Bioestadística 11

Unidad de competencias 3: Probabilidad

PRÁCTICA. Distribucion de probabilidades de variables

aleatorias

Variables aleatorias: es una función que asocia con cada elemento del espacio muestral un número real, pueden
ser discretas (Binomial y Poisson) y continuas (Normal).

Variables aleatorias discretas

BINOMIAL. La distribución binomial se aplica cuando se realizan un número "n" de veces el experimento de
Bernoulli, que tiene únicamente dos posibles resultados (éxito ó fracaso), siendo cada ensayo independiente del
anterior y manteniendo una probabilidad de éxito “p” constante. La variable puede tomar valores cero y n. La
distribución de probabilidad de este tipo de distribución sigue el siguiente modelo:

 n
fX ( x)  P( X  x)    p x (1  p) n  x x  0,1,2,..., n
 x

Ejemplo: ¿Cuál es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces?

" x " es el número de aciertos. En este ejemplo " x " igual a 6
" n" es el número de ensayos. En nuestro ejemplo son 10
" p " es la probabilidad de éxito, es decir, que salga "cara" al lanzar la moneda. Por lo tanto p = 0,5
La fórmula quedaría:
10 
fX (6)  P( X  6)   0.5 6 (1  0.5)106 P (x = 6) = 0.205
6 
Es decir, se tiene una probabilidad del 20.5% de obtener 6 caras al lanzar 10 veces una moneda.

POISSON. La distribución de Poisson se aplica cuando en una distribución binomial se realiza el experimento un
número "n" muy elevado de veces y la probabilidad de éxito "p" en cada ensayo es reducida, entonces se aplica el
modelo de distribución de Poisson, se tiene que cumplir que
" p " < 0.10 " p * n " < 10
La distribución de Poisson sigue cualquiera de los dos siguientes modelos:
x
fX ( x)  P( X  x)  e  x  1,2,3,...
x!

"e" = 2,71828, es la base de los logaritmos naturales.

"" = n * p (es decir, el número de veces " n " que se realiza el experimento multiplicado por la probabilidad " p "
de éxito en cada ensayo)

"x" es el número de éxito cuya probabilidad se está calculando ó número de veces que ocurre el suceso

“μ” = es el número medio de ocurrencias por unidad de tiempo o espacio

Ejemplo: la probabilidad de tener un accidente de tráfico es de 0,02 cada vez que se viaja, si se realizan 300
viajes, ¿cual es la probabilidad de tener 3 accidentes? Como la probabilidad " p " es menor que 0,1, y el producto "
n * p " es menor que 10, entonces aplicamos el modelo de distribución de Poisson.
 Bioestadística 12
Unidad de competencias 3: Probabilidad

P (x = 3) = 0.0892

Por lo tanto, la probabilidad de tener 3 accidentes de tráfico en 300 viajes es del 8.9%
 Bioestadística 13
Unidad de competencias 3: Probabilidad

Distribución de probabilidades de variables aleatorias continuas

Una variable aleatoria continua es la que puede tomar cualquier valor fraccionario en un rango determinado de
valores. Como existe un número infinito de posibles mediciones fraccionarias, no se pueden enlistarse todos los
valores posibles con una probabilidad correspondiente. Más bien, se define como una función de densidad de la
población y se representa como f(x), para cualquier valor designado de la variable aleatoria x. A la grafica de una
función de este tipo se le denomina curva de probabilidad y el área entre dos puntos cualesquiera bajo la curva,
da la probabilidad de la ocurrencia aleatoria de un valor entre esos dos puntos.

b
f (x ) = función densidad A = p (a  x  b)  f ( x)dx
a

Existen diversas distribuciones continuas de probabilidad comunes que son aplicables como modelos a una amplia
gama de variables continuas y existen tablas de probabilidades para estas distribuciones estándar, haciendo que
resulte innecesario el método de integración para determinar las áreas bajo la curva de probabilidades para estas
distribuciones.

