Presentacin de la unidad

Lind, Marchal & Wathen (2008) sealan que estas distribuciones proporcionan
toda la gama de valores que se pueden presentar en un experimento. Es similar a
una distribucin de frecuencias relativas; sin embargo, en lugar de describir el
pasado, describe la probabilidad de que un evento se presente en el futuro. Por
ejemplo, si un fabricante de medicamentos afirma que cierto tratamiento permitir
que 80% de la poblacin baje de peso, la agencia de proteccin al consumidor
quiz someta a prueba el tratamiento con una muestra de seis personas; si la
afirmacin del fabricante es cierta, es casi imposible tener un resultado en el que
nadie en la muestra pierda peso y es muy poco probable que cinco de cada seis
pierdan peso. Es as que Lind, et al. (2009) definen a dicha distribucin como
todos los resultados de un experimento y la probabilidad asociada con cada
resultado.
En esta primer unidad, estudiaremos en el tema 1.1: la media, la varianza y la
desviacin estndar de una distribucin de probabilidad. La media constituye un
valor tpico para representar la localizacin central de una distribucin de
probabilidad; en cambio, la varianza y desviacin estndar describen el grado de
dispersin de una distribucin.
En el tema 1.2, estudiaremos la distribucin de probabilidad binomial, la cual es
una distribucin de probabilidad discreta que tiene como caracterstica que slo
hay dos posibles resultados en determinado intento de un experimento.
Por ltimo, en el tema 1.3 estudiaremos la distribucin de probabilidad de Poisson,
la cual describe el nmero de veces que se presenta un evento durante un
intervalo especfico, donde el intervalo puede ser de tiempo, distancia, rea o
volumen.
Cabe sealar que para el estudio de dichos temas, se proporciona una bibliografa
bsica ubicada en el rea de recursos, en la cual se presenta una explicacin
sencilla y con ejemplos prcticos de los temas propuestos; adems, tendrs que
realizar ejercicios, con los cuales podrs desarrollar las competencias necesarias
para la aplicacin de estas herramientas de la estadstica inferencial en tu mbito
profesional.
Propsito
En la presente unidad el estudiante podr analizar las caractersticas de las
distribuciones discretas de probabilidad de uso ms comn y su aplicacin, entre
ellas la distribucin binomial y Poisson.
Competencias especficas

Calcula la media, varianza y desviacin estndar de una distribucin de

probabilidad discreta

Describe las caractersticas de la distribucin de probabilidad binomial y su

aplicacin en el clculo de probabilidades
Describe las caractersticas de la distribucin de probabilidad Poisson y su
aplicacin en el clculo de probabilidades
1.1 Media, varianza y desviacin estndar de una distribucin de
probabilidad
Valor esperado
Prez (2009) comenta que la media de una distribucin tambin recibe el nombre
de valor esperado o esperanza de una variable aleatoria, y considera que esta
tiene su origen en los juegos de azar, debido a que los jugadores deseaban saber
cul era su esperanza de ganar o perder con un juego determinado. Como a cada
resultado particular del juego le corresponde una probabilidad determinada, esto
equivale a una funcin de probabilidad de una variable aleatoria y el conjunto de
todos los resultados posibles del juego estar representado por la distribucin de
probabilidad de la variable aleatoria. El valor esperado o esperanza es muy
importante, ya que es uno de los parmetros que describen una variable aleatoria.
Sea X una variable aleatoria discreta con funcin de probabilidad f(x). Entonces el
valor esperado de la variable aleatoria X, el cual se representa por E(X), est
definido por:
E(X) = xi f(xi)
Lo anterior significa que para calcular E(X) se multiplica cada valor que puede
tomar la variable aleatoria por la probabilidad que le corresponde y despus se
suman esos productos.
El valor esperado representa el valor promedio que se espera que suceda al
repetir el experimento en forma independiente una gran cantidad de veces.
El valor esperado se interpreta fsicamente como el centro de masa o centro de
gravedad de la distribucin de probabilidad, por lo que es igual a la media o
promedio aritmtico, los cuales se representan con la letra m.
De acuerdo a lo anterior, podemos escribir que:

Ejemplo: si se lanzan dos dados legales, encontrar el valor esperado.

