DISTRIBUCIONES DE PROBABILIDAD

Variable aleatoria.- Una variable aleatoria X es una funcin cuyo dominio es el espacio
muestral S y cuyo rango es un subconjunto de los nmeros reales R, que tiene asociada a
su conjunto de valores una funcin de probabilidad.
En general el resultado de cada experimento se puede relacionar con un nmero si se
especifica una regla de asociacin, por ejemplo el peso total del equipaje para una muestra
de 35 pasajeros de una unidad de transporte. Esta regla de asociacin recibe el nombre
de variable aleatoria, variable porque son posibles diferentes valores numricos y aleatoria
porque el valor observado depende de cul de los posibles resultados experimentales
aparezca.
Si el rango X es el conjunto de los nmeros enteros Z o un subconjunto de Z, la variable
aleatoria de denomina discreta. Por ejemplo el

nmero de artculos

defectuosos

producidos en un lote, nmero de alumnos que asisten diariamente durante un semestre,

nmero de accidentes automovilsticos registrados durante una semana, etc.
Si el rango X es el conjunto de los nmeros reales R o un subconjunto de R, la variable
aleatoria se denomina continua. Por ejemplo el tiempo de vida de un foco que extrae
aleatoriamente de un lote de focos, el tiempo de espera para completar

un trabajo de

procesamiento de datos, resistencia (en libras por pulgada cuadrada) de una barra de
acero, etc.
Las variables aleatorias se denotan por letras maysculas X, Y, etc para distinguirlas de
sus posibles valores dados en minsculas.
Distribucin de Probabilidad para una variable aleatoria discreta
La distribucin de probabilidad de X nos permite determinar cmo es que la probabilidad total de
1, se encuentra distribuida entre todos los posibles valores de X.
EJEMPLO
Se lanza dos veces una moneda y se observa el nmero de apariciones

cara. Determine la

distribucin de probabilidad para X.

Solucin
Elementos de S
SS
CS
SC
CC

Valores de X:xi
0
1
1
2

f(xi)
f(0)=1/4
f(1)=2/4
f(2)=1/4

Observemos que f(xi) es denominada funcin de distribucin de probabilidad de la variable

aleatoria X. Tambin podemos decir que, f(x)=P(X=x)
Entre los requisitos para una distribucin de probabilidad discreta tenemos que:

0 f(x) 1

f(x) 1
x

Ejemplo
Seis lotes de dispositivos elctricos estn listos para ser enviados a cierto proveedor. El
nmero de dispositivos defectuosos de cada lote se presenta a continuacin:
Lote
# de dispositivos

defectuosos
Uno de los lotes se va a seleccionar al azar para enviarse a un cliente en particular. Construya la
distribucin de probabilidad para el nmero de dispositivos defectuosos del lote seleccionado.
Solucin
Valores de X:xi
0
1
2

f(xi)
f(0)=3/6
f(1)=1/6
f(2)=2/6

Valor Esperado .- Sea X una variable aleatoria discreta con distribucin de probabilidad f(x), , el
valor esperado o medio de X es:

E ( x) xf ( x)
x

Varianza .- Sea X una variable aleatoria

discreta con

distribucin de probabilidad

f(x), la

varianza de x es:

2 E ( x )2 E ( x 2 ) 2
La desviacin estndar de x es la raz cuadrada de la varianza
Ejemplo:
Del ejemplo anterior calcule el valor esperado y la desviacin estndar:

E ( x) xf ( x) 0(3 / 6) 1(1 / 6) 2(2 / 6) 5 / 6 0,83

x

2 E ( x ) 2 E ( x 2 ) 2 0 2 (3 / 6) 12 (1 / 6) 2 2 ( 2 / 6) (5 / 6) 2 29 / 36 =0,806

ALGUNAS DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES

ALEATORIAS DISCRETAS
1. Distribucin Binomial.2

La distribucin binomial es tpica de las variables que proceden de un experimento que

