Unidad Probabilidades PDF

ELABORADO POR: ORLANDO VALENCIA RODRIGUEZ Pgina 1
ESTADISTICA

Unidad 5: VARIABLES ALEATORIAS Y DISTRIBUCIONES
DE PROBABILIDAD.

Tabla de Contenidos

Introduccin
Desarrollo de Temas
5.1. VARIABLE ALEATORIA
5.1.1. Variable Aleatoria Discreta
5.1.2. Variable Aleatoria Continua
5.2. DISTRIBUCION UNIFORME DISCRETA
5.2.1. Esperanza y Varianza de una Distribucin Uniforme
5.3. DISTRIBUCIN DE PROBABILIDAD BINOMIAL
5.3.1. Consulta en la tabla de probabilidades
5.3.2. Representacin Grfica de la distribucin binomial.
5.3.3. Esperanza y Varianza de una Distribucin Binomial
5.4. DISTRIBUCIN DE PROBABILIDAD POISSON
5.4.2. Representacin Grfica de la distribucin Poisson.
5.4.3. Esperanza y Varianza de una Distribucin Poisson
5.5. DISTRIBUCIN DE PROBABILIDAD NORMAL
5.5.1. Comportamiento bajo la curva
5.5.2. Ejemplo de Aplicacin
5.6. DISTRIBUCION EXPONENCIAL
5.6.1. Representacin grfica
5.6.2. Valor Esperado y Varianza

Cierre de la Unidad
Actividad 5
Referencias bibliogrficas


ESTADISTICA

Unidad 5: VARIABLES ALEATORIAS Y DISTRIBUCIONES
DE PROBABILIDAD.

Objetivos de la Unidad:

Al finalizar el estudio de esta unidad el estudiante estar
en capacidad de:

- Identificar los conceptos fundamentales
relacionados variable aleatoria y distribuciones de
probabilidad.
- Explicar las principales distribuciones de
probabilidad discretas y sus aplicaciones
relacionadas con el mbito de los negocios.
- Explicar las principales distribuciones de
probabilidad continuas y sus aplicaciones
relacionadas con el mbito de los negocios.

-

INTRODUCCIN

En el mundo real, se observan fenmenos que tienen ciertos
comportamientos, los cuales pueden ser estudiados o modelados a
travs de la variable aleatoria. De igual forma, cuando se pueden
identificar algunas caractersticas especficas, se pueden modelar
mediante las distribuciones de probabilidad discretas o continuas.

Al hacer el modelamiento de dichos fenmenos, podemos analizar y
comprender mejor sus particularidades, sus relaciones, reproducir su
funcionamiento y tratar de predecir o estimar comportamientos futuros
o de fenmenos similares.

Precisamente, en este captulo se estudia la variable aleatoria y se
presentan algunas de las distribuciones de probabilidad discretas y
continuas, ms comunes y de mayor uso en la estadstica. Se hace la
explicacin terica y aplicacin, mediante ejemplos generales y
relacionados con las reas administrativas.

Para abordar con xito la presente temtica, es indispensable que haya
estudiado detalladamente las unidades anteriores, y muy especialmente,
la unidad 4, relacionada con los conceptos y de leyes de la probabilidad.


Grfica 5.1: Mapa conceptual de la Unidad

VARIABLE ALEATORIA Y DISTRIBUCIONES DE PROBABILIDAD
VARIABLE ALEATORIA
DISCRETA
NORMAL
EXPONENCIAL
VARIABLE ALEATORIA
CONTINUA
DISTRIBUCIONES DE
PROBABILIDAD DISCRETAS
DISTRIBUCIONES DE
PROBABILIDAD CONTINUA
UNIFORME
BINOMIAL
POISSON
Entre las que se encuentran Las mas representativo
Estudia la
Nos conduce a
Nos conduce a

DESARROLLO DEL TEMA

Tal como se ha mencionado en el mundo real, se observan fenmenos
que tienen ciertos comportamientos, los cuales pueden ser estudiados o
modelados a travs de la variable aleatoria. De igual forma, cuando se
pueden identificar algunas caractersticas especficas, se pueden
modelar mediante las distribuciones de probabilidad discretas o
continuas.

5.1. VARIABLE ALEATORIA

Una variable aleatoria es una funcin que asigna un valor numrico a
cada suceso elemental del espacio muestral.

Una variable aleatoria es una variable cuyo valor se debe al azar; por
ejemplo: el nmero de unidades vendidas de un artculo, los niveles de
produccin diaria de un producto y el nmero de caras obtenidas al
lanzar dos monedas.

5.1.1. Variable Aleatoria Discreta

Una variable aleatoria X es discreta si puede tomar un nmero finito onumerable,
de posibles valores.

a) Distribucin de Probabilidad Discreta

Es la representacin en forma de tabla, grfico o frmula de los valores
que toma una variable aleatoria discreta con su respectiva probabilidad.

Por ejemplo: Sea el experimento de preguntar a tres personas sobre la
posible reeleccin del ex presidente Uribe. Suponga que se asume como
variable aleatoria, el nmero de personas que est de acuerdo con la
reeleccin de Uribe. La distribucin de probabilidad quedara de la
siguiente forma:


Posibles
resultados
Nmero de
personas que
estn de acuerdo
Frecuencia Probabilidad de X
P(X)
DDD 0 1 1/8
ADD 1 3 3/8
DAD 1
DDA 1
AAD 2 3 3/8
ADA 2
DAA 2
AAA 3 1 1/8

Con base en la anterior tabla, se podra afirmar que la probabilidad de
que las tres personas consultadas estn de acuerdo con la posible
reeleccin de Uribe es de 3/8, es decir, 37.5%.

b) Valor esperado y Varianza

El valor esperado de una variable aleatoria discreta es:

= =
=

Donde:
: Son cada uno de los posibles valores que asumen la

variable aleatoria.

