CARFERZEA

DISTRIBUCIÓN DE PROBABILIDADES

Recordemos que cuando se realiza un experimento en donde la variable aleatoria es

cuantitativa, ésta puede ser discreta (cuando toma sólo valores enteros) ó continua (cuando
puede tomar valores enteros y/o decimales).

Si a cada variable aleatoria Xi , se le asigna su valor de probabilidad P( Xi ), de tal manera que

P(Xi)= 1, se puede afirmar que se ha realizado la distribución de probabilidades de la
variable Xi.

El proceso de realizar una distribución de probabilidad depende del tipo de variable aleatoria
que se esté trabajando, por ello hablaremos de distribución de probabilidad discreta y
distribución de probabilidad continua.

1. Distribución de probabilidad discreta:

Consiste en asociar a cada valor Xi de una variable discreta su respectiva probabilidad de

ocurrencia P(xi). Esta distribución puede ser comparada con la distribución de frecuencias
relativas que se le realiza a los datos de una muestra en la estadística descriptiva, por ello su
representación gráfica se muestra a través de un diagrama de barras.

x1  p ( x1 )
x2  p( x2 )
x3  p ( x3 )
  
xn  p( xn )

 p( x )  1
i

La función definida P ( x ) es una función de probabilidad en donde X es una variable aleatoria

o de probabilidad.

Ejemplo 1: En el lanzamiento de un par de dados, en donde n ( S ) = _____ , la distribución de

probabilidad de los posibles resultados es:

En este caso los valores de la variable aleatoria Xi son : 2,3,4,5,6,7,8,9,10,11,12 ( Discretos),

cuyas probabilidades se muestran en la siguiente tabla. (Complétela).

Xi 2 3 4 5 6 7 8 9 10 11 12

P ( Xi 1/36 2/36
)

Distribución de probabilidades
 CARFERZEA

Como se puede observar la suma de todas las probabilidades es 36/36 = 1.

La representación de la anterior distribución de probabilidades la muestra el siguiente

diagrama de barras:

0,18
0,16
0,14
0,12
0,1
0,08 P(Xi)
0,06
0,04
0,02
0
2 3 4 5 6 7 8 9 10 11 12

Análogamente a lo hecho en la distribución de frecuencias se pueden lograr distribuciones de

probabilidad acumuladas, por ejemplo:

Qué probabilidad hay de obtener un 2 o un 3?

Qué probabilidad hay de obtener 9, 10 u 11?

Ejemplo 2: Una caja contiene 20 bombillos de los cuales hay 4 que no funcionan. Se extraen tres
de ellos al azar. Realice la distribución de probabilidades a la variable” número de bombillos
que no funcionan”.

Solución: Tenemos que se puede dar el caso de que en los tres bombillos extraídos no hayan
malos o que no funcionen 1, 2 o los tres. Por ello la variable X = 0, 1,2 o 3.

Por lo tanto debemos encontrar las probabilidades P(0) , P(1) , P(2) y P (3).

P(0) es la probabilidad de que ninguno de los bombillos esté malo, o también, la probabilidad
de que todos estén buenos. Se tiene entonces el evento E = el bombillo no funciona, cuya P(E)
= 4/20, y debemos calcular la probabilidad p( E1  E2  E3 ) para eventos dependientes:

16 15 14 28
P (0) = p( E1  E2  E3 ) =   =
20 19 18 57

La probabilidad de que salga un solo bombillo malo, P (1) , es la suma de las probabilidades de
los casos en donde sólo sale uno de ellos que no funciona, pues puede ser el primero, el
segundo o el tercero, por lo tanto:

P(1) = p( E1  E2  E3 )  p( E 1  E2  E3 )  p( E 1  E2  E3 )

Distribución de probabilidades
 CARFERZEA

4 16 15 16 4 15 16 15 4 8
= (   )(   )(   ) 
20 19 18 20 19 18 20 19 18 19

De igual forma se calculan las probabilidades p (2) y P(3).

