Probabilidad

• Distribuciones de Probabilidad
• Discretas

Temas a cubrir
≻ Distribuciones discretas de y probabilidad
– Variables aleatorias
• Variable aleatoria discreta
– Distribución discreta de probabilidad
• Distribución acumulada de probabilidad
– Medidas de resumen de una variable aleatoria
• Medida aritmética o valor esperado
• Varianza
• Desviación
D i ió estándar
á d
– Distribución de probabilidad binomial
• Variable aleatoria binomial
• Laa fórmula
ó uab binomial
o a
• Familia de distribuciones de probabilidad binomial
• Tablas de probabilidad binomial
– Probabilidades binomiales para valores individuales de x
– Probabilidades binomiales para valores acumulados de x

2
Temas a cubrir
≻ Distribuciones discretas de y probabilidad
•M
Medidas
did d de resumen para lla di
distribución
t ib ió d de
probabilidad binomial
– Media aritmética o valor esperado
– La varianza y desviación estándar
– Distribución de p
probabilidad hipergeométrica
p g
• Fórmula hipergeométrica
• Medidas de resumen
– Media aritmética o valor esperado
– Varianza y desviación estándar
•A Aproximación
i ió dde lla di
distribución
t ib ió hipergeométrica
hi ét i
mediante la distribución de probabilidad binomial
– Distribución de probabilidad de poisson
• Proceso de poisson
• Fórmula de poisson
– Tablas de probabilidad de poisson
– Medidas de resumen
• Aproximación de la distribución binomial mediante la
distribución de probabilidad de poisson

Probabilidad

• Distribuciones de Probabilidad
• Discretas
Introducción
≻ En las p
primeras unidades del curso se
describieron datos originales (o datos sin
agrupar) organizándolos en una distribución
de frecuencias y representando
gráficamente.
áfi
≻ También se calcularon medidas de tendencia
central p
para encontrar un valor
representativo cerca del centro de la
distribución y se emplearon la amplitud de la
variación y la desviación estándar para
d
describir
b lla d
dispersión
ó dde llos d
datos.
≻ Nos centramos en describir algo que ya
había sucedido.

Introducción

≻ Luego
uego empezamos
e pe a os a e examinar
a a a
algo
go que
probablemente sucedería, a esto se le
conoce como inferencia estadística.
≻ El objetivo de es hacer inferencias respecto a
una población basándose en algunas
observaciones tomadas de la población
población.
≻ Ahora veremos como las distribuciones de
probabilidad indican toda la g
p gama posible
p de
los resultados probables de un experimento.
Distribución de Probabilidad

≻ Una distribución de probabilidad indica

en una lista todos los resultados posibles
de un experimento junto con la
probabilidad correspondiente a cada uno
de ellos.
≻ ¿Cómo puedo generar una distribución de
probabilidad?

Distribución de Probabilidad

≻ Supó
Supóngase
gase que se quiere
qu e e saber
sabe ele número
ú e o de
caras que se obtiene al lanzar tres veces una
moneda al aire. Los posibles resultados son:
– Cero, uno, dos y tres caras.
¿Cuál es la distribución de probabilidad del
número de caras?
Distribución de Probabilidad

≻ Vamos a observar dos características

importantes de una distribución de
probabilidad
– La probabilidad de un resultado especifico va
desde 0 a 1 inclusive.
– La
L suma d de llas probabilidades
b bilid d d de ttodos
d llos
valores mutuamente excluyentes es 1

Variables Aleatorias

≻ Una Variable Aleatoria es la característica

que es el resultado de un experimento y
debido al azar puede tomar valores
diferentes.

TTH THH
TTT THT HTH HHH
HTT HHT
Variables Aleatorias
≻ Una Variable aleatoria puede ser discreta o
continua
i
– Una Variable aleatoria discreta es aquella variable que
solo puede tomar ciertos valores claramente separados
• Calificaciones de los jueces en un evento de patinaje
artístico
– Una Variable aleatoria continua es aquella variable que
puede tomar una cantidad infinitamente grande de
valores dentro de ciertas limitaciones
valores,
• La distancia (en millas) entre dos ciudades
• La presión de inflado de una llanta
≻ Si se organiza un conjunto de valores posibles
de una variable aleatoria discreta, en una
distribución de probabilidades se denomina
distribución de p
probabilidad discreta

Medidas de una Dist. de

P b bilid d Di
Probabilidad Discreta
t
≻ De manera semejante a las medidas de la Tendencia
Central y de Dispersión, una Distribución de
Probabilidad se resume indicando su media y
varianza.
≻ Media
– Es un valor típico que sirve para representar una
distribución de probabilidad.
– Es el valor promedio, a largo plazo, de la variable
aleatoria.
– Se le conoce como “valor esperado”
– Es
E un promedio di ponderado
d d en ell que llos valores
l
posibles se ponderan mediante sus probabilidades
correspondientes de ocurrencia.