: Es la probabilidad de cada uno de los valores de la

variable aleatoria.

Para el ejemplo mencionado anteriormente, el valor esperado sera el
siguiente:

= =

= = .

Lo anterior significa que si el experimento de preguntar a tres personas
sobre la posible reeleccin del ex presidente Uribe se repitiera un alto
nmero de veces, se esperara que la mitad de ellas estuvieran de
acuerdo con su reeleccin.

La varianza de una variable aleatoria discreta es:

=
(())

Para el ejemplo mencionado anteriormente, la varianza sera el
siguiente:

(. )
= .

Para una mejor interpretacin se obtiene la desviacin estndar:

= . personas

Aunque, lgicamente no podemos hablar de 0.86 personas, para
efectos acadmicos, podemos hacer la siguiente interpretacin: Se
espera que el nmero de personas que estn de acuerdo con la
reeleccin de Uribe vara en promedio en 0.86 con respecto al
valor esperado.

5.1.2. Variable Aleatoria Continua

Una variable aleatoria X es continua si puede tomar un nmero infinito (no
numerable) de valores en uno o ms intervalos de la recta real.

a) Distribucin de Probabilidad Continua

Es la representacin en forma de tabla, grfico o frmula de los valores
que toma una variable aleatoria continua con su respectiva probabilidad.

Para la variable aleatoria, no se representa la probabilidad de valores
puntuales, sino en forma de intervalos.

Los ejemplos para este tipo de distribucin se trabarn ms adelante
con las distribuciones de probabilidad normal y exponencial

b) Valor esperado y Varianza

El valor esperado de una variable aleatoria continua es:


= =

La varianza de una variable aleatoria continua es:

(())

Nota: Tanto en el valor esperado como en la varianza, los lmites
de la integral corresponden a los valores definidos para la
respectiva funcin.

5.2. DISTRIBUCION UNIFORME DISCRETA

Esta distribucin se presenta cuando los resultados de un experimento
aleatorio es un conjunto finito de resultados posibles, los cuales tienen
la misma probabilidad de presentarse, es decir, son equiprobables.

As por ejemplo, el espacio muestral asociado al experimento aleatorio
consistente en el de un dado normal (no cargado) es S = {1, 2, 3, 4, 5,
6}, 1, 2, 3, 4, 5 y 6 los seis resultados posibles, cada uno de los cuales,
tiene una probabilidad de ocurrencia de 1/6.

Grficamente, se representa de la siguiente forma:

Grfica 5.2.Representacin de la Distribucin Uniforme Discreta
0,167 0,167 0,167 0,167 0,167 0,167
0,000
0,025
0,050
0,075
0,100
0,125
0,150
0,175
1 2 3 4 5 6
Valor de X
P
r
o
b
a
b
i
l
i
d
a
d

5.2.1. Esperanza y Varianza de una Distribucin Uniforme

a) La Esperanza o Valor Esperado

La esperanza o valor esperado de una distribucin uniforme est dado
por el promedio entre el mnimo y el mximo valor que asume X.

= =
+
, donde:

a = valor mnimo.
b = valor mximo.

El valor esperado para el ejemplo de los dados, es el siguiente:

= =
+
= .

b) La Varianza

La varianza de una distribucin uniforme discreta es:

=
( + )

Para el ejemplo estudiado de los dados:

=
( + )
= .

Para hacer la interpretacin en trminos reales se obtiene la desviacin
estndar, es decir, la raz cuadrada de la varianza:

= .

= .

Ejemplo:

Un sistema de comunicacin de voz en un banco, tiene disponible 12
lneas telefnicas para la atencin al usuario. En un tiempo particular, se

observa el sistema y algunas de las lneas estn en uso. Sea X la
variable aleatoria que denota el nmero de las 12 lneas que estn en
uso en un tiempo dado. Asuma que los posibles valores de X se
comportan como una distribucin uniforme discreta con rango
comprendido entre 0 y 12.

Encuentre el valor esperado y la varianza.

Solucin:

El valor esperado:

= =
+
, donde:

a = 0
b = 12

= =
+
= .

Esto significa que en un momento dado, se espera que en promedio,
estn en uso 6 lneas telefnicas.

La Varianza:

=
( + )
=


=

= .

De acuerdo con este resultado, se espera que el valor promedio de
lneas telefnicas que estn en uso en un momento dado varen en 3.74
lneas.


5.3. DISTRIBUCIN DE PROBABILIDAD BINOMIAL

Es una distribucin de probabilidad discreta, es decir, tiene un espacio
muestral finito y permite hallar valores puntuales o discretos.

Al hablar de la distribucin binomial, se hace referencia en primera
instancia al experimento de Bernoulli, es decir, aquellos en los que solo
hay dos posibles resultados, como por ejemplo: masculino y femenino,
cara y sello, aceptado y rechazado. La ocurrencia del evento de inters
se le denomina xito y la otro fracaso. El evento xito tiene una
probabilidad de ocurrencia P y el evento fracaso tiene la probabilidad
complementaria 1-P.

Cuando un experimento de Bernoulli se realiza n veces y se registran la
probabilidad de los eventos exitosos, a la manera como se distribuyen
dichos eventos, se le denomina Distribucin Binomial.

La distribucin Binomial se caracteriza por los siguientes aspectos:

- Se puede tener un nmero infinito de ensayos, pero para efectos
prcticos, el experimento se restringe a un nmero limitado de
eventos.

- En cada ensayo, se puede presentar dos posibles resultados que
se denominan como xito y fracaso. El xito se refiere al
resultado que es de nuestro inters, no significa que sea bueno o
malo. De igual manera, el fracaso se refiere al resultado que no es
de nuestro inters. Ejemplo: En el caso de la revisin de los
productos de una lnea de produccin cada uno de ellos puede ser
clasificado como Bueno o Defectuoso. Si estamos interesados
en establecer la probabilidad de productos clasificados como
Buenos, este resultado ser el xito para nosotros.

