ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

DISTRIBUCIONES DISCRETAS

DISTRIBUCIN BINOMIAL

Al efectuar N experimentos de Bernoulli, la probabilidad de obtener x xitos

es:

N
p(x) = p
x
q
n-x
x = 0, 1,2,, N

x
CARACTERSTICAS
i) El experimento consiste en N pruebas de Bernoulli
ii) En cada prueba la probabilidad de XITOS es la
misma
iii) Las pruebas son estadsticamente independientes
iv) La v.a. binomial x es el nmero de resultados E en N
pruebas

FUNCIN DE DISTRIBUCIN

0 , x<0

x N
F(x) =
x k
p q
n-k
, 0 x<N

k 0
1 , x 1

MEDIA ARITMTICA VARIANZA

= E (X) = N p 2 = N p. q

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

KURTOSIS ASIMETRA

q p
1 6 pq 3 = Npq

4 = 3 + Npq

Son experimentos binmicos:

a) Lanzar una moneda dos o ms veces, para observar el nmero de caras o sellos que resulten
b) Seleccionar dos o ms artculos de un lote que contiene un porcentaje de artculos
defectuosos para verificar cuantos defectuosos o cuantos buenos contiene la muestra
aleatoria

c) Ejecutar dos o ms tiros para ver cuntos dan en el blanco o cuntos no dan.

DISTRIBUCIN GEOMTRICA

Sea X: N de ensayos para obtener el PRIMER XITO

E: xito F: Fracaso
S: {E , FE , FFE , FFFE }

P(x=1) = p (E) = p = q0 p
P(x=2) = p (FE) = q p = q1 p
P(x=3) = p (FFE) = q2 p = q2 p
P(x=4) = p (FFFE) = q3 p = q3 p
P(x=5) = p (FFFFE) = q4 p = q4 p
Generalizando:

P ( x ) = p ( FFF FE ) = qx-1 p
x-1 veces
La distribucin de probabilidad geomtrica es:

MEDIA VARIANZA
x-1
P(x) = pq , x = 1,2,3, 2

2
=1/p q/p
0 , en otros casos

0 , x<1
F (x) = FUNCIN DE
x DISTRIBUCIN
1- q , x1

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

|a|<1
1
2 3 -2
1 + 2 a + 3 a + 4 a + = ( 1- a ) =
1 a 2

DISTRIBUCIN BINOMIAL NEGATIVA

Es una extensin de la distribucin geomtrica

X: {N de veces que se repite el ensayo hasta obtener r xitos}
X: v.a. binomial negativa

RX = { r + r+1 , r+2 , r+3, ...}

1 2 3
S = { EE...E E , EE...E F E , EE...E FF E , EE...E FFF E , ...}

r-1 veces r-1 r-1 r-1

r-simo r-simo r-simo r-simo

xito xito xito xito
FIJO FIJO FIJO FIJO

P ( x=r ) = p ( EE E E ) = pr q0

r 1 1 r
P ( x=r+1 ) = p ( EE E FFF E ) = pr q1 = pr q1

r 1 r 1
r 1 2 r 1
P ( x=r+2 ) = p ( EE E FFF E ) = pr q2 = pr q2

r 1 r 1
DR. ING. LUIS MANRIQUE SUAREZ
ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

r 1 3 r 2
P ( x=r+3 ) = p ( EE E FFF E ) = pr q3 = pr q3

r 1 r 1
Generalizando:

r 1 x r
P ( x=r ) = p ( EE E FF...FF E ) = pr qx-r

r 1
r-1 veces

x-r veces

FIJO

x 1
P(x) = { pr qr , X = r, r+1, r+2, ; 0 , en otros casos

r 1
x 1
x 1
Nota: x r
= por ser combinacin complementaria

r 1
MEDIA VARIANZA

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

r 2 rq

p
p2

DISTRIBUCIN DE POISSON

Ideada por el matemtico francs Simen Poisson (1781-1840) mide la

probabilidad de un evento aleatorio sobre algn intervalo de tiempo o
espacio

Si en la distribucin binomial, N es muy grande y p muy pequeo, se

puede aproximar a la distribucin de Poisson.
Sea X una v. a. d. que toma los valores posibles X = 0, 1, 2,3, 4,, N

x
P(X) = e , =Np
x!
X N de ocurrencia de eventos en t unidades de medida
X v. a. de Poisson
P(x): funcin de cuanta de Poisson

