PyE U4

Carrera: Analista Programador
PROBABILIDAD Y ESTADÍSTICA
Módulo II
Analizar probabilísticamente situaciones complejas
Unidad 4
Distribución de Frecuencias
Titular de la asignatura: Prof. Lic. Cristina Camós
Autor de contenidos: Prof. Lic. Marcelo Monferrato
Módulo
II
Unidad 3 Unidad 4
¿Qué es la Probabilidad? Distribución de Frecuencias
Probabilidad y Estadística / Módulo II / Unidad 4 / Pág.1

Presentación
Esta unidad se propone brindarle herramientas que le permitan alcanzar las

siguientes metas de aprendizaje:
- Conocer el desarrollo y las propiedades básicas de los modelos proba-

bilísticos discretos (Binomial, Poisson, Hipergeométrico) y continuos
(especialmente el modelo normal) y sus aplicaciones en problemas con-
cretos relacionados con la organización de la información y sus aplica-
ciones en el campo comercial e industrial.
- Adquirir destreza en el cálculo de probabilidades mediante el uso de cal-

culadoras online o desarrollos en planillas de cálculo.
- Estimular el interés del alumno por la Estadística como aliada de las

ciencias de la información.
- Promover el buen uso de la herramienta informática y destacar la impor-

tancia de los temas estudiados para investigar la realidad mediante la
construcción de modelos.
A continuación, le presentamos un detalle de los contenidos y actividades

que integran esta unidad. Usted deberá ir avanzando en el estudio y la pro-
fundización de los diferentes contenidos, realizando las lecturas requeridas y
elaborando las actividades propuestas.
Contenidos y Actividades
1. Distribuciones de Probabilidad
1.1 La Distribución Binomial
1.2 El experimento de tipo binomial

1.3 La distribución de Poisson
1.4 La distribución hipergeométrica
Links a temas de interés
http://stattrek.com/online-calculator/hypergeometric.aspx
http://es.easycalculation.com/statistics/hypergeometric-
distribution.php
2. Distribuciones de Probabilidad Continua
2.1 La distribución normal
2.2 La ecuación normal
2.3 La curva normal
2.4 La probabilidad y la curva normal
2.5 La distribución normal estándar
3. El uso de tablas y calculadoras específicas
En la página http://www.vitutor.com/pro/5/a_4.html podrá

encontrar interesan
Cierre de la Unidad

Para el estudio de estos contenidos usted deberá consultar la biblio-
grafía que aquí se menciona:
BIBLIOGRAFÍA OBLIGATORIA
Johnson, Robert; Kuby, Patricia. Estadística elemental: lo esen-
cial. 3a. ed.-- México, DF : International Thomson, c2004. 509 pági-
nas. Págs. 200 a 264
Devore, Jay L. Probabilidad y Estadística para Ingeniería y
Ciencias (6ta ed) Págs. 101 a 138.
Webster, Allen l. Estadística Aplicada a los Negocios y la Economía
(3ra. edición) Págs. 104 a 134.
Lo/a invitamos ahora a comenzar con el estudio de los contenidos que

conforman esta unidad.

1. Distribuciones de Probabilidad
En la unidad anterior hablamos acerca de sucesos, eventos y de sus proba-

bilidades. Precisamente, una distribución de probabilidad permite mos-
trar todos los posibles valores que pueden representarse como resultado de
un experimento - si éste se llevara a cabo.
Verá usted que esta función nos brinda una poderosa herramienta para la
proyección de resultados, puesto que se puede diseñar un espacio de acon-
tecimientos futuros considerándolos como tendencias actuales de diversos
fenómenos.
Definición:
Una distribución de probabilidad es la distribución de aquellas

probabilidades que están asociadas con cada uno de los valo-
res de una variable aleatoria.
Una función de probabilidad es una regla que asigna probabi-

lidades a los valores de la variable aleatoria.
Cabe señalar que, de acuerdo a cómo sea la naturaleza de la variable que se