- Existe una probabilidad de xito que es constante, es decir, la
probabilidad de ocurrencia del evento es la misma durante la
realizacin del experimento.

- Los ensayos son independientes entre s. Esto significa que la
probabilidad de ocurrencia de uno no afecta la probabilidad de
ocurrencia del otro.

- La suma de probabilidades de todos los sucesos posibles es 1.

El nombre binomial, proviene del trmino binomio, ya que haciendo
variar x de cero hasta n, se obtienen todos los trminos del binomio:
(p + q )
n
.

La probabilidad binomial se calcula mediante la siguiente expresin:

x n x
x n
q p C p n x b

= * * ) , , (
,

donde:
) , , ( p n x b
: probabilidad binomial de obtener x xitos de n ensayos
con una probabilidad de xito p.

x n
C
,
: Combinatoria de n elementos tomados en grupos de x.
: Probabilidad de xito.
: Probabilidad de no xito, complemento de p.

Mediante la distribucin binomial se pueden resolver problemas como la
probabilidad de que un cajero automtico falle, que un estudiante
apruebe o no una asignatura, que un producto salga defectuoso o no, es
decir, aquellas situaciones donde hay dos posibles resultados, teniendo
en cuenta las caractersticas anteriormente mencionadas.

Ejemplo:Suponga que mediante un estudio, se determin que la
probabilidad de que una inversin en la bolsa de valores tenga xito, es
del 30%. Si seleccionan aleatoriamente 4 inversiones, Cul es la
probabilidad de:

a) Que todas las inversiones tengan xito.
b) Que todasno sean exitosas.
c) Que al menos 3 no tengan xito.

Solucin:

Al revisar el problema planteado se observa que se trata de una
distribucin binomial porque:

- El nmero de inversiones que se pueden verificar puede ser
cualquiera nmero, en este caso, se han seleccionado 4.
- La probabilidad es constante que es la asignada previamente.
- Los ensayos son independientes, es decir, se asume que el hecho
de que una inversin sea o no exitosa, no influye sobre los dems.
- Nmero de ensayos: n=4
- Probabilidad de xito: P=0.3
- Nmero de xitos posibles: x = 0,1,2,3,4.

Aplicando la frmula tenemos:

a) Probabilidad de que todas lasinversiones sean exitosas:

P(X=4) =
0081 . 0 7 . 0 * 3 . 0 * ) 3 . 0 , 4 , 4 (
4 4 4
4 , 4
= =

C b

La probabilidad de que las cuatro inversiones seleccionadas sean
exitosas es de 0.81%.

b) Que ninguna inversin sea exitosas.

Esto significa que cero (0) sean exitosas.

P(X=0) =
2401 . 0 7 . 0 * 3 . 0 * ) 3 . 0 , 4 , 0 (
0 4 0
0 , 4
= =

C b

La probabilidad de que de las cuatro inversiones, ningunasea exitosa es
de 24.01%.

c) Que como mximo 2 tengan xito.

En este caso la probabilidad es: P(X<=2) = P(X=0)+P(X=1)+P(X=2),
que tambin se puede calcular como la probabilidad de: 1 P(X>2) o
( )

P(X=0) =
2401 . 0 7 . 0 * 3 . 0 * ) 3 . 0 , 4 , 0 (
0 4 0
0 , 4
= =

C b

P(X=1) =
4116 . 0 7 . 0 * 3 . 0 * ) 3 . 0 , 4 , 1 (
1 4 1
1 , 4
= =

C b

P(X=2) =
2646 . 0 7 . 0 * 3 . 0 * ) 3 . 0 , 4 , 2 (
2 4 2
2 , 4
= =

C b

La probabilidad de que de las cuatros inversiones como mximo dos
sean exitosas es de 91.63%.


La probabilidad binomial puede ser consultada en tablas que han sido
construidas para abreviar el clculo de la probabilidad.


Las tablas se refieren a un nmero de ensayos que va desde 1 hasta 30,
es por ello que cuando el nmero de ensayos es mayor a 30, la
distribucin binomial puede ser aproximada a travs de la distribucin
de Poisson o distribucin normal.

La probabilidad de xito P, va desde 0.01 (1%) hasta 0.50 (50%).

Cuando P >0.5, entonces se estima la probabilidad complementaria, es
decir, que obtener x xitos en n ensayos, es equivalente a calcular n-
x no xitos, con probabilidad de no xito de 1- p = q.

En la tabla se busca el valor de P, de n y luego de x. Donde se cruzan
las dos columnas, en el punto de interseccin, se encuentra la
probabilidad.

Para el ejemplo anterior, revisemos el clculo haciendo uso de las tablas
de distribucin de probabilidad binomial.

Ejemplo:Suponga que mediante un estudio, se determin que la
probabilidad de que una inversin en la bolsa de valores tenga xito, es
del 30%. Si seleccionan aleatoriamente 4 inversiones. La informacin
que suministran es la siguiente: Cul es la probabilidad de:

a) Probabilidad de que todas las inversiones sean exitosas:

Para esta pregunta los datos son:

- Nmero de xitos posibles: x = 4.

Observe en la tabla, como se encuentra el valor:

Por supuesto, el resultado que se obtiene, es el mismo que se haba
calculado: 0.0081 = 0.81%. La probabilidad de que las cuatro
inversiones seleccionadas sean exitosas es de 0.81%.

b) Que ninguna inversin sea exitosas.

Esto significa que cero (0) sean exitosas.

- Nmero de xitos posibles: x = 0.

Observe en la tabla, como se encuentra el valor:

Por supuesto, el resultado que se obtiene, es el mismo que se haba
calculado: 0.2401. Por lo tanto, la probabilidad de que de las cuatro
inversiones, ningunasea exitosa es de 24.01%.

c) Que como mximo 2 tengan xito.

Esto significa que sean cero, una 0 dos inversiones sean exitosas.

