UNIVERSIDAD DE PAMPLONA

DEPARTAMENTO DE MATEMÁTICAS
Asignatura: Estadística y probabilidad
Tema: Teorema de Chebyshev. Algunas distribuciones discretas y continua.
Docente: Carolina Vargas Contreras
Fecha: Parte 2 Segundo Corte Grupos:
AR,BR

Distribuciones discretas
Las distribuciones discretas que estudiaremos son:
Distribución Probabilística Binomial
Distribución Probabilística Hipergeométrica
Distribución Probabilística de Poisson

Distribución Probabilística Binomial

La distribución de probabilidad binomial es una distribución de probabilidad discreta que se presenta con
mucha frecuencia.

Características
1) Sólo hay dos posibles resultados en un determinado ensayo del experimento.

• Por ejemplo, el enunciado en una pregunta de cierto o falso puede ser o cierto o falso. Los
resultados son mutuamente excluyentes, lo cual significa que la respuesta a una pregunta de
cierto o falso no puede ser al mismo tiempo cierta o falsa.

Con frecuencia, se clasifican los dos posibles resultados como éxito y fracaso. Sin embargo, esta
clasificación no implica que un resultado sea bueno y el otro malo.

2) Otra característica de la distribución binomial es el hecho de que la variable aleatoria es el resultado

de conteos. Es decir, se cuenta el número de éxitos en el número total de ensayos.

• Lance una moneda equilibrada cinco veces y cuente el número de veces que aparece una cara.
• Seleccione 10 trabajadores y liste cuántos tienen más de 50 años.

3) Una tercera característica de una distribución binomial consiste en que la probabilidad de éxito es
la misma de un ensayo a otro.

Dos ejemplos son:

• La probabilidad de que adivine la primera pregunta de una prueba de verdadero o falso (éxito) es de
un medio. Esto constituye el primer ensayo. La probabilidad de que adivine la segunda pregunta
(segundo ensayo) también es de un medio; la probabilidad de éxito en el tercer ensayo es un medio
y así sucesivamente.

• Si la experiencia reveló que el puente giratorio sobre Intercoastal Waterway, en Socastee, se elevó
una de cada 20 veces que usted se aproximó a él, entonces la probabilidad es un veinteavo (un éxito)
de que se eleve la próxima ocasión que se acerque a él, es de un veinteavo la siguiente vez y así
consecutivamente.
 4) La última característica de una distribución de probabilidad binomial consiste en que cada ensayo
es independiente de cualquier otro. Que sean independientes significa que no existen patrones en los
ensayos.

El resultado de un ensayo particular no influye en el resultado de otro ensayo. Dos ejemplos de lo

anterior son:

• Una joven familia tiene dos niños, ambos varones. La probabilidad de que el tercer hijo sea un varón
sigue siendo 0.50. Es decir, el género del tercer hijo es independiente de los otros dos.

• Suponga que 20% de los pacientes atendidos en la sala de urgencias del Waccamaw Hospital no
tiene seguro médico. Si el segundo paciente atendido en el turno vespertino hoy no tiene seguro, eso
no afecta la probabilidad de que el tercero, el décimo o cualquiera de los otros pacientes cuente o no
con seguro.

Fórmula para calcular la Probabilidad Binomial

𝑃 (𝑥 ) = 𝑛 𝐶𝑥 ∗ 𝜋 𝑥 ∗ (1 − 𝜋)𝑛−𝑥
Donde
𝐶 𝑒𝑠 𝑒𝑙 𝑠í𝑚𝑏𝑜𝑙𝑜 𝑑𝑒 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛.
𝑛 𝑒𝑠 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠
𝑥 𝑒𝑠 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎 𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑎 𝑐𝑜𝑚𝑜 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 é𝑥𝑖𝑡𝑜𝑠
𝜋 𝑒𝑠 𝑙𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 é𝑥𝑖𝑡𝑜 𝑒𝑛 𝑐𝑎𝑑𝑎 𝑒𝑛𝑠𝑎𝑦𝑜

Empleamos la letra griega 𝜋 (𝑝𝑖) para representar un parámetro de población binomial. No confundir
con la constante matemática 3,1416.