está analizando, contaremos con distribuciones de variable discreta y distri-
buciones de variable continua. A continuación analizaremos algunas de ellas.
1.1 La Distribución Binomial
La distribución binomial es una distribución discreta, muy significativa que

surge en muchas aplicaciones industriales de control de calidad, bioestadísti-
cas, sistemas de producción, etc.
Esta distribución aparece de forma natural al realizar repeticiones indepen-

dientes de un experimento que tenga respuesta binaria, como aquellas
que dan “verdadero” o “falso”, “correcto” o “incorrecto”, “éxito” o “fracaso”,
“encendido” o “apagado” y otros por el estilo.
La variable discreta que cuenta el número de éxitos en n pruebas indepen-

dientes de ese experimento, cada una de ellas con la misma probabilidad
de “éxito” igual a p, sigue una distribución binomial de parámetros n y p.

Este modelo se aplica a poblaciones finitas en las que se toman elementos al
azar con reemplazo y también a poblaciones conceptualmente infinitas, co-
mo por ejemplo, las piezas que produce una máquina, siempre que el proce-
so de producción sea:
- estable (la proporción de piezas defectuosas se mantiene constante

a largo plazo), y
- sin memoria (el resultado de cada pieza no depende de las anterio-

res).
Veamos a continuación cómo se resuelve un ejercicio de este tipo.
Ejemplo 1
Suponga que usted estudia en la modalidad presencial y hoy se dirige a cla-

se como de costumbre. Cuando llega, el profesor le propone realizar una pe-
queña evaluación como para verificar que los/as estudiantes han repasado
los contenidos solicitados la clase anterior.
El docente decide que una buena herramienta es tomar un pequeño cuestio-

nario de cuatro preguntas que se contestan con opción múltiple, dando tres
opciones para cada pregunta. Así se vería la evaluación:
Evaluación
Pregunta 1: …
Respuestas: a)…
b)…
c)…
Pregunta 2: …
Respuestas: a)…
b)…
c)…
Pregunta 3: …
Respuestas: a)…
b)…
c)…
Pregunta 4: …
Respuestas: a)…
b)…
c)…

La verdad es que usted no ha tenido mucho tiempo de repasar durante la
semana, pero se considera una persona afortunada que saldrá exitosa del
examen, aún sin haber estudiado.
Deténgase un minuto en esta pregunta, ¿se ha puesto a pensar qué probabi-

lidades de éxito tiene?
Bueno, vamos a resolver esta situación aplicando lo recientemente aprendi-

do.
Para comenzar, anote en un papel cuáles serían las respuestas que elegiría.
A priori, sabemos que nuestras posibilidades van desde el fracaso total (las
cuatro preguntas incorrectas) hasta un rotundo éxito (las cuatro preguntas
respondidas correctamente).
Ahora bien, de acuerdo a lo recién visto, tendremos que definir los dos
parámetros n y p, a saber:
n será la cantidad de respuestas acertadas (respuestas correctas)
p será la probabilidad que tiene cada n
Con respecto a n, no hay demasiadas dudas. Sabemos que es un número

entero, que tomará valores entre 0 (lo que anteriormente mencionamos co-
mo ninguna respuesta correcta) y 4 (las cuatro preguntas correctas).
Con respecto a p, tendremos que hallar las probabilidades de cada situación.

Para comenzar, evaluemos cuáles son las posibilidades. Esto ha sido visto en
unidades anteriores, y básicamente puede materializarse realizando un dia-
grama de árbol, o una tabla.
Si elegimos utilizar un diagrama de árbol, la situación se vería de la siguien-

te manera:
Si elegimos utilizar un diagrama de árbol, la situación sería la siguiente.
Comenzamos por la primera pregunta sabiendo que puede tomar dos val o-
res (correctos o incorrecto). La siguiente también nos presentará las mismas
posibilidades, con lo cual tendremos un total de cuatro posibles resultados, y
lo mismo para la tercera (con un total de 8 resultados posibles) y así hasta
llegar a la cuarta pregunta.
En general, la cantidad de resultados posibles será 2 elevado a la cantidad

de preguntas, en este caso 4. La base es dos por tratarse de una prueba de
tipo binomial, con dos opciones de respuesta por cada pregunta.

