DISTRIBUCIONES DE PROBABILIDAD

ESTADÍSTICA I
AUTOR: Patricia Castillo Garzón
ÍNDICE
ÍNDICE

1. Distribuciones discretas de probabilidad

1.1. Distribución Bernoulli
1.2. Distribución binomial
1.3. Distribución Poisson
1.4. Distribución hipergeométrica
2. Distribuciones continuas de probabilidad
2.1. Distribución normal
2.2. Distribución normal estándar
2.3. Tabla de la distribución normal estándar Acceso rápido

DESARROLLO

GLOSARIO REFERENCIAS

Este material pertenece al Politécnico

Grancolombiano y a la Red Ilumno. Por ende, son
de uso exclusivo de las Instituciones adscritas a
la Red Ilumno. Prohibida su reproducción total
o parcial.
 02 -

DESARROLLO DE CADA UNA DE LAS UNIDADES TEMÁTICAS datos del valor promedio de ellos; así, sabremos si los datos se agrupan o alejan del valor
promedio, mostrando su dispersión.

1. Distribuciones discretas de probabilidad

Muchas situaciones reales pueden ser analizadas por variables aleatorias discretas. En esta Ejemplo 1
lectura se estudian las distribuciones de probabilidad discretas de Bernoulli, binomial, Poisson e
hipergeométrica. Un político cree que el 32% de los habitantes de cierta región apoyarán su campaña para el
consejo. Determine la media y la varianza de la variable aleatoria que toma el valor 1 si el político
es apoyado y 0 si no lo es.
1.1. Distribución Bernoulli
Como X  0, 1 y p  0.32 entonces 1  p 
0.68 , luego el valor esperado o media de la variable
Los nombres de las distribuciones de probabilidad llevan en su mayoría el nombre de quien las aleatoria es:
creó y dio a conocer. La distribución de Bernoulli se distingue porque es utilizada en contextos
para los cuales tan solo hay dos posibles resultados: ocurre o no ocurre, éxito o fracaso. E ( X )  0(0.68)  1(0.32)  0.32

De este modo, cuando nos encontremos en un contexto como el mencionado, asignaremos a la Lo que significa que se espera que un 32% de los habitantes apoyen la campaña del político.
variable aleatoria los valores 1 y 0, con lo que indicaremos respectivamente que ocurre o no
ocurre, o que hay éxito o fracaso. Var ( X )  p(1  p)  0.32(0.68)  0.2176

Dado que la raíz de la varianza mide qué tan dispersos están los datos de la media, si calculamos
dicho valor obtenemos:

Sea una variable aleatoria que solo toma los valores 1 y 0, denotamos por y a la Var
 (X ) 0.2176  0.4664
probabilidad de éxito y fracaso respectivamente. La función de probabilidad de esta
variable está dada de la siguiente manera:
1.2. Distribución binomial

Cuando un experimento aleatorio tiene dos posibles resultados, éxito o fracaso, y se repite un
Por otra parte, el valor esperado o media y la varianza son número finito de veces, nos encontramos en un experimento de tipo binomial. Los criterios que
nos permiten utilizar esta distribución son:

Debe existir un número fijo de pruebas repetidas o ensayos independientes; a este número lo
denotamos con la letra n .

Cada n de las pruebas debe tener dos resultados, éxito o fracaso (favorable o desfavorable).

La probabilidad de éxito de un acontecimiento es fijo y se denota con la letra p .

Se denotará por q al valor de 1  p . No olvidemos que es importante conocer el valor esperado
La variable aleatoria X cuenta el número de éxitos obtenidos en los n ensayos independientes.
de una variable aleatoria porque nos señala, según el contexto y las probabilidades dadas en él,
lo que se espera de la variable aleatoria o el resultado que se espera obtener. Adicionalmente, la
varianza nos permite calcular la desviación estándar que nos indica qué tan alejados están los

[ NOMBRE DEL MÓDULO]

3 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA I 4

 ¿Cuál es la probabilidad de que en una muestra de siete productos por los menos tres sean
defectuosos?

Si una variable aleatoria se tiene una distribución binomial, entonces su función de Primero definimos la variable aleatoria X: Número de productos defectuosos
probabilidad establece que la probabilidad de que tome un valor es:
Debemos calcular la probabilidad de que como mínimo haya tres productos defectuosos.