cumple las siguientes condiciones:
1) El experimento est compuesto de n pruebas iguales, siendo n el nmero de pruebas o
ensayos.
2) Cada prueba resulta en un suceso que cumple las propiedades de la variable binmica o
de Bernoulli, es decir, slo existen dos posibles resultados, mutuamente excluyentes, que se
denominan generalmente como xito y fracaso.
3) La probabilidad del xito (o del fracaso) es constante en todas las pruebas. P(xito) = p
; P(fracaso) = 1 - p = q
4) Las pruebas son estadsticamente independientes,
En estas condiciones, la variable aleatoria X que cuenta el nmero de xitos en las n
pruebas se llama variable binomial. Evidentemente, el espacio muestral esta compuesto por
los nmeros enteros del 0 al n. Se suele decir que una variable binmica cuenta objetos de
un tipo determinado en un muestreo de n elementos con reemplazamiento.
La funcin de probabilidad de la variable binomial se representa como b(x,n,p) siendo n el
nmero de pruebas y p la probabilidad del xito. n y p son los parmetros de la
distribucin.
1.1) Parmetros de la Distribucin Binomial
Media np
Varianza

npq

Desviacin estndar

npq

1.2) Funcin de Distribucin de la v.a. Binomial

Siendo k el mayor nmero entero menor o igual a xi.

Esta funcin de distribucin proporciona, para cada nmero real x i, la probabilidad de que
la variable X tome valores menores o iguales que xi.
El clculo de las F(x) = p(X x) puede resultar laborioso, por ello se han construido tablas
para algunos valores de n y p que nos facilitan el trabajo.
Sea X una variable aleatoria discreta correspondiente a una distribucin binomial.

Ejemplo 1:
Una mquina fabrica una determinada pieza y se sabe que produce un 7 por 1000 de piezas
defectuosas. Halle la probabilidad de que al examinar 50 piezas slo haya una defectuosa.
Solucin:
Se trata de una distribucin binomial de parmetros B(50, 0'007) y debemos calcular la
probabilidad p(X=1).

Ejemplo 2:
La probabilidad de que el carburador de un coche salga de fbrica defectuoso es del 4 por
100. Hallar:
a) El nmero de carburadores defectuosos esperados en un lote de 1000
b) La varianza y la desviacin tpica.
Solucin:

2. Distribucin Multinomial.La distribucin multinomial es esencialmente similar a la binomial con la nica diferencia
de que cada prueba tiene ms de dos posibles resultados mutuamente excluyentes.

Si tenemos K resultados posibles (Ei , i = 1, ... , K) con probabilidades fijas (p i , i = 1, ... ,

K), la variable que expresa el nmero de resultados de cada tipo obtenidos en n pruebas
independientes tiene distribucin multinomial.

La probabilidad de obtener x1 resultados E1, x2 resultados E2, etc.

2.1) Funcin de Distribucin Multinomial

2.2) Parmetros de la Distribucin Multinomial

Media k np k

Varianza k np k q k
2

Desviacin estndar

np k q k

Ejemplo 1:
Las probabilidades son de 0.40, 0.20, 0.30 y 0.10, respectivamente, de que un delegado
llegue por aire a una cierta convencin, llegue en autobs, en automvil o en tren. Cul es
la probabilidad de que entre 9 delegados seleccionados aleatoriamente en esta convencin
a) 3 hayan llegado por aire, 3 en autobs, 1 en auto y 2 en tren?, b) 4 hayan llegado por
aire, 1 en autobs y 2 en auto?, c) 5 hayan llegado en auto?
Solucin:
a) n = 9
x1= # de delegados que llegan por aire = 3
x2= # de delegados que llegan en autobs = 3
x3= # de delegados que llegan en auto = 1

x4= # de delegados que llegan en tren = 2

p1 = probabilidad de que un delegado llegue por aire = 0.40
p2 = probabilidad de que un delegado llegue en autobs = 0.20
p3 = probabilidad de que un delegado llegue en auto = 0.30
p4 = probabilidad de que un delegado llegue en tren = 0.10

p( x1 3, x2 3, x3 1, x4 2; n 9 )

9!
( 0.40 )3 ( 0.20 )3 ( 0.30 )1( 0.10 )2 0.0077414
3!3!1!2!

b) n = 9

x1 = 4 por aire;
x2 = 1 en autobs;
x3 = 2 en auto;
x4 = 2 en tren;

p1 = 0.40
p2 = 0.20
p3 = 0.30
p4 = 0.10

p( x1 4, x2 1, x3 2 , x4 2; n 9 )

9!
( 0.40 )4 ( 0.20 )1( 0.30 )2 ( 0.30 )2 0.15676
4!1!2!2!

c) n = 9
x1= 5 lleguen en auto;
p1 = 0.30
x2 = 4 (lleguen por aire o autobs o tren); p2 = 0.40+0.20+0.10 = 0.70
p( x1 5, x2 4; n 9 )

9!
( 0.30 )5 ( 0.70 )4 0.073514
5!4!