- Nmero de xitos posibles: x = 0 +x = 1 +x = 2.

Observe en la tabla, como se encuentra el valor para cada uno de los valores que
asume x. Estos se suman y se obtiene la probabilidad pedida:

Nota: Si se utiliza una tabla de distribucin acumulada, este valor se
encuentra directamente, cuando x=2.


La probabilidad de que de las cuatros inversiones como mximo dos
sean exitosas es de 91.63%.

5.3.2. Representacin Grfica de la distribucin binomial.

Grfica 5.3.Representacin de la Distribucin Binomial
0,2401
0,4116
0,2646
0,0756
0,0081
0
0,025
0,05
0,075
0,1
0,125
0,15
0,175
0,2
0,225
0,25
0,275
0,3
0,325
0,35
0,375
0,4
0,425
0,45
0 1 2 3 4
Distribucin binomial
n=4, P=0.3, X = 0 hasta 4
X= Nmero de Exitos
P
r
o
b
a
b
i
l
i
d
a
d

En la anterior grfica, se representa el problema que hemos estado
analizando. All aparece los valores que puede asumir la variable
aleatoria X, desde 0 hasta 4, con su correspondiente probabilidad.

Ahora suponiendo que se tiene la siguiente informacin:

n= 20, nmero de inversiones que se seleccionan aleatoriamente.
X = 0 hasta 20, nmero de inversiones exitosas.
P = 0.25, probabilidad de xito en la inversin.

La representacin grfica de las probabilidades, uniendo los respectivos
puntos con una lnea, pero que en ningn momento representan
continuidad, sino una gua para el observador, se muestran a
continuacin.

Grfica 5.4.Representacin de la Distribucin Binomial con P<0.5

Se observa que la grfica tiene asimetra positiva, es decir, se alarga
hacia la derecha.

Si la informacin que se tuviera fuera la siguiente:

n = 20, nmero de inversiones que se seleccionan aleatoriamente.
0
0,025
0,05
0,075
0,1
0,125
0,15
0,175
0,2
0,225
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
n=20, P=0.25, x = 0 hasta 20
X= Nmero de Exitos
P
r
o
b
a
b
i
l
i
d
a
d

La representacin grfica de las probabilidades, uniendo los respectivos
puntos, se muestra a continuacin.

Grfica 5.5.Representacin de la Distribucin Binomial con P=0.5

Observe que la grfica es simtrica, es decir, las probabilidades se
reparten en forma equilibrada, tanto hacia la izquierda como a la
derecha.

Finalmente, si la informacin que se tuviese fuera:

n = 20, nmero de inversiones que se seleccionan aleatoriamente.

La representacin grfica corresponde la siguiente figura:

0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
0,16
0,18
0,2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
n=20, P=0.5, x = 0 hasta 20
X= Nmero de Exitos
P
r
o
b
a
b
i
l
i
d
a
d

Grfica 5.6.Representacin de la Distribucin Binomial con P>0.5

Note que la grfica tiene asimetra negativa, es decir, se alarga hacia la
izquierda.

En conclusin, con la representacin grfica anterior, se quiere mostrar
que al unir los puntos que representan la probabilidad para los
diferentes valores de Xde una distribucin binomial, tienen una forma
diferente, de acuerdo a la probabilidad de xito, as:

() . Asimetra negativa
= . Simtrica
() . Asimetra positiva

5.3.3. Esperanza y Varianza de una Distribucin Binomial

a) La Esperanza o Valor Esperado

La esperanza o valor esperado de una distribucin binomial es igual al
nmero de ensayos multiplicado por la respectiva probabilidad de xito,
que se representa de la siguiente forma:

=

El valor esperado tambin se le puede denominar como la media:

= ()
0
0,025
0,05
0,075
0,1
0,125
0,15
0,175
0,2
0,225
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
n=20, P=0.75, x = 0 hasta 20
X= Nmero de Exitos
P
r
o
b
a
b
i
l
i
d
a
d

El valor esperado puede interpretarse como el valor promedio que
tomara la variable aleatoria, si el experimento se repitiera un nmero
grande de veces.

En el ejemplo en el cual se determin que la probabilidad de que una
inversin en la bolsa de valores tenga xito, es del 30% y se realizan 4
ensayos, el valor esperado es:

= =

= = .

= .

Esto significa que se espera en promedio que el nmero de inversiones
exitosas en la bolsa de valores sea de 1.2, cuando el experimento de
seleccionar aleatoriamente 4 inversiones, se realice un alto nmero de
veces.

Tambin podemos afirmar que si el nmero de ensayos fuera de 40, se
esperara que 12 de ellos, fueran inversiones exitosas.

b) La Varianza

La varianza de una distribucin binomial es:

= ( )

Para el ejemplo estudiado:

= . ( . )

= .


= .

= .


Recuerde que la desviacin estndar es una medida de variacin, por lo
tanto, se puede decir que se espera una variacin promedio de 0.9165
inversiones exitosas con respecto al valor esperado.

En el siguiente enlace, se presenta un video complementario acerca de la
distribucin Binomial:http://www.youtube.com/watch?v=ANaWgIud0bc

5.4. DISTRIBUCIN DE PROBABILIDAD POISSON

Es una distribucin de probabilidad discreta. Se usa en situaciones que
se refieren a un intervalo de tiempo o espacio. Tiene algunas
caractersticas similares a la distribucin binomial. Se caracteriza por los
siguientes aspectos:

- Se presentan dos resultados posibles que se denominan como
xito y fracaso. El xito se refiere al resultado que es de nuestro
inters, no significa que sea bueno o malo. De igual manera, el
fracaso se refiere al resultado que no es de nuestro inters.

- Existe una probabilidad de xito que es estacionaria, es decir,
cada vez que cambia el promedio de eventos por unidad de
tiempo o espacio, vara la probabilidad para los valores de x.