C
C
I
C
C
I
I
C
C
C
I
I
C
I
I
C
C
I
C
C
I
I
I
C
C
I
I
C
I
I
C: correcta
I: incorrecta
Para el caso de que elijamos construir una tabla, la manera más fácil de pro-
ceder es la siguiente:

En la primera columna tomamos la primera mitad de las líneas (las primeras
ocho) para el resultado C, y la segunda mitad (las otras ocho) para el resul-
tado I.
En la segunda columna, tomamos la mitad de esta mitad (o sea cuatro) con

C, cuatro con I, cuatro con C y cuatro con I. En la tercera columna, toma-
mos de a dos en dos y por último en la cuarta columna uno a uno.
Y así quedan representadas las 16 posibilidades de respuesta, desde C-C-C-

C hasta I-I-I-I, como en cualquier tabla de verdad habitual.
Total Correc-
Pregunta 1 Pregunta 2 Pregunta 3 Pregunta 4
tas
C C C C 4
C C C I 3
C C I C 3
C C I I 2
C I C C 3
C I C I 2
C I I C 2
C I I I 1
I C C C 3
I C C I 2
I C I C 2
I C I I 1
I I C C 2
I I C I 1
I I I C 1
I I I I 0

Cualquiera sea el método elegido, enseguida podrá apreciar para cada caso
posible, cuántas veces se logra el objetivo de dar una respuesta correcta.
Ahora bien, como cada pregunta contiene tres respuestas, la probabilidad de

responder correctamente es de 1/3, mientras que la de responder incorrec-
tamente es de 2/3.
De esta manera, para el caso de que usted acierte las cuatro, la probabilidad
es:
De manera similar, no acertar a ninguna tiene una probabilidad:
Y así podemos calculas las probabilidades para n=1, n=2 y n=3. Pero aten-
ción!! En estos casos la ocurrencia deja de ser 1 como en las dos anteri o-
res.
Por ejemplo, la probabilidad de n=1 es:
Nótese que se multiplica por 4, puesto que hay cuatro posibilidades de res-
ponder una sola respuesta correcta.
Una vez realizados todos los cálculos, podremos completar la siguiente ta-
bla:
n P(n)
0 0.1975
1 0.3951
2 0.2963
3 0.0987
4 0.0123
Total 0.9999

Cabe observar que se ha preferido tomar cuatro decimales para aproximar el
total de probabilidades a 1. Se pueden utilizar menos decimgales sin pro-
blema, siempre y cuando se redondeen correctamente los resultados y se
verifique que la suma de probabilidades de por resultado 1.
Nota importante para el alumno:
Es muy común, en este tipo de ejercicios confundir el tipo de res-

puesta con la cantidad de resultados.
Recuerde que se trata de una distribución binomial, que tendrá

dos opciones, por ejemplo “responder bien” y “responder mal”,
sin importar cuántos resultados tiene cada pregunta si bien es es-
te número el que dará mayores o menores probabilidades a cada
situación.
Ahora le toca a usted. Recuerde que estas actividades son las ex-
cusas que compartimos para poder generar instancias de trabajo
y comunicación personalizadas. Procure resolver las situaciones
y, si se presentan dificultades, consulte a su tutor. Estamos aten-
tos a sus inquietudes!
Actividades para la facilitación de los aprendizajes
Situación Problemática 1
En base al análisis realizado en el Ejemplo 1, responda las si-

guientes preguntas:
a) Si la evaluación se aprueba con un mínimo de tres preguntas

respondidas correctamente, ¿qué probabilidades tiene de
aprobar?
b) ¿Cuál es el resultado más probable de obtener?
c) Si en la clase hay 23 alumnos y ninguno ha estudiado,
¿cuántos habrán aprobado el examen “adivinando” las res-
puestas?
d) Suponiendo que las respuestas correctas son 1.c, 2.c, 3.a,
4.b. ¿Qué resultado obtuvo con el método de “adivinar” las
respuestas? Recuerde que iniciamos el ejemplo solicitando
que anotara las respuestas que elegiría.

