Elementos de la distribución

Variable aleatoria

Toda distribución de probabilidad es generada por una variable aleatoria x, la que

puede ser de dos tipos:

 Discreta: variable aleatoria que sólo puede tomar valores enteros

 Continua: variable aleatoria que puede tomar todos los valores posibles
dentro de un cierto intervalo de la recta real.

Función de Probabilidad

Es la correspondencia que hay entre el valor de la variable aleatoria y la

probabilidad de ocurrencia de cada valor. Se denota por f(x). Si la función de
probabilidad [f (x)] es discreta se le denomina función de Cuantía y tiene las
siguientes propiedades:

Hay autores que la función de cuantía la representan por p(x).

Si la función de probabilidad [f (x)] es continua se le denomina función de densidad
y tiene las siguientes propiedades:

Esta última propiedad nos indica que la probabilidad de un punto no existe por lo
tanto se cumplirá, para las variables continuas lo siguiente:
Es decir no se tiene en cuenta si es menor ó igual; ó menor, ya que da lo mismo; ó
mayor; ó mayor ó igual.Función de Distribución

Función de Distribución :se define como la probabilidad de que "x" tome valores
menores o iguales a un valor determinado (xk).Es decir acumula hasta un valor
determinado:

Función de distribución para variable aleatoria discreta:

Función de distribución para variable aleatoria continua.

Aplicaciones uso de la probabilidad

Como en clase solemos trabajar la probabilidad con ejemplos basados en
sencillos juegos de azar (tirar una moneda, lanzar un dado, extraer una carta de
una baraja o una bola de una urna...) es posible que pienses que solo sirve para
ganar en los juegos de azar, y no es así.

Siguiendo con nuestra pretensión de mostrar la utilidad de las matemáticas,

vamos a presentar algunas aplicaciones y uso de la probabilidad .

La estadística y la probabilidad son ramas de las matemáticas tan cercanas a

nosotros que muchas veces, a veces sin darnos cuenta, las utilizamos en nuestro
lenguaje cotidiano. Así decimos que "esto es poco probable que ocurra" cuando
algo no sucede muy a menudo, o "aquello es muy probable que suceda" cuando
ocurre con mucha frecuencia. Como veremos a continuación, las
personas utilizamos la probabilidad para intentar tomar las mejores
decisiones posibles en situaciones de lo más variadas.
Veamos algunas de ellas: Juegos de azar: Casinos Como comprenderás, los
dueños de los casinos están en el negocio para ganar dinero por lo que han
estudiado muy bien cuál es la probabilidad de que el cliente gane en cada juego y
saben perfectamente que dicha probabilidad es baja.

- Meteorología

Las predicciones que hacen los meteorólogos sobre el tiempo que hará en los
próximos días se hace en base a los patrones de lo que ha ocurrido en años
anteriores y se expresa en términos de probabilidad: "la probabilidad de que llueva
es del 90%"

Decisiones médicas

Si un paciente necesita que le realicen una cirugía querrá saber cuál es la

probabilidad de éxito para decidir si se opera o no. Lo mismo pasa cuando se tiene
que iniciar un tratamiento, sería deseable conocer la probabilidad de éxito en base
a los resultados obtenidos previamente en otros pacientes.

Esperanza de vida

Es una medida del promedio de años que se espera que viva una persona en las
condiciones de mortalidad del período que se calcula. Se basa en el cálculo de la
probabilidad de muerte o de vida de la población a partir de los datos recogidos
sobre nacimientos y defunciones, distribuidos por sexo, edades, territorios...

Primas de seguros

Las compañías de seguros de coches analizan la edad y el historial del cliente en

el momento de decidir el tipo de prima que va a aplicar. Si ha tenido varios
accidentes lo más probable es que pueda tener otro por lo que su prima será más
alta.
Lo mismo pasa con el resto de los seguros (seguros médicos, seguros de vida...)

Análisis de riesgos

Antes de tomar una decisión importante se debe hacer un análisis del riesgo que
conlleva tomarla.
Así, por ejemplo, los gobiernos y las empresas utilizan métodos basados en
estudios probabilísticos para estudiar la repercusión que tendrán las medidas que
van a tomar y así poder elegir aquéllas que sean las más acertadas o las menos
arriesgadas.
- Mercado de materias primas

Un ejemplo puede ser la repercusión que sobre el mercado de materias primas

puede tener cualquier conflicto. Por ejemplo, el precio del petróleo varía en función
de la probabilidad de que haya un conflicto en alguna zona de producción. De este
modo, si se percibe una probabilidad alta de que haya guerra en Oriente Medio el
precio del petróleo se dispara.