Ejemplo 2:
De acuerdo con la teora de la gentica, un cierto cruce de conejillo de indias resultar en
una descendencia roja, negra y blanca en la relacin 8 : 4 : 4. Encuentre la probabilidad de
que entre 8 descendientes, a) 5 sean rojos, 2 negros y un blanco, b) 3 sean rojos y 2 sean
negros.
Solucin:
a) n = 8
x1 = 5 rojos;
x2 = 2 negros;
x3 = 1 blanco;

p1= prob. Sean rojos = 8/16 = 0.50

p2 = prob. Sean negros = 4/16 = 0.25
p3 = prob. Sean blancos = 4/16 = 0.25
6

p( x1 5, x2 2, x3 1; n 8 )

8!
( 0.50 )5 ( 0.25 )2 ( 0.25 )1 0.082031
5!2!1!

b) n = 8
x1 = 3 rojos;
x2 = 2 negros;
x3 = 3 blancos;

p1 = 0.50
p2 = 0.25
p3 = 0.25

p( x1 3, x2 2, x3 3; n 8 )

8!
( 0.50 )3 ( 0.25 )2 ( 0.25 )3 0.068359
3!2!3!

Ejemplo 3:
Los ladrillos defectuosos se clasifican en una fbrica de acuerdo a las roturas, decoloracin o
ambas cosas. Si las probabilidades respectivas son: 0,50 0,40 y 0,1. Hallar la probabilidad de
que seis de 10 ladrillos tengan roturas, tres sin color y uno presente ambos defectos.

Ejemplo 4:
Los trabajos presentados a un centro de cmputo universitario pueden ejecutarse en una de
cuatro clases diferentes de prioridad:Urgente, prioridad normal, baja prioridad y espera. El centro
de cmputo estima que 10% de los trabajos se presentan como urgentes, 50% con prioridad
normal, 20%

con

baja prioridad y 20% en fila de espera. Suponga que se presentan

simultneamente n=20 trabajos.

a) Calcule la probabilidad de que 2 trabajos

se presenten como urgentes, 12 con

prioridad normal, 5 con prioridad baja y 1 en fila de espera.

b) Calcule el nmero esperado de trabajos de baja prioridad en la muestra

3. DISTRIBUCIN HIPERGEOMETRICA
Cuando se extrae una muestra de una poblacin finita, constituida por xitos y fracasos,
tal es el caso de observaciones referentes a un lote de piezas defectuosas o sin defectos,
los supuestos de un experimento Binomial se satisfacen siempre que el elemento extrado
para ser observado, se reincorpore
observacin. Este

a la poblacin

antes de hacerse la segunda

mtodo de muestreo se denomina muestreo con reemplazo. Sin

embargo en la prctica usualmente utilizamos el muestreo sin reemplazo, esto es

seleccionar aleatoriamente n elementos diferentes de N elementos de la poblacin.

Consideremos una poblacin de N unidades, de los cuales a poseen ciertas

caractersticas y N-a no la poseen. Si se hacen n extracciones al azar, sin reemplazo
entre la poblacin, cada extraccin es subsecuente es dependiente y la probabilidad de
xito cambia en cada extraccin. En estas condiciones si deseamos obtener x unidades
del tipo a( xitos) en la muestra al azar de tamao n, el nmero de xitos en este caso
se llama variable hipergeomtrica .

N-a
x

n-x

N
n

La distribucin de probabilidad hipergeomtrica est dada por:

a N a

x n x
f x)( h x n a,,;( N)
N

n
8

Media

varianza

na ( N n)( N a )
N 2 ( N 1)