Media y varianza de una distribución binomial

✓ Media de una distribución binomial 𝜇 = 𝑛𝜋
✓ Varianza de una distribución binomial 𝜎 2 = 𝑛𝜋(1 − 𝜋)

La vida te pondrá obstáculos, pero los límites los pones tú.

 Probabilidad Binomial

Ejemplo
1) US Airways tiene cinco vuelos diarios de Pittsburgh al Aeropuerto Regional de Bradford,
Pennsylvania. Suponga que la probabilidad de que cualquier vuelo llegue tarde sea de 0.20.
a) ¿Cuál es la probabilidad de que ninguno de los vuelos llegue tarde hoy?
b) ¿Cuál es la probabilidad de que exactamente uno de los vuelos llegue tarde hoy?
c) Calcule la media y la varianza.

Solución

Identifico los datos, el valor de la x sale de la pregunta, reemplazamos los datos en la fórmula para
obtener el resultado y luego concluimos.

a) ¿Cuál es la probabilidad de que ninguno de los vuelos llegue tarde hoy?

π = 0,20
n=5
𝑥=0
𝑃 (𝑥 ) = 𝑛 𝐶𝑥 ∗ 𝜋 𝑥 ∗ (1 − 𝜋)𝑛−𝑥

𝑃(𝑥 = 0) = 5 𝐶0 ∗ (0,20)0 ∗ (1 − 0,20)5−0 = 0,3277

La probabilidad de que ninguno de los vuelos llegue tarde hoy es de 0,3277 ó 32.77%

b) ¿Cuál es la probabilidad de que exactamente uno de los vuelos llegue tarde hoy?

π = 0,20
n=5
𝑥=1
𝑃 (𝑥 ) = 𝑛 𝐶𝑥 ∗ 𝜋 𝑥 ∗ (1 − 𝜋)𝑛−𝑥

𝑃(𝑥 = 1) = 5 𝐶1 ∗ (0,20)1 ∗ (1 − 0,20)5−1 = 0,4096

La probabilidad de que exactamente uno de los vuelos llegue tarde hoy es de 0,4096 ó 40.96%

c) Calcule la media y la varianza

π = 0,20
n=5

Media 𝜇 = 𝑛𝜋
𝜇 = 5 ∗ (0,20) = 1

La media es 1.

Varianza 𝜎 2 = 𝑛𝜋(1 − 𝜋)
𝜎 2 = 1 ∗ (1 − 0,20)
𝜎 2 =0,80

La varianza es 0,80.
Lo podemos comprobar por la tabla de distribución de probabilidades

𝑃 (𝑥 ) = 𝑛 𝐶𝑥 ∗ 𝜋 𝑥 ∗ (1 − 𝜋)𝑛−𝑥

𝑃 (𝑥 = 0) = 5 𝐶0 ∗ (0,20)0 ∗ (1 − 0,20)5−0 = 0, 3277

𝑃 (𝑥 = 1) = 5 𝐶1 ∗ (0,20)1 ∗ (1 − 0,20)5−1 = 0,4096
𝑃 (𝑥 = 2) = 5 𝐶2 ∗ (0,20)2 ∗ (1 − 0,20)5−2 = 0,2048
𝑃 (𝑥 = 3) = 5 𝐶3 ∗ (0,20)3 ∗ (1 − 0,20)5−3 = 0, 0512
𝑃 (𝑥 = 4) = 5 𝐶4 ∗ (0,20)4 ∗ (1 − 0,20)5−4 = 0,0064
𝑃 (𝑥 = 5) = 5 𝐶5 ∗ (0,20)3 ∗ (1 − 0,20)5−5 = 0,00032

Media 𝜇 = 0,9999~1
Varianza 𝜎 2 = ∑ 𝑥 2 𝑃(𝑥) − 𝜇2
𝜎 2 = 1,7995 − (0,9999)2
𝜎 2 = 0,7997~0,8

He fallado una y otra vez a lo largo de mi vida. Es por eso

por lo que he tenido éxito (Michael Jordan)
 Distribución Probabilística Hipergeométrica

La distribución hipergeométrica es especialmente útil en todos aquellos casos en los que se extraigan
muestras o se realizan experiencias repetidas sin devolución del elemento extraído o sin retornar a la
situación experimental inicial.