P(2) = p( E1  E2  E3 )  p( E 1  E2  E3 )  p( E1  E2  E3 )

4 3 16 16 4 3 4 16 3 8
= (   )(   )(   ) 
20 19 18 20 19 18 20 19 18 95

4 3 2 1
P(3)= p( E1  E 2  E3 )    
20 19 18 285

El diagrama de barras que representa la anterior distribución, se presenta a continuación:

0,500
0,400
0,300
Probabilidad
0,200
0,100
0,000
0 1 2 3
Facturas con errores

Valor esperado (): También denominado esperanza matemática, es la media o promedio de la

variable aleatoria. Para su cálculo se utiliza como ponderación del valor de la variable, su
probabilidad.

E ( x)   xP( xi )

Así, para la variable “resultado en el lanzamiento de un par de dados”, el valor esperado es:

1 2 3 4 5 6 5 4 3 2 1
E ( x)  2( )  3( )  4( )  5( )  6( )  7( )  8( )  9( )  10( )  11( )  12( )
36 36 36 36 36 36 36 36 36 36 36

E( x)  0,055  0,166  0,333  0,555  0,138  1,166  1,111  1  0,833  0,611  0,333  6,31

El hecho de que en el experimento de lanzar un par de dados, el valor esperado sea =6,31,
significa que al hacer el lanzamiento se esperaría que el resultado fuese 6 , o 7.

Se deja como ejercicio al lector de que encuentre la media del ejemplo 2.

Distribución de probabilidades
 CARFERZEA

Distribución de Probabilidad Binomial

Es un tipo de distribución de probabilidad discreta aplicable a los experimentos con “n”

repeticiones o ensayos en donde cada uno de ellos tiene sólo dos posibles opciones: Éxito ó
Fracaso.

Una distribución binomial se caracteriza por:

1. El experimento es repetitivo, se da una serie de “n” ensayos.

2. Cada ensayo tiene dos posibles resultados: éxito o fracaso.

3. La probabilidad de éxito (p) es siempre la misma, por ende, la de fracaso (q = 1 – p),

también.

4. Los ensayos o eventos son independientes.

Cuando un experimento cumple con las tres últimas características, se dice que es de Bernoulli,
lo que significa que un experimento binomial es un experimento de Bernoulli con “n”
repeticiones.

Para explicar el concepto y deducción de la fórmula de distribución binomial, se analiza el

siguiente ejemplo:

Un experimento consiste en lanzar un dado en 4 ocasiones. Se desea determinar la

probabilidad de que salga el 6 en dos lanzamientos.

Solución:

Para este caso tenemos que la variable aleatoria es “ la cantidad de veces que puede salir 6 al
lanzar un dado en cuatro ocasiones ”, por lo tanto se puede afirmar que X = 0 , 1 , 2, 3. Se quiere
determinar la probabilidad de que salga en dos ocasiones, es decir, P ( 2 ).

Se puede verificar que el experimento es binomial ya que cumple con las 4 características.

En este caso, p = probabilidad que salga 6 = 1/6

q = probabilidad de que no salga 6 = ______.

Teniendo en cuenta la conceptualización anteriormente vista, se puede determinar que las

opciones en donde sale el 6 en dos ocasiones en los cuatro lanzamientos son:

(EEFF) , (EFEF) , (EFFE), (FEFE), (FFEE), (FEEF)

La probabilidad de cada uno de ellos es la misma, pues se trata de una probabilidad producto
de eventos independientes y en cada uno de ellos hay dos éxitos y dos fracasos, por lo tanto:

P (2 ) = P(EEFF) + P (EFEF) + P (EFFE) + P (FEFE) + P (FFEE) + P (FEEF)

Distribución de probabilidades
 CARFERZEA

1 1 5 5  25  25
= 6* * * *  = 6* 
6 6 6 6  1296  216

Observando el proceso anterior se puede deducir que la probabilidad de dos éxitos en 4

lanzamientos se da de 6 formas diferentes, 4C2 , y que la probabilidad de cada uno es p
* p * q * q = p2 * q2 , es decir:

P ( 2 ) = 4C2 * p2 * q2

2 2
1 5
= 6*  * 
6 6

 1   25  25
= 6*  *  
 36   36  216

Igualmente se puede calcular la probabilidad para cualquier valor que toma la variable, por
ejemplo:

P ( 3 ) = P ( EEEF ) + P ( EEFE) + P (EFEE) + P ( FEEE)

= 4* ( )

=4* ( )=

Lo que se puede resumir como:

3 1
1 5
P ( 3 ) = 4C3 * p3 * q1 = 4 *   *   =
6 6

Si se resume la probabilidad de éxito del evento se tiene que :

5 5 5 5
P ( 0 ) = 1* ( * * * )  4 C0 * p 0 * q 4
6 6 6 6

1 5 5 5
P (1) = 4 * ( * * * )  4 C1 * p1 * q 3
6 6 6 6

1 1 5 5
P(2) = 6 * ( * * * )  4 C2 * p 2 * q 2
6 6 6 6

1 1 1 5
P(3) = 4 * ( * * * )  4 C3 * p 3 * q 1
6 6 6 6

1 1 1 1
P ( 4 ) = 1* ( * * * )  4 C4 * p 4 * q 0
6 6 6 6

Distribución de probabilidades
 CARFERZEA

Observando la secuencia como se da cada una de las probabilidades para cada valor que toma
la variable, se puede inferir que para “n” ensayos la probabilidad de que la variable tome un
valor x cualquiera es:

P( x )  n C x * p x * q n  x

VALOR ESPERADO Y DESVIACIÓN ESTÁNDAR EN UNA DISTRIBUCIÓN BINOMIAL

Recordemos que el valor esperado de una variable aleatoria x , = E(x) , es la media aritmética
de los valores que ella toma teniendo en cuenta como ponderación su probabilidad de
ocurrencia. En el caso de una distribución b inomial este valor se calcula con la ecuación

  np n = número de ensayos.

p = probabilidad de éxito.

Así, en el ejemplo 1 (número de veces que sale el 6 en 4 lanzamientos de un dado), la media es:

1 2
  4    0,666
6 3

Lo que se puede interpretar como que al lanzar en cuatro ocasiones un dado, se espera que el
6 salga en 1 de ellas aproximadamente. Pero si se hacen 120 lanzamientos, el 6 saldría en
1
promedio 20 veces (   120   20 ) .
6

Para el ejemplo 2 , donde la variable aleatoria es “número de clientes que realizan una
compra”, si se estima que el total de clientes que ingresan al almacén diariamente es de 50, en
 25 
promedio 6 de ellos comprarían . (   50   6,25 )
 200 

La desviación estándar (  ) 1 para una distribución binomial, se calcula con la expresión

  npq

Así las desviaciones estándar para los ejemplos anteriores, son:

1 5 25  175 
  4( )   0,74 y   3( )   0,572 (Para el caso de que tres
6 6 200  200 
clientes ingresen al almacén)

1
Medida de dispersión que estima cuántas unidades por encima o por debajo de la media se encuentra
aproximadamente el 68,27% de los datos.
6

Distribución de probabilidades
 CARFERZEA

EJERCICIOS

1. La siguiente tabla muestra la distribución de probabilidades de la variable aleatoria

“puntaje obtenido por los estudiantes de un curso en la prueba Saber de Castellano”. ( Léase la
segunda fila así: La probabilidad de que un estudiante del curso saque 30 puntos en la prueba,
es del 40%).
X P(X)

20 0,12

30 0,40

40 0,30

50 0,18

a. ¿Es lógica esta distribución de probabilidades?

b. ¿Cuál es la media de los puntajes del salón?
c. ¿Qué probabilidad hay de que un estudiante del curso saque mínimo 30 puntos?
d. ¿Qué probabilidad hay de que el puntaje de un estudiante del curso sea máximo 40
puntos?
e. ¿Cuál es la probabilidad de que un estudiante del curso saque de 30 o 40 puntos?
f. Realice el diagrama de distribución de probabilidades.
g. La desviación estándar de una distribución discreta de probabilidades se calcula con la

expresión    x   
2
i p( xi ) . Calcule la desviación estándar de la variable X del ejercicio.

2. De acuerdo a un estudio realizado durante un periodo de 10 días en una sucursal de

cierto banco, que tiene a disposición del público 4 cajeros, se pudo establecer que 2 de los 10
días el banco sólo usó uno de los cajeros, en 4 días utilizó sólo 2 cajeros, 3 días puso a
disposición del público tres de los cajeros y 1 sólo día trabajaron los 4 cajeros al tiempo. De
acuerdo a la frecuencia con que se utilizaron los cajeros, realice la distribución de probabilidad
de la variable “número de cajeros diarios disponibles al público”, realice su representación
gráfica y halle su valor esperado o media y su desviación estándar. ¿Qué probabilidad hay de
que el banco use dos o tres cajeros en un día?, ¿de que utilice por lo menos 2?