P( x  3) 1  P( x  3)
1  ( P ( x 
0) P ( x 
1) P ( x 
2))
7 7 7 
1     p 0 q 7 0    p1 q 7 1    p 2 q 7 2 

Donde es n combinado x o como lo hemos venido trabajando . 0 1  2 
1  q 7  7 pq 6  21 p 2 q 5
Para esta variable aleatoria el valor esperado o media y varianza son:  1  0.977  7(0.03)(0.97)6  21(0.03)2 (0.97)5
 1  0.99913  0.00087

Con lo cual notamos que es muy poco probable que haya más de tres productos defectuosos.

¿Cuál es la probabilidad de que en una muestra de siete productos como máximo tres sean
buenos?
Ejemplo 2
El hecho de que máximo tres sean buenos significa que como mínimo hay cuatro defectuosos,
Se sabe que en una industria el 3% de la producción no cumple las condiciones de calidad. Si se luego la probabilidad solicitada es:
toma una muestra de 7 productos:
P( x  4) P( X 
4)  P( X 
5)  P( X 
6)  P( X 
7)
¿Cuál es la probabilidad de que por los menos tres sean defectuosos? 7 7 7 7
   p 4 q 7  4    p 5 q 7 5    p 6 q 7  6    p 7 q 7  7
¿Cuál es la probabilidad de que como máximo tres sean buenos?  4 5  6 7
 35(0.03) 4 (0.97)3  21(0.03)5 (0.97) 2  7(0.03) 6 (0.97)1  1(0.03) 7 (0.97) 0
Comencemos por clasificar la información dada y distinguir si se cumplen o no los criterios de la  0.0000263593
distribución binomial.
Con base en lo anterior, es muy poco probable que más de cuatro productos resulten defectuosos
Un producto puede clasificarse en defectuoso o no defectuoso, luego esta es la variable aleatoria y por tanto es muy poco probable que máximo tres sean buenos.
para la cual tenemos éxito o fracaso. Como ser defectuoso representará el éxito tenemos que
p  0.03 . Por otra parte, como se analizarán 7 productos es como si estuviésemos repitiendo el La distribución binomial de una variable aleatoria puede calcularse en programas con Excel, según
mismo experimento 7 veces, luego n  7 . De este modo, observamos que todos los criterios son la versión que se tenga; en mi caso tengo office 2007 y este, que es tan solo una versión mejorada
los requeridos para utilizar una distribución binomial. respecto a las anteriores versiones de office, se usa como se indica a continuación. Con este fin
desarrollemos el ejemplo anterior.
Respondamos ahora la pregunta de cada literal.
Abrimos una hoja de cálculo de Excel y escribimos los datos en columnas de la siguiente manera:

[ NOMBRE DEL MÓDULO]

5 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA I 6

 1.3. Distribución Poisson

En la distribución de Poisson la variable aleatoria cuenta el número de eventos que ocurren en un

intervalo de tiempo o espacio.

Sea una variable aleatoria que tiene una distribución de Poisson, entonces la
expresión que permite calcular la probabilidad de un experimento aleatorio de este tipo
es:

x = 0, 1, 2, 3,4,…………. y donde
Figura 1. Cálculo de la distribución binomial de una variable aleatoria
λ es el valor promedio por unidad de tiempo y e = 2,718281828
Fuente: (elaboración propia)

Para dicha variable aleatoria la media y la varianza son respectivamente:

Como se observa, los resultados son los mismos que obtuvimos realizando la operación
manualmente. Debe resaltarse que si no se tiene office 2007 las anteriores versiones también
realizan estos cálculos, tan solo hay que dar clic en ayuda y escribir binomial o distribución
binomial; esto los conducirá al procedimiento requerido en su versión. Otra observación es que
Excel únicamente calcula, somos nosotros quienes debemos indicarle correctamente qué calcular.
Ejemplo 3
También podemos determinar dicha probabilidad considerando la variable aleatoria X: número
de productos no defectuosos, para la cual su probabilidad p es de 0.97 y n  7 . De igual manera Los clientes de una cafetería llegan a razón de nueve en un período de 30 minutos.
esta es una variable con distribución binomial, por lo tanto estaríamos buscando:
Calcule la probabilidad de que en la primera media hora por lo menos lleguen 4 personas.
P( y  3) P(Y 0)  P(Y 
1) P(Y 2)  P(Y 
3)
Sea X la variable aleatoria número de clientes que entran a la cafetería y, según los datos dados.
7 7 7 7   9 la media en 30 minutos, entonces la probabilidad solicitada es:
   p 0 q 7 0    p1 q 7 1    p 2 q 7 2    p 3 q 7 3
0 1  2  3
P( x  4) 1  P( x  4)
 1(0.97)0 (0.03)7  7(0.97)1 (0.03) 6  21(0.97) 2 (0.03)5  35(0.97)3 (0.03) 4
1  ( P ( x 
0) P ( x 
1) P ( x 
2) P( x 
3))
 0.0000263590
  0 e    1e    2 e    3 e   
Nuevamente confirmamos que es muy poco probable que menos de tres productos no sean 1 
    
