Está en la página 1de 10

Estadstica General Arturo Rubio

1

PRINCIPALES DISTRIBUCIONES DE PROBABILIDAD

A.- DISTRIBUCIONES DE VARIABLES DISCRETAS

1 DISTRIBUCION BINOMIAL

Analiza y describe a los experimentos aleatorios secuenciales cuyas
caractersticas son:

En cada ensayo hay slo 2 resultados posibles mutuamente
excluyentes. Por conveniencia se denominar xito=1 o resultado
favorable y fracaso=0 o resultado desfavorable.
La probabilidad de obtener un xito en cada uno de los ensayos es P y se
mantiene constante de un ensayo a otro ensayo.
Se realizan n ensayos repetidos en forma independiente.

La probabilidad de lograr x xitos en los n ensayos se encuentra por:

) 1 ( ) ( :
) ( :
) 1 (
! )! (
!
) (
) 1 ( ) (
P nP x V Variancia
nP x E Matemtica Esperanza
P P
x x n
n
x P
P P C x P
x n x
x n x n
x
=
=

=
=



Ejemplo: La probabilidad que un da cualquiera la agencia de viajes TURSA
venda pasajes a Italia es P=0.20 y la agencia trabaja 3 das. Si la atencin
de cada da es independiente a la atencin de los das siguientes:

Esquema del experimento: S = Si vende; N = No vende pasajes a Italia

Da 1 Da 2 Da 3 Evento xi P(xi)
0.20 S 0.20 S SSS 3 0.008
0.20 S 0.80 N SSN 2 0.032
0.80 N 0.20 S SNS 2 0.032
0.80 N SNN 1 0.128
0.20 S 0.20 S NSS 2 0.032
0.8 N 0.80 N NSN 1 0.128
0.08 N 0.20 S NNS 1 0.128
0.80 N NNN 0 0.512

Se define la variable aleatoria:
x
i
: Nmero de das que la agencia vende pasajes a Italia:

En este experimento aleatorio:
n=3 Das de atencin independientes (ensayos)
P=0.20 Probabilidad de vender pasajes a Italia en un da cualquiera
X=0,1,2,3 Das que vende pasajes a Italia en los 3 das de atencin


Estadstica General Arturo Rubio
2

La distribucin de probabilidades de la variable aleatoria X es:


X

x x
x
C x P

=
3 3
) 2 . 0 1 ( ) 2 . 0 ( ) (
0
512 . 0 ) 8 . 0 ( ) 2 . 0 ( ) 0 (
3 0 3
0
= = = C x P
1
384 . 0 ) 8 . 0 ( ) 2 . 0 ( ) 1 (
2 1 3
1
= = = C x P
2
096 . 0 ) 8 . 0 ( ) 2 . 0 ( ) 2 (
1 2 3
2
= = = C x P
3
008 . 0 ) 8 . 0 ( ) 2 . 0 ( ) 3 (
0 3 3
3
= = = C x P
Total
1


0.512
0.384
0.096
0.008
0
0.1
0.2
0.3
0.4
0.5
0.6
0 1 2 3
X: Das que vende pasajes a Italia
P(X)


Para la distribucin de probabilidades resultante se verifica que:

Esperanza matemtica: E(X)=xP(x)=nP=3(0.2)=0.6 pasajes en promedio.

Variancia: V(X)=x
2
-[E(x)]
2
= nP(1-P)=3(0.2)(0.8)=0.48

Cul es la probabilidad que durante los prximos 3 das de trabajo, la
agencia venda pasajes a Italia en exactamente 3 das?

008 . 0 ) 80 . 0 ( ) 20 . 0 (
! 3 )! 3 4 (
! 4
) 80 . 0 ( ) 20 . 0 ( ) 3 (
0 3 0 3 3
3
=

= = = C x P

Cul es la probabilidad que en los prximos 3 das de trabajo, la agencia
venda pasajes a Italia en 2 ms das?.

104 . 0 008 . 0 096 . 0 ) 3 Pr( ) 2 Pr( ) 1 ( ) 2 (
2
= + = = + = = =

=

x x P P C x P
n
x
x n x n
x








Estadstica General Arturo Rubio
3

2 DISTRIBUCION POISSON

Analiza experimentos aleatorios secuenciales cuyas caractersticas son:

En cada ensayo hay slo 2 resultados posibles mutuamente
excluyentes. Por conveniencia se denomina xito=1 o resultado
favorable y fracaso=0 o resultado desfavorable.
La probabilidad de obtener un xito en cada uno de los ensayos es P (valor
muy pequeo) y se mantendr constante de un ensayo a otro ensayo.
Corresponde el estudio de los eventos raros.
Se realizan n ensayos repetidos en forma independiente (el nmero de
ensayos es bastante alto).