FUNCIN DE DISTRIBUCIN

x x
F(X) = 0 , x < 0 ; e , x0
x 0 x!

MEDIA VARIANZA

= 2 =

Luego:
2 = E(x2) - 2 = 2 + - 2 2 =
Caractersticas:

1.-El experimento consiste en contar el nmero x de veces que ocurre un

evento en particular durante una unidad de tiempo dada o en un rea o
volumen (o peso, distancia o cualquier otra unidad de medida) dada

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

2.-La probabilidad de que un evento ocurra en una unidad dada es la misma

para todas las unidades.
3.-El nmero de eventos que ocurren en una unidad es independiente del
nmero de los que ocurren en otras unidades

DISTRIBUCIN HIPERGEOMTRICA

En un lote de N artculos, r son defectuosos, N-r son no defectuosos

Escogemos al azar n artculos sin sustitucin
Sea k el nmero de defectuosos dentro de los r defectuosos y
n-k no defectuosos.
Sea X el nmero de artculos defectuosos encontrados

N
D r n D k
D N-r D N-k
muestra

r N r

k n k
P ( X= k ) = ---------------------- , K = 0,1,2,3, , r

N

n
Se dice que X es una variable aleatoria discreta y tiene una distribucin hipergeomtrica
MEDIA VARIANZA
r nr (N-r) (N-n)
= n V(X) = ------------------------
N
2
N (N-1)

CARACTERSTICAS

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

1.- El experimento consiste en extraer al azar y sin sustitucin n elementos de un

conjunto de N elementos, r de los cuales son E (xitos) y (N-r) son F (Fracasos)
2. El tamao de la muestra n es grande en comparacin con el nmero N elementos
de la poblacin, es decir n/N > 0.05
3.-La v.a. hipergeomtrica X es el nmero de resultados de E en la muestra de n
elementos

DISTRIBUCIN MULTINOMIAL
Si un espacio muestral de un experimento se divide en K sucesos mutuamente
excluyentes.
A1 , A2 , A3 , A4 , AK , con probabilidades P1 , P2 , P3 , P4 , PK en N
pruebas, la probabilidad de que A1 suceda n1 veces , A2 suceda n2 veces , , AK
suceda nK veces ; es igual :

N! n1 n2 n3 n
P (A1, A2, A3, A4, AK) = p1 p 2 p3 ... pK k
n1 ! n2 ! n3 !... n K !
K K
N= ni 1 = pi
i 1 i 1
CARACTERSTICAS
1.- El experimento consiste en n pruebas idnticas
2.- Hay K posibles resultados de cada prueba
3.- Las probabilidades de los K resultados, denotados por P1 , P2 , P3 , P4 , PK se
mantienen constantes a lo largo de todas las pruebas, donde :
P1 + P2 + P3 ,+P4 + + PK = 1
4.-Las pruebas son independientes
5.- Las v. a. de inters son las cuentas X1 , X2 , X3 , X4 , XK en cada uno de las K
categoras de clasificacin

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

PROBLEMAS

1.- Los 2/3 de los votantes inscritos en cierto distrito electoral apoyan al partido A.
Cul es la probabilidad de que en una muestra aleatoria de 6 votantes de este distrito,
exactamente 5 a poyen al partido A? Por lo menos 1

2.-Se lanzan un par de dados 4 veces. Cul es la probabilidad de que la suma nueve
aparezca a) ninguna vez b) una vez c) dos veces d) tres veces e) cuatro veces

3.-Una mquina produce artculos, de tal manera que existe una probabilidad
de 0.05 que el artculo producido sea defectuoso.Cul es la probabilidad de
que a) en una muestra de 18 artculos producidos, ninguno sea defectuoso.
b) al menos uno sea defectuosos en un lote de 10 artculos
c) Cul es el nmero promedio de artculos defectuosos en un lote de 10,000
artculos producidos? Cual es la varianza?