 0! 1! 2! 3! 
defectuosos.
 90 e9 91 e9 92 e9 93 e 9 
1 
    
 0! 1! 2! 3! 
 0.9787

[ NOMBRE DEL MÓDULO]

7 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA I 8

 Esto significa que es muy probable o existe una posibilidad en un 97% de que entren más de 9 10 
cuatro clientes a la cafetería en un período de 30 minutos. 
Luego   3 , es decir que en 10 minutos ingresan alrededor de 3 personas. Ahora sí
30
podemos calcular la probabilidad solicitada:
La distribución Poisson de una variable aleatoria puede calcularse en programas con Excel, según
la versión que se tenga; en mi caso tengo office 2007 y este, que es tan solo una versión mejorada  0e
respecto a las anteriores versiones de office, se usa como se indica a continuación. Con este P( 
x 0)
0!
propósito desarrollemos el ejemplo anterior.
3 e 3
0

Abrimos una hoja de cálculo de Excel y escribimos los datos en columnas de la siguiente manera 0!
 0.0497

Lo que significa que es poco probable que ninguna persona ingrese en un período a la cafetería.

Realizando el ejercicio en Excel tenemos:

Figura 2. Cálculo de la distribución Poisson de una variable aleatoria

Fuente: (elaboración propia)

Calcule la probabilidad de que en los 10 primeros minutos no llegue ningún cliente.

Para resolver este ejercicio debe tenerse en cuenta que no tenemos la media o el número de
Figura 3. Cálculo de probabilidad
personas promedio que ingresan en 10 minutos; como consecuencia debemos hallarla con una Fuente: (elaboración propia)
regla de tres:

 : número Tiempo
de personas en minutos Ejemplo 4
promedio
En Bogotá, sobre la carrera 7° con 53, se presentan en promedio 3 accidentes de tránsito por mes;
  determine la probabilidad de que:
9  30
?  10

[ NOMBRE DEL MÓDULO]

9 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA I 10

  No se presenten accidentes en un mes 1.4. Distribución hipergeométrica
 Se presenten más de 5 accidentes en un mes La distribución hipergeométrica es un tipo de distribución que se caracteriza porque la
 Se presenten 10 o más accidentes en un semestre probabilidad no es fija o constante; a continuación se exponen los criterios bajos los cuales debe
utilizarse:

 La información de la muestra se toma sin reposición (es decir lo que se extrae no se

Definimos la variable aleatoria X: número de accidentes que ocurren en un mes. La función de retorna) de una población finita.
probabilidad de la variable es:
 La probabilidad de éxito no es constante, cambia con cada observación.
𝑒𝑒 −3 3𝑥𝑥
𝑃𝑃(𝑋𝑋 = 𝑥𝑥) =  El resultado de una prueba es dependiente de la prueba anterior.
𝑥𝑥!
 El tamaño de la población es pequeña.
𝑒𝑒 −3 30
𝑃𝑃(𝑋𝑋 = 0) = = 0,0498
0!
La probabilidad de que no se presenten accidentes en un mes es 0,0498

Más de 5 accidentes en un mes es: Sea una variable aleatoria que se distribuye de una manera hipergeométrica,
para la cual se toma una muestra de tamaño de objetos de los cuales son
éxito para la variable aleatoria; entonces la expresión que permite calcular la
probabilidad de un experimento aleatorio de este tipo es:
∞ 5
𝑒𝑒 −3 3𝑥𝑥 𝑒𝑒 −3 3𝑥𝑥
𝑃𝑃(𝑋𝑋 > 5) = ∑ =1−∑ = 1 − 0,9161 = 0,0839
𝑥𝑥! 𝑥𝑥!
𝑋𝑋=5 𝑋𝑋=0

