TEMA 07

DISTRIBUCIONES DE PROBABILIDAD

DOCENTE: MSc. SELENE YENGLE DEL CASTILLO

DISTRIBUCIONES DE PROBABILIDAD DISCRETAS
DISTRIBUCION BINOMIAL
Ensayo Bernoulli. Es un experimento aleatorio que solo tiene dos resultados.
xito o fracaso. Donde la probabilidad de xito se denota por p.
Suponga que se realizan n experimentos Bernoulli independientes. Suponga que
la variable X de inters es el nmero de xitos. X toma valores 0,1,2,...,n
La distribucin binomial se utiliza para modelar datos discretos y se aplica para
poblaciones grandes (N>50) y muestras pequeas (n<0.1N). El muestreo
binomial es con reemplazamiento.
Es apropiada cuando la proporcin defectiva es mayor o igual a 0.1.
La distribucin normal se aproxima a la binomial cuando np > 5
Funcin de Probabilidad:
La variable aleatoria x tiene una distribucin binomial como sigue:
n!
f ( x) P( X x) * p x * (1 p ) n x
x!(n x)!
Donde:
x=0, 1, 2, , n
p= probabilidad de xito
q=1-p: probabilidad de fracaso
n: N de ensayos o repeticiones o pruebas
Con media, varianza y desviacin estndar:
E ( X ) n. p
V ( X ) 2 n. p.q
n. p.q
EJEMPLO 01
La probabilidad de que un artculo producido por una fabrica sea
defectuoso es p = 0.02. Se envi un cargamento de 10000 artculos a
unos almacenes. Hallar el nmero esperado de artculos defectuosos,
la varianza y la desviacin tpica.
Solucin:
p=0.02
q=1-p= 1- 0.02=0.98
n= 10000
=n.p=10000(0.02)=
2=n.p.q= 10000(0.02)(0.98)=
EJEMPLO 02
Un equipo requiere a lo ms 10% de servicios en garanta. Para
comprobarlo se compran 20 de estos equipos y se someten a pruebas
aceleradas de uso para simular el uso durante el periodo de garanta.
a) Obtener la probabilidad para P(x4).
b) Obtener la probabilidad para P(X5).
c) Obtener la probabilidad para P(4 x7).
 DISTRIBUCIN DE POISSON
La distribucin de Poisson se utiliza para modelar datos discretos como
aproximacin a la Binomial dada la dificultad que exista de encontrar
tabla Binomiales adecuadas cuando n es grande y p pequea. La
distribucin de probabilidad de Poisson proporciona buenas
aproximaciones cuando np 5.
Se aproxima a la binomial cuando p es igual o menor a 0.1, y el tamao
de muestra es grande (n > 16) por tanto np > 1.6.
FUNCION DE PROBABILIDAD
Una Variable aleatoria X tiene distribucin Poisson si toma probabilidades
como sigue:
e .x
f ( X ) P( X )
x!
Donde:
= media o promedio de xitos por unidad de tiempo, rea o producto.
X= variable que nos denota el nmero de xitos que se desea que ocurra
X=0, 1, 2,
e = psilon equivalente a 2.718
= = np
Caractersticas
En este tipo de experimentos los xitos buscados son expresados por
unidad de rea, tiempo, pieza, etc, etc,:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
EJEMPLO 03
Si un banco recibe en promedio 6 cheques sin fondo por da, cules
son las probabilidades de que reciba,
a) cuatro cheques sin fondo en un da dado,
b) 10 cheques sin fondos en cualquiera de dos das consecutivos?
EJEMPLO 04
Suponga que una compaa de seguros asegura las vidas de 5000
hombres de 42 aos de edad. Si los estudios actuales muestran que la
probabilidad de que un hombre muera en cierto ao es 0.001,
Cul es la probabilidad de que la empresa pague exactamente 4
indemnizaciones en un cierto ao?
EJEMPLO 05
En la inspeccin de hojalata producida por un proceso electroltico
continuo, se identifican 0.2 imperfecciones en promedio por minuto.
Determine las probabilidades de identificar
a) una imperfeccin en 3 minutos,
b) al menos dos imperfecciones en 5 minutos,
c) cuando ms una imperfeccin en 15 minutos.
DISTRIBUCION NORMAL
La distribucin de probabilidad continua ms
importante en todo el campo de la estadstica es la
distribucin normal. Su grfica que se denomina
curva normal o gaussiana en forma de campana. La
cual describe muchos fenmenos que ocurren en la
naturaleza, industria, economa y la investigacin.
La funcin de densidad de X con media () y
desviacin estndar () es:
PROPIEDADES DE LA CURVA NORMAL
La moda, que es el punto sobre el eje horizontal
donde la curva es un mximo ocurre en x=.
La curva es simtrica alrededor de un eje vertical a
travs de la media .
La curva normal se aproxima al eje horizontal de
manera asinttica conforme nos alejamos de la media
en cualquier direccin.
El rea total abajo la curva y sobre el eje horizontal es
igual a 1.
DISTRIBUCION NORMAL ESTNDAR
La distribucin de una variable aleatoria normal con
media cero (=0) y varianza uno (2=1) se llama
distribucin normal estndar. Es decir, transformamos
todas las observaciones de cualquier variable
aleatoria normal X a un nuevo conjunto de
observaciones de una variable aleatoria normal Z.
Esto se puede realizar por medio de la siguiente
transformacin:
Donde:
X X= es el valor de la variable aleatoria.
Z = desviacin estndar poblacional
= media o promedio poblacional
Cuando no se conoce el valor de :
= n.p
n: es el numero de ensayos o veces que se
repite el experimento.
p: es la probabilidad de xito
 FUNCION DE DISTRIBUCION
En la siguiente grfica vemos la representacin grfica de la
funcin de Z.

