ESTADSTICA

SEMANA 8

Modelos de probabilidad

Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No est
permitido copiar, reproducir, reeditar, descargar, publicar, emitir, difundir, poner a disposicin del pblico ni 1
ESTE los
utilizar DOCUMENTO CONTIENE
contenidos para fines comercialesLA de SEMANA
ninguna clase.8
 2
ESTE DOCUMENTO CONTIENE LA SEMANA 8
NDICE

OBJETIVOS ESPECFICOS ........................................................................................................................... 4

INTRODUCCIN ...................................................................................................................................... 4
1. MODELOS DE PROBABILIDAD...................................................................................................... 5
1.1. DEFINICIONES BSICAS ....................................................................................................... 5
2. DISTRIBUCIN O MODELO BINOMIAL................................................................................................. 5
3. DISTRIBUCIN O MODELO NORMAL .................................................................................................. 8
4. MODELOS DE PROBABILIDAD CON EXCEL.......................................................................................... 12
4.1. DISTRIBUCIN BINOMIAL.................................................................................................. 12
4.2. DISTRIBUCIN NORMAL.................................................................................................... 14
COMENTARIO FINAL .............................................................................................................................. 16
REFERENCIAS........................................................................................................................................ 17

3
ESTE DOCUMENTO CONTIENE LA SEMANA 8
MODELOS DE PROBABILIDAD

OBJETIVOS ESPECFICOS
Comprender los principales usos y aplicaciones de la distribucin binomial.

Aplicar la distribucin binomial y normal para la resolucin de problemas.

INTRODUCCIN
En las primeras semanas de esta asignatura se defini la variable, la cual poda clasificarse como
cuantitativa o cualitativa y discreta o continua. Asimismo, la mayora de las variables con las que
se ha trabajado estn sometidas al azar, es decir, sus valores son producto de procesos
accidentales que escapan de control. Por ejemplo: el sueldo de un trabajador, la estatura de un
estudiante, etc. Es imposible conocer de antemano la estatura de un estudiante cualquiera, puede
tomar un rango de valores posibles. Puede ser 1,68 m o 1,73 m o cualquier otro valor. Este tipo de
variables, cuyo valor es resultado del azar, se llaman variables aleatorias, que servirn para
introducir los modelos de probabilidad.

4
ESTE DOCUMENTO CONTIENE LA SEMANA 8
 1. MODELOS DE PROBABILIDAD
Los modelos de probabilidad tienen muchas aplicaciones en la vida cotidiana, adems, con la
ayuda de Excel se pueden realizar los clculos de una manera ms ptima. Los modelos o
distribuciones de probabilidad permiten entender ciertos fenmenos naturales para poder
estudiar el comportamiento de las variables que se desean estudiar. Los modelos o distribuciones
que se analizarn son: distribucin binomial y distribucin normal.

1.1. DEFINICIONES BSICAS

a) Variable aleatoria: es aquella variable que relaciona un valor numrico para cada resultado de
un evento, experimento aleatorio o suceso. A continuacin, ejemplos tpicos:

Lanzar dos monedas al aire, la variable aleatoria es el nmero de sellos obtenidos.

Escoger un trabajador de cierta empresa, la variable aleatoria es el sueldo.
Escoger una carta del naipe ingls o del espaol.

En todos estos casos, el valor de la variable no se puede predecir y est sujeto al azar.

b) Variable aleatoria discreta: es aquella que toma valores discretos (es decir, que se pueden
contar). Por ejemplo: nmero de hijos de una familia chilena, cantidad de computadores o
celulares de una familia, cantidad de ramos aprobados por un alumno, nmero de llamadas
recibidas en un lapso de tiempo.

c) Variable aleatoria continua: es aquella que toma valores continuos (no se pueden contar). Por
ejemplo: estatura de un estudiante, temperatura media de un da cualquiera, nivel de glucosa
en la sangre.

2. DISTRIBUCIN O MODELO BINOMIAL

Supngase que un experimento aleatorio tiene las siguientes caractersticas:

En cada prueba del experimento solo son posibles dos resultados: el suceso A (xito) y su
contrario Ac (fracaso).

El resultado obtenido en cada prueba es independiente de los resultados obtenidos

anteriormente.

5
ESTE DOCUMENTO CONTIENE LA SEMANA 8
 La probabilidad del suceso A es constante, representndose como p y no vara de una prueba a
otra. La probabilidad de Ac es (1 p) y se representa por q.

El experimento consta de un nmero n de pruebas.