En este caso definimos nuevamente la variable X: número de accidentes que ocurren en un x = o,1,2,3,….min(A,n)
semestre y es necesario cambiar el valor promedio λ

En un semestre se espera un promedio de λ= 18 accidentes, la probabilidad que se pide es:

Ejemplo 5

∞ 9 Un jefe de almacén sabe que 6 de las 25 bicicletas que tiene para la venta presentan fallas en los
𝑒𝑒 −3 3𝑥𝑥 𝑒𝑒 −3 3𝑥𝑥 frenos y necesitan ajuste. Si el vendedor, que no tenía conocimiento de lo anterior, vendió en el
𝑃𝑃(𝑋𝑋 ≥ 10) = ∑ = 1−∑ = 1 − 0,0154 = 0,9846
𝑥𝑥! 𝑥𝑥! día 4 bicicletas, ¿cuál es la probabilidad de que vendiera dos que requerían ser ajustadas?
𝑋𝑋=10 𝑋𝑋=0

Para resolver el ejercicio identifiquemos y clasifiquemos la información:

 Número de objetos o tamaño de la población N  25 .

 Tamaño de la muestra n  4 .
 Número de objetos de la población que son casos favorables o exitosos A  6 .
 Número de objetos que se desea determinar que sean favorables x  2 .

[ NOMBRE DEL MÓDULO]

11 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA I 12

 Con estos datos podemos calcular la probabilidad solicitada: Aunque existen diversas distribuciones para variables aleatorias continuas, en este módulo nos
enfocaremos en estudiar la distribución normal porque es una de las más utilizadas en las ciencias
 6  25  6  empresariales.
  
2 42 
P(   
x 2)
 25  2.1. Distribución normal
 
4
 0.2027 La distribución normal es una curva regular en forma de campana, a la que se llama distribución
de probabilidad o función de densidad. A la ecuación de esta distribución la denominaremos f(x)
La probabilidad de que las bicicletas vendidas requieran ser ajustadas es de 0,2027 y la probabilidad es el área bajo la curva. La distribución normal tiene una representación gráfica
como la siguiente
Veamos cómo resolver el ejercicio en Excel:

Figura 5. Distribución normal

Fuente: (Canavos 2003)

Figura 4. Cálculo de la distribución hipergeométrica

Sea una variable aleatoria que tiene una distribución normal con media y varianza
Fuente: (elaboración propia) , entonces la expresión que permite calcular la probabilidad de un experimento
aleatorio de este tipo es:
2. Distribuciones continuas de probabilidad

Las variables aleatorias continuas, como se dijo en la lectura 3, son aquellas que pueden tomar
cualquier valor entre los contenidos de un intervalo determinado. Por ejemplo:
Para
 Los salarios para un grupo de empleados
 El tiempo de duración de un producto perecedero
 Las ventas diarias en un restaurante

[ NOMBRE DEL MÓDULO]

13 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA I 14

 Los símbolos e y π representan números irracionales cuyos valores son aproximadamente 2,7183 X 
Si consideramos la variable aleatoria Z  estaremos trasladando horizontalmente la
y 3,1416 respectivamente, mientras que µ (la media) y σ2 (la varianza) son los parámetros de la 
distribución. gráfica de la variable aleatoria X ,  unidades a la izquierda y contrayéndola  unidades:

2.2. Distribución normal estándar

Definir una probabilidad con la distribución implica encontrar el área bajo la curva. Esto indica que
para encontrar P(a < X < b) tendríamos que integrar la función anterior con respecto a x entre a y
b, lo cual no resulta muy divertido, especialmente porque la distribución normal se utiliza en
muchos problemas de la vida real.

