TEMA 07

DISTRIBUCIONES DE PROBABILIDAD

DOCENTE: MSc. SELENE YENGLE

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.

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
probabilidades como sigue:

tiene

distribucin

Poisson

si

toma

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
Z
aleatoria.

= desviacin estndar
poblacional
= media o promedio poblacional
Cuando no se conoce el valor de :
= n.p
n: es el numero de ensayos o

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 columna

Se busca en
la 1 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

P Z 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.
La desviacin estndar de la poblacin no se conoce.
La distribucin t student es menor en la media y mas
alta en 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

Distribucin Normal
Distribucin t Student

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: .
d) Encuentre el valor de cuando r = 14 y to= 0.692
e) Encuentre el valor de . cuando r = 10 y to= 2.764
f) 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: .
d) Encuentre el valor de cuando r = 14 y X0= 26.1
e) Encuentre el valor de . cuando r = 10 y X0= 10.5
f) Encuentre el valor de cuando r = 30 y X0= 47.0

TABLA CHI - CUADRADO

GRACIAS