Modeliza, de hecho, situaciones en las que se repite un número determinado de veces una prueba
dicotómica de manera que con cada sucesivo resultado se ve alterada la probabilidad de obtener en la
siguiente prueba uno u otro resultado.

Es una distribución fundamental en el estudio de muestras pequeñas de poblaciones pequeñas y en el

cálculo de probabilidades de, juegos de azar y tiene grandes aplicaciones en el control de calidad en otros
procesos experimentales en los que no es posible retornar a la situación de partida.

Recuerde que uno de los criterios relacionados con la distribución binomial estriba en que la probabilidad
de éxito debe permanecer igual en todas las pruebas.

Como la probabilidad de éxito no es la misma en todas las pruebas cuando se realiza un muestreo sin
reemplazos en una población relativamente pequeña, no debe aplicarse la distribución binomial.

En lugar de esta se aplica la distribución hipergeométrica. Por tanto,

1) Si se selecciona una muestra de una población finita sin reemplazos y

2) Si el tamaño de la muestra n es mayor que 5% del tamaño de la población, se aplica la distribución
hipergeométrica para determinar la probabilidad de un número especifico de éxitos o fracasos. Esto
resulta especialmente apropiado cuando el tamaño de la población es pequeño.

La fórmula de la distribución de probabilidad hipergeométrica es la siguiente:

(𝐶𝑥𝑠 )(𝐶𝑛−𝑥
𝑁−𝑆 )
𝑃 (𝑥 ) =
𝐶𝑛𝑁

𝑁 representa el tamaño de la población.

𝑆 es el número de éxitos en la población.
𝑋 es el número de éxitos en la muestra; este puede asumir los valores 0, 1, 2, 3…
𝑛 es el tamaño de la muestra o el número de pruebas.
𝐶 es el símbolo de combinación.

En resumen, una distribución de probabilidad hipergeométrica tiene las siguientes características:

1. Los resultados de cada prueba de un experimento se clasifican en dos categorías exclusivas: éxito o
fracaso.
2. La variable aleatoria es el número de éxitos de un número fijo de pruebas.
3. Las pruebas no son independientes.
𝑛
4. Los muestreos se realizan con una población finita sin reemplazos y 𝑁 > 0,05 .Por tanto, la
probabilidad de éxito cambia en cada prueba.
 Ejemplo
Play Time Toys, Inc., tiene 50 empleados en el Departamento de ensamble. Cuarenta empleados
pertenecen a un sindicato, y diez, no. Se eligen al azar cinco empleados para formar un comité que hablará
con la empresa sobre los horarios de inicio de los turnos. ¿Cuál es la probabilidad de que cuatro de los
cinco empleados elegidos para formar parte del comité pertenezcan a un sindicato?

Identifico los datos, reemplazo en la fórmula, obtengo el resultado y concluyo.

𝑁 = 50

𝑆 = 40

𝑛=5

𝑥=4

(𝐶𝑥𝑠 )(𝐶𝑛−𝑥
𝑁−𝑆 )
𝑃 (𝑥 ) =
𝐶𝑛𝑁

𝐶440 ∗ 𝐶5−4
50−40
𝑃 (𝑥 = 4) =
𝐶550

40𝐶4 ∗ (10𝐶1)
𝑃(𝑥 = 4) =
50𝐶5

𝑃 (𝑥 = 4) = 0,4313

La probabilidad de que cuatro de los cinco empleados elegidos para formar parte del comité
pertenezcan a un sindicato es de 𝟎, 𝟒𝟑𝟏𝟑 𝒐 𝟒𝟑, 𝟏𝟑%

DISTRIBUCIÓN DE PROBABILIDAD DE POISSON

La distribución de probabilidad de Poisson describe el número de veces que se presenta un evento
durante un intervalo específico. El intervalo puede ser de tiempo, distancia, área o volumen.

La distribución se basa en dos supuestos.

❖ El primero consiste en que la probabilidad es proporcional a la longitud del intervalo.

❖ El segundo supuesto consiste en que los intervalos son independientes.