En este caso, la variable aleatoria x es el nmero de xitos que se obtienen
cuando los eventos ocurren en un espectro continuo de tiempo o del espacio.
La probabilidad de encontrar x xitos en los n ensayos es:

nP x V Variancia
nP x E Matemtica Esperanza
. Donde e
x
e
x P
x
= =
= =
= =


) ( :
) ( :
828 71 2
!
) (


Ejemplo: Un cajero automtico atiende a 2000 clientes al da y la probabilidad
que el cajero falle en una transaccin bancaria es 1/1000.

En este experimento aleatorio:
n=2000 clientes atendidos independientemente en el da (ensayos)
P=0.001 Probabilidad que falle la transaccin en uno de los clientes
X=0,1,2,3,4,5, ...,2000 Nmero de clientes en los que falla el cajero

2 ) 001 . 0 ( 2000 Lamda ;
!
2

!
) (
2 x
= = = = =

nP
x
e
x
e
x P
x


fallas al da

x
!
2
) (
2
x
e
x P
x
=
0 P(x=0)=2
0
e
-2
/0!=0.13534
1 P(x=1)=2
1
e
-2
/1!=0.27067
2 P(x=2)=2
2
e
-2
/2!=0.27067
3 P(x=3)=2
3
e
-2
/3!=0.18045
4 P(x=4)=2
4
e
-2
/4!=0.09022

2000 P(x=0)=2
2000
e
-2
/2000!=0.0000
Total 1




Estadstica General Arturo Rubio
4

Histograma
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Fallas (x)
P(x)


Para la distribucin de probabilidades resultante se verifica que:
Esperanza matemtica E(X)== 2 promedio de atenciones fallidas al da
Variancia V(X)=x
2
-[E(x)]
2
= =2

Cul es la probabilidad que durante el da falle exactamente 3 veces?.

18044 . 0
! 3
2
) 3 (
2 3
= = =

e
x P

Cul es la probabilidad que durante el da no falle ninguna vez?.

13534 . 0
! 0
2
) 0 (
2 0
= = =

e
x P

Cul es la probabilidad que durante el da falle en ms de un cliente?.

Considerando que P(x)= P(x=0)+P(x=1)+P(x=2)+P(x=3)+.+P(x=2000)=1

[ ] [ ] 59399 . 0 27067 . 0 13534 . 0 1
! 1
2
! 0
2
1 ) 1 ( ) 0 ( 1 ) 1 (
2 1 2 0
= + =
(

+ = = + = = >

e e
x P x P x P

Cul es la probabilidad que en medio da falle 3 veces?.

En este caso 1 2 / 2 Lamda ;
!
1

!
) (
1 x
= = = =


x
e
x
e
x P
x
falla en medio da

06138 . 0
! 3
1
) 3 (
1 3
= = =

e
x P



Estadstica General Arturo Rubio
5

3 DISTRIBUCION HIPERGEOMETRICA

Describe a los experimentos aleatorios cuyas caractersticas son:
En cada ensayo hay slo 2 resultados posibles mutuamente
excluyentes. Por conveniencia se denomina xito=1 o resultado
favorable y fracaso=0 al resultado desfavorable.
Estudia una poblacin finita de tamao N elementos, donde A elementos
tienen un atributo y los (N-A) elementos restantes no lo tienen
Se eligen al azar y sin reposicin n elementos de la poblacin.
Se define la variable aleatoria x como el nmero de elementos de la muestra
que tiene el atributo investigado, La probabilidad de encontrar x=k xitos en
la muestra de n observaciones es:

|
.
|

\
|

|
.
|

\
|
=
=
=
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
= =

1
1 ) ( :
) ( :
) (
N
n N
N
A
N
nA
x V Variancia
N
nA
x E Matemtica Esperanza
C
C C
n
N
k n
A N
k
A
k x P
N
n
A N
k n
A
k


Ejemplo: En la recepcin del hotel Astor hay 20 clientes de los cuales 15
estn insatisfechos por la atencin recibida; se elige una muestra sin reposicin
de 4 clientes y se pregunta su opinin sobre el servicio.

En el experimento aleatorio as definido:
N=20 total de clientes ;
A=15 total de clientes insatisfechos de la atencin;
N-A=5 total de clientes satisfechos de la atencin;
n = 4 nmero de clientes elegidos al azar y sin reemplazo;
X: 0,1,2,3,4 clientes insatisfechos resultante en la muestra.