Nota: Puede considerarse como regla general el uso de la distribucin Binomial como una aprox.
De la Distribucin hipergeomtrica si N es grande y

n
N

es pequeo digamos 0,05

Ejemplo 1:
Se quiere comprar un lote de 25 lmparas. Se eligen 5 de ellas al azar y se examinan de
modo que si menos de 2 fallan, el lote es aceptado, de lo contrario ser rechazado. Cul es
la probabilidad de que el lote sea rechazado si contiene un total de 4 lmparas defectuosas?
Solucin:
Sea X: Nmero de lmparas defectuosas en la muestra.
Entonces, N = 25: Total lmparas en la poblacin
n = 5: Tamao de la muestra aleatoria sin reemplazamiento.
La probabilidad de que el lote sea rechazado, es por lo tanto;
= 1 - P(X <2)
=
= 1 [f (0)+ f (1)]
= 0,17
Ejemplo 2:
Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narctico en
una botella que contiene 9 pldoras de vitamina que son similares en apariencia. Si el oficial
de la aduana selecciona 3 tabletas aleatoriamente para analizarlas, a) Cul es la
probabilidad de que el viajero sea arrestado por posesin de narcticos?, b) Cul es la
probabilidad de que no sea arrestado por posesin de narcticos?

Solucin:
a) N = 9+6 =15 total de tabletas
n = 3 tabletas seleccionadas
X:Nmero de tabletas de narctico que se puede encontrar al momento de hacer la
seleccin.
p(viajero sea arrestado por posesin de narcticos) = p(de que entre las 3 tabletas
seleccionadas haya 1 o ms tabletas de narctico)

10

 6 9 6 9 6 9

12 1 30
P(x1,23) 0,815
15 15 15

11

b) p (no sea arrestado por posesin de narcticos)

6 9

P(x0) 0 3 0,185
15

3
Ejemplo 3:
Se realiza un experimento
comercial

para

seleccionar un catalizador apropiado para la produccin

de etilendiamina (EDA), un producto que se utiliza en jabones. Suponga que un

ingeniero qumico selecciona al azar tres catalizadores para probarlos de entre un grupo de 10
catalizadores , seis de los cuales tienen baja acidez y cuatro de los cuales son muy cidos.
a)Calcule la probabilidad de que no se escoger un catalizador muy cido.
b)Calcule la probabilidad de que se escoja exactamente un catalizador muy cido.

12

Ejemplo 4:
Un embarque de 120 alarmas contra robo contiene 5 defectuosas. Si tres de estas alarmas se
seleccionan aleatoriamente y se le envan a un cliente. Determine la probabilidad de que el
cliente reciba una en mal estado.

Ejemplo 5:
Si un ingeniero de control de calidad inspecciona una muestra aleatoria de tres bateras de cada
lote de 24 bateras para automvil listos para ser embarcados. Si uno de estos lotes contiene seis
bateras con ligeros defectos
a) Qu probabilidad hay de que la muestra del inspector contenga ninguna batera con
defectos?
b) Qu probabilidad hay de que la muestra contenga solo una batera con defectos?

4.DISTRIBUCIN DE POISSON
Proporciona un modelo para la frecuencia relativa del nmero de eventos poco comunes que
ocurren en una unidad de tiempo, rea, volumen, etc. Como por ejemplo el ejemplo el nmero
de accidentes fatales por mes en una planta de produccin, el nmero de defectos visibles en un
diamante, etc.
Entre otras caractersticas tenemos:

La probabilidad de un evento que ocurra en una unidad de tiempo, rea o volumen es la

misma para todas las unidades

El nmero de eventos que ocurren

en una unidad de tiempo, rea o volumen es

independiente del nmero de los que ocurren en otras unidades.

El nmero medio (o esperado ) de eventos en cada unidad se denota por la letra griega
lambda , .

La distribucin de probabilidad para una variable aleatoria e Poisson est dada por:

f ( x)

x e
, x=0,1,2,3,.....
x!

Donde
: es el nmero medio de eventos en una unidad de tiempo, rea o volumen

=2.71828......
La media y la varianza de una variable aleatoria de Poisson son, respectivamente

Ejemplo 1:
13

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.
Solucin:
a) X = El nmero de imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc.,
etc.
= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

p( x 1, 0.6 )

( 0.6 )1( 2.718 )0.6 ( 0.6 )( 0.548845 )

0.329307
1!
1

b) X = Nmero de imperfecciones en la hojalata por cada 5 minutos = 0, 1, 2, 3, ...., etc.

= 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata

( 1 )0 ( 2.718 )1 ( 1 )( 2.718 )1

p( x 2,3,4,etc.... 1 ) 1 p( x 0,1, 1 ) 1

0
!
1
!