Todo experimento que tenga estas caractersticas se dir que sigue el modelo de la distribucin
binomial. Y a la variable x que expresa el nmero de xitos obtenidos en cada prueba del
experimento, se le llamar variable aleatoria binomial.

La variable binomial es una variable aleatoria discreta, por lo que solo puede tomar los valores 0,
1, 2, 3, 4, ..., n, suponiendo que se han realizado n pruebas. Como hay que considerar todas las
maneras posibles de obtener y (n k) fracasos, estas se calculan por combinaciones (nmero
combinatorio n sobre k, es decir:

n

k

Por su parte, la distribucin binomial se suele representar por B(n, p) siendo n y p los parmetros
de dicha distribucin.

Probabilidad de obtener k-xitos:

n
P( X k ) p k q n k
k

Observacin:

q=1p

Sea X una variable aleatoria discreta correspondiente a una distribucin binomial, se tiene que:

- P( X k ) k , donde k: nmero de xitos entre 0 y n.

- B(n, p) , donde n: nmero de pruebas, con n > 0 y p: es la probabilidad de xito, con 0 p
1

Ejemplos:

1) Una mquina fabrica ampolletas y se sabe que produce 7 ampolletas defectuosas por cada
1.000, es decir: 0,007. Encontrar la probabilidad de que al examinar 50 ampolletas solo haya
una defectuosa.

6
ESTE DOCUMENTO CONTIENE LA SEMANA 8
Solucin:

Se trata de una distribucin binomial de parmetros B(50; 0,007) por lo que hay que calcular la
probabilidad P(X = 1), o sea de que solo haya una pieza defectuosa entre 50.

n
De acuerdo a la frmula: P( X k ) p k q n k
k

Donde:

n: 50
k: 1
p: 0,007
q: 1 p = 0,993

Entonces,

50
P( X 1) 0,0071 0,99349 50 0,007 0,99349 0,248
1

Luego, existe un 24,8% de probabilidad de que al examinar 50 ampolletas haya una defectuosa.

2) La probabilidad de xito de una determinada inyeccin contra la gripe porcina es 0,72. Calcular
la probabilidad de que una vez administrada a 15 pacientes:

a) Ninguno sufra la enfermedad.

b) Todos sufran la enfermedad.
c) Dos de ellos contraigan la enfermedad.

Solucin:

Se trata de una distribucin binomial de parmetros B(15; 0,72; 0,28).

15
a) P( X 15) 0,7215 0,280 1 0,7215 0,280 0,00724

15
15
b) P( X 0) 0,72 0 0,2815 1 0,72 0 0,2815 5,097 10 9
0
15
c) P( X 13) 0,7213 0,28 2 105 0,7213 0,28 2 0,11503

13

7
ESTE DOCUMENTO CONTIENE LA SEMANA 8
3) La Fundacin Paz Ciudadana realiz una encuesta el ao 2015 a un grupo de dueas de casa de
Santiago, preguntndoles si han sido vctimas de un asalto en su domicilio alguna vez. En la
encuesta un 18% ha sido vctima de asalto. Luego, un diario realiz un estudio y entrevist a 15
dueas de casa. Donde X es el nmero de dueas de casa que han sido asaltadas en su hogar.
Determine:

a) Cul es la probabilidad de que 4 dueas de casa hayan sido vctimas de asalto en su casa?

b) Cul es la probabilidad de que, a lo menos, 6 dueas de casa hayan sido vctimas de asalto
de casa?

Solucin:

Los datos necesarios para resolver el problema son B(15; 0,18; 0,82), luego:

15
a) P( X 4) 0,184 0,8211 0,1615
4
Hay un 16% de probabilidad de que 4 dueas de casa tengan un asalto.

15
b) P( X 6) 1 P( X 6) 1 0,185 0,8210 0,922

5
Hay un 92,2% de probabilidad de que, al menos, 6 dueas de casa tengan un asalto.

3. DISTRIBUCIN O MODELO NORMAL

Este tipo de distribucin es frecuentemente utilizado en las aplicaciones estadsticas. Su propio
nombre indica su extendida utilizacin, justificada por la frecuencia o normalidad con la que
ciertos fenmenos tienden a parecerse en su comportamiento a dicha distribucin.

Grficamente, muchas variables aleatorias continuas presentan una funcin de densidad con
forma de campana.