X

20
4
5
4
15
) (
C
C C
x P
x x
=
0 P(x=0)=C
0
15
C
4
5
/C
4
20
=0.00103
1 P(x=1)= C
1
15
C
3
5
/C
4
20
=0.03096
2 P(x=2)= C
2
15
C
2
5
/C
4
20
=0.21672
3 P(x=3)= C
3
15
C
1
5
/C
4
20
=0.46956
4 P(x=4)= C
4
15
C
0
5
/C
4
20
=0.28173
Total 1




Estadstica General Arturo Rubio
6

HISTOGRAMA

0.00103
0.03096
0.21672
0.46956
0.28173
0
0.1
0.2
0.3
0.4
0.5
0 1 2 3 4
Clientes insatisfechos
P(x)


63158 . 0
1 20
4 20
20
15
1
20
) 15 ( 4
1
1 ) ( :
3
20
) 15 ( 4
) ( :
= |
.
|

\
|

|
.
|

\
|
= |
.
|

\
|

|
.
|

\
|
=
= = =
N
n N
N
A
N
nA
x V Variancia La
hos insatisfec Clientes
N
nA
x E Matemtica Esperanza


Determine las probabilidades siguientes:

Que 3 clientes de la muestra manifiesten estar insatisfechos.

46956 . 0
! 16 ! 4
! 20
! 4 ! 1
! 5
! 12 ! 3
! 15
) 3 Pr(
20
4
5
1
15
3
=
|
.
|

\
|
|
.
|

\
|
= = =
C
C C
x

Por lo menos 3 clientes de la muestra manifiesten estar insatisfechos.

75129 . 0 28173 . 0 46956 . 0 ) 4 Pr( ) 3 Pr( ) 3 Pr(
20
4
5
0
15
4
20
4
5
1
15
3
= + = + = = + = =
C
C C
C
C C
x x x

Por lo menos 1 cliente de la muestra manifieste estar insatisfecho.

Considerando que P(x)= P(x=0)+P(x=1)+P(x=2)+P(x=3)+P(x=4)=1

Luego: P(x1)=1-P(x=0)

99897 . 0 . 0 00103 . 0 1 1 ) 0 ( 1 ) 1 (
20
4
5
4
15
0
= = = = =
C
C C
x P x P





Estadstica General Arturo Rubio
7

B.- DISTRIBUCIONES DE VARIABLES CONTINUAS

1 DISTRIBUCION NORMAL

Si Xi es una variable aleatoria continua que describe valores de ocurrencia
normal, entonces su funcin de probabilidad es:

=

i
X
i
Cuando e x f x -
2
1
) (
2
2
) (
2
1
2









- + X
i



2
) (
) (
3.1416 y 7183 . 2 :

=
=
= =
x V Variancia
x E Matemtica Esperanza
e Donde


Para establecer las probabilidades asociadas a cualquier evento se deber
determinar las correspondientes reas comprendidas bajo esta funcin, para lo
cual ser necesario trabajar con clculo integral o utilizar la distribucin normal
estndar (Estandarizar variables).

Distribucin Normal Estandarizada
Para una variable X
i
que tiene una distribucin normal se define la
transformacin:


=
i
i
X
Z cuya distribucin ser:

=

i
Z
i
Z Cuando e x f
i
-
2
1
) (
2
2
1
2









- 0 + Xi
1 1

1 ) (
0 ) (
3.1416 y 7183 . 2 :
=
=
= =
Z V Variancia
Z E Matemtica Esperanza
e Donde


Estadstica General Arturo Rubio
8


Determinacin de Areas bajo la Curva Normal
Estandarizacin de variables normales:


=
i
i
X
Z


Las reas bajo la curva normal estandarizada se determinan con la tabla Z


1. [ ] 99396 . 0 51 . 2 Pr = Z


+2.51



2. [ ] 00604 . 0 51 . 2 Pr = Z


- 2.51



3. [ ] 96837 . 0 00604 . 0 97441 . 0 95 . 1 51 . 2 Pr = = Z


- 2.51 0 +1.95



4. [ ] 00694 . 0 99224 . 0 99918 . 0 15 . 3 42 . 2 Pr = = Z


0 2.42 3.15



5. [ ] 02559 . 0 97441 . 0 1 95 . 1 Pr = = Z


0 1.95



6. [ ] 98745 . 0 24 . 2 Pr = Z


0 2.24


Estadstica General Arturo Rubio
9


Ejemplo: Las remuneraciones de 10000 empleados de una cadena de hoteles tiene
distribucin normal con promedio S/ 500 mensual y desviacin estndar S/ 100.