3. La función de probabilidad de una variable discreta “x” está dada por la expresión
p( x)  X i2  1  0,002 , para x = 8,10,12,14. Construya el diagrama de barras que representa
la distribución de probabilidad de la variable y calcule el valor esperado .

4. Determine cuáles de las siguientes variables aleatorias no pueden ser consideradas en

un proceso de Bernoulli.

Distribución de probabilidades
 CARFERZEA

a. X = número de reyes obtenidos al extraer una carta en un naipe de 52 cartas, en tres

extracciones con repetición.
b. X = Tiempo de atención empleado por un cajero a los clientes de una sucursal bancaria.
c. X= Resultado en el lanzamiento de una moneda.
d. X= número de alarmas falsas en una muestra de 10 en la que la probabilidad de
falsedad es de 0,13.

5. Una vacuna contra una enfermedad infecciosa muestra una efectividad de inmunidad
del 93%. Si se le aplica a 5 personas expuestas a la infección, ¿qué probabilidad existe de que
ninguna contraiga la enfermedad?, ¿de que la contraigan 2 o 3?

6. Se lanza una moneda en 4 ocasiones. ¿Qué probabilidad existe de que el resultado sea
sello en 3 de ellas?, ¿qué probabilidad hay de que salga al menos un resultado de cara? ¿Cuál es
la desviación estándar de esta distribución?

7. Una prueba de 8 preguntas se debe responder sólo con las opciones de V o F. Se ha

determinado que la probabilidad de responder correctamente una pregunta es del 60%. Un
estudiante gana la prueba si responde correctamente 5 o más preguntas. ¿Qué probabilidad
hay de que un estudiante pierda el examen?, ¿ de que acierte al 50% de las preguntas?. ¿Cuál es
la media de esta distribución?

8. Otros modelos de probabilidad permiten realizar una distribución de probabilidad en

una variable discreta, ellos son el de distribución de probabilidad de Poisson y el de
distribución de probabilidad hipergeométrica, modelos que, se espera, los consulte cada
estudiante.

Distribución de probabilidades
 CARFERZEA

2. Distribución de probabilidad continua:

El concepto de distribución de probabilidad discreta se puede extender para cuando la variable

tome valores continuos. Siendo la variable continua no es posible listar todos y cada uno de los
valores que ella toma, se trata entonces de calcular la probabilidad de que la variable asuma un
valor dentro de un rango determinado. Para este caso el área total bajo la curva que representa
la función de densidad de probabilidad, p(x), que delimita el polígono de frecuencias, es igual a
1.

Fig 1.

El área bajo la curva entre las rectas Xi y X k, da la probabilidad de que X se encuentre entre
estos dos valores, lo cual se expresa mediante la relación:

P { Xk  X  Xl }

La función P( X ) es una Función de densidad de probabilidad y X es una variable aleatoria

continua.

Ejemplo 1: (Distribución de probabilidad uniforme) Consideremos una empresa que paga a sus
empleados entre U$50 y U$120 como salario semanal. La probabilidad de que un empleado
nuevo ingrese ganando un sueldo cualquiera dentro de este rango es de 1/70, en cualquier otro
caso es cero. ¿Qué probabilidad tiene un empleado, que ingresa por primera vez a la empresa,
de ganar un salario entre U$ 70 y U$110?

Solución: En este caso tenemos una función de probabilidad constante, p(x) = 1/70 para 50 ≤
x ≤ 120, cuya representación gráfica se muestra en la siguiente figura 2:

Fig 2

Observe que el área total bajo la recta es 1, pues se trata de la probabilidad del espacio
muestral, P (50≤x≤120) = 1 (la probabilidad de que el salario de un empleado esté entre
U$50 y U$120 es del 100%).

Distribución de probabilidades
 CARFERZEA

Para responder la pregunta debemos hallar el área comprendida entre x = 70 y x = 110, es

decir, hallar p70  x  110 . Fig 3

P(x)

Fig 3

p70  x  110

Como se puede observar, lo que se debe hallar es el área de un rectángulo de ancho 40 y altura
1/70, luego:

 1  4
p70  x  110 = 40    0,5714
 70  7

Lo que significa que existe una probabilidad del 57,14% de que un empleado de nuevo ingreso
inicie su trabajo devengando un salario semanal entre U$70 y U$110.