Pídale a varias personas (no menos de 10) que adivinen los re-
sultados de esta evaluación, y luego construya una tabla con
frecuencias relativas para n desde 0 a 4. Compárelo con los re-
sultados obtenidos en nuestro análisis.
Repita el ejercicio realizado en el ejemplo, pero suponiendo un

instrumento diseñado con 10 preguntas con posibilidades de
verdadero (V) y falso (F) y que se aprueba con 6 respuestas co-
rrectas. Este evaluación, ¿es más o menos conveniente para un
alumno que no estudió?
1.2 El experimento de tipo binomial
Es natural que a esta altura del desarrollo de los contenidos, uno se pregunte
cómo sabrá si se encuentra frente a un experimento en el que podrá aplicar lo
aprendido, o cómo se puede diseñar correctamente un estudio para que pue-
dan aplicarse estos conocimientos.
Para facilitar la respuesta a estas inquietudes, enunciaremos brevemente al-

gunas propiedades que se cumplen en un experimento de este tipo.
1. Hay sólo dos resultados posibles para la respuesta de cada prue-

ba, que podemos generalizar como “correcto” o “incorrecto”.
2. Se realiza una cantidad n de pruebas independientes unas de

otras (los resultados de cada una de ellas no tienen influencia so-
bre el resultado de las restantes).
3. La probabilidad de éxito más la probabilidad de fracaso es 1.
4. La variable binomial aleatoria, representa la cantidad de pruebas

exitosas que se obtienen y toma un valor de 0 a n.

Si analizamos nuestro Ejemplo 1 según estas propiedades, obtenemos que:
1. Se cumple porque hay sólo dos posibilidades para cada pregunta,

aún cuando tenga tres posibilidades de respuesta. En otras pala-
bras, la pregunta está bien o mal respondida.
2. Los resultados son independientes, porque no dependen de otros.
3. La probabilidad de éxito es 1/3 y la de fracaso es 2/3, y su suma

es 1.
4. La cantidad de preguntas respondidas puede ir de 0 a 4.
1.3 La distribución de Poisson
Analizaremos a continuación otra distribución de variable aleatoria discreta

que fue desarrollada por el matemático francés Siméon Denis Poisson
(1781-1840).
Se trata de una distribución límite de la distribución binomial, utilizada prin-

cipalmente cuando un n muy grande se corresponde con un p muy pequeño
y se dificultan los cálculos en la distribución binomial.
Es así como esta distribución se utiliza cuando se buscan éxitos en pruebas

que son medidas por unidad. Habitualmente se habla de unidades de tiem-
po, así que será un éxito, por ejemplo:
- La cantidad de clientes que entran por hora.
- La cantidad de unidades vendidas por día, por semana, o por mes.
Pero también se utilizan con otras unidades, como por ejemplo:
- Cantidad de fallas por metro cuadrado en una impresión.
- Cantidad de semillas que germinaron por hectárea.
Para determinar la probabilidad de que ocurran x éxitos por unidad de tiem-

po, área o lote, trabajaremos con la siguiente fórmula:

En donde:
es la cantidad de ocurrencias de las que se desea conocer la pro-

babilidad de que ocurran, y
es la tasa por unidad (de tiempo, área, etc.)
Veámoslo en acción….
Ejemplo 2
Se cuenta con la información de que en un comercio, se atiende un prome-

dio de 16 personas por hora durante el transcurso de la mañana. El encar-
gado del local se pregunta cuál será la probabilidad de que se atiendan
exactamente 10 personas durante la próxima hora.
La solución es:
Atención! Si está realizando las cuentas con una calculadora, se

pueden cometer errores por aproximación o bien porque se exce-
de el rango de la calculadora. Una alternativa es utilizar calcula-
dora on-line como se pide en las actividades.
Continuando con el ejemplo, en lugar de averiguar la probabilidad de un ca-

so puntual (x=10), bien podríamos haber calculado una probabilidad acumu-
lada. Por ejemplo, cual es la probabilidad de que, como mucho, ingresen 4
clientes en una hora.
En este caso, los cálculos serían:
Le proponemos ahora que busque en internet una calculadora online de la dis-

tribución de Poisson y verifique el resultado obtenido.