- Los ensayos son independientes entre s. Esto significa que la
probabilidad de ocurrencia de uno no afecta la probabilidad de
ocurrencia del otro.

- La probabilidad Poisson se calcula mediante la siguiente
expresin:

!
) , (
X
e
X P
x

=

Donde: ) , ( X P : probabilidad Poisson de que ocurran x xitos en un
intervalo de tiempo o espacio dado, sabiendo que el
promedio de xitos por intervalo es .

e : Nmero de Euler y que corresponde
aproximadamente a 2.71828.


Ejemplo: Se sabe que en promedio, un cajero automtico es utilizado
por 21 personas en una hora (7 personas cada 20 minutos), se desea
saber cul es la probabilidad de:

a) Que el cajero sea utilizado por 5 personas en 20 minutos.
b) Que sea utilizado por 8 personas en 20 minutos.
c) Que sea utilizado por 5 personas o menos en 20 minutos.

Solucin:

Tenemos que hora personas / 21 = y X asume el valor por el cual nos estn
preguntando. Se debe tener en cuenta que , se expresa en las mismas
condiciones en que est expresada la variable X; en este caso, el
intervalo de tiempo es de 20 minutos, por lo tanto , es igual a 7
personas/20 minutos.

Aplicando la frmula tenemos:

!
) , (
X
X P
x

=

127716 . 0
! 5
7
) 7 , 5 (
7 5
= =

P

La probabilidad de que el cajero automtico sea utilizado por 5 personas
en 20 minutos es de 12.77%.

130377 . 0
! 8
7
) 6 , 10 (
7 8
= =

P

en 20 minutos es de 0.1303 (13.03%).


En este caso, nos estn preguntando la probabilidad acumulativa, es
decir, se pregunta la probabilidad de que el cajero automtico sea
utilizado por 5 personas, o por 4 o por 3 o por 2 o por 1 o por ninguna.
Entonces, tenemos que sumar las probabilidades para cada uno de estos
valores que toma la variable x, y esta ser la probabilidad solicitada.


0.30069 0.12771 0.09122 0.052129 02234 . 0 0.006383 00091188 . 0 ) 7 , 5 (
) 7 , 5 ( ) 7 , 4 ( ) 7 , 3 ( ) 7 , 2 ( ) 7 , 1 ( ) 7 , 0 ( ) 7 , 5 (
= + + + + + = = <=
+ + + + + = = <=
X P
p P P P P P X P

o menos en 20 minutos es de 0.30069 (30.069%).


De manera similar que en la probabilidad binomial, la de Poisson
tambin tiene su tabla de probabilidades, que se consulta as:

- Buscar el valor de .

- Buscar el nmero de xitos pedidos que corresponde al valor de X.

- El punto de interseccin de x con , nos dar la probabilidad
correspondiente.

Recuerde que:

:
promedio de xitos por intervalo de tiempo o espacio.

X : Nmero de xitos en un intervalo de tiempo o espacio.


Nota: En este caso estamos utilizando una tabla de distribucin no
acumulada.

Ejemplo: Se sabe que en promedio, un cajero automtico es utilizado
por 21 personas en una hora (7 personas cada 20 minutos), se desea
saber cul es la probabilidad de:


Se busca en la tabla 7 = y X=5, tal como se muestra a continuacin:

Observe entonces, que la probabilidad es igual a 0.1277, que
corresponde exactamente al valor anteriormente calculado. Esto
significa que la probabilidad de que el cajero automtico sea utilizado
por 5 personas en 20 minutos es de (0.1277) 12.77%.


Se busca en la tabla 7 = y X=8, tal como se muestra a continuacin:


El valor que se obtiene es 0.1304. Esto quiere decir que la probabilidad
de que el cajero automtico sea utilizado por 8 personas en 20 minutos
es de 0.1303 (13.03%).


En este caso, nos estn preguntando la probabilidad acumulativa, es
decir, se pregunta la probabilidad de que el cajero automtico sea
utilizado por 5 personas, o por 4 o por 3 o por 2 o por 1 o por ninguna.

Entonces, tenemos que sumar las probabilidades para cada uno de estos
valores que toma la variable x, y esta ser la probabilidad solicitada, tal
como se presenta a continuacin:


Sumando los valores encontramos tenemos que la probabilidad de que
el cajero automtico sea utilizado por 5 personas o menos en 20
minutos es de 0.30069 (30.069%).

5.4.2. Representacin Grfica de la distribucin Poisson.

Grfica 5.7.Representacin de la Distribucin Poisson
0
0,025
0,05
0,075
0,1
0,125
0,15
0,175
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Distribucin Poisson
7 =
X= Nmero de Eventos
P
r
o
b
a
b
i
l
i
d
a
d

En la anterior grfica, se representa el problema que hemos estado
analizando. All aparece los valores que puede asumir la variable
aleatoria X, es decir, el nmero de personas que podran estar utilizando
el cajero automtico en un intervalo de 20 minutos, con su
correspondiente probabilidad.

A continuacin, a manera de ilustracin, se presentan algunas grficas,
para diferentes valores de .

Grfica 5.8.Representacin de la Distribucin Poisson con lambda = 1

0
0,025
0,05
0,075
0,1
0,125
0,15
0,175
0,2
0,225
0,25
0,275
0,3
0,325
0,35
0,375
0,4
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Distribucin Poisson
1 =
X= Nmero de Eventos
P
r
o
b
a
b
i
l
i
d
a
d
0
0,05
0,1
0,15
0,2
0,25
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Distribucin Poisson
4 =
X= Nmero de Eventos
P
r
o
b
a
b
i
l
i
d
a
d



Se observa en cada una de las figuras, que los valores que tiene mayor
probabilidad, son aquellos ms cercanos al valor de la respectivalambda.