Ejemplo 2: Una oficina de atención al cliente de una empresa está preocupada por las
constantes quejas sobre el tiempo que demora la correspondencia en llegar al funcionario
adecuado. El gerente de la oficina ha realizado un estudio en el que pudo establecer que estos
tiempos oscilan entre 8 y 20 horas y que la probabilidad de que la información llegue en un
x 11
tiempo determinado, en este intervalo, está dada por la función p( x)   
360 90

a. ¿Cuál es la probabilidad de que la información llegue en un lapso de 10 a 15 horas?

b. ¿Qué probabilidad existe de que la correspondencia llegue al funcionario adecuado en

un tiempo máximo de 12 horas?

Solución: Para resolver la situación es necesario graficar la función P(X), que se trata, en este
caso, de una función lineal. Claro está que se debe tener en cuenta que el dominio de la función
de probabilidad es 8≤ x ≤ 20, por lo que la gráfica es el segmento de recta que muestra la fig 4.

Se halla p(8) y p(20) y se traza el segmento de recta.

8 11 1
p(8)    
360 90 10

20 11 1
p(20)    
360 90 15

10

Distribución de probabilidades
 CARFERZEA

Fig 4.

Para el caso “a” hallamos p(10) y p(15) y calculamos el área comprendida entre estos valores
(fig 5). Observe que la figura que se forma es un trapecio (invertido) de base mayor P(10) =
17/180, de base menor P(15) = 29/360 y de altura 5.

Fig 5.

El área a calcular se detalla en forma ampliada a continuación, recuerde que el área de un

( B  b) * h
trapecio es A 
2

 17 29 
  *5
A  180 360 

7
 0,4375
2 16

Lo que significa que la probabilidad de que la correspondencia llegue al funcionario indicado

en un lapso de 10 a 15 horas, es del 43,75%.

11

Distribución de probabilidades
 CARFERZEA

b. La probabilidad de que la correspondencia llegue al funcionario adecuado en un tiempo

máximo de 12 horas, la determina el área comprendida entre los valores 8 ≤ x ≤ 12.

Para calcular esta área debemos hallar el área del trapecio de base mayor p(8), de base
menor P(12) y de altura 4.

1 4
p(8  x  12) 
 p(8)  p(12) * 4  (10  45 ) * 4  17  0,3777
2 2 45

Otra forma de calcular estas áreas, que permiten definir la probabilidad de ocurrencia de
la variable continua en un intervalo dado, es a través del cálculo de la integral definida, o
por medio de tablas de valores pre-establecidas.

Distribución de probabilidad Normal

Una forma de distribución de probabilidad continua es la distribución Normal. En ella, las

probabilidades están distribuidas de tal forma que la media, la mediana y la moda
coinciden. Por ello, hasta la media () se acumula el 50% de la distribución y a partir de
ella el otro 50%.

Una distribución normal de probabilidades se representa a través de una curva simétrica

con respecto a la media (), denominada precisamente curva de probabilidad Normal o
campana de Gauss. El área bajo la curva equivale al 100% o la probabilidad del espacio
muestral, P(S)=1.

Una función de densidad de probabilidad Normal está definida por la expresión:

1
P( x)  e ( x   ) / 2 2
2

 2

Donde:
  es la media de la variable aleatoria continua “x”.
  es la desviación estándar
 e , es el número natural 2,71828
  = 3,14159
Dicha función genera la curva normal anteriormente descrita.
12

Distribución de probabilidades
 CARFERZEA

Como en toda distribución de probabilidad continua, para determinar la probabilidad de

que la variable asuma un valor entre un rango determinado, se debe calcular el área bajo
la curva comprendida entre estos valores.

El área sombreada representa la P( X1 ≤ x ≤ X2).