La integración se pueda evitar mediante la transformación de la variable aleatoria x en una nueva

variable Z definida como:

𝑋𝑋 − 𝜇𝜇
𝑍𝑍 =
𝜎𝜎
La cual es conocida como la distribución normal estándar. Esta distribución tiene una media µ=0
y una varianza σ2= 1; para abreviar el proceso de determinar dichas probabilidades existe la tabla Figura 7. Distribución normal estándar
de distribución de probabilidad de la normal estándar. Fuente: (elaboración propia)
 =0
Nos preguntaremos, ¿cómo se estandariza una variable aleatoria de distribución normal?, y ¿qué
significa? ¿Acaso no cambiaríamos la situación o características del contexto? Veamos
gráficamente las respuestas a dichos cuestionamientos. Por ello, calcular la probabilidad de una variable aleatoria normal es equivalente a determinar la
probabilidad de una normal estándar.
Supongamos que tenemos X que es una variable aleatoria normal con media  y varianza  2 :
El proceso para normalizar una variable aleatoria normal es:

 Sustraer a la variable aleatoria dada la media.

 Dividir la resta anterior entre la desviación estándar.
 Hacer el mismo proceso con el valor de la probabilidad a calcular.
 Buscar dicho valor en la tabla y escribir el resultado.

2.3. Tabla de la distribución normal estándar

Los valores de la tabla representan el área bajo la curva normal hasta un valor positivo
de z.

Figura 6. Distribución normal para X

Fuente: (elaboración propia)


[ NOMBRE DEL MÓDULO]

15 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA I 16

 1,7 0,9554 0,9561 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633

1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706

1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767

2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817

Figura 8. 2,1 0,9821 0,9826 0,9830 0,9934 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
Fuente: (elaboración propia)
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
Tabla 1. Tabla de la distribución normal estándar
2,3 0,9893 0,9896 0,9898 0,9901 0,9901 0,9906 0,9909 0,9911 0,9913 0,9916
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
2,6 0,9953 0,9954 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
0,7 0,7580 0,7611 0,7642 0,7673 0,7703 0,7734 0,7764 0,7794 0,7823 0,7652
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
3,4 0,9997 0.9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
3,5 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8930
Fuente: (elaboración propia)
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015

1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
En la tabla, el área total bajo la curva Z o distribución normal estándar es igual a 1. Como la tabla
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319 es simétrica, una mitad del área se encuentra a la derecha de Z=0 y la otra mitad a la izquierda.
Sin consultar la tabla de Z, ya se puede decir que P (Z > 0) = P (Z< 0) =0,5.
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441

1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545

[ NOMBRE DEL MÓDULO]

17 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA I 18

 La primera columna de la izquierda da el valor de Z para el primer decimal, y al frente, a) Tiempo máximo de 40 minutos se expresa:
horizontalmente, para el segundo decimal. En el cuerpo de la tabla se encuentra la probabilidad
de que Z sea menor o igual a un valor dado. Para entenderlo, hagamos el siguiente ejercicio. P (X≤40) y calculamos la probabilidad de la siguiente manera:

Mediante el empleo de la tabla de la distribución normal anexa, obtenga la probabilidad de la 𝑋𝑋 − 𝜇𝜇 40 − 30

𝑃𝑃 [ ≤ ]
distribución normal estándar. 𝜎𝜎 5

a) P (Z<1,36), representa el área bajo la curva de la normal estándar a la izquierda de 1,36.
Para buscar el valor de esta área nos remitimos a la tabla para valores positivos. En el
margen izquierdo de la tabla localizamos 1,3 y la segunda cifra decimal (0,06) la ubicamos
en el margen superior de la tabla. En el cruce de estos valores se encuentra el valor 0,9131
que corresponde al área de la izquierda de 1,36, entonces P (Z<1,36)= 0,9131.
b) P (Z>0,42) representa el área bajo la curva de la normal estándar a la derecha de 0,42.
𝑃𝑃[𝑍𝑍 ≤ 2] = 0,9772
Un tiempo de por lo menos 45 minutos. En este caso es necesario trabajar la probabilidad con el
complemento ya que la tabla de la distribución normal solo nos da áreas de la izquierda, es decir,
cuando la desigualdad es ≤ o <.

