Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capítulo 4 PDF
Capítulo 4 PDF
1 INTRODUCCION
83
CAPITULO 4 DISTRIBUCIONES DE PROBABILIDAD
DEFINICION
La distribucion de probabilidad de una variable aleatoria
discreta es una tabla, unagratica, una fannula u otro
sistelDa utilizado para especificar todos losvalores
posibles de una variable aleatoria discreta junto con sus
probabilidades respectivas.
1 1351
2 793
3 348
4 156
5 58
6 28
7 15
8 6
9 3
10
FUENTE: Simone Buitendijk y Michael B. Brac
ken, "Medication in Early Pregnancy: Prevalence
12
of Use and Relationship to Maternal Characte
Total 4185
ristics", AmericanJournal ofObstetrics and Gyneco
logy, 165,33-40..
Soluci6n: Los valores de X son XI = 0, x 2 1, ... , XlI = lOy X 12 = 12. Se calculan las
probabilidades para estos valores dividiendo sus respectivas frecuencias
entre el total, 4185. Asl, porejemplo. P(X x) = 1425/4185 = .3405. EI
resultado se rnuestra en la tabla 4.2.2 que representa la distribuci6n de
probabilidades deseada. •
.35
.34
.33
.32
.31
.30
.29
.28
.27
.26
.25
.24
.23
.22
.21
.20
"0 ,19
'" .18
J,l
:0
~ .17
a:.16
,15
.14
.13
.12
.11
.10
.09
.08
.07
.06
.05
.04
" .03
.02
,01
o 2 3 4
x (numero de medicamentos)
EJEMPLO 4.2.2 .
.
~ . .
~Cual esla probabilipad d~ ,que una mujer seleq:ionada aleatoriamente sea una de
las que consumieron tres medicamentos con 0 sin .prescripci6n?
EJEMPLO 4.2.3
EJEMPLO 4.2.4
~Cual es la probabilidad de que una mujer seleccionada aleatoriamente sea una de
las que consumieron dos 0 menos medicamentos?
. Solucion: La probahilidad buscadase puede locaJizar directamente en la tabla 4.2.3,
en ellado opuesto a x = 2, donde se observa que es .8528. Es decir, P(x
:<;; 2) = .8528. Tambien se puede localizar la respuesta examinando la
figura 4.2.2 y determinando la altura de la grafica (medida sobre el eje
vertical) arriba .del.valor de:J!: = 2. •
88 CAPITULO 4 DISTRIBUCIONES DE PROBABILIDAD
1.00
.95
.90
.85
.80
.75
.70
.65
.60
.55
~ .50
r....
.45
.40
.35
.30
.25
.20
.15
.10
.05
o 2 3 4 5 7 8 9 10 11 12
x (numero de medicamenlos)
FIGURA 4.2.2 Distribuci6n deprobabilidad acumulada del numero de medicamentos con 0
sin prescripci6n utilizados durante el embaraZo entre las mujeres descritas en el ejemplo 4.2.1.
4.3 DISTRIBUCION BINOMIAL 39
EJEMPIJO 4.2.5
~GuaJ. es la probabilidad de que una mujer seleccionada aleatoriamente sea una de
las que, consumieron menos de dos medicamentos?
SoIudon:Puesto que una mujer que consumio menos de dos medicamentos indica
que consumio uno 0 ninguno, la respuesta es la probabilidad acumulada
para 1, esdecir, P(x < 2) = P(x S 1) == .6633. •
EJEMPLO 4.2.6
~Guales la probabilidad de que una mujer seleccionada aleatoriamente haya con
sumido cinco 0 mas medicamentos?
Soludon: Para encontrar la respuesta se utiliza el conceptode probabilidad com
plementaria. EI conjunto de mujeres que consumen cinco 0 mas medi
c<:l.mentos es el complemento del conjllllto de mujeres que consumen
menos de cinco (es decir, cuatro 0 menos). La suma de las probabilida
des asociadas coneste conjunto es igual a 1. Esta relacion escrita en
notacion de probabilidad es P(x 2 5) + P(x s ,4) == 1. Por 10 tanto, P(x 2
5) = 1 - P(x s 4) = 1- .9733 = .0267. •
EJEIUPLO 4.2.7
~Gual es la probabilidad de que una mujer seleccionada aleatoriamente sea una de
las que consumieron entre tres y cinco medicamentos, inclusive?