http://es.easycalculation.com/statistics/poisson-distribution.php
http://es.ncalculators.com/statistics/poisson-distribution-
calculadora.htm
1.4 La distribución hipergeométrica
Se trata de una distribución para una variable que presenta dos resultados y
estos pueden caracterizares en cada uno de los individuos de la población a
estudiar, que es un conjunto finito.
La manera en que se analiza la distribución es tomando una muestra sin re-

emplazo y con las mismas probabilidades sea cual fue el subconjunto selec-
cionado.
Llamaremos entonces:
N a la población finita,
M a la cantidad de éxitos en la población, y
n a la cantidad de individuos de la muestra.
Y se calcula con la siguiente fórmula:
Aclaremos estos conceptos con un ejemplo.
Ejemplo 3
Supongamos que estamos preparando una venta al por mayor que consta de
lotes de 50 memorias por lote. Contamos con un total de 2000 memorias de
las que sabemos que 30 han salido defectuosas.

Así pues, nuestros datos son:
N= 2000
M=30
n=50
Si queremos saber qué probabilidad tenemos de que en un lote cualquiera

salgan 3 memorias falladas calculamos:
El resultado anterior significa que aproximadamente un 0.6% de los com-

pradores podrán llegar a recibir tres unidades defectuosas en su lote. Y, da-
do que con 180 unidades usted podrá armar y vender 15 lotes, esto significa
que
15x0.0065=0.0975
compradores tendrán ese problema. Siendo un número tan bajo, se puede

asumir el riesgo.
Supongamos que usted está interesado en saber cuántos compradores

vendrán a quejarse de que han recibido una memoria fallada en su lote y
también cuántos quedarán satisfechos de que su lote resultó perfecto.
Bien, para esos casos tendrá que calcular
y .
Dejamos a su cargo el cálculo, anticipando que los resultados serán 0.317 y
0.611
Nota:
Si n<M el mayor valor para x que puede considerarse es n (la cantidad de
pruebas exitosas en la muestra no puede superar la cantidad total de la
muestra).
Si n>M, el mayor valor a considerar para x es M (la cantidad de pruebas

exitosas en la muestra no pude ser mayor que la cantidad de éxitos en la
población).

Nuevamente, la práctica.
Deduzca cuántos compradores representan los valores recién

calculados.
Arme una tabla indicando:
- En la primera columna la cantidad de posibles memorias

falladas de un lote (de 0 a 7)
- En la segunda columna las probabilidades calculadas median-
te una distribución hipergeométrica y
- En la tercera columna la cantidad de compradores que esa
probabilidad representa.
Una vez completadas las tres columnas, ¿qué es lo que obser-

va?
Busque en internet una calculadora online de la distribución

hipergeométrica y verifique los resultados obtenidos.
http://stattrek.com/online-calculator/hypergeometric.aspx
http://es.easycalculation.com/statistics/hypergeometric-
distribution.php

Elabore sus conclusiones acerca de lo que ocurrirá cuando n, M y x coincidan

en una distribución hipergeométrica.
2. Distribuciones de Probabilidad Continua
Si una variable aleatoria es una variable continua, su distribución de probabi-

lidad se llama una distribución de probabilidad continua.
Una distribución de probabilidad continua difiere de una distribución de pro-

babilidad discreta de varias maneras.
- La probabilidad de que una variable aleatoria continua asuma un valor

particular es cero.
- Como resultado, una distribución de probabilidad continua no puede
ser expresado en forma tabular.
- En su lugar, se utiliza una ecuación o fórmula para describir una distri-
bución de probabilidad continua.
Muy a menudo, la ecuación que se utiliza para describir una distribución de

probabilidad continua se llama una función de densidad de probabilidad.
Para una distribución de probabilidad continua,

la función de densidad tiene las siguientes propiedades:
- Puesto que la variable aleatoria continua se define sobre una gama

continua de valores (llamado el dominio de la variable), la gráfica de la
función de densidad también será continua durante ese intervalo.
- El área delimitada por la curva de la función de densidad y el eje x es

igual a 1 cuando se calcula sobre el dominio de la variable.
- La probabilidad de que una variable aleatoria asuma un valor entre A y