Para determinar el valor de esta área localizamos en el margen izquierdo 0,4 y en el margen
𝑋𝑋−𝜇𝜇 45−30
superior 0,02; el cruce nos da un valor de 0,6628 que corresponde al área izquierda; como 𝑃𝑃 [ ≥ ] = 1 - 𝑃𝑃[𝑍𝑍 ≥ 3] = 1 − 𝑃𝑃[𝑍𝑍 < 3] = 0,9986
𝜎𝜎 5
buscamos el área de la derecha y sabemos que el área total es 1, entonces:
Tiempo entre 25 y 45 minutos
P (Z>0,42) = 1- P (Z<0,42) = 1- 0,6628 = 0,3372
25−30 45−30
𝑃𝑃[25 ≤ 𝑋𝑋 ≤ 45] = 𝑃𝑃 [ ≤ 𝑍𝑍 ≤ ]
Son muchos los casos en donde la variable aleatoria tiene un comportamiento normal. Para el 5 5
manejo es necesario siempre estandarizar la variable así como en los siguientes ejemplos:
𝑃𝑃[−1 ≤ 𝑍𝑍 ≤ 3] = 0,9986 -0,1587 =0,8399

Ejemplo 6
Ejemplo 7
El tiempo que gasta un grupo de empleados en realizar un trabajo tiene una distribución normal
La vida media de los habitantes de un país es de 68 años, con una varianza de 25. Si se hace un
con una media de 30 minutos y una desviación estándar de 5 minutos. Si se selecciona al azar una
estudio en una pequeña ciudad de10 000 habitantes, ¿cuántas personas superarán
persona, cuál es la probabilidad de que:
previsiblemente los 75 años?
 ¿Gasté un tiempo máximo de 40 minutos?
Solución
 ¿Gasté un tiempo de por lo menos 45 minutos?
Para resolver el ejercicio organicemos la información dada:
 ¿Gasté entre 25 y 45 minutos?

Solución Media:   68 Varianza:  2  25 Desviación estándar:


 2
 25 5

Primero hay que definir la variable que se va a analizar. En este caso:
Ahora realicemos los pasos indicados para estandarizar la variable aleatoria X : número de
 X: tiempo (minutos) empleado en realizar el trabajo. personas con determinada edad.
 X tiene distribución normal con parámetros µ=30 y σ = 5

[ NOMBRE DEL MÓDULO]

19 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA I 20

 0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133

0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389

1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621

1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8930

1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015

1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177

1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319

Fuente: (elaboración propia)

Ejemplificación de la temática

1. Suponga que un conductor de automóvil que maneja con exceso de velocidad puede ser
detectado por un sistema de radar. Se dice que de cada diez conductores que conducen con
exceso de velocidad, seis son detectados Un automovilista va con exceso de velocidad en un viaje
entre Bogotá y Tunja; durante el trayecto hay ocho estaciones de vigilancia por radar.
Figura 9.
Fuente: (elaboración propia) a. ¿Qué probabilidad hay de que este automovilista, por lo menos cinco veces, sea detectado
conduciendo con exceso de velocidad?
Tabla 2. Valores para Z=1,40
b. ¿Cuántas veces se espera que sea detectado conduciendo con exceso de velocidad?
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
c. ¿Cuál es la probabilidad de que no sea detectado conduciendo con exceso de velocidad?
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359

0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
2. Un ejecutivo bancario recibe 10 solicitudes de crédito. Los perfiles de los solicitantes son
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
similares, salvo que 4 pertenecen a grupos minoritarios y 6 no. Al final el ejecutivo autoriza 6 de
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517 las solicitudes. Si estas autorizaciones se eligen aleatoriamente del grupo de 10 solicitudes:

0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879 a. ¿Cuál es la probabilidad de que menos de la mitad de las autorizaciones sean de solicitudes de
personas que pertenecen a grupos minoritarios?
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
b. ¿Cuántas solicitudes se espera que sean autorizadas para grupos minoritarios?
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549

0,7 0,7580 0,7611 0,7642 0,7673 0,7703 0,7734 0,7764 0,7794 0,7823 0,7652

[ NOMBRE DEL MÓDULO]

21 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA I 22

 3. El número de demandas presentadas a una compañía de seguros es en promedio de cuatro por 8. Los estudios muestran que cerca del 70% de las personas utilizan el metro como medio de
día, cuál es la probabilidad de que: transporte en Bogotá. Si se toma una muestra de 12 personas:

a. ¿En un día cualquiera no se presente ninguna demanda? ¿Cuál es la probabilidad de que por lo menos 2 utilicen este medio de transporte?

b. ¿Por lo menos se presenten tres demandas en dos días? ¿Cuál es la probabilidad de que máximo 2 no utilicen este medio de transporte?