Soludon: P(x s 5) = .9872 es la probabilidad de que una mujer haya consumido
entre cero y 5 medicamentos, inclusive. Para obtener la probabilidad de
entre 3 y 5, se resta de .9872 la probabilidad de 2 0 menos. La respuesta
escrita en notacion de probabilidad queda como: P(3 S x s 5) P(x s
5) - P(x s 2) = .9872 - .8528 = .1344. •
La distribuci6n de probabilidad dada en la tabla 4.2.1 esta desarrollada a partir de
la experiencia real, asi que de encontrar otra variable siguiendo esta distributi6n
, seria s6lo por casualidad. Sin embargo, las distribuciones de probabilidad de mu
chas variables de interes pueden determinarse 0 asumirse sobre la base de conside
raciones te6ricas. En las siguientes secciones, se estudian con detall,e tres de estas
distribuciones te6ricas de probabilidad: binomial, Poisson y normal.
EJEMPLO 4.3.1
Se desea calcular la probabilidadde x exitos en n ensayos de Bernoulli. Por ejem
plo, suponga que en cierta poblacion 52 por ciento de todos los nacimientos que se
registraron son varones. La interpretacion de esto es que la probabilidad del naci
miento de un varon registrado es de .52. Si aleatoriamente se escogen cinco regis
tros de nacimiento dentro de esa poblacion, ~cual es la probabilidad de que
exactamente tres de ellos pertenezcan a varones?
Solucion: Designe la ocurrencia de un registro para el nacimiento de un varon
como "exito", y se aclara que esta es una designaciori arbitraria con fines
de claridad y conveniencia y no refleja ninguna opinion respecto a la
preferencia relativa del nacimiento de varones frente a m:ujeres. La ocu
rrencia de un registro de nacimiento para un varon se designa como
exito, puesto que 10 que se busca son registros de nacimientos de varo
nes. Sise buscasen registros denacimientos de mujeres, estos sedan de
signados como exitos, y el registro de nacimientos de varones sedan
designados como fracasos. .
Tambien es conveniente asignar el numero 1 a un exito (registro
del nacimiento de un varon) y un 0 para un fracasb (registro de naci
miento de una mujer).
El proceso que finalmente resulta en un registro de nacimiento se
considera como un proceso de Bernoulli.
Suponga que, de los cinco registros de nacimiento seleccionados,
resulta esta secuencia de sexos:
VMVVM
En forma codificada se escribe de la siguiente forma: .
. .
10110
Puesto que la probabilidad de un exito .~e denota con pyla probabi
lidad de un fracaso se denota con q, la probabilidad dela secuencia de los
resultados anteriQres se calcula por medio de la regIa de multiplicacion:
Numero Secuencia
2 11100
3 10011
4 11010
5 11001
6 10101.
7 01110
8 00111
9 01011
10 01101
10(.48)2(.52)310(.2304)(.140608) .32
•
92 CAPITULO 4 DISTRIBUCIONES DE PROBABILIDAD
DEFINICION
Una cornbinaci6n de n objetos tornados x a la vez es un
subconjunto desordenado de x de los n objetos.
n!
.GN = - - - - (4.3.1)
x!(n-x)!
donde: x!, que se lee x factorial, es el producto de todos los numeros enteros de x
hasta 1. Es decir, xl = x(x - l)(x 2) ... (1). Observe que, por definicion, 01 1.
En el ejemplo se tiene una muestra de n = 5 nacimientos y se tiene inten~s en
encontrar la probabilidad de que tres de elIos sean nadmientos de varones.
EI numero de secuencias para el ejemplo se caIcula con la ecuacion 4.3.1 como
sigue:
120
10
12
En el ejemplo, x = 3 es el numero de exitos, as! que n - x 2 representa el
numero de fracasos. Luegose escribe la probabilidad de obtener exactamente x
exitos en n ensayos:
=
j(x) nGxqn-xpx = nG/jrqn-N para x = 0, 1, 2, ... , n
= 0, en caso contrario (4.3.2)
o "Coq"-0pO
1 "C1qn-lpl
2 nC2qn-2p2
n
Total 1
1. j{x) ~ 0 para todos los valores reales de x. Esto proviene del hecho de que n y
p no son nfuneros negativos, por 10 que n ex' px y (1- p)" -xtampoco 10 son, por
10 tanto sus productos son mayores 0 iguales a cero.
n(n 1)
2
94 CAPITULO 4 DISTRIBUCIONES DE PROBABILIDAD
FJEJ\tIPLO 4.3.2
Otro ejemplo del uso de la distribucion binomial. Suponga que se sabe que 30 por
ciento de cierta poblacion es inmune a alguna enfermedad. Si se escoge una mues
tra aleatoria de 10 elementos de entre esta poblacion, ~cu<il es la probabilidad de
que dicha muestra contenga exactamente cuatro personas inmunes?
