1.

SOFTWARE MINITAB

Es un programa estadístico muy potente, versátil y de fácil uso, que proporciona

un amplio rango de aplicaciones estadísticas, capacidad de gráfico. Ofrecen,
entre otras facilidades: Capacidad estadística comprensiva y completa, que
incluye análisis de datos exploratorios, cálculos básicos, regresión, análisis de
varianza, tamaño de muestra, análisis multivariante, distribuciones paramétricas,
series de tiempo, tabulación cruzada y simulación. Es usado en más de 2.000
instituciones universitarias y mencionado en más de 300 publicaciones de
estadística, Minitab es la herramienta predilecta en las industrias de más de 60
países. La confiabilidad de sus algoritmos estadísticos y la sólida base de la
combinación de potencia y simplicidad de manejo le han hecho merecer la
confianza de los usuarios.

2. PROCESOS PARA GRAFICAR DISTRIBUCIONES

Para graficar cada una de las distribuciones ya sean las distribuciones de

probabilidad continuas o discretas los primeros que se izó fue tener el software
de minitab instalado una vez abrir la interfaz nos muestra una serie de menú
donde elegimos la opción Graph donde se visualizan una serie de elecciones y
elegimos la opción distribución de probabilidades una vez que hemos
seleccionados se nos abre un cuadro de dialogo en el cuadro nos muestra una
graficas elegimos ok, al dar en ok se nos abre otro cuadro de dialogo donde
escogimos la distribución que deseamos graficar y colocamos los valores
correspondientes para cada ejercicios.
1. DISTRIBUCIONES DE PROBABILIDAD CONTINUAS

DISTRIBUCIÓN LOGNORMAL

Ejemplo:

Supóngase que la supervivencia, en años, luego de una intervención quirúrgica

(tiempo que pasa hasta que ocurre la muerte del enfermo) en una cierta
población sigue una distribución lognormal de parámetro de escala 2,32 y de
forma 0,20. Calcular la probabilidad de supervivencia a los 12 años y la mediana
de supervivencia. (Espejo, 2006).

Distribución Lognormal (µ, ø).

Parámetros:

µ: Escala 2,32

ø: Forma 0,2

Fig. 1. Distribución Lognormal en Minitab (Azarang & García, 1996)

DISTRIBUCIÓN TRIANGULAR

Ejemplo:
Uno de los problemas de salud que afectan en mayor medida a la población en
los meses de verano son los golpes de calor; por ese motivo, es necesario llevar
un control de la temperatura atmosférica que alerta, entre otros indicadores, de
la presencia de una ola de calor. Durante el mes de agosto del año 2010, en
Santiago de Compostela, las temperaturas mínima y máxima absolutas fueron
de 12,2 ºC y 35,8ºC, respectivamente, y el valor más probable fue de 19,8ºC. Si
se asume que la temperatura sigue una distribución triangular de parámetros
a=12,2, c=19,8 y b=35,8, ¿cuál es la probabilidad de que supere los 30ºC?.
(Espejo, 2006).

Datos:

Distribución Triangular (a, b, c).

a: mínimo 12,2

b: Media 19,8

b: Máximo 35,8

Fig. 2. Distribución Triangular en Minitab (Azarang & García, 1996)

DISTRIBUCIÓN EXPONENCIAL

Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una

distribución exponencial con media de 14 años. ¿Cuál es la probabilidad de que
a una persona a la que se le ha implantado este marcapasos se le deba
reimplantar otro antes de 20 años? Si el marcapasos lleva funcionando
correctamente 5 años en un paciente, ¿cuál es la probabilidad de que haya que
cambiarlo antes de 25 años? (Espejo, 2006).

Datos:

Distribución exponencial (ƛ).

Parámetro:

ƛ=1/14=0,07

Fig. 3. Distribución Lognormal en Minitab (Azarang & García, 1996)

DISTRIBUCIÓN DE WEIBULL

Ejemplo:
La vida útil, en años, de cierto tipo de instrumental médico quirúrgico sigue una
distribución de Weibull con parámetros a= 2 y b= 1,75. 1. ¿Cuál es la probabilidad
de que el instrumental dure menos de 3 años? 2. Representar la función de
densidad y de distribución de su vida útil. (Espejo, 2006).

Datos:
Distribución Weibull (a , b).