En otras palabras, cuanto más grande sea el intervalo, mayor será la probabilidad, y el número de veces
que se presenta un evento en un intervalo no influye en los demás intervalos.
La distribución también constituye una forma restrictiva de la distribución binomial cuando la
probabilidad de un éxito es muy pequeña y 𝑛 es grande. A esta se le conoce por lo general con el nombre
de ley de eventos improbables, lo cual significa que la probabilidad, 𝜋, de que ocurra un evento en
particular es muy pequeña.

La distribución de Poisson es una distribución de probabilidad discreta porque se genera contando.

En resumen, una distribución de probabilidad de Poisson posee tres características:

1. La variable aleatoria es el número de veces que ocurre un evento durante un intervalo definido.
2. La probabilidad de que ocurra el evento es proporcional al tamaño del intervalo.
3. Los intervalos no se superponen y son independientes.

La distribución de Poisson se describe matemáticamente por medio de la siguiente fórmula:

𝜇 𝑥 ∗ 𝑒 −𝜇
𝑃 (𝜇|𝑥 ) =
𝑥!
donde:

μ (mu) es la media de la cantidad de veces (éxitos) que se presenta un evento en

un intervalo particular.
e es la constante 2.71828
x es el número de veces que se presenta un evento.
P(x) es la probabilidad para un valor específico de x.

MEDIA DE UNA DISTRIBUCIÓN DE POISSON 𝜇 = 𝑛𝜋

EJEMPLO
La señorita Bergen es ejecutiva del Coastal Bank and Trust. A partir de sus años de experiencia, calcula
que la probabilidad de que un solicitante no pague un préstamo inicial es de 0.025. El mes pasado realizó
40 préstamos.

a) ¿Cuál es la probabilidad de que no se paguen 3 préstamos?

b) ¿Cuál es la probabilidad de que por lo menos no se paguen 3 préstamos?

Solución:

a) ¿Cuál es la probabilidad de que no se paguen 3 préstamos?

𝜇 = 𝑛𝜋
𝜇 = (40)(0,025)
𝜇 =1

a. 𝜇 = 1
𝑥=3
𝜇 𝑥 ∗ 𝑒 −𝜇
𝑃 (𝜇 | 𝑥 ) =
𝑥!

13 ∗ 𝑒 −1
𝑃(𝜇 = 1|𝑥 = 3) = = 0,0613
3!

La probabilidad de que no se paguen tres préstamos es de 0,0613 o 6,13%.

b) ¿Cuál es la probabilidad de que por lo menos no se paguen 3 préstamos?

(𝑃(𝜇 = 1|0 ≤ 𝑥 ≤ 2) = 𝑃 (𝜇 = 1|𝑥 = 0) + 𝑃 (𝜇 = 1|𝑥 = 1) + 𝑃 (𝜇 = 1|𝑥 = 2)

𝜇=1
𝑥=0

10 ∗ 𝑒 −1
𝑃(𝜇 = 1|𝑥 = 0) = = 0,3678
0!

𝜇=1
𝑥=1

11 ∗ 𝑒 −1
𝑃(𝜇 = 1|𝑥 = 1) = = 0,3678
1!

𝜇=1
𝑥=2

12 ∗ 𝑒 −1
𝑃(𝜇 = 1|𝑥 = 2) = = 0,1839
2!

𝑃(𝜇 = 1|0 ≤ 𝑥 ≤ 2) = 0,3678 + 0,3678 + 0,1839

𝑃(𝜇 = 1|0 ≤ 𝑥 ≤ 2) = 0,9195

La probabilidad de que por lo menos no se paguen 3 préstamos se denota así:

𝑃 (𝜇 = 1|𝑥 ≥ 3) = 1 − 𝑃 (𝜇 = 1|0 ≤ 𝑥 ≤ 2)

𝑃 (𝜇 = 1|𝑥 ≥ 3) = 1 − 0,9195

𝑃 (𝜇 = 1|𝑥 ≥ 3) = 0,0805

La probabilidad de que por lo menos no se paguen tres préstamos es de 0,0805 u 8,05%.