µ = Σ[ xP
P( x)]
Medidas de una Dist. de
P b bilid d Di
Probabilidad Discreta
t
≻ De manera semejante a las medidas de la Tendencia
Centra y de Dispersión, una Distribución de
Probabilidad se resume indicando su media y
varianza.
≻ Varianza y Desviación Estándar
– Describe el grado de dispersión (o variación) en una
distribución de probabilidad discreta.

σ 2 = Σ[( x − µ ) 2 P( x)]
σ 2 = [∑ x 2P ( x )] − µ 2

Ejemplo

≻ Ivette vende automóviles nuevos de la agencia

g Ford.
Generalmente, los sábados vende el mayor número
de vehículos. Ivette tiene la siguiente distribución de
probabilidad del número de vehículos q
p que espera
p
vender en un sábado en particular.
– Calcule la media y la desviación estándar para la
distribución mostrada.
Automoviles Probabilidad
vendidos P(x)
xP(x) (x-µ) (x-µ)^2 (x-µ)^2P(x) µ = Σ[ xP( x)]
0 0.1
1 02
0.2 σ 2 = Σ[( x − µ ) 2 P( x)]
2 0.3
3 0.3
4 0.1
Ejemplo

≻ Carlos es el p
propietario
p de un merendero y ofrece el
llenado gratuito en todas las órdenes de café. Rene
reunió la siguiente información acerca del número de
repticiones.
p
– Calcule la media y la desviación estándar para la
distribución mostrada.
Probabilidad
Refills
f ( )
xP(x) x^2P(x)
2 ( )
P(x)
0
1
30
40
µ = Σ[ xP( x)]
2 20 σ 2 = Σ[( x − µ ) 2 P( x)]
3 10

µ
σ^2
σ

Probabilidad

Distribución de Probabilidad
Discreta Binomial
Introducción
≻ La Distribución de Probabilidad Binomial es
un ejemplo de una Distribución
ó de
probabilidad discreta.
– El resultado de cada ensayo de un experimento se
clasifica
l f en una de
d ddos categorías
í mutuamente
excluyentes. (éxito ó fracaso)
– La variable aleatoria cuenta el número de éxitos
en una cantidad fija de ensayos
ensayos.
– La probabilidad de un éxito permanece constante
en todos los ensayos. Lo mismo sucede con la
probabilidad de un fracaso.
p
– Los ensayos son independientes, lo cual significa
que el resultado de un ensayo no afecta al
resultado de algún otro.

Distribución de Probabilidad
Bi
Binomial
i l
≻ ¿¿Cómo se calcula una Distribución de
Probabilidad Binomial?
– El número de ensayos
– La probabilidad
b bld dd de é
éxito en cada
d ensayo

P( x)= n C xπ x (1 − π ) n − x
• C es una combinación
• n es el número de ensayos
• x es el número de éxitos
• π es la probabilidad de éxito en cada ensayo
Ejemplo
j p

≻ Entre dos ciudades hay cinco vuelos diarios. Si la

probabilidad de que un vuelo llegue retrasado es
0.20.
– ¿Cuál
¿ es la probabilidad
p de q
que ninguno
g de los vuelos
llegue retrasado?
– ¿Cuál es la probabilidad de que exactamente uno de
los vuelos llegue
g retrasado?

P(0)= n C x (π ) x (1 − π ) n − x P(1)= n C x (π ) x (1 − π ) n − x
P(0)= 5 C0 (0.20) 0 (1 − 0.20) 5−0 = P(1)= 5 C1 (0.20)1 (1 − 0.20) 5−1 =
P(0) = (1)(1)(0.3277) = 0.3277 P(1) = (5)(0.20)(0.4096) = 0.4096

Ejemplo
j p

≻ Entre dos ciudades hay cinco vuelos diarios. Si la

probabilidad de que un vuelo llegue retrasado es
0.20.
– ¿Cuál
¿ es la probabilidad
p de q
que ninguno
g de los vuelos
llegue retrasado?
– ¿Cuál es la probabilidad de que exactamente uno de
los vuelos llegue
g retrasado?
0.45
Vuelos 0.40
Probabilidad
Retrasados 0.35
P(x) 0.30
0 0 32
0.3277 0.25