Cul es la probabilidad de encontrar empleados con sueldo menor a S/ 600?
[ ] [ ] 84134 . 0 00 . 1 Pr
100
500 600
Pr 600 = =
(

=
i
i
i
Z
X
X P



Cuntos empleados con sueldo menor a S/ 600 esperara encontrar?
[ ] [ ] 8413 ) 84134 . 0 ( 10000 600 * 10000 600 * = = =
i i
X P X P N empleados

Cuntos empleados con sueldos entre 400 y 600 esperara encontrar?

[ ]
[ ] 68268 . 0 15866 . 0 84134 . 0 1 1 ) 600 400 [
100
500 600
100
500 400
600 400
= = + =
(

=
i i
i
i
Z P X P
X
P X P

[ ] [ ] 6827 ) 68268 . 0 ( 10000 600 400 10000 600 400 * = = =


i i
X P X P N empleados

Puntos Percentiles de variables con Distribucin Normal

Determinar el percentil 90% de las remuneraciones mensuales


628 ) 100 ( 28 . 1 500
28 . 1
100
500
28 . 1
= + =
=

=
X
X
Z
0.90
+1.28
El 90% de los empleados tendrn sueldos de S/ 628 menos

Determinar el tercer cuartil de las remuneraciones mensuales


567 ) 100 ( 67 . 0 500
67 . 0
100
500
67 . 0
= + =
=

=
X
X
Z
0.75
+0.67
El 75% de los empleados tendrn sueldos de S/ 567 menos

Determinar el primer cuartil de las remuneraciones mensuales


433 ) 100 ( 67 . 0 500
67 . 0
100
500
67 . 0
= =
=

=
X
X
Z
0.25
-0.67
El 25% de los empleados tendrn sueldos de S/ 433 menos




Estadstica General Arturo Rubio
10

APROXIMACION DE LA DISTRIBUCION BINOMIAL A LA NORMAL
Cuando el nmero de observaciones es mayor a 30 (n>30) o el valor de np5 se
puede utilizar la distribucin Normal para estimar las probabilidades que corresponden
a la distribucin Binomial.

Ejemplo: Se lanza una moneda 10 veces, la variable X
i
=Nmero de caras tiene
distribucin Binomial con media nP=10(0.5)=5 y variancia nP(1-P)=10(0.5)(0.5)=2.5.
Cul es la probabilidad de obtener entre 3 y 6 caras en el experimento aleatorio?

Con la distribucin Binomial:
X X
X
C X

=
10 10
) 50 . 0 1 ( ) 50 . 0 ( ) Pr(

Xi P(x
i
)
0 0.0010
1 0.0098
2 0.0439
3 0.1172
4 0.2051
5 0.2461
6 0.2051
7 0.1172
8 0.0439
9 0.0098
10 0.0010
0
0.05
0.1
0.15
0.2
0.25
0.3
0 1 2 3 4 5 6 7 8 9 10
Numero caras
P(x)


7735 . 0 ) 6 3 Pr( =
i
X

Con la distribucin Normal: 58 . 1 5 . 2 ) 5 . 0 )( 5 . 0 ( 10 5 ) 5 . 0 ( 10 = = = = =
[ ] [ ] 77189 . 0 05705 . 0 82894 . 0 95 . 0 58 . 1
58 . 1
5 5 . 6
58 . 1
5 5 . 2
6 3 = = =
(


i
i
i
Z P
X
P X P


APROXIMACION DE LA DISTRIBUCION POISSON A LA NORMAL

Cuando el valor del np10 se puede utilizar la distribucin Normal para estimar las
probabilidades que corresponden a la distribucin Poisson.

Ejemplo: Un vendedor atiende por turno a 100 clientes de los cuales slo el 1%
compra. Cul es la probabilidad que un turno cualquiera venda a 16 o ms clientes?
Con la distribucin Poisson:
0488 . 0 0001 . 0 0002 . 0 0004 . 0 0009 . 0 0019 . 0 0037 . 0 0071 . 0 0128 . 0 0217 . 0 ) 16 (
....
! 20
10
! 19
10
! 18
10
! 17
10
! 16
10
) 16 (
..... ) 20 Pr( ) 19 Pr( ) 18 Pr( ) 17 Pr( ) 16 Pr( ) 16 (
10 20 10 19 10 18 10 17 10 16
= + + + + + + + + =
+ + + + + =
+ = + = + = + = + = =

i
i
i
X P
e e e e e
X P
X X X X X X P

Con la distribucin Normal: 16 . 3 10 10 = = =
04093 . 0 95907 . 0 1 ) 74 . 1 (
16 . 3
10 5 . 15
) 16 ( = = =
(


i i
Z P
X
P X P