Para determinar el área bajo la curva, sin el uso del cálculo integral, se hace necesario
expresar la variable aleatoria continua “x” en términos de otra variable, denominada
“variable normal estandarizada, z” y que se define como:

xi  
Z

Esta variable Z determina a cuántas desviaciones estándar, por encima o por debajo de la
media, se encuentra cualquier valor x i de la variable. Por ejemplo, si los resultados de una
prueba de un curso arrojó una media = 30 y una desviación estándar  = 5, el valor x i =
40 tiene una valor de z = 2, lo que significa que cualquier estudiante del curso con un
puntaje de 40 puntos, se encuentra a dos desviaciones estándar por encima del promedio
del curso; pero un estudiante que haya obtenido un puntaje de 23, tiene un valor z = -1,4,
que indica que el puntaje obtenido por el estudiante está a 1,4 desviaciones estándar por
debajo de la media.

Cualquier distribución de probabilidad normal puede transformarse en una distribución

normal estándar, que sencillamente es una distribución normal en unidades Z, en la que se
asume una media  =0 y una desviación estándar  = 1. La distribución de los
porcentajes del área en una distribución normal estándar se muestra en la fig 6. (Los
porcentajes se han aproximado a la décima más cercana).

Fig 6.

13

Distribución de probabilidades
 CARFERZEA

Para hallar cualquier área de la curva comprendida entre dos valores cualesquiera de Z, se
utiliza la tabla 1 anexa al final de este documento. El valor del área que allí aparece es
contado a partir del punto Z = 0 y hasta Z = 3, y como la curva es simétrica, estos valores
también corresponden para la región comprendida entre Z = -3 y Z = 0.

Por ejemplo, para determinar qué región de la campana de Gauss corresponde hasta el
valor de Z = 1,24 se procede de la siguiente forma:

 Se sabe que hasta Z =0 , hay 0,5 o 50%.

 Ahora miramos en la tabla el valor que

corresponde al intercepto entre 1.2 y 0.04 (cuya
suma es 1.24), este valor es 0.3925, que significa
que el área entre Z = 0 y Z = 1.24 es el 39,25%.

 Por lo tanto el área acumulada hasta Z =1,24

es 0,5 + 0,3925 = 0,8925.

En forma análoga se puede calcular cualquier área bajo la curva normal, algunas veces se
tendrá que sumar, en otras que restar o realizar un proceso de análisis aritmético sencillo
para determinar el área deseada.

Ejemplo: En enero de 2003 un empleado estadounidense pasaba en promedio 77 horas

conectado a internet durante las horas laborales (CNBS, 15 de marzo de 2003). Suponga
que la media poblacional es 77 horas, que los tiempos están distribuidos normalmente y
que la desviación estándar es 20 horas.

a. ¿Cuál es la probabilidad de que en enero de 2003 un empleado seleccionado

aleatoriamente haya pasado menos de 50 horas conectado a internet?

b. ¿Qué porcentaje de los empleados pasó en enero de 2003 más de 100 horas
conectado a internet?

c. ¿Cuál es la probabilidad de que un empleado en enero de 2003 haya estado

conectado a internet entre 45 y 70 horas?

d. Un usuario es clasificado como intensivo si se encuentra en el 20% superior de uso.

¿Cuántas horas tiene un empleado que haber estado conectado a Internet en enero de
2003 para que se le considere un usuario intensivo?

(Ejercicio 20, pg 242, Estadística para Administración y Economía. Anderson-Sweeney-

Williams. 10ª edición. Ed Cengage learning)

14

Distribución de probabilidades
 CARFERZEA

Solución:

Tenemos una media  = 77 y una desviación estándar  = 20.

a. Se cuestiona por la P (x ≤ 50). En este caso se debe hallar el valor de Z que

corresponde al valor de la variable aleatoria continua x = 50 horas.

xi   50  77
Z   1,35
 20

Para calcular P (x < 50) debemos hallar el área, de la curva normal estandarizada, que
corresponde hasta el valor Z = -1.35, que se detalla a continuación.

Esta área se calcula restando, del 50% que hay hasta

Z = 0, el área comprendida entre Z= -1.35 y Z = 0 (A1),
que la da la tabla. (Recordemos que es el equivalente
al área entre Z = 0 y Z = 1,35).