1 0.4096 0.20

2 0.15
0.10
3 0.05
4 0.00

5 0 1 2 3 4 5
Tablas de Probabilidad Binomial

≻ Una distribución de p probabilidad binomial, p puede

expresarse mediante una fórmula. Sin embargo, con
la excepción de problemas en los que n es pequeña
((es decir n=3 ó n=4),), los cálculos son bastante
tediosos.
≻ Para ello se han desarrollado tablas que muestran la
probabilidad de 00,1,2
1 2 … n éxitos para diferentes
valores de n y π.
Probabilidades binomiales para n=6 y varios valores de π
X 0 05
0.05 01
0.1 02
0.2 03
0.3
0
1
2
3 0.015
4
5
6
7

Ejercicio

≻ 5% de los engranes
g producidos
p por
p una máquina
q
automática de alta velocidad, resultan defectuosos.
– ¿Cuál es la probabilidad de que, al seleccionar al azar 6
engranes,
g , ninguno
g sea defectuoso?
– ¿Cuál es la probabilidad de que haya exactamente dos?,
¿exactamente tres?,
Probabilidades binomiales para n=6
n 6 y varios valores de π
X 0.05 0.1 0.2 0.3
0 0.735
1 0.232
2 0 031
0.031
3 0.002 0.015
4 0.000
5 0.000
6 0 000
0.000
Media de una Distribución
Bi
Binomial
i l
≻ La media y varianza de una distribución
binomial pueden calcularse de “manera
rápida” mediante

µ = nπ

σ 2 = nπ (1 − π )

Ejercicio
j
≻ 5% de los engranes producidos por una máquina
automática de alta velocidad, resultan defectuosos.
– ¿Cuál es la probabilidad de que, al seleccionar al azar 6
engranes, ninguno sea defectuoso?
– ¿Cuál
ál es lla probabilidad
b bld dd de que h
haya exactamente d dos?,
¿exactamente tres?,

Probabilidades binomiales pa µ = nπ
X 0.05
0 0.735
1 0.232 σ 2 = nπ (1 − π )
2 0 031
0.031
3 0.002
4 0.000
5 0.000
6 0 000
0.000
Distribuciones de Probabilidad
A
Acumulada
l d
≻ Sería interesante determinar la probabilidad
p
de adivinar correctamente las respuestas a 6
ó más preguntas del tipo V/F, de un total de
10.
10
≻ O tal vez interese la probabilidad de
seleccionar al azar menos de dos piezas
d f
defectuosas d
de lla producción
d ió ddurante lla h
hora
anterior.
≻ En estos casos se necesitan distribuciones de
frecuencia acumuladas similares a las que se
elaboraron en semanas anteriores.

Ejemplo
≻ Un estudio reciente hecho por la PFP en carreteras
nacionales reveló que solo el 60% de los conductores
de automóviles se coloca el cinturón de seguridad al
manejar. Se selecciono una muestra de 10
automovilistas
t ili t en una carretera
t ffederal.
d l
– ¿Cuál es la probabilidad de que exactamente 7 se
hayan colocado el cinturón?
– ¿Cuál es la probabilidad de que 7 o menos de los
conductores se hayan colocado el cinturón?
Probabilidad

Distribución de Probabilidad
Discreta
Hipergeométrica

Distribución Hipergeométrica
≻ Se observó ya que para aplicar la distribución binomial, se debía
cumplir con 4 requisitos que son:
– El resultado de cada ensayo de un experimento se clasifica en
una de dos categorías mutuamente excluyentes. (éxito ó fracaso)
– La variable aleatoria cuenta el número de éxitos en una cantidad
fija de ensayos.
– La probabilidad de un éxito permanece constante en todos los
ensayos. Lo mismo sucede con la probabilidad de un fracaso.
– Los ensayos son independientes, lo cual significa que el
resultado de un ensayo no afecta al resultado de algún otro.
≻ Sin embargo la mayor parte de los muestreos se realizan sin
reposición.
i ió E En consecuencia,
i sii lla población
bl ió es pequeña,
ñ lla
probabilidad cambiara en cada observación.
≻ Cuando esto sucede se debe emplear la Distribución de
Probabilidad Hipergeométrica
Distribución Hipergeométrica
p g
≻ Cuando esto sucede se debe emplear la Distribución de
P b bilid d Hi
Probabilidad Hipergeométrica
é i
– Si se selecciona una muestra de una población finita sin reposición
– Si el tamaño de la muestra n es mayor que el 5% del tamaño N de la
población.
≻ Esta distribución resulta muy adecuada cuando el tamaño de la
población es pequeño.