4.-Una empresa de servicios contables tiene dos empleados que se turnan

trabajando parcialmente durante la semana
Juan: lunes, mircoles y vienes Juana: Marte y jueves
Juan archiva errneamente uno de cada 4 documentos, mientras que Juana lo
hace uno de cada 5 .Se selecciona un da de la semana al azar, y en ese da
se toma una muestra aleatoria de 4 documentos de entre los documentos
archivados ese da
a) Cul es la probabilidad de que la muestra contenga exactamente dos
documentos mal archivados?
b) Suponiendo que la muestra contena dos documentos mal archivados
Cul es la probabilidad de que ambos hayan sido archivados por Juan?

5.-El 2% de la produccin es defectuosa en la Empresa Alfa SA. Hallar la

probabilidad de que en una muestra de 120 unidades elegidas al azar sean
exactamente 2 los defectuosos. Utilizar:
a) La distribucin Binomial b) aproximacin de Poisson a la Binomial

6.-El nmero de llamadas telefnicas en cierta oficina es en promedio 24 por

hora. Cul es la probabilidad de que no llame en intervalo largo de t minutos.

7.-Un departamento de reparaciones de motores recibe en promedio de 5

llamadas de servicios por hora. Cul es la probabilidad de que se reciban
exactamente a)3 llamadas en una hora aleatoriamente escogida? b) 2 llamadas
de de hora aleatoriamente escogida?

8.-La probabilidad de que un tirador haga blanco en un silo disparo es igual a

0.80. Al tirador se le entregan cartuchos hasta tanto yerre el tiro.
Calcular la probabilidad de que yerre en el tercer disparo

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

9.-Considere una sucesin infinita de lanzamientos independientes de dos

dados. Sea X es el nmero de lanzamientos hasta encontrar una suma igual a
7 .Determinar el nmero esperado de lanzamientos que deben realizarse hasta
conseguir

10.-La probabilidad de un lanzamiento exitoso es igual a 0.60. Supongamos

que se hace ensayos de lanzamientos hasta que ha ocurrido 4 lanzamientos
exitosos. Cul es la probabilidad que sean necesarios menos de 7 intentos o
ensayos?

11.-Un gran lote de llantas contiene10% de defectuosos y de all se elegirn 4

para colocarlas en un auto. A) Hallar la probabilidad de que 6 llantas deban
seleccionarse del lote para obtener 4 en buen estado b) Calcular el valor
esperado y a varianza

12.-Un club est constituido por 12 mujeres y 8 hombres Se va a elegir un

comit de 5 personas. Cul es la probabilidad de que 3 de ellas sean mujeres
y 2 sean hombres?

DISTRIBUCIONES CONTINUAS

DISTRIBUCIN NORMAL

Es la distribucin de probabilidad ms utilizada. La funcin normal de densidad

de probabilidad tiene la forma de campana familiar simtrica.
La curva se centra en el valor promedio y su dispersin se mide con la
varianza 2. Estos dos parmetros, determinan la forma y ubicacin de la
funcin normal de densidad, cuya forma es:

1 x 2
f(x) = , -< x <
2 e 2
2

Notacin: X N (, 2)