La importancia de la distribucin normal se debe sobre todo a que hay muchas variables asociadas
a fenmenos naturales que siguen el modelo de la normal, como de tipo morfolgicos de
individuos (personas, animales, plantas, etc.) de una especie, por ejemplo: tallas, pesos,
envergaduras, dimetros, permetros, etc.; fisiolgicos, tales como: efecto de una misma dosis de
un frmaco o de una misma cantidad de abono; sociolgicos, como: consumo de cierto producto

8
ESTE DOCUMENTO CONTIENE LA SEMANA 8
por un mismo grupo de individuos, puntuaciones de examen; psicolgicos, por ejemplo: cociente
intelectual, grado de adaptacin a un medio, etc.

Caractersticas de la distribucin normal:

1) La curva tiene un solo mximo, por consiguiente es unimodal. Presenta una forma de campana.

2) La media de una poblacin distribuida normalmente se encuentra en el centro de su curva

normal.

3) A causa de la simetra de la distribucin normal de probabilidad, la mediana y la moda de la

distribucin tambin se hallan en el centro, por tanto en una curva normal, la media, la
mediana y la moda poseen el mismo valor.

4) Las dos colas (extremos) de una distribucin normal de probabilidad se extienden de manera
indefinida y nunca tocan el eje horizontal.

reas bajo la curva normal:

El rea total bajo la curva normal ser de 100%, ya que es la suma de todas las probabilidades, por
lo cual se puede considerar que las reas bajo la curva son probabilidades.

Las variables aleatorias distribuidas de manera normal asumen muchas unidades diferentes de
medicin, por lo que se hablar de forma estndar y se le simbolizar como Z.

Ejemplo:

Se sabe que el peso de los sujetos de una determinada poblacin sigue una distribucin
aproximadamente normal, con una media de 80 kilogramos y una desviacin estndar (tpica) de
10 kilogramos. Determine:

a) Cul es la probabilidad de que una persona, elegida al azar, tenga un peso superior a 100
kilogramos?

b) Cul es la probabilidad de que el peso de una persona est entre 60 y 100 kilogramos?

9
ESTE DOCUMENTO CONTIENE LA SEMANA 8
Solucin:

a) Sea X = peso de los individuos en esta poblacin, la que sigue una distribucin normal con
media de 80 ( ) y desviacin estndar de 10 ( ). Al no ser una distribucin con media 0 y
desviacin 1, se debe normalizar la variable, es decir, ocupar la variable:

X
Z

As, reemplazando:

X 80
Z
10

Luego:

100 80 20
P( X 100) P Z P Z P( Z 2) 1 P( Z 2)
10 10

Esta ltima probabilidad puede ser fcilmente obtenida a partir de la tabla distribucin normal,
resultando ser: PZ 2 0,9772 . Por lo tanto, la probabilidad de que una persona elegida
aleatoriamente de esa poblacin tenga un peso mayor de 100 kilogramos, es:

P X 100 1 PZ 2 1 0,9772 0,0228

Es decir, aproximadamente de un 2,3%.

b) Se tiene lo siguiente:

60 80 100 80
P(60 X 100) P Z P(2 Z 2) P( Z 2) P( Z 2)
10 10

P(Z 2) (1 P(Z 2)) 0,9772 1 0,9772 0,9544

10
ESTE DOCUMENTO CONTIENE LA SEMANA 8
Tabla de distribucin normal

11
ESTE DOCUMENTO CONTIENE LA SEMANA 8
 4. MODELOS DE PROBABILIDAD CON EXCEL

4.1. DISTRIBUCIN BINOMIAL

Considerar los datos que estn en el archivo BASE CONTENIDOS SEMANA 8 DISTRIBUCION
BINOMIAL.xlsx para desarrollar ejercicios con la ayuda de Excel de una distribucin binomial.

La base de datos BASE CONTENIDOS SEMANA 8 DISTRIBUCION BINOMIAL.xlsx contiene la

informacin de una multitienda llamada Falaferia, sobre sus clientes. Las variables consideradas
son: sexo, forma de pago y monto de venta. Para el siguiente anlisis, la variable aleatoria X ser
sexo.

Primero hay que calcular la tabla de distribucin de frecuencias relativas (porcentajes) de la

variable sexo, para saber la probabilidad que tiene cada uno:

Luego, calcular los siguientes ejercicios de probabilidades:

1) Si ingresan 8 clientes a la tienda y realizan una compra, cul es la probabilidad de que 5 de

ellos sean mujeres?

La probabilidad es de un 23,48%.

2) Si ingresan 5 clientes a comprar a la tienda, cul es la probabilidad de que, al menos, 3 de ellos

sean hombres?