Distribución Normal Z. Es el modelo de distribución más utilizado en la práctica, ya que multitud de fenómenos se
comportan según una distribución normal. Esta distribución de caracteriza porque los valores se distribuyen
formando una campana de Gauss, en torno a un valor central que coincide con el valor medio de la distribución:

La distribución de probabilidades esta dada por:

: es el valor medio de la distribución y ahí se sitúa el centro de la curva (de la campana de Gauss).
: es la desviación estándar e indica si los valores están más o menos alejados del valor central: si la varianza es
pequeña, los valores están próximos a la media; si es alta, entonces los valores están muy dispersos.

Propiedades de la distribución normal

a. Es simétrica, y tiene forma de campana, al ser simétrica la media, la moda y la mediana coinciden.
b. El 68 % del área de la curva (probabilidad) se encuentra a una desviación estándar de la media.
c. Un 50% de los valores están a la derecha de este valor central y otro 50% a la izquierda

Cuando la media de la distribución es 0 y la varianza es 1se denomina "normal estándar", y hay tablas donde se
recoge la probabilidad a la derecha o a la izquierda del punto de la curva dependiendo de la ubicación de este en
la distribución.

La tabla de la distribución normal se puede usar de diferentes maneras:

 Bioestadística 14
Unidad de competencias 3: Probabilidad

 Con el valor del área (probabilidad) encontramos el estandarizado Z ó el “crudo” X

 Con el estandarizado Z ó el “crudo” X encontramos el valor del área (probabilidad) x
z
Toda distribución normal se puede transformar en una normal estándar mediante la fórmula: 
Z= es la variable tipificada y representa el número de desviaciones estándar a las que una observación está por
encima o por debajo de la media.
x = cualquier valor de la variable aleatoria especificada.
Después de la transformación: μ = 0 y la desviación estándar = 1
 Bioestadística 15
Unidad de competencias 3: Probabilidad

Ejercicios Variables aleatorias discretas

1. Se sabe que el 30% de cierta población es inmune a alguna enfermedad. Si se escoge una muestra
aleatoria de 10 elementos de entre esta población, ¿cuál es la probabilidad de que dicha muestra contenga
exactamente cuatro personas inmunes?

2. En cierta población se sabe que 52% de los nacimientos son varones. Si se escogen al azar cinco registros
de nacimientos dentro de esta población, ¿cuál es la probabilidad de que exactamente dos de ellos
pertenezcan a mujeres?.

3. El 24% de cierta población tiene sangre tipo B. Se extrae una muestra al azar de 20 individuos de esta
población, calcular la probabilidad de:
a. Encontrar que exactamente tres individuos con sangre tipo B.
b. Encontrar tres o más personas con esa característica
c. Encontrar menos de tres.

4. Un examen de opción múltiple está compuesto de 15 preguntas, con cinco respuestas posibles cada una,
de las cuales solamente una es correcta. Suponga que uno de los estudiantes que realizan el examen
contesta las preguntas al azar, ¿cuál es la probabilidad de que conteste correctamente 10 preguntas?.

5. Por medio de análisis se sabe que el 37% de los ranchos de cierta región, se encuentran contagiados por
Brucelosis, si se elige una muestra al azar de 10 ranchos, ¿cuál es la probabilidad de que tres de ellos no
estén contagiados por esta enfermedad?

6. Supongamos que estamos interesados en conocer la probabilidad de que exactamente cinco clientes
lleguen a la próxima hora (o cualquier hora determinada del horario de trabajo). La simple observación de
las últimas 80 horas indica que entraron a la oficina 800 clientes. Así pues, μ= 10 clientes por hora.

7. En promedio, seis persona utilizan un cajero bancario automático cada hora, en el transcurso de las horas
más concurridas en una tienda departamental, ¿cuál es la probabilidad de que:

a. Exactamente seis personas utilicen el cajero automático durante una hora seleccionada al azar.
b. Menos de cinco personas utilicen el cajero durante una hora elegida al azar.

8. En promedio, un vendedor de computadoras vende una cada dos días, ¿cuál es la probabilidad de que
venda dos o más computadoras en un día seleccionado al azar?

9. Si el promedio de llamadas por día hábil (8 horas) que se reciben en un banco es de 96, ¿cuál es la
probabilidad de que en una hora se reciban exactamente 14 llamadas?