B es igual al área bajo la función de densidad limitada por A y B.
Algunas distribuciones continuas de probabilidad son:
- La distribución de probabilidad normal

- La distribución de la “t” de Student
- La distribución de Ji-cuadrado

2.1 La distribución normal
Se trata de una distribución – o mejor dicho, una familia de distribuciones -

muy utilizada por el hecho de que muchas variables en biología, física, geo-
logía y otras ciencias, se ajustan con perfección a esta distribución. Habl a-
mos de parámetros como la altura, el peso y la vida media, por ejemplo.
Toda distribución normal queda descrita por la siguiente ecuación normal.
2.2 La ecuación normal
En una ecuación normal, el valor de la variable aleatoria viene dado por la

expresión:
En donde
x es una variable aleatoria normal,
es la media, y
es la desviación estándar
Definiciones importantes:
La variable aleatoria x en la ecuación normal se denomina la variable

aleatoria normal.
La ecuación normal es la función de densidad de probabilidad de la dis-

tribución normal.
2.3 La curva normal
La gráfica de la distribución normal depende de dos factores: la media y la

desviación estándar.
La media de la distribución determina la localización del centro de la gráfica,

y la desviación estándar determina la altura y la anchura de la gráfica.

Cuando la desviación estándar es grande, la curva es corta y ancha; cuando
la desviación estándar es pequeña, la curva es alta y estrecha.
Todas las distribuciones normales son simétricas, en forma de campana cur-

va, como se muestra a continuación:
La curva a la izquierda es más corta y más ancha que la curva a la derecha,

porque la curva de la izquierda tiene una desviación estándar más grande.
Nota:
El valor de es la distancia desde hasta los puntos de inflexión de
la curva normal.
2.4 La probabilidad y la curva normal
La distribución normal es una distribución de probabilidad continua. Esto tie-

ne varias implicaciones para la probabilidad.
- El área total bajo la curva normal es igual a 1.
- La probabilidad de que una variable aleatoria normal, x es igual a

cualquier valor particular es 0.
- La probabilidad de que x sea menor que una valor a cualquiera, es

igual al área bajo la curva normal comprendida entre menos infinito y
a.
- La probabilidad de que x sea mayor que un valor específico a es igual

al área bajo la curva normal comprendida entre a y más infinito.

Por otro lado, cualquier curva normal, independientemente de su media o
desviación estándar, se ajusta a la siguiente "regla":
- Alrededor del 68.2% del área bajo la curva cae dentro de una desvia-
ción estándar de la media.
- Aproximadamente el 95.4% del área bajo la curva cae dentro de 2

desviaciones estándar de la media.
- Acerca de 99.7% del área bajo la curva cae dentro de 3 desviaciones

estándar de la media.
2.5 La distribución normal estándar
La distribución normal estándar, que también se conoce como distribución

tipificada o reducida, es aquella que tiene por media el valor cero μ = 0, y
por desviación típica la unidad, σ =1.
Su función de densidad es:
3. El uso de tablas y calculadoras específicas
Usted ya sabe que para realizar los cálculos de forma práctica, se puede re-
currir a tablas, calculadoras o software adecuados.
Utilizaremos un ejemplo para realizar el cálculo con una calculadora online y

con funciones de Microsoft Excel, para luego pasar a explicar el mismo caso
utilizando tablas.
Comencemos por el ejemplo:
Ejemplo 4
Consideremos una línea de producción de adaptadores de video para moni-

tores, en la que se conoce que los productos defectuosos siguen una distri-
bución normal con desviación típica igual a 0.5 y una media de 4.
Se pide calcular la probabilidad de que haya:
a) Más de 6 adaptadores defectuosos en una hora.