Sean hijos cariñosos, respetuosos, amables, considerados,

atentos, detallistas y ante todo amen de verdad a sus padres.
 DISTRIBUCIÓN CONTINUA

DISTRIBUCIÓN PROBABILISTICA NORMAL

La distribución probabilística normal es una distribución continua y presenta las siguientes
características:

1) Tiene forma de campana y posee una sola cima en el centro de la distribución. La media
aritmética, la mediana y la moda son iguales, y se localizan en el centro de la distribución.
El área total bajo la curva es de 1. La mitad del área bajo la curva normal se localiza a la
derecha de este punto central, y la otra mitad, a la izquierda.

2) La distribución probabilística normal es simétrica respecto de la media. Si hace un corte vertical,

por el valor central, a la curva normal, las dos mitades son imágenes especulares.

3) La curva normal decrece uniformemente en ambas direcciones a partir del valor central. Es decir,
la distribución es asintótica. La curva se aproxima más y más al eje X, sin tocarlo en realidad.
En otras palabras, las colas de la curva se extienden indefinidamente en ambas direcciones.

La distribución normal corresponde a una variable Continua, así que los problemas de distribución
binomial (denominado método exacto) se pueden resolver mediante la distribución normal denominado
(método aproximado) transformando la variable discreta en continua.

La distribución normal gráficamente se presenta mediante una curva en forma de campana denominada
curva normal, curva de error, curva de probabilidad o campana de Gauss, siendo de gran utilidad en la
inferencia estadística.

La distribución de probabilidad normal es importante en inferencia estadística por tres razones diferentes:

1. Se sabe que las medidas producidas en muchos procesos aleatorios siguen esta distribución.

2. Las probabilidades normales pueden utilizarse generalmente para aproximar otras distribuciones
de probabilidades, tales como las distribuciones binomial y Poisson.

3. Las distribuciones de estadísticas tales como la media de la muestra y la proporción de la

muestra, siguen a menudo la distribución normal sin tener en cuenta la distribución de la
población.
 La distribución de probabilidad normal tiene una fórmula muy compleja:

1 (𝑥−𝜇)2
[ ]
𝑃 (𝑥 ) = 𝑒 − 2𝜎2
𝜎√2𝜋

Donde,

π=3.1416

e=2,7183

μ media

Pero no se preocupe por la complejidad de ésta fórmula, ya que no necesitará hacer cálculos
con ella, más bien requerirá una tabla (APENDICE) para buscar las diversas probabilidades.

AREAS BAJO LA CURVA

1. Aproximadamente 68% del área bajo la curva normal está dentro de más una y menos una
desviaciones estándares respecto a la media. Esto se expresa como 𝜇 ± 1𝜎
2. Aproximadamente 95% del área bajo la curva normal está dentro de más dos y menos dos
desviaciones estándares respecto a la media lo ue se expresa 𝜇 ± 2𝜎
3. Prácticamente toda el área 99.7%bajo la curva se encuentra a tres desviaciones estándares de la
media, lo cual se escribe 𝜇 ± 3𝜎

En resumen, existen solamente cuatro situaciones en las que se quiere encontrar el área bajo la curva
normal estándar:

1. Si se desea hallar el área entre 0 y Z (-Z) puede buscarse el valor directamente

en la tabla
2. Si se desea obtener el área más allá de Z o (-Z) localice la probabilidad de Z en
la tabla y reste ese valor de 0,5000.
3. Para el área entre dos puntos en diferentes lados de la media, determine el
valor de Z y sume las áreas correspondientes.
4. Para el área entre dos puntos en el mismo lado de la media, determine
asimismo el valor de Z y reste el área menor de la mayor.
 APLICACIONES DE LA DISTRIBUCIÓN NORMAL ESTÁNDAR

VALOR Z: Distancia con signo entre un valor seleccionado, designado X, y la media, μ, dividida entre
la desviación estándar, σ.

De esta manera, el valor Z es la distancia de la media, medida en unidades de desviación

estándar.
𝑋−𝜇
VALOR NORMAL ESTÁNDAR 𝑍= 𝜎

Donde,

𝑋: es el valor de cualquier observación y medición.

𝜇 : es la media de la distribución.
𝜎: es la desviación estándar de la distribución.