5. Una bombilla eléctrica tiene una vida útil de 10 semanas, ¿cuál es la probabilidad de que dure 15
semanas?

Ejercicios Variables aleatorias contínuas

A). Probabilidades:
1. P (Z<1.32)= 5. P (Z>1.32)= 9. P (1<Z<2)= 13. P (-2.3<Z<3.4)=
2. P (Z<3.0)= 6. P (Z>-2.58)= 10. P (2.3<Z<3.4)= 14. P (-1<Z<2)=
3. P (Z<-2.1)= 7. P (Z>-0.34)= 11. P ( -2.3<Z<-0.52)= 15. P (-1.96<Z<1.96)=
4. P (Z<-1.79)= 8. P (Z>0.96)= 12. P (-1.6<Z<-0.95)=

B) Valores de Z:
1. P (Z<z)=0.9 5. P (-1.24<Z<z)=0.6 9. P (-z<Z<z)=0.9
2. P (Z<z)=0.3 6. P (-z<Z<z)=0.95 10. P (-1<Z<z)=0.6
3. P (Z>z)=0.1 7. P (-z<Z<z)=0.99
4. P (Z>z)=0.9 8. P (-z<Z<z)=0.80

C) Si X es una variable normal con media 80 y desviación estándar 10, calcule las siguientes
probabilidades:
1. P(X<100)
2. P(X<80)
3. P(65<X<100)
 Bioestadística 16
Unidad de competencias 3: Probabilidad

4. P(70<X)
5. P(85<X<95)

D) Problemas con caso enunciado.

1) El ancho de una herramienta utilizada en la fabricación de semiconductores tiene una distribución
normal con media 0.5 micrómetros y desviación estándar de 0.05 micrómetros.
a) ¿Cuál es la probabilidad de que el ancho de la herramienta sea mayor que 0.62 micrómetros? R:
0.0082
b) ¿Cuál es la probabilidad de que el ancho de la herramienta se encuentre entre 0.47 y 0.63
micrómetros? R: 0.7217
c) ¿Cuál es la probabilidad de que el ancho de la herramienta sea menor que 0.454 micrómetros? R:
0.1788
d) ¿Cuál es la probabilidad de que el ancho de la herramienta se encuentre entre 0.552 y 0.61
micrómetros? R: 0.1353
e) ¿Cuál es la probabilidad de que el ancho de la herramienta se encuentre entre 0.472 y 0.486
micrómetros? R: 0.102

2) El diámetro de los pernos de una fábrica tiene una distribución normal con una media de 950 mm y una
desviación estándar de 10 mm.
a) ¿Cuál es la probabilidad de que un perno escogido al azar tenga un diámetro entre 947 y 958?
b) ¿Cuál es el valor apropiado de C tal que un perno escogido al azar tenga un diámetro menor que C
con una probabilidad de 0.8531?R: a) 0.4060 b) 960.5

3) Se supone que los resultados de un examen tienen una distribución normal con una media de 78 y una
desviación estándar de 6.
a) ¿Cuál es la probabilidad de que una persona que presenta el examen obtenga una calificación
mayor que 72?
b) Suponga que a los estudiantes que se encuentran en el 10% de la parte superior de la distribución se
le asigna una calificación A. ¿Cuál es la calificación mínima que debe obtener un estudiante para
obtener una calificación de A?
c) ¿Cuál debe ser la calificación mínima aprobatoria si el evaluador pretende que solamente el 28.1%
de los estudiantes apruebe?
d) Calcular, aproximadamente la proporción de los estudiantes que tienen calificaciones que exceden
por lo menos en cinco puntos a la calificación reprobatoria del 25%(de calificaciones inferiores). R:
a) 0.8413 b) 85.68 c) 81.48 d) 0.4364

4) Suponga que el peso de una población de 180 animales en una granja de cerdos tiene una distribución
aproximadamente normal con una media de 160 libras y una desviación estándar de 25 libras.
a) ¿Cuál es la probabilidad de que un individuo elegido aleatoriamente al azar de esta granja, pese
entre 150 y 190 libras?
b) ¿Cuántos animales se espera que pesen más de 200 libras?