Solucion: Se tiene que la probabilidad de elegir una persona inmune es de .3. AI
utilizar la ecuacion 4.3.1 se encuentra que:
f(4) = IOC4 (.7)6(.3)4
= 10! (.1l7649)(.0081)
416!
Tabla binomial
=.2001
El calculo de una probabilidad empleando la ecuacion 4.3.1
•
puede ser una labor tediosa si el tamafio de la muestra es grande. Por fortuna, las
probabilidades para diferentes valores de n, pyx ya estan tabuladas, por 10 que
solo es necesario consultar la tabla conveniente para obtener la probabilidad de
seada. La tabla B del apendice es una de muchas tab las disponibles. Dicha tabla
presenta la probabilidad de que x sea menor 0 igual a alglin valor espedfico. Es
decir, la tabla presenta las probabilidades acumul~tivas desde x = 0 hasta alglin
numero positivo especffico de exitos.
El uso de la tabla se muestra utilizando el ejemplo 4.3.2, en el que se requiere
calcular la probabilidad de x = 4 cuando n 10 y P=.3. De acuerdo con el estudio
de la distribticion de probabilidad acumulada de la seccion anterior, se sabe que P(x
4) puede calcularse restando P(X ~ 3) de P(X ~ 4). Si en la tabla B se localiza a p
.3 para n = 10, se encuentra que P(X ~ 4) .8497 y P(X ~ 3) = .6496. La resta del
primero menos el segundo es igual a .8497 .6496 = .2001, 10 cual coincide con el
calculo manual.
Con frecuencia el interes radica no solo en determinar las probabilidades
para valores especfficos de X, sino para intervalos donde la probabilidad de X este
entre, digamos, 5 y 10. Con el siguiente ejemplo se muestra 10 anterior:
r\JEJ\tIPLO 4.3.3
Suponga que se sabe que en cierta poblacion 10 por ciento es daltonica. Si se extrae
una muestra aleatoria de 25 personas de esa poblacion, con la tabla B del apendice,
encuentre la probabilidad de que:
a) Existan cinco 0 menos daltonicos.
Solucion: La probabilidad esta en una de las entradas de la tabla. Sin la necesidad
de sumar ni res tar, la probabilidad P(X ~ 5) = .9666.
b) Existan seis 0 mas daltonicos.
Soluci6n: Esta probabilidad no se puede encontrar directamente en la tabla. Para
encontrar la respuesta, se utiliza el concepto de probabilidades comple
mentarias. La probabilidad de que existan seis 0 mas daltonicos es el
4.3DISTRIBUCION BINOMIAL 95
Puesta en palabras, la ecuacion 4.3.3 dice que: "La probabilidad de que X sea
igual a algu.n valor especffico dado el tamano de la muestra y una probabilidad
mayor que .5, es igual ala probabilidad de que X sea igual a n ~ x dado el tamano de
la muestra y la probabilidad de un fracaso I-p". Con la finalidad de utilizar la tabla
binomial, la probabilidad de un fracaso se trato como la probabilidad de un exito.
_Cuando pes mayor que .5, las probabilidades acumuladas pueden obtenerse a par
tir de la tabla B empleando la siguiente relacion:
E,JEMPLO 4.3.4
Encierta comunidad, en una tarde dada, en 85 por cientode las farnilias, alguno de
los miembros esta en casa. Un equipo de investigacion sanitaria selecdona una
muestra aleatoria de 12 familias para realizaruna encuesta via telefonica. Con la
tabla B, calcule la probabilidad de que:
96 CAPITUL04 DISTRIBUCIONES DE PROBABILIDAD
6 6
Inciso a CD P(X == 7112, .85) ® P(X == 7112, .15 )
Inciso c
® 11
12
P(X ~ 8112, .85)
0 p(X~4112, .15)
FIGURA 4.3.1 Representaci6n esquematica de la soluci6n del ejemplo 4.3.4 (dentro de los
6valos se encuentra el numero relevantede exitos y fracasos en cada caso).
EJERCICIOS 97
FJERCICIOS
En cada uno de los siguientes ejercicios, suponga que N es suficientemente grande con rela
ci6n any que es posible utilizar la distribuci6n binomial para calcular las probabilidades que
se piden.