( s C x )( N − S Cn − x )
P( x) =
N Cn
– N es ell ttamaño
ñ de
d lla población
bl ió
– S es la cantidad de éxitos en la población
– x es el número de éxitos en la muestra
– n es el tamaño de la muestra, o el numero de ensayos
– C es el símbolo para las combinaciones

Ejemplo
j p
≻ La fábrica de juguetes Play Time Toys, Inc. Tiene 50
empleados
l d en ell d departamento
t t dde ensamble.
bl DDe estos,
t
40 pertenecen al sindicato y 10 no.
≻ Se va a elegir 5 empleados aleatoriamente, para que
integren un comité que hablará con el Gerente acerca de
la hora de inicio de los distintos turnos.
– ¿Cuál es la probabilidad de que 4 de los 5 empleados
elegidos pertenezcan al sindicato?.
( 40 C4 )(50− 40 C5− 4 )
P ( 4) =
50 C5

⎛ 40! ⎞⎛ 10! ⎞
⎜ ⎟⎜ ⎟
⎝ 4!36! ⎠⎝ 1!9! ⎠ (91,390 )(10 )
P ( 4) = = = 0.431
50! 2,118,760
5!45!
Aproximación de la
Hi
Hipergeométrica
ét i a lal Binomial
Bi i l
≻ Para el ejercicio
j anterior se tiene la siguiente
g
distribución de probabilidades

Miembros
P b bilid d
Probabilidad
del Sind.
0 0.000
1 0.004
2 0.044
3 0.210
4 0.431
5 0 311
0.311
1.000

Aproximación de la
Hi
Hipergeométrica
ét i a lal Binomial
Bi i l
≻ Con el objeto
j de comparar
p las dos distribuciones
de probabilidad la siguiente tabla muestra
ambas distribuciones de probabilidad
(Hipergeométrica y Binomial)

Miembros Probabilidad Probabilidad

del Sind. Hipergeométrica Binomial
0 0.000 0.000
1 0.004 0.006
2 0.044 0.051
3 0.210 0.205
4 0.431 0.410
5 0.311 0.328
1.000 1.000
Aproximación de la
Hi
Hipergeométrica
ét i a lal Binomial
Bi i l
≻ Cuando la condición binomial de una probabilidad
constante de éxito
é no puede ser satisfecha,
f hay que
utilizar en su lugar la Dist. Hipergeométrica.
≻ Sin embargo, según lo muestra la tabla anterior, bajo
muchas
h condiciones
di i llos resultados
lt d d de lla di
distribución
t ib ió
binomial se aproximan mucho a los de la
hipergeométrica.
≻ Como regla empírica: si los elementos seleccionados no
se devuelven a la población y el tamaño de la muestra
es menor al 5% de la población, puede utilizarse la
distribución binomial p para aproximar
p la distribución
hipergeométrica.
– Esto es cuando n<0.05N, la aproximación binomial
puede ser suficiente.

En Excel

≻ Combinaciones
Numero N 50
Tamaño n 5
C bi
Combinaciones
i 2 118 760
2,118,760 =COMBINAT(C1,C2)
COMBINAT(C1 C2)

( s C x )( N − S Cn − x )
P( x) =
N Cn
Tarea

≻ La siguiente
g tabla muestra la distribución de
Probabilidad para premios en efectivo de una rifa
llevada a cabo en Galerias
– Si usted comprara sólo un boleto
• ¿Cuál es la probabilidad de que gane:
– Exactamente $100
– Por lo menos $10
– No más de $100
– Calcule la media, varianza y desviación estándar para esta
distribución

Premio
Probabilidad
(Dolares)
0 0.45
10 0 30
0.30
100 0.20
500 0.05

Tarea

≻ Una encuesta de corretajej financiero reporta

p q
que 30%
de los inversionistas individuales ha empleado a un
corredor de descuento; esto es, uno que no cobra
comisiones completas.
p En una muestra seleccionada
al azar de nueve inversionistas, ¿cuál es la
probabilidad de que:
– Exactamente uno dos de los individuos de la muestra
hayan empleado a un corredor de descuento?
– Exactamente cuatro de ellos han recurrido a un
corredor de este tipo?
– Ninguno haya recurrido a un corredor de descuento
Tarea

