Distribuciones discretas de probabilidad

Introducción
Es similar a una distribución de frecuencias relativas; sin embargo, en lugar de

describir el pasado, describe la probabilidad de que un evento se presente en el

futuro. Por ejemplo, si un fabricante de medicamentos afirma que cierto tratamiento

permitirá que 80% de la población baje de peso, la agencia de protección al consumidor

quizá someta a prueba el tratamiento con una muestra de seis personas. Si la

afirmación del fabricante es cierta, es casi imposible tener un resultado en el que

nadie en la muestra pierda peso y es muy probable que 5 de cada 6 pierdan peso.

En este módulo se examinan la media, la varianza y la desviación estándar de una

distribución de probabilidad, así como tres distribuciones de probabilidad que se
presentan con frecuencia: binomial y de Poisson.

¿Qué es una distribución de probabilidad?

Una distribución de probabilidad muestra los posibles resultados de un experimento y

la probabilidad de que cada uno se presente.

DISTRIBUCIÓN DE PROBABILIDAD Listado de todos los resultados de un

Experimento y la probabilidad asociada con cada resultado.

CARACTERÍSTICAS DE UNA DISTRIBUCIÓN DE PROBABILIDAD

1. La probabilidad de un resultado se encuentra entre 0 y 1, inclusive.

2. Los resultados son eventos mutuamente excluyentes.

3. La suma de las probabilidades de los diversos eventos es igual a 1.

 ¿Cómo generar una distribución de probabilidad?

Ejemplo

Suponga que le interesa el número de caras que aparecen en tres lanzamientos de una
moneda. Tal es el experimento. Los posibles resultados son: cero caras, una cara, dos
caras y tres caras. ¿Cuál es la distribución de probabilidad del número de caras?

Solución

Hay ocho posibles resultados. En el primer lanzamiento puede aparecer una cara, una
cruz en el segundo lanzamiento y otra cruz en el tercer lanzamiento de la moneda.
O puede obtener cruz, cruz y cara, en ese orden. Para obtener los resultados del
conteo, aplique la fórmula de la multiplicación: (2)(2)(2), es decir, 8 posibles resultados.
Estos resultados se listan enseguida.
Cr = cara C = cruz

Observe que el resultado cero caras ocurre sólo una vez; una cara ocurre tres veces;
dos caras, tres veces, y el resultado tres caras ocurre una sola vez. Es decir, cero
caras se presentó una de ocho veces. Por consiguiente, la probabilidad de cero caras es
de un octavo; la probabilidad de una cara es de tres octavos, etc. La distribución de
probabilidad se muestra en la tabla de abajo. Como uno de estos resultados debe
suceder, el total de probabilidades de todos los eventos posibles es 1.000. Esto
siempre se cumple. La gráfica contiene la misma información.
Distribución de probabilidad de los eventos relativos a cero, una, dos y tres caras en
tres lanzamientos de una moneda

Presentación gráfica del número de caras que resultan de tres lanzamientos de una
moneda y la probabilidad correspondiente

Repase el ejemplo del lanzamiento de una moneda de la tabla anterior

La probabilidad de x se representa P(x). De esta manera, la probabilidad de cero caras
es P(0 caras) = 0.125, y la probabilidad de salir una cara es P(1 cara) = 0.375, etc. La
suma de estas probabilidades mutuamente excluyentes es de 1; es decir, de acuerdo
con la tabla, 0.125 + 0.375 + 0.375 + 0.125 = 1.00.
Variables aleatorias
En cualquier experimento aleatorio, los resultados se presentan al azar; así, a éste se

le denomina variable aleatoria. Por ejemplo, lanzar un dado constituye un experimento:

puede ocurrir cualquiera de los seis posibles resultados. Algunos experimentos dan

origen a resultados de índole cuantitativa (como dólares, peso o número de niños);

otros dan origen a resultados de naturaleza cualitativa (como el color o la afiliación

religiosa).Cada valor de la variable aleatoria se relaciona con una probabilidad que

indica la posibilidad de un resultado determinado.

Unos cuantos ejemplos aclararán el concepto de variable aleatoria.

• Si cuenta el número de empleados ausentes en el turno matutino del lunes, el número

puede ser 0, 1, 2, 3,… El número de ausencias es una variable aleatoria.

• Si pesa cuatro ejes de acero, los pesos pueden ser de 249 libras, 247 libras,

250 libras, etc. El peso es una variable aleatoria.

• Si lanza dos monedas y cuenta el número de caras, puede caer cero, una o dos caras.

Como el número de caras que resulta de este experimento se debe al azar, el número

de caras que caen es una variable aleatoria.

• Otras variables aleatorias pueden ser el número de focos defectuosos producidos

por hora en Cleveland Company, Inc.; el número de corredores del maratón del Diario

la prensa en la carrera de 2006 y la cantidad diaria de conductores multados por

conducir bajo la influencia del alcohol en la Ceiba.

Variable aleatoria. Cantidad que resulta de un experimento que, por azar, puede
adoptar diferentes valores.

El siguiente diagrama ilustra los términos experimento, resultado, evento y variable

aleatoria. Primero, en el caso del experimento en el que se lanza una moneda tres
veces, hay ocho posibles resultados. En este experimento, interesa el evento de que

se presenta una cara en tres lanzamientos. La variable aleatoria es el número de caras.