Por lo tanto:

P (x < 50) = 0,50 – 0,4115 = 0,0885 = 8,85%

Entonces: La probabilidad de que un empleado haya estado conectado a internet menos de

50 horas, en enero de 2003, es de 8,85%.

b. En este caso debemos hallar P( x > 100), por ello hallamos primero el valor de Z
que corresponde a X = 100.

xi   100  77
Z   1,15
 20

Siguiendo un proceso similar al anterior, tenemos que restar del 50% de la segunda mitad
de la curva, el porcentaje que corresponde al sector comprendido entre Z = 0 y Z = 1,15,
que lo da la tabla.
15

Distribución de probabilidades
 CARFERZEA

Luego:

P ( x > 100 ) = 0,50 – 0,3749 = 0,1251.

Lo que indica que el 12,51% de los empleados se

conectó durante más de 100 horas a internet en e l
mes de enero de 2003.

c. Para este caso, P (45 ≤ x ≤ 70), debemos hallar los valores de Z que corresponden
a x = 45 y x = 70 y hallar el área entre ellos.

45  77 70  77
Z1   1,6 y Z2   0,35
20 20

Esta área se halla restando el área comprendida entre Z = -1.6 y Z = 0 y el área

comprendida entre Z = -0,35 y Z = 0, que ambas se encuentran usando la tabla 1.

_ =

Luego: P (45 ≤ x ≤ 75) = 0,4452 – 0,1368 = 0,3084

d. Se afirma que para ser calificado como usuario intensivo, debe estar en el 20%
superior de uso del internet, es decir, estar 20% por encima de la media (esto es superar el
70% del área total de la curva).

Observando la tabla, el valor de Z que abarca el 0,20 después de la media es Z = 0,53 (se
puede aproximar 0,2019 a 0,20). Ahora hallamos el valor de X que corresponde a Z =
0,53.

xi  
Si Z   xi  Z  

 X  (0,53)(20)  77  87,6

16

Distribución de probabilidades
 CARFERZEA

Se puede afirmar entonces que un empleado es considerado intensivo si se conectó 87,6

horas o más a internet.

EJERCICIOS

1. Para cada una de las gráficas que representan la distribución de probabilidades de

una variable continua, determine el valor de la probabilidad solicitada.

a. P ( 30 ≤ x ≤ 42)

b. P ( 2 ≤ x ≤ 4 )

c. La gráfica muestra la distribución de probabilidad de la variable “longitud de

las piezas producidas por una máquina de una empresa”. Hallar la
probabilidad de que una pieza producida por esta máquina tenga una longitud
superior a 20 cm.
¿Qué probabilidad hay de que la pieza producida tenga una longitud entre 24 y
30 cm?

cm

2. Supongamos que Z es una variable aleatoria que se distribuye según una

distribución normal con = 0 y  = 1. Calcular:

a) P(Z ≤ 1.47) d) P(−1.47 < Z ≤ − 0.45)

b) P(Z > -1.47)
c) P( 0.45 <Z ≤ 1.47) e) P(-1.47 < Z ≤ 0.45)

17

Distribución de probabilidades
 CARFERZEA

3. Calcule el valor de la variable aleatoria “x” para cada uno de los valores de Z, de
acuerdo a la media  y desviación típica  dadas:

a. Z = 1,25,  = 12,  = 2 c. Z = - 1,95 ,  = 50 ,  = 8

b. Z = - 2,54,  = 25,  = 5 d. Z = 2 ,  = 120 ,  = 10

4. En una ciudad se estima que la temperatura máxima en el mes de junio sigue una
distribución normal, con media 23° y desviación típica 5°. Calcular el número de
días del mes en los que se espera alcanzar:
a) Temperaturas máximas entre 21° y 27°.
b) Temperaturas máximas superiores a 20º.
c) Temperaturas máximas inferiores a 28º

5. La media de los pesos de 500 estudiantes de un colegio es 70 Kg. y la desviación

típica 3 Kg. Suponiendo que los pesos se distribuyen normalmente, hallar cuantos
estudiantes pesan:
a) Entre 63 Kg. y 67 Kg.
b) Mas de 76 Kg.
c) Menos de 72 kg Kg.
d) Entre 66 y 80 kg.

6. Se supone que los resultados de un examen siguen una distribución normal con
una media 78 y varianza 36. Se pide:
a) .Cual es la probabilidad de que una persona que se presenta al examen obtenga una
calificación superior a 72?
b) Calcular la proporción de estudiantes que tienen puntuaciones que exceden por lo
menos en cinco puntos de la puntuación que marca la frontera entre el Apto y el No-Apto
(son declarados No-Aptos el 25% de los estudiantes que obtuvieron las puntuaciones más
bajas).