4.3.1 Sobre la base del amilisis de datos recolectados por el National Center for Health Statistics,
Najjar y Rowland (A-2) informaron que 25.7 por ciento (redondear a 26 por ciento para
prop6sitos del calculo) de personas adultas de EVA tienen sobrepeso. Si se extrae una mues
tra aleatoria simple de 20 adultos, encuentre la probabilidad de que el numero de personas
con sobrepeso, dentro de la muestra, sean:
a) Exactamente tres personas b) Tres 0 mas personas
4.3.2 Consulte el ejercicio 4.3.1. ~Cuantos adultos con sobrepeso se espera encontrar en la mues
tra de 20?
4.3.3 Consulte el ejercicio 4.3.1. Suponga que se extrae una muestra aleatoria simple de cinco
adultos. Con la ecuaci6n 4.3.2 encuentre la probabilidad de que el numero de personas con
sobrepeso en la muestra sea:
a) Cero b) Mas de una
e) Cinco
Datos:
C1: 0 1 2 3 4 5 6
Resultados:
e) Seis 0 mas
4.3.5 Consulte el ejercicio 4.3.4 y encuentre la media y variancia del numero de fumadores en la
muestra de tamafio 15.
4.3.6 En referencia al ejercicio 4.3.4, suponga que se toma una muestra aleatoria simple de 25
adultos hoy dia y se encuentra que dos son fumadores. tRace sospechar este resultado que el
numero de fumadores ha disminuido desde 1985? iPor que sf 0 por que no?
EJERCICIOS 99
Datos:
C1: 0 1 2 3 4 5 6
x P(X = x)
0.00 0.1176
1.00 0.4202
2.00 0.7443
3.00 0.9295
4.00 0.9891
5.00 0.9993
6.00 1.0000
FIGURA 4.3.3 Calculo efectuado por el paquete MINITAB de la probabilidad binomial
acumulada para x = 0 hasta x = 6, cuando n = 6 YP = .3.
4.3.7 La probabiJidad de que una persona que sufre de migrana tenga alivio con un farmaco
especffico es de-,9, Se seleccionan aleatoriamente a tres personas con migrana a las que se les
administra el farmaco. Encuentre la probabilidad de que el numero de personas que logran
alivio sean:
a) Exactamente cero b) Exactamente uno c) Mas de uno
d) Dos 0 menos e) Dos 0 tres f) Exactamente tres
4.3.8 En una investigaci6n realizada entre estudiantes de enfermerfa aspirantes al grade de maes
tria, 75 por ciento declararon que esperaban ser promovidos a un puesto mas alto un mes
despues de obtener el grado, Si este porcentaje representa a toda la poblaci6n, encontrar,
para una muestra de 15, la probabilidad de que el numero de personas que esperan una
promoci6n un mes despues de obtener eI grado sean:
a) Seis b) AI menos siete c) No mas de cinco d) Entre seis y nueve, inclusive
4.3.9 Dado el parametro binomial p = ,8 Yn = 3, muestre mediante el desarrollo binomial dado
en la tabla 4,3.1 que 'i,f(x) = 1.
100 CAPiTULO 4 DlSTRIBUCIONES DE PROBABILIDAD
1 Por comodidad, la distribuci6n de Poisson se estudia en terminos de intervalos, aunque tambien inter
vienen otras unidades como volumen.
4.4 DISTRIBUCION DE POISSON 101
FJEMPLO 4.4.1
En un estudio de suicidas, Gibbons et al. (A-4) encontraron que la distribuci6n men
sual de adolescentes suicidas en el condado de Cook, Illinois, entre 1977 y 1987
sigui6 una distribuci6n de Poisson con parametro A 2.75. Encuentre la probabili
dad de que un mes seleccionado aleatoriamente sea uno en el que ocurri6 el suici
dio de tres adolescentes.
FJEMPLO 4.4.3
Durante eI estudio de cierto organismo acuatico, se tom6 un gran numero de mues
tras de una laguna, y se cont6 eI numero de organismos en cada muestra. EI nume
ro promedio de organismos encontrados por muestra fue de dos. Suponga que el
numero de organismos sigue una distribuci6n de Poisson, y calcule la probabilidad
de que la pr6xima muestra que se tome tenga un organismo 0 menos.
Solucion: En la tabla C se aprecia que cuando A = 2, la probabilidad de que X S; 1
es .406. Es decir, P(X S; 112) = .406. •.
102 CAPITULO 4 DISTRIBUCIONES DE PROBABILIDAD
E,JEMPLO 4.4.4
Cl: 0 1 2 3 4 5 6
Resultados:
Probability Density Function
Poisson with mu = 0.700000
x P(X = x)
0.00 0.4966
1.00 0.3476
2.00 0.1217
3.00 0.0284
4.00 0.0050
5.00 0.0007
6.00 0.0001
EJERCICIOS
4.4.1 Suponga que se sabe que en cierta area de una gran ciudad el numero promedio de ratas por
manzana es de cinco. Suponga que el numero promedio de ratas sigue una distribuci6n de
Poisson, y calcule la probabilidad de que en una manzana elegida aleatoriamente:
a) Existan exactamente cinco ratas.