Solucin. Definamos la variable aleatoria X como la suma de los nmeros que
aparecen al lanzar dos dados legales. Como vimos en el problema anterior, la
distribucin de probabilidad es:

En particular, si la distribucin de probabilidades es simtrica, como en el ejemplo

anterior, el valor esperado coincide con el valor de la variable que tiene la mayor
probabilidad en la distribucin.
Una aplicacin del valor esperado puede ser la siguiente.
Ejemplo: un casino le permite a un jugador que lance un dado legal y que reciba
tantos pesos como puntos aparezcan en la cara superior del dado. El jugador
debe pagar una cantidad k de pesos cada vez que juegue. Calcular cunto debe
valer k para que el jugador ni gane ni pierda.
Solucin. Sea X la variable aleatoria que representa el resultado al lanzar un dado.
Su distribucin de probabilidad es la siguiente:

En este caso el valor esperado debe ser igual al valor k, con lo que se espera que
el jugador ni gane ni pierda. Aplicando la frmula del valor esperado tenemos:

El jugador debe pagar 3.5 pesos cada vez que participa en un juego.
Si la cuota k fuera de 4 pesos por juego, la ganancia neta esperada del casino es
de 0.50 pesos por juego, ya que k - E(X) = 4.00 - 3.50 = 0.50 pesos. Como lo que
recibe el jugador en un solo juego no puede ser igual a 3.5 pesos (debe ser un
nmero entero entre 1 y 6), entonces la E(X) no necesariamente coincide con el
resultado de un solo juego.
El significado de E(X) = 3.5 pesos, es que si el juego se realiza un gran nmero de
veces, el cociente
3.5 pesos.

debe ser aproximadamente igual a

Varianza y desviacin estndar

Haciendo referencia a Prez (2009), podemos comentar que existen dos aspectos
que caracterizan de forma simple el comportamiento de la distribucin de

probabilidad, porque proporcionan una descripcin completa de la forma en que se

comporta: la medida de tendencia central y la de dispersin.
La primera est representada por la media o valor esperado, ya vista en el punto
anterior; y la segunda, por la variancia o por la desviacin estndar, que evalan la
dispersin de la distribucin de probabilidad o grado en que se separan del
promedio los valores de la variable aleatoria X.
Por ejemplo, en un espacio muestral equiparable vemos que los valores 5, 10 y 15
tienen una media de 10, y que en los valores 9.9, 10 y 10.1 la media tambin es
10; sin embargo, advertimos que los dos conjuntos de valores difieren
notablemente en la dispersin de los valores respecto a su media y que tal
dispersin es de gran importancia. Por lo tanto, para tener un conocimiento claro y
completo del comportamiento de los valores que puede tomar la variable aleatoria,
es indispensable conocer tanto la media como la variancia o la desviacin
estndar de la distribucin de probabilidad.

Esto se debe a que las desviaciones positivas se compensan con las desviaciones
negativas. Para determinar una medida de dispersin, necesitamos considerar
nicamente la magnitud de las desviaciones sin sus signos.
Una manera de eliminar el signo de las desviaciones, es considerar el cuadrado
de las mismas, es decir:

Si obtenemos el valor esperado de las desviaciones elevadas al cuadrado,

obtenemos una medida de la dispersin de la distribucin de probabilidad, la cual
es conocida como Variancia y se simboliza por:

Actividad 1: Media, varianza y

desviacin estndar de una
distribucin de probabilidad

Producto

Realiza una lectura crtica y Espacio

analtica
del
texto Media, Tareas:Media,

Evaluacin
de Resuelve
ejercicios

los

varianza y desviacin estndar

de probabilidad, de la pgina
185 a la 189 del libro Estadstica
aplicada a los negocios y la
economa de Lind, Marchal &
Wathen.
De este mismo texto, extrae los
ejercicios 1, 3, y 7 ubicados en
las pginas 187 y 188 y
resulvelos. Presenta la solucin
de los ejercicios en formato Word,
mostrando el procedimiento de
solucin. Su entrega ser en el
espacio
de
tareas Media,
varianza y desviacin estndar.

varianza
desviacin
estndar.

y correctamente
de
manera
individual,
aplicando
y
mostrando
el
Documento
en procedimiento
de
Word, que contenga solucin.
la solucin de los
ejercicios.
Total 30 puntos.