5.4.3. Esperanza y Varianza de una Distribucin Poisson

El valor esperado y la varianza de una distribucin Poisson estn dados
por:

= =
=

En el siguiente enlace, se presenta un video complementario acerca dela
distribucin de Poisson:http://www.youtube.com/watch?v=8uS6-
XTjenA

5.5. DISTRIBUCIN DE PROBABILIDAD NORMAL

Es una de las distribuciones ms conocidas y de mayor uso en la
estadstica. Es una distribucin de probabilidad continua y simtrica. Se
dice que es una distribucin continua porque la variable puede asumir
cualquier valor en un intervalo, es decir, el espacio muestral est
0
0,025
0,05
0,075
0,1
0,125
0,15
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Distribucin Poisson
10 =
X= Nmero de Eventos
P
r
o
b
a
b
i
l
i
d
a
d

formado por infinitos valores. Adicionalmente, no es posible hallar de
manera exacta la probabilidad de que la variable asuma un valor
puntual, es por ello que calcula la probabilidad de que X se encuentre en
un intervalo.

La distribucin normal al ser simtrica, el punto medio bajo la curva
corresponde al promedio aritmtico. Grficamente tiene la forma de una
campana. Esta forma indica que las frecuencias estn concentradas en
la porcin central de la curva y los valores por debajo y por encima de la
media aritmtica, estn igualmente distribuidos.

Simtrica

Media

Grfica 5.11.Representacin de la Distribucin Normal

Importancia de la Distribucin Normal.

- Muchos fenmenos se comportan de acuerdo a la distribucin
Normal.
- Sirve para aproximar otros tipos de distribuciones como la
Binomial y la de Poisson.
- La distribucin en el muestreo de la media y la distribucin en el
muestreo de la proporcin y otros datos estadsticos tienen un
comportamiento normal.

5.5.1. Comportamiento bajo la curva

- Entre la media ms o menos una desviacin estndar se encuentra
el 68.27% de los datos:

- Entre la media y ms o menos dos desviaciones estndar se
localiza el 95.45% de los datos:
- Entre la media y ms o menos tres desviaciones estndar se
encuentra el 99.73% de los datos observados:

o

o 2

o 3

Grfica 5.12.Representacin de la Distribucin Normal por reas

La funcin de densidad de la distribucin normal es:

2
2
2
) (
2
1
) (
o
to

=
x
e x f
, para
o o < < x

Para encontrar la probabilidad en la distribucin normal, tendramos que
hallar la integral de la funcin f(x) entre los lmites que se soliciten, lo
cual resulta un poco dispendioso, por ello es ms prctico realizar lo que
se llama la estandarizacin de la variable X en trminos de z y consultar
este valor en la tabla de distribucin normal. Esta tabla contiene el valor
de las reas bajo la curva normal comprendidos entre menos infinito e
infinito, pero tambin para efectos prcticos, estn comprendidos entre
-3.9 y 3.9 aproximadamente.


Estandarizar la variable X, es bsicamente hacer una reduccin de
escala llevndola a una distribucin normal estndar con media=0 y
desviacin estndar=1.

Mediante un ejemplo, se podr comprender mejor esta situacin.

5.5.2. Ejemplo de Aplicacin

Si los ingresos de los operarios de una gran empresa siguen una
distribucin normal, con una media de $7.250.000 anuales y una
Desviacin estndar de $500.000. Cul es la probabilidad de que un
empleado seleccionado aleatoriamente, tenga los siguientes ingresos:

a) Entre $7.250.000 y 7.500.000
b) Superiores a $7.700.000
c) Entre $6.000.000 y 7.000.000 7.500.000 y 8.500.000

Solucin

En la distribucin normal, los valores se deben expresar en trminos de
Z, es decir, estandarizar, mediante la siguiente frmula:

o

=
X
Z

Donde: Z= El valor a buscar en la tabla normal.
X= El valor planteado en el problema.
= Es la media aritmtica.

a) Entre $7.250.000 y 7.500.000

El rea que se busca es la que aparece sealada en la grfica.

= $7.250.000
X= $7.500.000

Z1= 7.250.000-7250000 = 0
500.000

Z2 = 7.500.000 7.250.000 = 0.5
500.000

Al consultar estos valores en la tabla tenemos que el rea es igual a
0.1915 (19.15%).

Nota: El valor calculado de z se busca en la tabla en la columna
izquierda, en la cual aparece un nmero mximo con un decimal. Si se
requiere hallar un valor de z con dos decimales, el segundo decimal se
consulta en la parte superior. Si nicamente se tiene un decimal, se
asume que el segundo es 0, por consiguiente , la interseccin de la fila
con la columna es el valor de la probabilidad que corresponde al rea
bajo la curva normal, es decir, en el interior de la tabla, estn las reas
bajo la curva o las probabilidades.

La tabla que utilizamos en este caso va desde 0 hasta 3.9 que
corresponde al 50% del rea superior de la media, donde los valores de
Z son positivos. Como la distribucin normal es simtrica, los valores
que se hallen son equivalentes a la mitad inferior.

El primer Z=0, es igual al valor de la media en la distribucin normal
estndar, por lo tanto, el valor acumulada de rea es 0. El segundo
valor es Z=0.5. Este valor lo buscamos a la izquierda de la tabla en la
columna de Z y vemos que el rea (probabilidad) comprendida entre 0 y
0.5 es igual a 0.1915. Si hubiera un segundo decimal, por ejemplo 0.55,
Entonces nos desplazamos por la fila del 0.5 hasta el 0.05, segundo
decimal, conforme aparece en la parte superior de la tabla. La
interseccin entre la fila (0.5) y la columna (0.05), nos da la
probabilidad (rea bajo la curva y que en esta cas supuesto sera
0.2088.