Datos:
Cl: 0 1 2 3 4 5 6
Resultados:
Probability Distribution Function
Poisson with mu = 0.700000
x P(X = x)
0.00 0.4966
1.00 0.8442
2.00 0.9659
3.00 0.9942
4.00 0.9992
5.00 0.9999
6.00 1.0000
4.4.2 Suponga que en un periodo de varios aftos el nfunero promedio de muertes por cierta enfer
medad no contagiosa es de 10. Si el numero de muertes por esa enfermedad sigue la distri
buci6n de Poisson, emil es la probabilidad de que durante el ano en curso:
a) Exactamente siete personas mueran por esa enfermedad
b) Diez 0 mas personas mueran por esa enfermedad
c) No haya muertes por esa enfermedad
4.4.3 Si el numero promedio de accidentes graves por ano en una fibrica grande (donde el nfunero de
empleados es constante) es de cinco, calcule la probabilidad de que en el ano en curso haya:
a) Exactamente siete accidentes b) Diez 0 mas accidentes
c) Cero accidentes d) Menos de cinco accidentes
4.4.4 En un estudio sobre a la efectividad de un insecticida contra cierto insecto, se fumig6 una
gran area de tierra que, mas tarde, se examin6 por cuadrantes elegidos aleatoriamente y en
la que se cont6 el numero de insectos vivos por secci6n. Experiencias previas han demostra
do que el numero promedio de insectos vivos por cuadrante, despues de fumigar, es de .5. Si
el numero de insectos vivos por secci6n sigue una distribuci6n de Poisson, emil es la probabi
lidad de que cierto cuadrante elegido tenga:
a) Exactamente un insecto vivo b) Cero insectos vivos
c) Exactamente cuatro insectos vivos d) Uno 0 mas insectos vivos
4.4.5 En cierta poblaci6n, cada ano se diagnostica un promedio de 13 nuevos casos de cancer
esofagico. Si la incidencia anual de este tipo de cancer sigue una distribuci6n de Poisson,
calcule la probabilidad de que en un ano determinado el numero de nuevos casos diagnosti
cados de cancer sea:
a) Exactamente 10 b) AI menos ocho
c) No mas de 12 d) Entre nueve y IS, inclusive e) Menos de siete
4.5 DISmmUCIONES DE
PROBABHIDAD CONTINUA
fIx)
x
FIGURA 4.5.1 Histograma resultante de un gran numero de valo
res y c1ases de intervalos pequenos.
fIx)
fIx)
a x
FIGURA 4.5.3 Gratica de una distribuci6n continua que
muestra el area entre a y b.
nes de las variables aleatorias continuas. Esto tiene algunas consecuencias imp or
tantes cuando se trabaja con distribuciones de probabilidad. Primero, el area total
bajo la curva es igual a uno, como 10 es para el histograma, y la frecuencia relativa
de ocurrencia de los valores entre dos puntos especfficos cualesquiera, sobre el eje de
las x, es igual al area total delimitada por la curva, el eje de las x y las rectas perpen
diculares levantadas sobre ambos puntos del eje de las x, tal como 10 muestra la
figura 4.5.3. La probabilidad de cualquier valor especifico de la variable aleatoria es
cera. Esto es logico, puesto que un valor especffico se representa como un punto
sobre el eje de las x y el area por encima de ese punto es cero.
DEFINICION
A una funci6n no negativa f(x) se Ie llama distribucion de
probabilidad (tambien llamada, algunas veces, funci6n de
densidad de probabilidad) para la variable aleatoria
continua X, si el area total deliInitada por su curva y el
eje de las x es igual a 1 y si la subarea delimitada por la
curva, el eje de las x, y por las lineas perpendiculares
levantadas sobre dos puntos cualesquiera a y b da la
probabilidad de que X este entre los puntos a y b.
4.6 DISTRIBUCI6N NORMAL 107
/20')
f(X) = oo<X<oo (4.6.1)
JL x
FIGURA 4.6.1 Grifica de la distribud6n normaL
108 CAPiTULO 4 DISTRIBUCIONES DE PROBABILIDAD
,u-1u,u,u+1u x
(a)
.025 .025
,u x
(b)
.0015 .0015
FIGURA 4.6.3 Tres distribuciones normales con diferente media, pero con la misma va
riabilidad.