b) Entre 2 y 5 adaptadores defectuosos en una hora.
Busquemos la solución:
Utilizando una calculadora online
a) En este caso utilizaremos la calculadora que se encuentra en el si-

guiente link:
http://www.tuveras.com/estadistica/normal/distribucionz.htm
Mostramos en la siguiente figura cómo se han introducido los valores

y cuál es el resultado.

b) En el mismo link, ingresamos los valores correspondientes
Utilizando Microsoft Excel
4. Se utiliza la función DISTR.NORM (x;media;desv_estándar;acum)
x es el valor de la variable, en nuestro caso 6
media es igual a 4
desv_estándar es 0.5
acum lo ingresamos con valor 1, porque es para x>6, y es por este

mismo motivo que en la fórmula vamos a tener que restar a la pro-
babilidad total el valor que nos devuelve la función.
Nos queda entonces ingresar en la celda lo siguiente
=1-DISTR.NORM(6;4;0,5;1)
El resultado que aparece es 3,16712E-05, que coincide con el ante-

rior método.

5. Procedemos con la misma fórmula, pero restando los valores de 2 a los
de 5. Entonces quedará:
=DISTR.NORM(5;4;0,5;1) - DISTR.NORM(2;4;0,5;1)
Puede verificar que se obtiene el mismo resultado que con el método

anterior.
Utilizando Tablas
Habitualmente se utiliza una tabla de distribución normal estándar,
en la que se tipifica la variable, utilizando la siguiente fórmula:

Resolvamos para nuestro caso y ubiquemos el resultado en una tabla,
en la que se accede con las unidades y decenas en la columna de la
izquierda, y las centenas en la fila superior.
a) Calculamos z
El valor buscado excede los de la tabla, porque su probabilidad es 1.

Por lo tanto, al buscar su complemento (recordemos que era para
x>6) la respuesta será 0, mientras que con las calculadoras nos daba
0.00003.

b) En este caso calculamos los dos valores de z, luego los ubicamos en
la tabla, y por último restamos.
Link a Sitios de Interés
En la página http://www.vitutor.com/pro/5/a_4.html podrá

encontrar interesantes ejemplos de las propiedades aplicadas
en estos últimos cálculos, así como muchos ejercicios resuel-
tos.
Le proponemos un poco de práctica y exposición a la autoevaluación de la

comprensión de los contenidos hasta aquí desarrollados.
Demuestre porqué se afirma que el 99.74% de los valores de x

en una distribución normal se encuentran a menos de tres
desviaciones típicas de la media.
En una distribución normal de media 3 y desviación típica 1,

calcule el valor de a para que P(3−a ≤ x ≤ 3+a) = 0.3616

La media de los pesos de 500 personas adultas elegidas al

azar, es de 74 kg y la desviación típica 4 kg. Suponiendo que
los pesos se distribuyen normalmente, halle cuántas personas
pesan:
a) Entre 68 y 79 kg
b) Exactamente 60 kg
c) Más de 100 kg
d) Menos de 40 kg
e) 40 kg o menos
Cierre de la Unidad
A modo de resumen de lo visto en esta unidad, le propongo la lectu-

ra de un artículo muy llamativo, donde se explica cómo las compañ-
ías de las tarjetas de crédito sacan conclusiones sobre la vida de un
consumidor en particular a través del proceso de minería de datos y
el uso de las distribuciones de probabilidad.
Debe saber que después de que los artículos comenzaron a tomar

fuerza en la red, las mencionadas compañías desmintieron que utili-
zaran los datos de los consumos para interferir en las potenciales
compras de sus clientes.
En el siguiente link se explica con algunos ejemplos cómo son (o

pueden ser) utilizados dichos datos, bajo el llamativo nombre de
“Cómo VISA predice tu divorcio”.
Link a Sitios de Interés
http://www.thedailybeast.com/articles/2010/04/06/how-
mastercard-predicts-divorce.html