Esto significa la probabilidad de que un empleado seleccionado
aleatoriamente, tenga ingresos comprendidos entre $7.250.000 y
7.500.000, es del 19.15%.

b) Superiores a $7.300.000

TABLA DE DISTRIBUCION NORMAL ACUMULADA
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0753
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
0.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .1517
0.4 .1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879
0.5 .1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
0.6 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2517 .2549
0.7 .2580 .2611 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
0.8 .2881 .2910 .2939 .2967 .2995 .3023 .3051 .3078 .3106 .3133
0.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389
1.0 .3413 .3438 .3461 .3485 .3508 .3531 .3554 .3577 .3599 .3621
1.1 .3643 .3665 .3686 .3708 .3729 .3749 .3770 .3790 .3810 .3830
1.2 .3849 .3869 .3888 .3907 .3925 .3944 .3962 .3980 .3997 .4015
1.3 .4032 .4049 .4066 .4082 .4099 .4115 .4131 .4147 .4162 .4177
1.4 .4192 .4207 .4222 .4236 .4251 .4265 .4279 .4292 .4306 .4319
1.5 .4332 .4345 .4357 .4370 .4382 .4394 .4406 .4418 .4429 .4441
1.6 .4452 .4463 .4474 .4484 .4495 .4505 .4515 .4525 .4535 .4545
1.7 .4554 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633
1.8 .4641 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
2.0 .4772 .4778 .4783 .4788 .4793 .4798 .4803 .4808 .4812 .4817
2.1 .4821 .4826 .4830 .4834 .4838 .4842 .4846 .4850 .4854 .4857
2.2 .4861 .4864 .4868 .4871 .4875 .4878 .4881 .4884 .4887 .4890
2.3 .4893 .4896 .4898 .4901 .4904 .4906 .4909 .4911 .4913 .4916
2.4 .4918 .4920 .4922 .4925 .4927 .4929 .4931 .4932 .4934 .4936
2.5 .4938 .4940 .4941 .4943 .4945 .4946 .4948 .4949 .4951 .4952
2.6 .4953 .4955 .4956 .4957 .4959 .4960 .4961 .4962 .4963 .4964
2.7 .4965 .4966 .4967 .4968 .4969 .4970 .4971 .4972 .4973 .4974
2.8 .4974 .4975 .4976 .4977 .4977 .4978 .4979 .4979 .4980 .4981
2.9 .4981 .4982 .4982 .4983 .4984 .4984 .4985 .4985 .4986 .4986
3.0 .4987 .4987 .4987 .4988 .4988 .4989 .4989 .4989 .4990 .4990
3.1 .4990 .4991 .4991 .4991 .4992 .4992 .4992 .4992 .4993 .4993
3.2 .4993 .4993 .4994 .4994 .4994 .4994 .4994 .4995 .4995 .4995
3.3 .4995 .4995 .4995 .4996 .4996 .4996 .4996 .4996 .4996 .4997
3.4 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4998
3.5 .4998 .4998 .4998 .4998 .4998 .4998 .4998 .4998 .4998 .4998
3.6 .4998 .4998 .4999 .4999 .4999 .4999 .4999 .4999 .4999 .4999
3.7 .4999 .4999 .4999 .4999 .4999 .4999 .4999 .4999 .4999 .4999
3.8 .4999 .4999 .4999 .4999 .4999 .4999 .4999 .4999 .4999 .4999
3.9 .5000 .5000 .5000 .5000 .5000 .5000 .5000 .5000 .5000 .5000
SEGUNDO DECIMAL DE Z


Hallamos el valor de Z

Z= 7.700.000 7.250.000 = 0.9
500.000

Al buscar este valor en la tabla encontramos que corresponde a un rea
de 31.59%, pero como el rea que estamos buscando es la que est
sealada, entonces al 50% del rea que corresponde a partir de la
media hacia la derecha, le restamos 31.59% y obtenemos el rea
deseada que sera de 18.41%.

De acuerdo a lo anterior se tiene que la probabilidad de que un
empleado seleccionado aleatoriamente, tenga ingresos superiores a
$7.700.000 es de 18.41%.

= $7.250.000
X= $7.700.000

c) Entre $6.000.000 y 7.000.000 7.500.000 y 8.500.000


Como se puede apreciar, se tienen que calcular cuatro Z,
correspondientes a los valores de las cuatro X.

Z1= 6.000.000 7.250.000 = -2.5
500.000

Z2 = 7.000.000 7.250.000 = -0.5
500.000

Z3= 7.500.000 -7250000 = .05
500.000

Z4 = 8.500.000 7.250.000 = 2.5
500.000

Al consultar estos valores en la tabla tenemos que:

= $7.250.000
X= $7.500.000
8500000
6000000
7000000

El rea que comprendida entre Z=0 y Z=2.5 es igual a 0.4938% y el
rea comprendida entre Z=0 y Z=0.5 es 0.1915. Para hallar el rea
pedida a 0.4938 l e restamos 0.1915 y obtenemos 0.3023.

Como la grfica es simtrica, el rea de la izquierda por estar
comprendida en iguales valores de Z, (aunque con signos negativos) es
igual a la encontrada en el paso anterior: 0.3023.

La suma de estas dos reas nos da la probabilidad pedida:
P($6.000.000<X< 7.000.000) + P( 7.500.000<X< 8.500.000) =
P(-2.5<Z<-0.5) + P(0.5<Z<2.5) = 0.3023+0.3023 = 0.6046.

La probabilidad de que un empleado seleccionado aleatoriamente, tenga
ingresos comprendidos entre $6.000.000 y $7.000.000 $7.500.000 y
$8.500.000 es de 0.6046 (60.46%). Tambin podemos decir que de 100

empleados seleccionados, 60 tendrn ingresos comprendidos entre
$6.000.000 y $7.000.000 $7.500.000 y $8.500.000

distribucin de Normal:
http://www.youtube.com/watch?v=MPHcamAc5Zs&feature=related

5.6. DISTRIBUCION EXPONENCIAL

La distribucin exponencial es una distribucin de probabilidad continua,
es decir, puede tomar infinitos dentro de un intervalo.