=1-(0.367918+0.367918) = 0.26416
c) x = Nmero de imperfecciones en la hojalata por cada 15 minutos = 0, 1, 2, 3, ....., etc.,
etc.
= 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata
p( x 0 ,1, 3 ) p( x 0 , 3 ) p( x 1, 3 )

( 3 )0 ( 2.718 )3 ( 3 )1( 2.718 )3

0!
1!

= 0.0498026 + 0.149408 = 0.1992106

Ejemplo 2:
Suponga que el nmero de grietas por espcimen de concreto con cierto tipo de mezcla de
cemento tiene una distribucin de probabilidad de poisson aproximada. Adems suponga que el
nmero de grietas por espcimen es de 2.5.
a)Calcule la media y desviacin estndar de x.
b)Calcule la probabilidad

de que un espcimen de concreto escogido al azar tenga dos o ms

grietas.

EJERCICIOS

14

1. Se ha encontrado que el nmero de cierto tipo de bacterias en el agua de servicio

pblico tiene una distribucin de Poisson. Supongamos que el nmero mximo
permisible por muestra de agua para este tipo de bacteria es 5 y que el nmero
medio de bacterias por muestra que reciben las viviendas son 2. Si fuera analizada
una muestra, cul es probabilidad de que el nmero exceda el mximo tolerable?.
2. Usando una tcnica de trasplante nuclear el ncleo de una clula de uno de los
estados finales del desarrollo de un embrin se trasplanta a un huevo fertilizado para
ver si el ncleo puede desarrollarse normalmente. Si la probabilidad de que un
trasplante tenga xito es 0.683, cul es probabilidad de que como mximo 20
trasplantes de un total de 75 fracasen?.
3. S la probabilidad de que el vapor se condense en un tubo delgado de aluminio a 10
atm de presin es 0.30. Cul es probabilidad de que en las condiciones establecidas
el vapor se condense:
a) En 5 de 9 de tales tubos
b) Entre 20 y 30 (inclusive) de 40 de tales tubos
4.

Al inspeccionar la aplicacin de estao por un proceso electrolito continuo, se

descubren en promedio 1.4 imperfecciones por minuto. Calcule las probabilidades
de encontrar:A)Una imperfeccin en 2 minutos.B)Al menos dos imperfecciones en
4 minutos.

5. El nmero de rayos gamma que emite por segundo cierta sustancia radiactiva es una
variable aleatoria que tiene distribucin de Poisson con lambda igual a 5.5. Si un
detector deja de operar cuando hay ms de 10 rayos por segundo, cul es la
probabilidad de que este instrumento deje de funcionar durante un segundo
cualquiera?.
6. El 90% de los qumicos determinan en forma correcta el porcentaje de calcio en cierto
compuesto qumico. Se pide a cinco qumicos seleccionados aleatoriamente que
determinen el porcentaje de calcio del compuesto. Cul es la probabilidad de que tres
qumicos calculen el verdadero contenido de calcio?.
7. La probabilidad de que un experimento de laboratorio tenga un resultado exitoso es
0.65. Cul es la probabilidad de que en 15 ensayos del experimento 5 resultados
sean positivos?.

15

8. Un agente qumico produce la decoloracin 7% de los rollos de papel producido por

cierta compaa. Cul es probabilidad de que en una muestra aleatoria de 15 rollos
de papel, 9 no presenten decoloracin debido al agente qumico?.
9. En promedio se encuentran 3 glbulos rojos por unidad cuadrada. Cul es la
probabilidad de que ms de 4 glbulos rojos sean visibles para un observador con
un microscopio en dos unidades cuadradas?.
10. Para estudiar la regulacin hormonal de una lnea metablica se inyectan ratas albinas
con un frmaco que inhibe la sntesis de protenas del organismo. En general, 4 de
cada 20 ratas mueren a causa del frmaco antes de que el experimento haya concluido.
Si se trata a 10 animales con el frmaco, cul es la probabilidad de que al menos 8
lleguen vivas al final del experimento?
11. En una urna hay 7 bolas blancas y 5 negras. Se sacan 4 bolas Cul es la probabilidad de
que 3 sean blancas?

12. En una fiesta hay 20 personas: 14 casadas y 6 solteras. Se eligen 3 personas al azar
Cul es la probabilidad de que las 3 sean solteras?

16