Fiabilidad de los productos: Probabilidad de avería

En el diseño de muchos bienes de consumo como coches, electrodomésticos,

móviles... se utiliza la teoría de la fiabilidad para reducir la probabilidad de avería.
Esta probabilidad de avería también está relacionada con la garantía que el
fabricante hace del producto.
Distribución Binomial
La Distribución Binomial esta relacionada con al distribución de Bernoulli que es
una distribución de variable aleatoria X que toma solamente valores de cero y uno
(éxito y fracaso), cuando se realiza un solo experimento.
La distribución binomial se aplica cuando se realizan un número "n" de veces el
experimento de Bernouilli, siendo cada ensayo independiente del anterior. La
variable puede tomar valores entre 0 (si todos los experimentos han sido fracaso)
y n (si todos los experimentos han sido éxitos)
Para este tipo de distribución de probabilidad, la función matemática es la
siguiente:

Donde:
P(X) = probabilidad de X éxitos dados los parámetros n y p
n = tamaño de la muestra
p = probabilidad de éxito
1 – p = probabilidad de fracaso
X = numero de éxitos en la muestra ( X = 0, 1, 2, …….. n)

EJERCICIO

Un ingeniero que labora en el departamento de control de calidad de una empresa

eléctrica , inspecciona una muestra al azar de 10 alternadores de un lote. Si el
20% de los alternadores del lote están defectuosos. Cuál es la probabilidad de que
en la muestra,

a) ninguno esté defectuoso,

b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) más de tres estén con defectos
e) no más de tres estén con defectos.

Solución::
a) P(x=0)=b(x=0;n=10,p=0.20)= 0.1074
b) P(x=1)=b(x=1;n=10,p=0.20)= 0.2684
c) P(x≥2)=1-P(x≤1)=1-B(x≤1;n=10,p=0.20)=1-[0.1074+0.2684]=1-0.3758=0.6242
d) P(x≥3)=1-P(x≤2)= 1-B(x≤2;n=10,p=0.20)= 1 - [0.1074+0.2684+0.3020]=1-
0.6778=0.3222
e) P(x≤3)= B(x≤3;n=10,p=0.20)= 0.1074 + 0.2684 + 0.3020 + 0.2013=0.8791
Distribución Normal
Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su
propio nombre indica su extendida utilización, justificada por la frecuencia o
normalidad con la que ciertos fenómenos tienden a parecerse en su
comportamiento a esta distribución.
Muchas variables aleatorias continuas presentan una función de densidad cuya
gráfica tiene forma de campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un
mismo valor de p y valores de n cada vez mayores, se ve que sus polígonos de
frecuencias se aproximan a una curva en "forma de campana".
En resumen, la importancia de la distribución normal se debe principalmente a que
hay muchas variables asociadas a fenómenos naturales que siguen el modelo de
la normal.
 Caracteres morfológicos de individuos (personas, animales, plantas,…) de
una especie, p. ejm. Tallas, pesos, envergaduras, diámetros, perímetros…
 Caracteres fisiológicos, por ejemplo; efecto de una misma dosis de un
fármaco, o de una misma cantidad de abono.
 Caracteres sociológicos, por ejemplo: consumo de cierto producto por un
mismo grupo de individuos, puntuaciones de examen.
 Caracteres psicológicos, por ejemplo: cociente intelectual, grado de
adaptación a un medio……
 Errores cometidos al medir ciertas magnitudes.
 Valores estadísticos maestrales, por ejemplo: la media.

EJERCICIO
En una ciudad se estima que la temperatura máxima en el mes de junio sigue
una distribución normal, con media 23° y desviación típica 5°. Calcular el
número de días del mes en los que se espera alcanzar máximas entre 21° y 27°
Distribución de Poisson
es una distribución de probabilidad continua que expresa, a partir de una
frecuencia de ocurrencia media, la probabilidad de que ocurra un determinado
número de eventos durante cierto período de tiempo. Concretamente, se
especializa en la probabilidad de ocurrencia de sucesos con probabilidades muy
pequeñas, o sucesos "raros"
probabilidad de la distribución de Poisson es
donde
 K es el número de ocurrencias del evento o fenómeno (la función nos da la
probabilidad de que el evento suceda precisamente K veces).
 X es un parámetro positivo que representa el número de veces que se
espera que ocurra el fenómeno durante un intervalo dado. Por ejemplo, si el
suceso estudiado tiene lugar en promedio 4 veces por minuto y estamos
interesados en la probabilidad de que ocurra k veces dentro de un intervalo
de 10 minutos, usaremos un modelo de distribución de Poisson con x =
10×4 = 40.
 e es la base de los logaritmos naturales (e = 2,71828...)

EJERCICIO:
La contaminación constituye un problema en la fabricación de discos de
almacenamiento
óptico. El número de partículas de contaminación que ocurren en un disco óptico
tiene una
distribución de Poisson y el número promedio de partículas por centímetro
cuadrado de
superficie del disco es 0.1. El área de un disco bajo estudio es 100 centímetros
cuadrados.
(a) Encuentre la probabilidad de que ocurran 12 partículas en el área del disco
bajo
estudio.
(b) La probabilidad de que ocurran cero partículas en el área del disco bajo estudio
(c) Determine la probabilidad de que 12 o menos partículas ocurran en el área del
disco
bajo estudio
Solución:
λ =np = 100 cm2 (0.1) partículas/cm2
=10 partículas

(a) P(x=12;λ=10)= 0.0948

(b) P(x=0;λ=10)= 0.0000
(c) P(x≤12; λ=10)=0.0000+0.0005+ …+ 0.0948= 0.7916