La distribucin Poisson y Exponencial, tienen una relacin
complementaria. Mientras la distribucin de Poisson describe las
llegadas por unidad de tiempo, la distribucin exponencial estudia el
tiempo entre cada una de estas llegadas, tambin puede estudiar el
tiempo de servicio o tiempos de falla. Si las llegadas son de Poisson el
tiempo entre estas llegadas es exponencial.

Recuerde que los eventos en la distribucin Poisson son discretos,
mientras el tiempo entre llegadas no tiene que ser un nmero entero.

Entre los casos en los cuales se puede aplicar la distribucin exponencial
se encuentran:

- El tiempo que un mdicoutiliza en la atencin de usuarios.
- El tiempo de servicio por parte de un cajero en un banco.
- Tiempo de falla de una mquina.

El uso de la distribucin exponencial supone que los tiempos de llegada
o servicio son aleatorios, es decir, que un tiempo de servicio
determinado no depende de otro servicio realizado anteriormente ni de
la posible cola que pueda estar formndose.

Otra caracterstica de este tipo de distribucin es que no tienen
"memoria". Esto significa, por ejemplo, que si un paciente lleva tres
horas de operacin en la sala de cirugas, y estos tiempos siguen una
distribucin exponencial, la probabilidad de que est una hora ms es la
misma que si hubiera estado 2 horas o 5 horas. Esto es debido a que la
distribucin exponencial supone que los tiempos de servicio tienen una
gran variabilidad. Puede darse el caso de que el prximo paciente se
demore tan solo una hora en la ciruga, por el hecho de tratarse de un
caso ms simple.

5.6.1. Representacin grfica

La forma general de representar la distribucin exponencial es la
siguiente:

Grfica 5.13.Representacin de la Distribucin Exponencial

5.6.2. Valor Esperado y Varianza

El valor esperado en una distribucin exponencial est dado por:

= =

Donde:

=

= =

La varianza corresponde a:

Ejemplo:

Suponga que el tiempo que necesita un cajero de un banco para atender
a un cliente tiene una distribucin exponencial con una media de 40
segundos.

a) Hallar la probabilidad que el tiempo necesario para atender un
cliente dado sea mayor que 2 minutos.

b) Cul es la probabilidad que el tiempo necesario para atender a un
cliente est comprendido entre 1 y 2 minutos?

Solucin

a) Hallar la probabilidad que el tiempo necesario para atender un cliente
dado sea mayor que 2 minutos

Sea X la variable aleatoria que corresponde al tiempo necesario para
atender un cliente. Como las preguntas, se refieren al tiempo en
minutos, entonces, la media se expresa en estos trminos:

=

Ahora, como: = =
, entonces,

= =
.

> 2 = 1 ( 2)

> 2 = 1
3
2
2

> 2 = 0.95021

Por lo tanto, la probabilidad de que el tiempo necesario para atender un
cliente dado sea mayor que 2 minutos es de 0.95021 (95,21%)


b) Cul es la probabilidad que el tiempo necesario para atender a un
cliente est comprendido entre 1 y 2 minutos?

1 < < 2 = (1 2)- (1 1)

1 < < 2 = 1
3
2
2
1
3
2
1

1 < < 2 = 0.95021 0.77687

1 < < 2 = 0.17334

La probabilidad de que el tiempo necesario para atender a un cliente
est comprendido entre 1 y 2 minutos es de 0.17334 (17,334%)

distribucin de Exponencial:http://www.youtube.com/watch?v=koW8cNN8d10


REFERENCIAS BIBLIOGRFICAS

Martnez Bencardino, Ciro. (2005). Estadstica y Muestreo. ECOE Ediciones.
Dcimo Segunda Edicin.

Allen L. Webster. (2003). Estadstica Aplicada a la Empresa y a la Economa.
Segunda Edicin. Editorial MacGraw Hill.

Spiegel, R. Murray. (2009). Estadstica. Editorial McGraw-Hill. Cuarta edicin.
Bogot.

Spiegel, R. Murray. (2010). Probabilidad y estadstica. Editorial McGraw-Hill.
Tercera Edicin.

Mendenhall, William y Sincich, Terry. (2003). Probabilidad y Estadstica para
Ingeniera y Ciencias. Editorial Prentice Hall. Cuarta Edicin. Pgina 2.

Richard L. Mills. (1981). Estadstica para Economa y Administracin. Editorial
McGraw Hill. 1981.

Giraldo Gmez, Hugo. (1998). Universidad Nacional. Sede Manizales.1998.

Sampieri Hernndez, Roberto. (1999). Metodologa de la Investigacin. Editorial
McGraw-Hill.

Distribucin binomial. Consultado el 3 de septiembre de 2011. Disponible
en: http://www.youtube.com/watch?v=ANaWgIud0bc

Distribucin de Poisson. UDEM Estadstica para negocios. Consultado el 3 de
septiembre de 2011. Disponible en:
http://www.youtube.com/watch?v=8uS6-XTjenA

Distribucin Exponencial. Consultado el 4 de septiembre de 2011.
Disponible en: http://www.youtube.com/watch?v=koW8cNN8d10

Distribucin Normal. Consultado el 4 de septiembre de 2011. Disponible
en: http://www.youtube.com/watch?v=MPHcamAc5Zs&feature=related

Unidad Probabilidades PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Unidad Probabilidades PDF

Uploaded by

Copyright:

Available Formats

ELABORADO POR: ORLANDO VALENCIA RODRIGUEZ Pgina 1

: Son cada uno de los posibles valores que asumen la

: Es la probabilidad de cada uno de los valores de la

ELABORADO POR: ORLANDO VALENCIA RODRIGUEZ Pgina 25

ELABORADO POR: ORLANDO VALENCIA RODRIGUEZ Pgina 26

ELABORADO POR: ORLANDO VALENCIA RODRIGUEZ Pgina 27

You might also like