La probabilidad
es de un
13,36%.

12
ESTE DOCUMENTO CONTIENE LA SEMANA 8
3) Si ingresan 10 personas a comprar a la tienda, cul es la probabilidad de que a lo ms 6 de
ellos sean mujeres?

La probabilidad es de 28,94%.

4) Si ingresan 6 clientes a comprar a la tienda, cul es la probabilidad de que sean ms de 3

hombres?

La probabilidad es
de 5,35%.

5) Si ingresan 20 clientes a comprar a la tienda, cul es la probabilidad de que entre 8 y 15 de

ellos sean hombre?

La probabilidad
es de 7,33%.

6) Si ingresan 12 clientes a comprar a la tienda, cul es la probabilidad de que menos de 7 de

ellos sean mujeres?

La probabilidad es de 8,44%.

13
ESTE DOCUMENTO CONTIENE LA SEMANA 8
 4.2. DISTRIBUCIN NORMAL
Considerar los datos que estn en el archivo BASE CONTENIDOS SEMANA 8 DISTRIBUCION
NORMAL.xlsx para desarrollar ejercicios con la ayuda de Excel de una distribucin.

La misma tienda del ejercicio para la distribucin binomial desea conocer algunos aspectos del
comportamiento de los montos de las compras de sus clientes. Para este anlisis, se dispone de
todos los datos recogidos durante una semana de ventas, donde se registr el nmero de boleta,
el sexo de la persona que realiz la compra, el modo de pago que utiliz, el monto de la compra y
el da que la hizo. Antes de las preguntas de ejemplo, se debe tener el valor de la media y
desviacin estndar poblacional:

Media o promedio = 118,60136

Desviacin estndar poblacional = 38,95366172

Luego, calcular:

1) Cul es la probabilidad de que el monto de la compra sea de $99.990 o menos?

La probabilidad es de un 31,6%.

2) Cul es la probabilidad de que el monto de la compra sea de a lo ms $63.450?

La probabilidad es de un 7,8%.

3) Cul es la probabilidad de que el monto de la compra sea mayor a $149.000?

14
ESTE DOCUMENTO CONTIENE LA SEMANA 8
 La probabilidad es de un 21,8%.

4) Cul es la probabilidad de que el monto de la compra sea mayor a $85.490 y menor o igual a
$199.000?

La probabilidad es de un 78,3%.

5) Cul es la probabilidad de que el monto de la compra est entre $72.500 y $135.000?

La probabilidad es de un
54,5%.

15
ESTE DOCUMENTO CONTIENE LA SEMANA 8
COMENTARIO FINAL
Los programas computacionales para estadstica son muy tiles para poder desarrollar distintos
problemas o clculos necesarios para poder tomar decisiones, ya que se gana en tiempo,
optimizando los recursos con que se puede contar. Con respecto a los programas que se pueden
utilizar el ms prctico es Excel, no solo por su gratuidad, sino por su fcil manejo. Hay otros
programas ms poderosos, como SPSS, R-Project, E-Views, etc. Para un desarrollo ms confiable
hoy en da, el uso de un buen computador se hace primordial, ya que es la herramienta que realiza
los clculos, por lo que cometer algn error es mnimo, sin embargo es el profesional a cargo
quien es el verdadero responsable de entender e interpretar los resultados, por lo que conocer los
conceptos estadsticos es bsico para un desarrollo correcto y exitoso de los valores que se
obtengan y ser un aporte en la informacin que se consiga al analizar los distintos tipos de datos.

16
ESTE DOCUMENTO CONTIENE LA SEMANA 8
REFERENCIAS
Anderson, D; Sweeney, D. y Williams, T. (2008). Estadstica para administracin y economa. 10.

edicin. Mxico: Cengage Learning.

Devore, J. (1998). Probabilidad y estadstica para ingeniera y ciencias. Mxico: International

Thomson Editores.

Levin, R.; Rubin, D.; Balderas, M.; Del Valle, J. C. y Gmez, R. (2004). Estadstica para

administracin y economa. 7. edicin. Mxico: Pearson, Prentice-Hall.

Ross, S. (1997). A first course in probability. Universidad de California, Berkeley.

PARA REFERENCIAR ESTE DOCUMENTO, CONSIDERE:

IACC (2016). Modelos de probabilidad. Estadstica. Semana 8.

17
ESTE DOCUMENTO CONTIENE LA SEMANA 8
 18
ESTE DOCUMENTO CONTIENE LA SEMANA 8