¿Cuántas personas se espera que utilicen este medio de transporte?

4. Se supone que el número de accidentes por semana que ocurren en una fábrica siguen una 9. El puntaje en una prueba de aptitud sigue una distribución normal con media de 85 puntos y
distribución de Poisson con parámetro λ = 2. Se pide: desviación estándar de 15:

Probabilidad de que en una semana cualquiera ocurra un solo accidente. a. ¿Cuál es la probabilidad de que una persona obtenga un puntaje superior a 60?

Probabilidad de que, en un grupo de 10 semanas, ocurran 3 accidentes en tres semanas distintas. b. ¿Cuál es el puntaje máximo para el 75% de las personas con menores puntajes?

Probabilidad de que en una semana haya más de 3 accidentes. 10. Un estudio de las filas en las cajas de una entidad bancaria reveló que durante un cierto
periodo, en la hora más pesada, el número de clientes en espera era en promedio de cuatro. Cuál
es la probabilidad de que:

5. Los estudios muestran que cerca del 80% de las personas utilizan el metro como medio de ¿En la próxima hora no haya clientes esperando?
transporte en Medellín. Si se toma una muestra de 10 personas:
¿En la próxima media hora dos clientes estén en espera?
¿Cuál es la probabilidad de que por lo menos 2 utilicen este medio de transporte?
¿En un cuarto de hora dos o más clientes estén en espera?
¿Cuántas personas se espera que utilicen este medio de transporte?

6. El supervisor de seguridad en una empresa cree que el número esperado de accidentes

laborales por mes es de 3.4 11. Un abogado va todos los días de su casa, en las afueras de la ciudad, a su oficina en el centro.
El tiempo promedio para un viaje de ida es de 24 minutos con una desviación estándar de 3.8
a. ¿Cuál es la probabilidad de que el próximo mes ocurran exactamente 2 accidentes laborales? minutos. Suponga que la distribución de los tiempos de viaje está distribuida normalmente.

b. ¿Cuál es la probabilidad de que ocurran 4 accidentes laborales en los próximos 2 meses? ¿Cuál es la probabilidad de que un viaje tome al menos 1/2 hora?

7. Un inspector de aduanas decide revisar 3 de 16 embarques provenientes de Panamá por vía Si la oficina abre a las 9:00 a. m. y el sale a diario de su casa a las 8:45 a. m., ¿qué porcentaje de
aérea. Si la selección es aleatoria y 5 de los embarques contienen contrabando, encuentre la veces llega tarde al trabajo?
probabilidad de que el inspector de aduanas:

No encuentre ningún embarque con contrabando

Encuentre por lo menos dos embarques con contrabando

[ NOMBRE DEL MÓDULO]

23 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA I 24

 03 --

GLOSARIO DE TÉRMINOS REFERENCIAS

04 --
Distribución binomial: distribución que se ajusta a variables que toman solo dos valores
mutuamente excluyentes, en donde se puede determinar la probabilidad de éxito y el número de Textos
ensayos independientes.
 Canavos, G. C. (2003). Probabilidad y estadística aplicaciones y métodos. Mexico: Mc
Distribución normal: comportamiento simétrico en forma de campana de las variables continuas. Graw Hill.
 Lind, D., Marchal, W. y Wathen, S. (2012). Estadística aplicada a los negocios y la
Distribución Poisson: variables que miden el comportamiento de los eventos discretos que
economía. México: Mc Graw Hill.
ocurren en intervalos de tiempo o de espacio.
 Martinez, C. (2002). Estadística y Muestreo. Bogotá: ECOE Ediciones
Función de probabilidad: probabilidad asignada a cada uno de los valores de una variable
 Newbold, P. (2008). Estadística para los negocios y la economía. México: Editorial
discreta.
Prentice Hall.
Función de densidad: áreas bajo la curva de la distribución de una variable continua.

Variable aleatoria: función que asigna un valor numérico a los elementos del espacio muestral.
Lista de referencias de figuras
Valor esperado: valor medio de las variables aleatorias.
 Canavos, G. C. (2003). Distribución normal [Gráfica]. Recuperado de Probabilidad y
estadística aplicaciones y métodos. Mexico: Mc Graw Hill.

[ NOMBRE DEL MÓDULO]

25 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA I 26

POLITÉCNICO GRANCOLOMBIANO - 2016 ©