PyE U4

Cargado por

Información del documento

Descripción:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Descripción:

Copyright:

Formatos disponibles

PyE U4

Título original:

Cargado por

Descripción:

Copyright:

Formatos disponibles

Carrera: Analista Programador

Analizar probabilísticamente situaciones complejas

Titular de la asignatura: Prof. Lic. Cristina Camós

Autor de contenidos: Prof. Lic. Marcelo Monferrato

¿Qué es la Probabilidad? Distribución de Frecuencias

Probabilidad y Estadística / Módulo II / Unidad 4 / Pág.1

Esta unidad se propone brindarle herramientas que le permitan alcanzar las

- Conocer el desarrollo y las propiedades básicas de los modelos proba-

- Adquirir destreza en el cálculo de probabilidades mediante el uso de cal-

- Estimular el interés del alumno por la Estadística como aliada de las

- Promover el buen uso de la herramienta informática y destacar la impor-

A continuación, le presentamos un detalle de los contenidos y actividades

1.1 La Distribución Binomial

1.2 El experimento de tipo binomial

Probabilidad y Estadística / Módulo II / Unidad 4 / Pág.2

1.4 La distribución hipergeométrica

Links a temas de interés

2. Distribuciones de Probabilidad Continua

2.1 La distribución normal

2.2 La ecuación normal

2.3 La curva normal

2.4 La probabilidad y la curva normal

2.5 La distribución normal estándar

3. El uso de tablas y calculadoras específicas

Links a temas de interés

En la página http://www.vitutor.com/pro/5/a_4.html podrá

Probabilidad y Estadística / Módulo II / Unidad 4 / Pág.3

Lo/a invitamos ahora a comenzar con el estudio de los contenidos que

Probabilidad y Estadística / Módulo II / Unidad 4 / Pág.4

En la unidad anterior hablamos acerca de sucesos, eventos y de sus proba-

Una distribución de probabilidad es la distribución de aquellas

Una función de probabilidad es una regla que asigna probabi-

Cabe señalar que, de acuerdo a cómo sea la naturaleza de la variable que se

1.1 La Distribución Binomial

La distribución binomial es una distribución discreta, muy significativa que

Esta distribución aparece de forma natural al realizar repeticiones indepen-

La variable discreta que cuenta el número de éxitos en n pruebas indepen-

Probabilidad y Estadística / Módulo II / Unidad 4 / Pág.5

- estable (la proporción de piezas defectuosas se mantiene constante

- sin memoria (el resultado de cada pieza no depende de las anterio-

Veamos a continuación cómo se resuelve un ejercicio de este tipo.

Suponga que usted estudia en la modalidad presencial y hoy se dirige a cla-

El docente decide que una buena herramienta es tomar un pequeño cuestio-

Probabilidad y Estadística / Módulo II / Unidad 4 / Pág.6

Deténgase un minuto en esta pregunta, ¿se ha puesto a pensar qué probabi-

Bueno, vamos a resolver esta situación aplicando lo recientemente aprendi-

n será la cantidad de respuestas acertadas (respuestas correctas)

p será la probabilidad que tiene cada n

Con respecto a n, no hay demasiadas dudas. Sabemos que es un número

Con respecto a p, tendremos que hallar las probabilidades de cada situación.

Si elegimos utilizar un diagrama de árbol, la situación se vería de la siguien-

Si elegimos utilizar un diagrama de árbol, la situación sería la siguiente.

En general, la cantidad de resultados posibles será 2 elevado a la cantidad

Probabilidad y Estadística / Módulo II / Unidad 4 / Pág.7

Probabilidad y Estadística / Módulo II / Unidad 4 / Pág.8

En la segunda columna, tomamos la mitad de esta mitad (o sea cuatro) con

Y así quedan representadas las 16 posibilidades de respuesta, desde C-C-C-

Probabilidad y Estadística / Módulo II / Unidad 4 / Pág.9

Ahora bien, como cada pregunta contiene tres respuestas, la probabilidad de