≻ La rapidez
p con q
que una compañía
p telefónica p
puede
resolver los problemas de servicio de sus clientes es
muy importante. Una empresa de teléfonos asegura
que,, en 70% de los casos,, p
q puede solucionar los
problemas de servicio que indican sus clientes, el
mismo día en que los reportan. Supóngase que los
15 problemas que se reportaron el día de hoy son
representativos de todas las quejas
– ¿Cuántos de estos problemas es de esperarse que se
solucionen hoy?
hoy?, ¿Cuál es la desviación estándar?
– ¿Cuál es la probabilidad de que 10 u 11 tengan
solución el día de hoy?
– ¿Cuál es la probabilidad de que más de 10 de estos
casos se solucionen ese día?

Tarea

≻ En Kolzak appliance
pp Outlet se acaba de recibir
un embarque de 10 aparatos de televisión. Poco
después de haberse efectuado la entrega, el
fabricante llamó para informar que por descuido
se habían enviado 3 televisores defectuosos. La
dueña del negocio decidió probar 2 de estos
televisores.
l i ¿Cuál
C ál es lla probabilidad
b bilid d d
de que
ninguno de los dos tenga defectos?
Probabilidad

Distribución de Probabilidad
Discreta
Poisson

Introducción

≻ En esta sección describiremos una variable

aleatoria discreta que se usa con frecuencia para
estimar la cantidad de sucesos u ocurrencias en
determinado intervalo de tiempop o espacio.
p
– La variable aleatoria de interés podría ser la cantidad
de llegadas a un auto-lavado por hora.
– La cantidad de reparaciones que necesitan 10 millas de
carretera.
– La cantidad de fugas en 100 millas de oleoducto.
≻ Si se satisfacen las dos p
propiedades
p siguientes,
g ,
la cantidad de ocurrencias es una variable
aleatoria que se describe con la función de
probabilidad de Poisson
p
Propiedades de un Experimento de
P i
Poisson
≻ La probabilidad de una ocurrencia es igual en dos
intervalos cualesquiera de igual longitud
≻ La ocurrencia o no ocurrencia en cualquier intervalo
es independiente de la ocurrencia o no ocurrencia
en cualquier otro intervalo
x −µ
µ e
f (x ) =
x!
– f(x)
( ) es la p
probabilidad de x ocurrencias en un
intervalo
– µ es el valor esperado o cantidad promedio de
ocurrencias en un intervalo
– e es 2.71828

Ejemplo
j p
≻ Supongamos que nos interesa saber la probabilidad de
que lleguen 5 carros a la ventanilla de servicio en
automóvil de un banco, durante un periodo de 15
minutos en las mañanas de los días hábiles. Suponga
que se satisfacen
ti f las
l hipótesis
hi ót i para un experimento
i t de
d
Poisson y que un análisis de datos históricos muestra
que la cantidad promedio de automóviles que llega en
un periodo de 15 minutos es de 10.
10

µ x e −µ
f (x ) =
x!
Ejemplo
j p
≻ En el ejemplo anterior calculamos la probabilidad de 5
llegadas en un periodo de 15 minutos, pero se pueden
usar otros intervalos de tiempo. Supongamos que
deseamos calcular la probabilidad de una llegada en un
periodo
i d dde 3 minutos.
i t
≻ Como 10 es la cantidad esperada de llegadas en 15
minutos, vemos que 10/15 = 2/3 es la cantidad
esperada
d dde ll
llegadas
d en un periodoi d d
de un minuto,
i t y que
(2/3)(3) = 2 es la cantidad esperada de llegadas en un
periodo de 3 minutos.
≻ Entonces
E t ¿cuál
ál es lla probabilidad de x llegadas
b bilid d d ll d en un
periodo de 3 minutos con µ=2?

µ x e −µ
f (x ) =
x!

Tarea

≻ Durante la época
p de reservaciones telefónicas en
una universidad local, las llamadas entran con
una frecuencia de una cada dos minutos.
– ¿cuál es la cantidad esperada de llamadas en una hora?
– ¿cuál es la probabilidad de 3 llamadas en 5 minutos?
– ¿cuál es la probabilidad de que no haya llamadas en un
periodo
i d d de 5 minutos?
i ?