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

La variable aleatoria x se distribuye normalmente con Media y

Varianza 2
Distribucin normal estndar

z v. a. que tiene una distribucin normal, con media = 0 y varianza 2=1

z : se llama v. a. normal estndar, su funcin densidad es :

z 1 t
2
Nz (z) = p (Z = z) =
2 . e 2 .dt
Los valores de esta funcin se encuentran tabulados en las tablas de
distribucin normal

z=
X

DISTRIBUCIN UNIFORME

Sea X una v.a.c. , que toma los valores del intervalo [a, b]
a, b R, a < b
X se distribuye en el intervalo [a, b]
, x <a
0
1 , axb
,axb
x a
f (x) = b a , en otros casos F(x) =
0 b a , otros casos
1

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

MEDIA VARIANZA

ab 2
2 (b a)
2 12

En una distribucin uniforme las probabilidades son las mismas

para todos los posibles resultados

f(x) F(x)

1
ba

a b a b

DISTRIBUCIN EXPONENCIAL

1 x

f (X) = , x 0
e
0,

Si 1 -x / = - x

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

x
e
f (x) = , x 0

: parmetro 0real , constante positiva

f (x) F(x)

FUNCIN DE DISTRIBUCIN

0,........ .....x 0

F (x) =
1 exmuestra
La curva en continuo descenso , x 0 que con el paso
del tiempo X aumenta y la probabilidad disminuye

MEDIA VARIANZA
1 1
== V (x) = 2 = 2

Como se acaba de observar, la distribucin de Poisson es

una distribucin discreta que mide el nmero de
ocurrencias sobre algn intervalo de tiempo o espacio.
Describe por ejemplo, el nmero de clientes que puedan
llegar durante algn periodo determinado. Por el contrario,

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

la DISTRIBUCIN EXPONENCIAL es una distribucin

continua. Mide el paso del tiempo entre tales. Ocurrencias.
Mientras que la distribucin de Poisson describe las tasas
de llegada (de personas, camiones, llamadas telefnicas,
etc.) dentro de algn periodo dado, la distribucin
exponencial estima el lapso entre tales arribos. Si el
nmero de ocurrencias tiene distribucin de Poisson, el
lapso entre las ocurrencias estar distribuido
exponencialmente

p(X x) = 1 e-x .

X Lapso de tiempo
tasa promedio de ocurrencia

PROBLEMAS

1.-Cuando deja de funcionar una tarjeta de circuito integrado, un sistema de cmputo se

detiene hasta que se entregue una tarjeta nueva. El tiempo de entrega x est
uniformemente distribuido en el intervalo de 1 a 5 das. El costo C de esa falla y la
parada, comprende un costo fijo Co de la refaccin y un costo que aumenta en forma
proporcional a x2 , de modo que: C = Co + C1 x2
a) Calcular la probabilidad de que el tiempo de entrega sea de 2 das o ms
b) Calcular el costo esperado de una determinada falla del componente en trminos de
Co y C1

2.-La llegada de clientes a un torniquete se distribuye uniformemente en un periodo de

30 minutos. Calcular la probabilidad (condicional) de que el cliente haya llegado
durante los ltimos 5 minutos del periodo de 30 minutos dado que no hubo llegadas
durante los primeros 10 minutos del periodo.

3.-Una llamada telefnica lleg a un conmutador en tiempo al azar dentro de un

intervalo de un minuto. El conmutador estuvo completamente ocupado durante 15
segundos en ese periodo de un minuto. Calcular la probabilidad de que la llamada
llegara cuando el conmutador no estaba ocupado

4.-Sea x una v.a.c. uniforme en el intervalo (-2,2). Calcular a) p ( x > 3/2)

b) P ( x > 1) c) p ( - 2 x +2 )

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

5.-Las distancias estn uniformemente distribuidas entre 2 puntos n y r. Se hacen

pruebas a los frenos de los autos COMBY a una velocidad de 80 Km/hora. Se utilizan 5
automviles. Calcular la probabilidad de que la mayora de ellos, rebase el punto medio
entre n y r