FIGURA 4.6.4 Tres distribuciones normales con diferente desviaci6n estandar pero con
la misma media.
110 CAPITULO 4 DISTRIBUCIONES DE PROBABILIDAD
r~-Z'f2dz
zo&
Afortunadamente, no hay nada que ver con las integrales porque existen tablas
disponibles en las que se puede consultar el resultado de todas las integraciones
que aqul puedan necesitarse. La tabla D, del apendice, es un ejemplo de estas ta
bIas. En el cuerpo de Ia tabla D se encuentran las areas bajo la curva entre O<:J y los
valores de z mostrados en Ia columna izquierda de la tabla. EI area sombreada de Ia
figura 4.6.6 representa el area que aparece como Iista en la tabla, para los valores
entre O<:J y zo' donde Zo es el valor espedfico de z.
Ahora, con los siguientes ejemplos se muestra el uso de la tabla D.
EJEMPLO 4.6.1
Dada la distribucion normal estandar, calcular el area bajo la curva, arriba del eje z,
entre z = - 00 y z = 2.
o 2 z
EJEMPLO 4.6.2
~Cual es la probabilidad de que una z, tomada al azar de entre los valores de z, este
entre -2.55 y + 2.55?
-2.55 o 2.55 x
HGUKA 4.6.8 Curva normal estandar para mostrar P(-2.55 < z < 2.55).
112 CAPiTULO 4 DISTRIBUCIONES DE PROBABILIDAD
EJEMPLO 4.6.3
-2.74 o 1.53 z
FlGUR!\ 4.6.9 CUIva normal estfuldar para mostrar la pro
porci6n de los valores de z entre z -2.74 y z 1.53.
•
EJEMPLO 4.6.4
o 2.71 z
FIGUM 4.6.11 Curva normal esUindar para mostrar P(.84::;; z::;; 2.45).
•
FJERCICIOS
Dada la distribuci6n normal estandar, calcule:
FJEl\IPLO 4.7.1
z
-2.62 0
por decir ZO' corresponde a una x de 800. Esto se hace con la siguiente
formula:
x
z= (j
(4.7.1)
P(x < 800) = p(z < 800 1076.80) =P(z < -2.62) .0044
105.76
EJEMPLO 4.7.2
Suponga que se sabe que la estatura de cierta poblacion de individuos sigue una
distribuci6n aproximadamente normal con media de 70 pulgadas y una desviaci6n
estandar de 3 pulgadas. ~Cual es la probabilidad de que una persona seleccionada
al azar de este grupo tenga una estatura entre 65 y 74 pulgadas?
Solucion: En la figura 4.7.3 se muestra la distribuci6n de las estaturas y la distribu
cion z que resulta de transformar los valores originales para determinar
las probabilidades deseadas. Se encuentra que el valor z correspondien
te para una x de 65 es:
65 70 x
-1.67 o 1.33 z
z 74-70 = 1.33
3
En la tabla D se encuentra que el area entre - 00 y -1.67 es de .0475 y el
area entre - 00 y 1.33 es .9082. El area deseada es la diferencia entre
.9082 .0475 = .8607. En resumen,
.9082 .0475
.8607
E,JEMPLO 4.7.3
Datos:
C 1: -3 -2 -I 0 1 2 3
R.esultados:
. . .
x P{X = x}
-3.0000 0.0013
-2.0000 0.0228
-1.0000 0.1587
0.0000 0.5000
LoOOO 0.8413
2.0000 0.9772
3.0000 0.9987
. FIGURA 4.t4 Calculos con el paquete MINITAB de-las probabilidades normales estindar
acumuladas.
EJERCICIOS 119
FJERCICIOS
4.7.1 Suponga que las edades deinicio de cierta enfermedad tienen una distribuci6n aproximada c
mente normal, con una media de 11.5 anos y una desviaci6n estandar de 3 anos. Un nino
contrae recientemente la enfermedad. Cual es la probabilidad de que la edad del nino sea:
a) Entre 8.5 y 14.5 anos
b) Mas de 10 afios
c) Menos de 12
4.7.4. Suponga que el tiempo promedio de permanencia hospitalaria por enfermedad cronica
para un tipo de paciente es de 60 dias, con una desviaci6n esmndar de 15. Si es razonable
suponer que se tiene una distribuci6n aproximadamente normal para el tiempo de hospita
lizacion, calcule la probabilidad de que un paciente, elegido aleatoriamente entre ese grupo,
tenga una hospitalizacion:
a) Mayor que 50 dias b) Menor que 30 dias
4.7.5 Si el nive! total de cole sterol en cierta poblaci6n tiene una distribuci6n aproximadamente
normal, con una media de 200 mgl100 m! y una desviaci6n estandar de 20 mg/lOO m!,
calcule la probabilidad de que un individuo, elegido al azar de entre esa poblaci6n, tenga un
nivel de colestero!:
a) Entre 180 y 200 mg/100 mi b) Mayor que 225 mg/lOO m!