7. Tras un test de cultura general se observa que las puntuaciones obtenidas siguen
una distribución Normal de =65 y  = 18. Se desea clasificar a los examinados en
tres grupos (de baja cultura general, de cultura general aceptable, de excelente
cultura general) de modo que hay en el primero un 20% la población, un 65% el
segundo y un 15% en el tercero. ¿Cuáles han de ser las puntuaciones que marcan el
paso de un grupo al otro?

8. Varios test de inteligencia dieron una puntuación que sigue una distribución
normal con media 100 y desviación típica 15.
a) Determinar el porcentaje de población que obtendría un coeficiente entre 95 y 110.
b) ¿Que intervalo centrado en 100 contiene al 50% de la población?
c) En una población de 2500 individuos. ¿Cuántos individuos se esperan que tengan un
coeficiente superior a 125?

9. La renta media de los habitantes de un sector es de 4 millones de pesos/año, con

una varianza de 1,5. Se supone que se distribuye según una distribución normal.
Calcular:
a) Porcentaje de la población con una renta inferior a 3 millones de pesos.
b) Porcentaje de la población con rentas que oscilan entre 2,5 y 5,5 millones de pesos/año.

18

Distribución de probabilidades
 CARFERZEA

c) Renta a partir de la cual se sitúa el 10% de la población con mayores ingresos.

d) Intervalo centrado en 3 millones que contiene al 20% de los habitantes.

10. La vida media de los habitantes de un país es de 68 anos, con una varianza de 25
(Recuerde que la varianza es 2). Se hace un estudio en una pequeña ciudad de
10.000 habitantes:
a) Cuantas personas superaran previsiblemente los 75 años?
b) Cuantos vivirán menos de 60 anos?
c) Qué probabilidad hay de que una persona de esta comunidad viva entre 72 y 78 años?

11. La duración promedio del mezclador de un cierto fabricante es de 5 años, con una
desviación estándar de 1 año. Asumiendo que las duraciones de estos mezcladores
siguen aproximadamente una distribución normal, encuentre:
a) La probabilidad de que la vida promedio de un mezclador esté entre 4.4 y 5.2.
b) La probabilidad de que la vida útil de un mezclador sea mayor a 6,5 años.
c) Probabilidad de que un mezclador dure entre 2 y 6 años.

12. El periodo de tiempo que un cajero de banco atiende a un cliente es una variable
aleatoria con una media de 3.2 min y una desviación estándar de 1.6 min. Cuál es la
probabilidad de que el cajero atienda a un cliente en:
a) Cuando mucho 2.7 min
b) Mas de 3.5 min
c) Al menos 3.2 min pero menos de 3.4 min.

13. Se sabe que la nota promedio del área de castellano obtenida por los estudiantes
de cierta institución en las pruebas saber icfes de 11, fue de 47 puntos, con una
desviación estándar de 5 puntos. Los puntajes de los estudiantes tuvieron una
distribución normal. Si se escoge aleatoriamente un estudiante de la institución,
¿qué probabilidad hay de que éste tenga una puntuación superior a 60puntos? , ¿
de que su puntuación sea menor a 60 puntos?. Si se escogen 6 estudiantes, ¿qué
probabilidad hay de que exactamente 4 de ellos tenga un puntaje superior a 60
puntos? ¿ cuál es la probabilidad de que exactamente 3 de ellos tengan una
puntuación menor a 60 puntos?, ¿ de que por lo menos 1 tenga una puntuación
superior a 60 puntos?

14. En el ejercicio 12, si se analizan 8 clientes atendidos por el cajero, qué probabilidad
existe de que exactamente 4 de ellos hayan sido atendidos en un tiempo superior a
5 minutos?. ¿De que exactamente 2 de ellos se les atienda en un lapso inferior a 5
minutos? ¿De que máximo 4 fuesen atendidos en un tiempo mínimo de 5 minutos?

15. Teniendo en cuenta los datos del ejercicio 11, al escoger una muestra de 12
mezcladores, ¿qué probabilidad hay de que exactamente 5 de ellos tengan una vida
útil superior a la vida media?

19

Distribución de probabilidades