En términos de probabilidad, desea saber la probabilidad del evento que tiene una

variable aleatoria igual a 1. El resultado es P(1 cara en 3 lanzamientos) = 0.375.

Posibles resultados de tres lanzamientos de moneda.

Variable aleatoria discreta
Una variable aleatoria discreta adopta valores enteros. Si hay 100 empleados, el

recuento de la cantidad de ausentes el lunes sólo puede ser 0, 1, 2,3, …, 100. Una

variable discreta suele ser resultado de contar algo. Por definición:

VARIABLE ALEATORIA DISCRETA Variable aleatoria que adopta sólo

valores claramente separados.

Estos valores deben estar separados: debe haber cierta distancia entre ellos. Por

ejemplo, las calificaciones de los jueces por destreza técnica y formas artísticas en

una competencia de patinaje artístico son valores decimales, como 7.2, 8.9 y 9.7.

Dichos valores son discretos, pues hay una distancia entre calificaciones de 8.3 y 8.4.

Una calificación no puede tener un valor de 8.34 o de 8.347, por ejemplo.

Variable aleatoria continua

Por otra parte, si la variable aleatoria es continua, es una distribución de probabilidad

continua. Si mide algo, como la anchura de una recámara, la estatura de una persona o

la presión de la llanta de un automóvil, se trata de una variable aleatoria continua. Se

puede suponer una infinidad de valores, con ciertas limitaciones. Por ejemplo:

• Los tiempos de los vuelos comerciales entre San Pedro Sula y Los Ángeles son de

4.67 horas, 5.13 horas, etc. La variable aleatoria es la cantidad de horas.

• La presión, medida en libras por pulgada cuadrada (psi), en un nuevo neumático

Good Year puede ser de 32.78 psi, 31.62 psi, 33.07 psi, etc.(los gasolineros dicen

libras) En otras palabras, es razonable que se presente cualquier valor entre 28 y 35.

La variable aleatoria es la presión de la llanta.

Por lógica, si organiza un conjunto de posibles valores de una variable aleatoria en

una distribución de probabilidad, el resultado es una distribución de probabilidad.

Así, ¿cuál es la diferencia entre una distribución de probabilidad y una variable

aleatoria?

Una variable aleatoria representa el resultado particular de un experimento. Una

distribución de probabilidad representa todos los posibles resultados, así como la

correspondiente probabilidad.

Las herramientas que se utilizan, así como las interpretaciones probabilísticas, son

diferentes en el caso de distribuciones de probabilidades discretas y continuas. Este

modulo se limita al análisis e interpretación de distribuciones discretas. En el

siguiente modulo se estudiará las distribuciones continuas. ¿Cuál diría que es la

diferencia entre los dos tipos de distribuciones? Por lo general, una distribución

discreta es el resultado de contar algo, como:

• El número de caras que se presentan en tres lanzamientos de una moneda.

• El número de estudiantes que obtienen 90% en clase.

• El número de empleados de producción que se ausentaron hoy en el segundo turno.

• El número de comerciales de 30 segundos que pasan en canal 6 de las 8 a las 11

de la noche.

Las distribuciones continuas son el resultado de algún tipo de medición, como:

• La duración de cada canción en el último álbum de Madonna.

• El peso de cada estudiante de esta clase.

• La temperatura ambiente en el momento en que lee este tema.

• La suma de dinero que gana cada uno de los 150 jugadores actuales en la lista de

los equipos de la Liga nacional.

Media, varianza y desviación estándar de una distribución de
probabilidad.

En estadística I se estudió medidas de ubicación y variación de una distribución de

frecuencias.

La media indica la localización central de los datos, y la varianza describe la

dispersión de los datos. De forma similar, una distribución de probabilidad queda

resumida por su media y su varianza. La media de una distribución de frecuencias se

identifica mediante la letra minúscula griega mu (μ), y la desviación estándar, con

sigma (σ).

Media
La media constituye un valor típico para representar la localización central de una

distribución de probabilidad. También es el valor promedio de larga duración de la

variable aleatoria. La media de una distribución de probabilidad también recibe el

nombre de valor esperado. Se trata de un promedio ponderado en el que los posibles

valores de una variable aleatoria se ponderan con sus correspondientes probabilidades

de ocurrir. La media de una distribución de probabilidad discreta se calcula con la

fórmula:

MEDIA DE UNA DISTRIBUCIÓN DE PROBABILIDAD μ = Σ [x * P(x)]

Aquí P(x) es la probabilidad de un valor particular x. En otras palabras, se multiplica

cada valor x por la probabilidad de que ocurra y enseguida se suman los productos.
Varianza y desviación estándar

Como se observó, la media constituye un valor típico para resumir una distribución de

probabilidad discreta. Sin embargo, ésta no describe el grado de dispersión

(variación) en una distribución. La varianza sí lo hace. La fórmula para la varianza de

una distribución de probabilidad es:

VARIANZA DE UNA DISTRIBUCIÓN DE PROBABILIDAD

=∑ ( ) ( )

Los pasos para el cálculo son los siguientes:

1. La media se resta de cada valor y la diferencia se eleva al cuadrado.

2. Cada diferencia al cuadrado se multiplica por su probabilidad.

3. Se suman los productos que resultan para obtener la varianza.

La desviación estándar, σ, se determina al extraer la raíz cuadrada positiva de es

decir, √

Un ejemplo ayudará a explicar los detalles del cálculo e interpretación de la media

y la desviación estándar de una distribución de probabilidad.