Para la realizacin de esta

actividad, puedes hacer uso del
material de apoyo proporcionado
en el apartado Apndicede la
Unidad.

1.2 Distribucin de probabilidad binomial

Una distribucin de probabilidad de una variable aleatoria discreta utilizada
ampliamente es la distribucin binomial.
Badii & Castillo (2009) comentan que esta distribucin es apropiada para una
variedad de procesos que describe datos discretos, que son resultado de un
experimento conocido como proceso deBernoulli en honor al matemtico Suizo
Jacob Bernoulli (1654-1705), el cual nos llevar a uno de slo dos resultados
posibles que son mutuamente exclusivos, tales como muerto o vivo, enfermo o
saludable, etc., en donde la obtencin del resultado deseado se considera como
xito "p" y el resultado no deseado como fracaso "q", donde, q = 1 p (Badii, et al.
2007).
Las caractersticas de esta distribucin son:
a) En los experimentos que tienen este tipo de distribucin, siempre se esperan
dos tipos de resultados; ejemplo: aprobado, no aprobado; pasa, no pasa, etc.,
denominados arbitrariamente xito (que es lo que se espera que ocurra) o
fracaso (lo contrario del xito).
b) Las probabilidades asociadas a cada uno de estos resultados son constantes,
es decir no cambian.

c) Cada uno de los ensayos o repeticiones del experimento son independientes

entre s.
d) El nmero de ensayos o repeticiones del experimento (n) es constante.
Para calcular la media y la desviacin estndar de un experimento que tenga una
distribucin Binomial, usaremos las siguientes frmulas:
Media o valor esperado:
Donde:
n = nmero de ensayos o repeticiones del experimento
P = probabilidad de xito o la probabilidad referente al evento del cual se desea
calcular la media
Q = complemento de P
Desviacin estndar:

Ejemplo: se dice que el 75% de los accidentes de una fbrica se atribuyen a

errores humanos. Si en un perodo de tiempo dado se suscitan 5 accidentes,
determina la probabilidad de que:
a) dos de los accidentes se atribuyan a errores humanos
b) como mximo, 1 de los accidentes se atribuya a errores de tipo humano
c) 3 de los accidentes no se atribuyan a errores humanos
Solucin:
a) n = 5
x = variable que define el nmero de accidentes debidos a errores humanos
x = 0, 1, 2,...,5 accidentes debidos a errores de tipo humano
p = p (xito) = p (un accidente se deba a errores humanos) = 0.75
q = p (fracaso) = p (un accidente no se deba a errores humanos) = 1-p = 0.25

Actividad 2: Distribucin de
probabilidad binomial
Lee el texto Distribucin de
probabilidad binomial, de la
pgina 189 a la 199 del
libroEstadstica aplicada a los
negocios y la economa, de
Lind, Marchal & Wathen.
De este mismo texto, resuelve
los ejercicios 9, 13, y 17
ubicados en la pgina 196.
Presenta la solucin a los
ejercicios en formato Word,
mostrando el procedimiento
de solucin. Su entrega ser
en
el
espacio
de
tareas Distribucin
de
probabilidad binomial.
Para la realizacin de esta
actividad, puedes hacer uso
del
material
de
apoyo
proporcionado
en
el

Producto

Evaluacin

Espacio
de Resuelve
los
tareas:Distribucin de ejercicios
probabilidad binomial.
correctamente de
manera individual,
Documento en Word que aplicando
y
contenga la solucin de mostrando
el
los ejercicios.
procedimiento
de
solucin.
Total 35 puntos.

apartado Apndice de
Unidad.