Parámetros:

a: Forma 2

b: Escala 1,75

Fig. 4.Distribución Weibull en Minitab (Azarang & García, 1996)

DISTRIBUCIÓN UNIFORME

Ejemplo:
Un contratista A está preparando una oferta sobre un nuevo proyecto de
construcción. La oferta sigue una distribución uniforme entre 55 y 75 miles de
euros. Determínese:

1. La probabilidad de que la oferta sea superior a 60 mil euros.

2. La media y la desviación estándar de la oferta.

A Epidat se le proporcionará el límite superior e inferior del campo de variación

de la variable [55, 75] y, además, el punto a partir del cual se quiere calcular la
probabilidad. (Espejo, 2006).

Datos:

Distribución uniforme (a, b).

Parámetros:

a: Mínimo 55

b: Máximo 75

Fig. 5. Distribución Uniforme en Minitab (Azarang & García, 1996)

DISTRIBUCIÓN NORMAL

Ejemplo:
Se supone que el nivel de colesterol de los enfermos de un hospital sigue una
distribución normal con una media de 179,1 mg/dL y una desviación estándar de
28,2 mg/dL. (Espejo, 2006).

Datos:

Distribución Normal (µ, ø).

Parámetros:

µ: Mínimo 179,1

ø: Máximo 28,2

Fig. 6. Distribución Normal en Minitab (Azarang & García, 1996)

2. DISTRIBUCIÓN DE PROBABILIDADES DISCRETAS

DISTRIBUCIÓN BINOMIAL

Ejemplo:

En un examen formado por 20 preguntas, cada una de las cuales se responde

declarando “verdadero” o “falso”, el alumno sabe que, históricamente, en el 75%
de los casos la respuesta correcta es “verdadero” y decide responder al examen
tirando dos monedas: pone “falso” si ambas monedas muestran una cara y
“verdadero” si al menos hay una cruz. Se desea saber cual es la probabilidad de
que tenga más de 14 aciertos. Hay que proporcionarle a Epidat 4 los parámetros
de la distribución binomial y el punto k a partir del cual se calculará la
probabilidad. En este caso n = 20, p = 0,75 y el punto k = 14. (Espejo, 2006).

Datos:

Distribución Binomial (n, p).

Parámetros:

n: Nº de pruebas 20

p: probabilidad de éxito 0,75

Fig. 7.Fig. 1. Distribución Binomial en Minitab (Azarang & García, 1996)

DISTRIBUCIÓN GEOMÉTRICA

Ejemplo:

La probabilidad de que cierto examen médico dé lugar a una reacción “positiva”

es igual a 0,8, ¿cuál es la probabilidad de que ocurran menos de 5 reacciones
“negativas” antes de la primera positiva? La variable aleatoria “número de
reacciones negativas antes de la primera positiva” sigue una distribución
geométrica con parámetro p = 0,8. (Espejo, 2006).

Datos:

Distribución Geométrica (p).

Parámetros:

P: probabilidad de éxito 0,8

Fig. 8. Distribución Geométrica en Minitab (Azarang & García, 1996)

DISTRIBUCIÓN DE POISSON

Ejemplo:
Una compañía de seguros tiene 5,000 asegurado de 42 años de edad. Estudios
actuales indican que la probabilidad de que un hombre de 42 años muera es de
0.001. ¿cuál es la probabilidad de que la compañía pague 4 indemnizaciones en
un año. (Espejo, 2006).

Datos:

Parámetros:

Éxito Hombre de 42
años muera
P (éxito) P 0.001
Tamaño de la muestra x 5000

Lambda: es la media de la distribución de

Poisson

Valores esperados ƛ=x*p 5

Fig. 9.Fig. 1. Distribución Poisson en Minitab (Azarang & García, 1996)

La probabilidad es 0. Es decir, de que la compañía pague 4 indemnizaciones por
año.

DISTRIBUCIÓN DE BERNOULLI

Datos:

Fig. 10. Distribución Bernoulli en Excel (Azarang & García, 1996)

BIBLIOGRAFÍA

Azarang M, García E. 1996. Simulación y Análisis de Modelos Estocásticos. 1

ed. McGRAW-HILL Interamericana Editores S.A. México.

Espejo et al.; 2006. Estadística Descriptiva y Probabilidad. Teoría y Problemas 3

ed. Universidad de Cádiz. Colombia.