes, pero el nmero promedio de xitos, que es igual al producto np, es el
mismo. Ahora suponga que se quiere calcular la probabilidad de que solo tres
tomos decaigan en un minuto para cada uno de estas masas. Mediante la funcin
de masa de probabilidad binomial, se calcula de la siguiente manera:

Estas probabilidades son casi iguales entre s. Aunque a partir de la frmula de la

funcin de masa de probabilidad binomial esto no es obvio, cuando n es grande y p
es pequeo la funcin de masa depende por completo de la media np, y muy pocos
de los valores especficos de n y p. por consiguiente, se puede aproximar la funcin
de masa binomial con una cantidad que dependa solo del producto np.
Especficamente, si n es grande y p es pequea, y =np, se puede demostrar
mediante mtodos avanzados que para toda las X.

Esto conduce a la definicin de una nueva funcin de probabilidad, denominada

funcin de masa de probabilidad de poisson, que se define mediante

Siempre y cuando X
sea un numero entero
y no negativo

e=2.71828

Si X es una variable aleatoria cuya funcin de masa de probabilidad est dada

por la ecuacin de arriba entonces X sigue una distribucin de Poisson con
parmetro .
La notacin es X~ Poisson ()

Ejemplos:
Si X ~Poisson (3), calcule: P(X = 2), P(X = 10), P(X = 0), P(X = -1) y P(X = O.5)

X no
debe ser
negativo

X debe
ser un
numero
entero

AHORA
Suponga que 0.03% de los contenedores plsticos producidos en cierto proceso tiene pequeos agujeros
que los dejan inservibles. X representa el nmero de contenedores en una muestra aleatoria de 10 000
que tiene estos defectos determine P(X = 1), P(X = 2), P(X = 3), P(X = 4) y P(X = 5)

=np =(10 0008)(0.03%)

=3

P(X = x)

Sustitucin de la
formula

Resultado

P(X = 1)

e-3 (31/1!)

0.149361205

P(X = 2)

e-3 (32/2!)

0.224041807

P(X = 3)

e-3 (33/3!)

o.224041807

P(X = 4)

e-3 (34/4!)

0.168031355

P(X = 5)

e-3 (35/5!)

0.100818813

 Si X ~Poisson (6), calcule: P(X = 0), P(X = 1), P(X = 2), P(X = 3) y P(X = 4)

P(X = x)

Sustitucin de la
formula

Resultado

P(X = 0)

e-6 (60/0!)

0.002478752

P(X = 1)

e-6 (61/1!)

0.014872513

P(X = 2)

e-6 (62/2!)

0.044617539

P(X = 3)

e-6 (63/3!)

0.089235078

P(X = 4)

e-6 (64/4!)

0.133852617

Distribucin Normal
Caractersticas
Una distribucin normal de media y desviacin tpica se designa por N (, ). Su grfica
es la campana de Gauss:

El rea bajo la curva determinada por la funcin y el eje de abscisas es igual a la unidad.
Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a 0.5 a la izquierda y
otra igual a 0.5 a la derecha.
La probabilidad equivale al rea bajo la curva.

Distribucin normal estndar tipo N (0, 1)

La distribucin normal estndar, tipificada o reducida, es aquella que tiene por media el
valor cero, =0, y por desviacin tpica la unidad, =1.
La probabilidad de la variable X depender del rea sombreada en la figura.

Distribucin Normal
Tipificacin de la variable:
Tenemos que transformar la variable X que sigue una distribucin N (, ) en otra
variable Z que siga una distribucin tipo N (0, 1).
El clculo de probabilidades en distribuciones normales es
a travs de los valores para Z

Tabularemos las probabilidades de P (z k), siendo Z la variable tipificada.

Estas probabilidades nos dan la funcin de distribucin (k). (phi de k)
(k) = P (z k)

EJEMPLO 1:
Las puntuaciones de una prueba estandarizada se distribuyen normalmente con media de 480 y
desviacin estndar de 90.
a) Cual es la proposicin de puntuaciones mayores a 700?
Z = (700-480)/90 = 2.44 el rea a la derecha de Z es 0.0073

b) Cual es el 25 Percentil de las puntuaciones?

la puntuacin de z en el 25 percentil -0.67
El 25 percentil es entonces 480 - 0.67 (90) = 419.7

c) Si la puntuacin de alguien es de 600. En qu percentil se encuentra?

z = (600-480)/90 = 1.33 el rea a la derecha de z es 0.9082
Por lo que una puntuacin de 600 est en el percentil 91
d) Qu proporcin de las puntuaciones se encuentra entre X=420 y X=520?
= 480
= 90

z = (420 - 480)/90 = - 0.67

Z = (520 480)/90 = 0.44
El rea entre z = - 0.67 y z = 0.44 es 0.6700 0.2514 = 0.4186

2- La resistencia de una aleacin de aluminio se distribuye normalmente con media de 10 giga

pascales (Gpa) desviacin estndar de 1.4 Gpa.
a) Cul es la probabilidad de que una muestra de esta aleacin tenga resistencia mayor a 12 Gpa?
b) Determine el primer cuartil de la resistencia de esta aleacin.

c) Determine el 95. Percentil de la resistencia de esta aleacin.

RESULTADOS
= 10 = 1.4
a)

z = (12 -10)/1.4 = 1.43 el rea ala derecha de z = 1.43 es 1 0.9236 = 0.0764

b) la puntuacin de z en el 25 percentil es -0.67

El 25 percentil es entonces 10 - 0.67 (1.4) = 9.062 Gpa.
c) la puntuacin de z en el 95 percentil es 1.645
El 25 percentil es entonces 10 + 1.645(1.4) = 12.303 Gpa.

3- La penicilina es producida por el hongo penicillium, que crece en un caldo, cuyo contenido
de azcar debe controlarse con cuidado. La concentracin optima de azcar es de 4.9
mg/mL. Si la concentracin excede los 6 mg/mL, el hongo muere y el proceso debe
suspenderse todo el da.
a) Si la concentracin de azcar en tandas de caldo se distribuye normalmente con media
4.9 mg/mL y desviacin estndar 0.6 mg/mL en qu proporcin de das se suspender el
proceso?
b) El distribuidor ofrece vender caldo con una concentracin de azcar que se distribuye
normalmente con medida de 5.2 mg/mL y desviacin estndar de 0.4 mg/mL este caldo
surtir efectos con menos das de produccin perdida?
RESULTADOS
a) (6 4.9)/0.6 =1.83

1 0.9664 = 0.0336

b) Z = (6 5.2)/0.4 = 2.00

1 0.9772 = 0.0228

Con este caldo el proceso se suspendera el 2.28% de los das

4- El volumen de las llantas llenadas por cierta maquina se distribuye con media de 12.05
onzas y desviacin estndar de 0.03 onzas.
a) Qu proporcin de latas contiene menos de 12 onzas?
b) La medida del proceso se puede ajustar utilizando calibracin. En qu valor debe
fijarse la media para que el 99% de las latas contenga 12 onzas o ms?
c) Si la media del procesos sigue siendo de 12.05 onzas. En qu valor debe fijarse la
media para que el 99% de las latas contenga 12 onzas o ms?
RESULTADOS
a) (12 12.05)/0.03 = -1.67 la proporcin es 0.0475
b)Z= -2.33 entonces -2.33=(12 - )/0.03 despejando = 12 .07 onzas
c) 2.33 = (12-12.05)/ despejando = 0.0215 onzas

GRACIAS POR SU
ATENCIN!!!

Mtro. Jos Manuel Lpez Olvera