6.-En el periodo ms ocupado entre las 5 y 7 pm. Un automvil entra a una gasolinera
cada 3 minutos en promedio Cul es la probabilidad
a) de que cuando menos 25 automviles entren a la gasolinera entre las 4 y 5 pm. ? b)
de que entren menos de 30 automviles entre las 4 y 6 pm. En un da elegido al azar?
7.-Las estaturas de los estudiantes de la FIIS estn distribuidas normalmente con media
1.68 metros y una varianza de 0.0016 m 2. Calcular la probabilidad de que un estudiante
tenga estatura:
a) entre 1.68 y 1.72 m. b) entre 1.60 y 1.68 m. c) entre 1.62 y 1.73 m.
d) mayor que 1.69 m. e) menor que 1.63 m. f) entre 1.69 y 1.74 m.
g) entre 1.58y 1.62 m. h) Mayor que 1.67 m. i) menor que 1.71m.
j) mayor que 1.70 m. o menos que 1.66

8.-Se sabe que el 5% de los tubos de radio producidos por cierto fabricante son
defectuosos. Si el fabricante enva a un mayorista 1000 lotes c/u de los cuales contiene
100 tubos. En cuntos de estos lotes espera tener a) menos de 90 tubos buenos? B) 98
ms tubos buenos?

9.-Hallar el valor de z para: a) la mediana b) primer cuartil c) desviacin semi-

intercuartlica

10.-Los pedidos de servicio llegan con un promedio de 5 por hora. Cul e s la

probabilidad de que se reciban :
a) ms de 50 pedidos durante un turno de 8 horas?
b) menos de 36 pedidos en 8 horas ?

11.-La probabilidad de que un disparo acierte en el blanco es de 9/19. Calcular la

probabilidad de que en 100 disparos se acierte por lo menos 45

12.-250 artculos son empacados en cajas grandes .Los pesos de los artculos son
variables aleatorias independientes con media O.5 libras y desviacin estndar 0.10
libras. 20 cajas son colocadas en un camin. Calcular la probabilidad que el peso de los
empaques colocados en el camin exceda a 2510 libras (considere despreciable el peso
de la caja)

13.-Supongamos que los pesos de los pasajeros que viajan por aire en los vuelos
establecidos que parten de un aeropuerto grande siguen una distribucin normal con
media 78 Kg. y S = 10 Kg. Cul es la probabilidad de que el peso total de una muestra
al azar de 100 pasajeros exceda a 8000 Kg?

14.-La longitud de vida de una especie de planta en cierto medio ambiente es una v.a.c.
x que tiene una distribucin exponencial con una longitud media de vida de 1000 das
a) Qu proporcin de plantas de esta especie, mueren antes de los 1000 das?
b) Si una planta individual vive durante 800 das Cul es la probabilidad de que viva
otros 400 das?

DR. ING. LUIS MANRIQUE SUAREZ

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

15.-El tiempo que tarda una persona en ser atendida en una cafetera es una v.a. que
tiene una distribucin exponencial con media de 4 minutos. Cul es la probabilidad que
una persona sea atendida en menos de 3 minutos, al menos en 4 de los 6 das siguientes?

16.-Un alumno espera ser atendido en la biblioteca un promedio de 3 minutos

(El tiempo es una v.a. exponencial) Cul es la probabilidad de que un alumno no sea
atendido en ms de 5 minutos, en las 8 veces que asiste a la biblioteca?

17.-Una agencia de publicidad ha determinado que, en una encuesta televisada, la

probabilidad de que una persona vote por 3 candidatos A, B y C es respectivamente 0.1,
0.4 y 0.5. Suponiendo que se ha realizado la encuesta a 10 personas, se pide: a) La
probabilidad de que el candidato B tenga un voto y A tenga el doble de C b) la
probabilidad que A tenga 6 votos.

DR. ING. LUIS MANRIQUE SUAREZ