5) Los puntajes logrados en una prueba de aptitud para estudiantes de Veterinaria sigue una distribución
aproximadamente normal, con una media de 500 puntos y una varianza de 10,000.

a) ¿Qué proporción de los estudiantes examinados lograra menos de 200 puntos?

b) Una persona está por resolver el examen. ¿Cuál es la probabilidad de que logre un puntaje mayor
de 650 puntos?
c) ¿Cuántos puntos necesita obtener una persona para colocarse dentro del mejor 25% de la población?

6) Un profesor MVZ encontró que un grupo de alumnos a su cargo, en promedio termina cierta práctica en
10 minutos. Si el tiempo requerido para completar la tarea sigue una distribución normal con una
desviación estándar de 3 minutos, calcular:

a) La cantidad proporcional de alumnos que terminan la práctica en menos de 4 minutos.

b) La cantidad proporcional de alumnos que necesitan más de 5 minutos para terminar dicha práctica.
c) La probabilidad de que un alumno de nuevo ingreso a este grupo, termine por lo menos en 10
minutos.
 Bioestadística 17
Unidad de competencias 3: Probabilidad

Respuestas
Asig 3. Variables aleatorias discretas C)N(80,10)
Binomial y Poisson 1. P(X<100)=P(Z<2)=
1. 20.01% 97.72%
2. 32.39% 2. P(X<80)=P(Z<0)= 50%
3. A)14.83%, B)89.14%, C)10.85% 3. P(65<X<100)=P(-
4. 0.010% 1.5<Z<2)= 91.04%
5. A)0.0 000 794%, B)0.000 000 4. P(X>70)= P(Z>-1)=
0002282% 84.13%
6. 3.78% 5. P(85<X<95)=P(0.5<Z<1
7. A)16.06%, B)28.48% .5)= 24.17%
8. 9.02% D) CASO ENUNCIADO
9. 9.04% 1. N(0.5,0.05)
10. 3.47% a. P(X>0.62)=
P(Z>2.4)= 0.82%
Asig 4. Distribución normal b. P(.47<X<.63)= P(-
A) ENCONTRAR PROBABILIDAD 0.6<Z<2.6)= 72.1%
1. P(Z<1.321)= 90.66% c. P(X<0.454)= P(Z<-
2. P(Z<3)= 99.87% 0.92)= 17.88%
3. P(Z<-2.1)= 1.79% d. P(0.552<X<0.61)=P
4. P(Z<-1.79)= 3.67% (1.04<Z<2.2)=
5. P(Z>1.32)= 9.34% 13.53%
6. p(Z>-2.58)= 99.51% e. P(0.472<X<0.486)=
7. P(Z>-.34)= 63.31% P(-0.56<Z<-0.28)=
8. P(Z>0.96)= 16.85% 10.2%
9. P(1<Z<2)= 13.59% 2. N(950,10)
10. P(2.3<Z<3.4)= 0.99% a. P(947<X<958)=P(-
11. P(-2.3<Z<-.52)= 29.08% 0.3<Z<0.8)= 40.6%
12. P(-1.6<Z<-.95)= 11.63% b. P(X<960.5)=
13. P(-2.3<Z<3.4)= 98.95% P(Z<1.05)= 85.31%
14. P(-1<Z<2)= 81.85% 3. N(78,6)
15. P(-1.96<Z<1.96)= 95% a. P(X>72)=P(Z>-1)=
B)ENCONTRAR VALORES DE Z 84.13%
1. P(Z<1.285)= 90% b. P(X>85.71)=P(Z>1.
2. P(Z<-.525)= 30% 285)= 10%
3. P(Z>1.285)= 10% c. P(X>81.48)=P(Z>0.
4. P(Z>-1.285)= 90% 58)= 28.1%
5. P(-1.24<Z<0.545)= 60% d. P(X<73.95)=P(Z<-
6. P(-1.96<Z<1.96)= 95% 0.675)= 25%,
7. P(-2.575<Z<2.575)= 99% EXCEDIDA EN 5 PTS
8. P(-1.285<Z<1.285)= 80% 78.95
9. P(-1.645<Z<1.645)= 90% P(X>78.95)=P(Z>0.
10. P(-1<Z<.675)= 60% 158)= 5.71%.
 Bioestadística 12
Unidad de competencias 3: Probabilidad
 Bioestadística 13
Unidad de competencias 3: Probabilidad