la

1.3 Distribucin de probabilidad de Poisson

Esta distribucin debe su nombre al matemtico francs Simn Poisson (1781-1840), quien
estableci dicho modelo.
Prez (2009), en su libro de Probabilidad, comenta que existen fenmenos o experimentos en los
que los eventos ocurren en intervalos continuos de tiempo o espacio (reas y volmenes), donde
slo importa la ocurrencia del fenmeno, ya que la no ocurrencia no tiene sentido. Por ejemplo, si
en cierta regin ocurren en promedio dos terremotos por ao, la variable aleatoria ser el nmero
de terremotos por ao y es claro que no tiene sentido hablar del nmero de no terremotos por ao.
Lo mismo sucede para otros fenmenos, como el nmero de errores en una pgina, derrumbes
anuales en una regin montaosa, accidentes de trfico diarios en cierto crucero, personas
atendidas en un banco en un perodo de 10 minutos, partculas de polvo en cierto volumen de aire,
nacimientos de nios en un periodo de tiempo, rayos que caen en una tormenta, llamadas que
llegan a un conmutador telefnico en un minuto, insectos por planta en un cultivo, etc. Tambin es
de importancia mencionar que cada ocurrencia puede considerarse como un evento en un intervalo
de tiempo determinado.
Si consideramos que:
1. La esperanza de ocurrencia de un evento en un intervalo es la misma que la esperanza de
ocurrencia del evento en otro intervalo cualesquiera, sin importar donde empiece el
intervalo.
2. Que las ocurrencias de los eventos son independientes, sin importar dnde ocurran
3. Que la probabilidad de que ocurra un evento en un intervalo de tiempo depende de la
longitud del intervalo
4. Que las condiciones del experimento no varan
5. Que nos interesa analizar el nmero promedio de ocurrencias en el intervalo, entonces se
puede afirmar que la variable aleatoria mencionada en los fenmenos descritos es una
variable de Poisson.
Prez (2009) seala las siguientes caractersticas en un modelo de probabilidad de Poisson:

Para aclarar el significado de estos cuatro postulados, se presenta el siguiente

ejemplo:

El nmero de accidentes diarios en un cruce de calles se considera como un

fenmeno en el que los eventos ocurren en intervalos continuos de tiempo, donde
slo importa la ocurrencia del fenmeno, y de acuerdo a sus caractersticas puede
decirse que la variable aleatoria del nmero de accidentes diarios puede
representarse por un modelo de Poisson. En seguida analizamos lo razonable de
los cuatro postulados anteriores en esta situacin:

Actividad 3: Distribucin de
probabilidad de Poisson
Realiza una lectura crtica y
analtica
del
texto Distribucin
de
probabilidad de Poisson, de
la pgina 203 a la 212 del
libroEstadstica aplicada a los
negocios y la economa de

Producto
Espacio
tareas:Distribucin
probabilidad
Poisson.

Evaluacin

de Resuelve
los
de ejercicios
de correctamente de
manera individual,
aplicando
y
Documento en Word que mostrando
el
contiene la solucin de procedimiento
de

Lind, Marchal y Wathen.

los ejercicios.

Extrae de este mismo texto

los ejercicios 31, 33 y 35
ubicados en la pgina 208 y
resulvelos.
Presenta
la
solucin de los ejercicios en
formato Word, mostrando el
procedimiento de solucin. Su
entrega ser en el espacio de
tareas Distribucin
de
probabilidad de Poisson.

solucin.
Total 35 puntos.

Para la realizacin de esta

actividad, puedes hacer uso
del
material
de
apoyo
proporcionado
en
el
apartado Apndice de
la
Unidad.

Para saber ms
En los siguientes links encontrars varios videos que contienen la explicacin de
los diferentes temas vistos en la presente unidad, con la solucin de ejercicios y su
aplicacin prctica; estos te sern de utilidad para una mejor comprensin de
dichos temas.
http://www.youtube.com/watch?v=I0FqjIzDuo4
http://www.youtube.com/watch?v=LX-QZUX84VY
http://www.youtube.com/watch?v=1uPk_zwd1J8
Actividades
Actividad No 1: Resolver ejercicios sobre la Media, varianza y desviacin estndar
de una distribucin de probabilidades
Actividad No 2: Resolver ejercicios sobre la distribucin de probabilidad binomial
Actividad No. 3: Resolver ejercicios sobre la distribucin de probabilidad de
Poisson
Recursos
No 1: Media, varianza y desviacin estndar de una distribucin de probabilidades
No 2: Distribucin de probabilidad binomial

No 3: Distribucin de probabilidad de Poisson

No. 5: Apndice B.1. rea bajo la curva normal
N0. 6: Apndice B.2. Distribucin t de student
N0. 7: apndice B.4. Valores crticos para la distribucin F
N0. 8: Apndice B.5. Distribucin de Poisson
No. 9: Apndice B.9. Distribucin de probabilidad binomial