4.7.6 Dada un:a pobla:cion con distribuci6n normal, con una media de75 y una variancia de 625,
calcule:
a) P(50:::; x:s; 100) b) P(x > 90)
. c) P(x < 60) d) P(x ~ 85)
4.7.7 Los pesos de una poblaci6n de mujeres j6venes, tienen una distribuci6n aproximadamente
normal con una media de 132 libras y una desviaci6n estandar de 15. Calcule la probabili
dad, de que unajoven, elegida al azar entre esa poblaci6n, pese:
a) Mas de 155 libras b) 100 libras 0 menos c) Entre 105 y 1451ibras
4.8 RESllMEN
En este capitulo, los conceptos de probabilidad descritos en el capitulo anterior se
abordan con mas profundidad. Se analizan los conceptos de variables aleatoria,
discreta y continua, asi como las distribuciones de probabilidad. Se examinan deta
lladamente, en especial, dos distribuciones de probabilidad discreta, la binomial y
la de Poisson, y una distribucion de probabilidad continua, la normal. Tambien se
estudia como esas distribuciones teoricas permiten formar enunciados de probabi
lidad para las variables aleatorias que son de interes para e1profesional de la salud.
'1. ~Que es una variable aleatoria discreta? De tres ejemplos que sean de iriteres para el profe
sional de la salud.
2. ~Que es una variable aleatoria continua? De tres ejemplos que sean de interes para el profe
sional de la salud.
3. Defina la distribuci6n de probabilidad para una variable aleatoria discreta.
4. Defina la distribuci6n de probabilidad para una variable aleatoria continua.
15. El metodo usual para ensenar una habilidad de cuidado personal a gente con retraso men
tal, es efectivo en 50 por ciento de los casos. Un nuevo metodo es ensayado con 10 personas.
Si el nuevo metodo no es mejor que el habitual, 2cuM es la probabilidad, de que siete 0 mas
individuos 10 aprendan?
16. Los registros del personal de un gran hospital muestra que 10 por ciento de los empleados
de mantenimiento y aseo renuncian un ano despues de ser contratados. Si 10 nuevos em
pleados son contratados:
a) "-Cual es la probabilidad de que exactamente la mitad de ellos se encuentren trabajando
un ano despues?
17. En cierto pais en desarrollo, 30 por ciento de los ninos estan desnutridos. En una muestra
aleatoria de 25 ninos de esa area, cual es la probabilidad de que el mimero de ninos desnu
tridos sea:
a) Exactamente 10 b) Menos de cinco
18. En promedio, dos estudiantes por hora son enviados para tratamiento en la sala de primeros
auxilios en una gran escuela primaria.
a) 2Cual es la probabilidad de que durante una hora dada, tres estudiantes lleguen a la sala
b) 2Cuat es la probabilidad de que durante una hora dada, dos 0 menos estudiantes sean
enviados a la sala de primeros auxilios?
c) (Cual es la probabilidad de que entre tres y cinco estudiantes, inclusive, sean enviados a la
19. En promedio, cinco fumadores pasan por la esquina de cierta calle cada 10 minutos. Cual es
la probabilidad de que durante un periodo dado de 10 minutos el numero de fumadores que
pasen sea de:
a) Seis 0 menos b) Siete 0 mas
c) Exactamente ocho
20. En cierta area de la ciudad sucede en promedio un suicidio por meso Encuentre la probabi
lidad de que durante un mes dado, el numero de suicidios sea:
a) Mas de uno b) Menos de uno
c) Mas de tres
21. Los IQ de individuos intemados en una escuela del estado para retrasados mentales tiene una
distribuci6naproximadamente normal con una media de 60 y una desviaci6n estandar de 10.
dicha tarea.
c) La probabilidad de. que una enfermera ala que recientemente se Ie asign6 la tarea,
termine en 3 minutos.