F(z)
 TABLA DE DISTRIBUCIN DE
PROBABILIDAD NORMAL ESTNDAR

P(Z-1.24)= 0.10749

Se busca en la 1 Se busca en la 1
columna fila
USO DE TABLA NORMAL
EJEMPLOS
Ejemplo 1: Encontrar la probabilidad de los siguientes
items, utilizando la tabla de distribucin normal:

a) P(0 Z 1.63) = P(Z 1.63) P(Z 0)

= 0.94845 0.5 = 0.44845
b) P(Z -1.25) = 0.10565
c) P(Z > 0.72) = 1 - P(Z 0.72)
= 1 - 0.76424 = 0.23576
Ejemplo 2: El tiempo de vida de una lavadora automtica
OSTER tiene una distribucin aproximadamente normal con
media y desviacin estndar iguales a 3.1 y 1.2 aos,
respectivamente. Si el Gallo ms Gallo, vende el artculo con
garanta de un ao. Qu fraccin de las lavadoras vendidas
tendrn que ser reemplazadas?
Datos:
=3.1 aos, =1.2 aos
X= tiempo de vida de la lavadora X 1 ao
Donde la frmula para encontrar la probabilidad es:

X 1 3.1
P( X 1) P Z P Z PZ 1.75 0.04006
1.2

Por lo cual la fraccin de lavadoras Oster que

sern cambiadas dentro del perodo de garanta
es del 4% del total que vendieron durante un ao.
EJERCICIOS PROPUESTOS:
 DISTRIBUCION T - STUDENT
Se utiliza en muestras pequeas n menor o igual a 30.
Distribucin Normal
La desviacin estndar de la poblacin no se conoce.
La distribucin t student es menor en la media y mas alta en Distribucin t Student
los extremos que una distribucin normal.
Tiene proporcionalmente mayor parte de su rea en los
extremos que la distribucin normal.
Existe una distribucin t para cada tamao de la muestra,
por lo que Existe una distribucin para cada uno de los
grados de libertad.
Los grados de libertad son el numero de valores elegidos
libremente, GL=n 1
X1 Media X2

Su Transformacin
T = (x) / S
 EJERCICIOS

CASO I: Se conoce y r, se pide hallar: t0

a) Encuentre el valor de t0.25 cuando r = 14
b) Encuentre el valor de t0.01 cuando r = 10.
c) Encuentre el valor de t0.025 cuando r = 30.

CASO II: Se conoce t0 y r, se pide hallar: .

a) Encuentre el valor de cuando r = 14 y to= 0.692
b) Encuentre el valor de . cuando r = 10 y to= 2.764
c) Encuentre el valor de 1- cuando r = 30 y to= 2.042
TABLA T - STUDENT
 DISTRIBUCION CHI - CUADRADO

CASO I: Se conoce y r, se pide hallar: X0

a) Encuentre el valor de X0.975 cuando r = 14
b) Encuentre el valor de X0.01 cuando r = 10.
c) Encuentre el valor de X0.975 cuando r = 30.

CASO II: Se conoce X0 y r, se pide hallar: .

a) Encuentre el valor de cuando r = 14 y X0= 26.1
b) Encuentre el valor de . cuando r = 10 y X0= 10.5
c) Encuentre el valor de cuando r = 30 y X0= 47.0
TABLA CHI - CUADRADO
GRACIAS