23. Las calificaciones de una prueba de aptitud aplicada a estudiantes de enfermerfa sigue una
distribuci6n aproximadamente normal, con una media de 500 y una variancia de 10,000.
a) (Que proporci6n de los individuos examinados lograra menos de 200 puntos?
b) Una persona esta por resolver el examen.(Cual es la probabilidad de que logre una
calificaci6n de 650 0 mas puntos?
c) (Que proporci6n lograra calificaciones entre 350 y 675 (puntos)? .
24. Dada una variable binomial con media de 20 y variancia de 16, calcule n y p.
25. Suponga que una variable X se distribuye normalmente, con una desviaci6n estandar de 10.
Dado que .0985 de los valores de X son mayores que 70, (cual es valor de la media de X?
26. Dada una variable aleatoria X distribuida normalmente, calcule' el valor numerico de k, tal
que P(1l kcr 5, X 5, !l +- kcr) = .754.
27. Dada la variable aleatoria X distribuida normaImente, con una media de 100 y una desvia
ci6n estandar de 15, calcule el valor numerico de k, tal que:
a) P(X 5, k) = .0094
b)P(Xzk)= .1093
c) P(100 5, X ~ k) = .4778
d) P(k' ::; X 5, k) = .9660, donde k' Y k son equidistantes de IL
28; Dada una variable aleatoria X distribuida normalmente, con cr 10 y P(X 5, 40) .0080,
calcule 11.
29. Dada una variable aleatoria X distribuida normalmente, con cr = 15 Y P(X ~ 50) =.9904,
calcule 11.
30. Dada unavariable aleatoriaX distribuida normalmente, con cr = P(X z 25) = .0526,
calcule 11.
31. Dada una variable aleatoria X distribuida normalmente, con !l = 25y P(X 5, 10) = .0778,
calcule cr.
32. Dada una variable aleatoria X distribuida normalmente, con 11 30y P(X 5, 50) .9772,
calculecr.
33. Explique por que cada una de las siguientes mediciones es 0 no el resultado de ensayos de
Bernoulli:
a) EI sexo de recien nacidos .
. b) Lq. dasificaci6n de la condici6n de los pacientes hospitalizados: estable, en condiciones
criticas, regular, buena, mala ..
34. Explique por que cada una de las siguientes mediciones es 0 noel resultado de ensayos de
Bernoulli:
a) EI numero de procedimientos quirfugicos aplicados en un hospital.en una semana.
b) La temperatura de pacientes hospitalizados en grados Celsius.
BIBLIOGRAFIA 123
35. Explique por que cada una de las siguientes distribuciones es 0 no una distribuci6n de pro
babilidad:
a) x P(X = x) b) x . P(X= x)
0 0.15 0 0.15
1 0.25 1 0.20
2 0.10 2 0.30
3 0.25 3 0.10
4 0.30
c) x P(X = x) d) x P(X = x)
0 0.15 -1 0.15
1 -0.20 0 0.30
2 0.30 1 0.20
3 0.20 2 0.15
4 0.15. 3 0.10
4 0.10
BmllOGRAFIA
Bibliografia de metodologia
1. Frank A. Haight, Handbook ofthe Poisson Distribution, Wiley, New York.
Bibliografia de aplicaciones
A·I. Simone Buitendijk y Michael B. Bracken, "Medication in Early Pregnancy: Prevalence of
Used and Relationship to Maternal Characteristics", American Journal of Obstfftrics and
Gynecolof!:J, 165, 33-40.
A-2. National Center for Health Statistics, M. F. Najjar y M. Rowland, "Anthropometric Reference
Data and Prevalence of Overweight, United States, 1976-80", Vital and Health Statistics, Serie
II, No. 238. DHHS Pub. No. (PHS) 87-1688, Public Health Service, U.S. Government Printing
Office, Washington, DC .
.• A·3. National Center for Health Statistics,O. T. Thornberry, R. W. Wilson y P. M. Golden, "Health
Promotion Data for the 1990 Qbjectives, Estimates from the National Health Interview Survey
of Health Promotion lj.nd Disease Prevention, United:States, 1985", Advance Data From Vital
and Health Statistics, No. 126. DHHS Pub. No. (PHS) 86-1250, Public Health Service,
Hyattsville, MD.
. A-4. Robert D. Gibbons, David C. Clarky Jan1iawcett, "A Statistical Method for Evaluating Suici
de Clusters and Implementing Cluster Surveillance'\ American Journal of Epidemiolof!:J, 132
(Suplemento No. I), SI83-S191.
A·5. S. D. Dusheiko, "Some Questions Concerning the Pathological Anatomy of Alzheimer's
Disease", Soviet Neurological Psychiatry, 7, 56-64. Publicada por Internacional Arts and Sciences
Press, White Plains, NY.