Ejemplo 1
Las cantidades de dinero en solicitudes de préstamo para casas que recibe la empresa Dawn River Federal
Savings, están distribuidas en forma normal con media de $ 70000 y desviación estándar $20000. Una
solicitud de préstamo se recibió esta mañana. ¿Cuál es la probabilidad de que:

a) ¿La cantidad solicitada sea de $80000 o más?

b) ¿La cantidad solicitada esté entre $65000 y $85000?
c) ¿La cantidad solicitada sea $47000 o menos?
d) ¿El importe solicitado sea entre 90000 y 110000?

Graficar cada punto y concluir

Solución

Primero identifico los datos, después los reemplazo en la fórmula de Z, teniendo en cuenta el valor de Z
hallo su probabilidad en la tabla, gráfico, identifico la situación y concluyo.

a) ¿La cantidad solicitada sea de $80000 o más?

𝜇 = 70000
𝜎 = 20000
𝑥 = 80000

𝑥−𝜇
𝑍=
𝜎

80.000 − 70.000
𝑍=
20.000

𝑍 = 0.5
Busco la probabilidad en la tabla de Distribución Normal

𝑃(𝑍 = 0,5) = 0,1915

Utilizo la situación 2: Si se desea obtener el área más allá de Z o (-Z) localice la

probabilidad de Z en la tabla y reste ese valor de 0,5000.

𝑃(𝑥 ≥ 80.000|𝑍 ≥ 0.5) = 0.5000 − 0.1915 = 0,3085

La probabilidad de que la cantidad solicitada sea de $80.000 o más es de 0,3085 o 30.85%.

b) ¿La cantidad solicitada esté entre $65.000 y $85.000?

𝜇 = 70.000 𝜇 = 70.000
𝜎 = 20.000 𝜎 = 20.000
𝑥 = 65.000 𝑥 = 85.000
𝑥−𝜇 𝑥−𝜇
𝑍= 𝑍=
𝜎 𝜎

65.000 − 70.000 85.000 − 70.000

𝑍= 𝑍=
20.000 20.000

𝑍 = −0,25 𝑍 = 0,75

𝑃(𝑍 = −0,25) = 0,0987 𝑃(𝑍 = 0,75) = 0,2734

Situación 3: para el área entre dos puntos en diferentes lados de la media, determine
el valor de Z y sume las áreas correspondientes.

𝑃(65.000 ≤ 𝑥 ≤ 85.000|−0,25 ≤ 𝑍 ≤ 0,75) = 0,0987 + 0,2734 = 0,3721

La probabilidad de que La cantidad solicitada esté entre $65000 y $85000 es de 0,3721 o 37,21%

c)La cantidad solicitada sea $47.000 o menos?

𝜇 = 70.000
𝜎 = 20.000
𝑥 = 47.000

𝑥−𝜇
𝑍=
𝜎

47000 − 70000
𝑍=
20000

𝑍 = −1,15
𝑃(𝑍 = −1,15) = 0,3749

Utilizo la situación 2: Si se desea obtener el área más allá de Z o (-Z) localice la

probabilidad de Z en la tabla y reste ese valor de 0,5000.

𝑃(𝑥 ≤ 47.000|𝑍 ≤ −1,15) = 0,5000 − 0,3749 = 0,1251

La probabilidad de que la cantidad solicitada sea de $47000 o menos es de 0,1251 o 12,51%.

De los sacrificios del hoy, serán los beneficios del mañana.

d)¿El monto solicitado esté entre 90000 y 110000 dólares?

𝜇 = 70000 𝜇 = 70000
𝜎 = 20000 𝜎 = 20000
𝑥 = 90000 𝑥 = 110000
𝑥−𝜇 𝑥−𝜇
𝑍= 𝑍=
𝜎 𝜎

90000 − 70000 110000 − 70000

𝑍= 𝑍=
20000 20000

𝑍=1 𝑍=2

𝑃(𝑍 = 1) = 0,3413 𝑃(𝑍 = 2) = 0,4772

Utilizo la situación 4: para el área entre dos puntos

en el mismo lado de la media, determine asimismo el
valor de Z y reste el área menor de la mayor.

𝑃(90.000 ≤ 𝑥 ≤ 110.000|1 ≤ 𝑧 ≤ 2) = 0,4772 − 0,3413 = 0,1359

La probabilidad de que La cantidad solicitada esté entre $90000 y $110000 es de 0,1359 o 13,59%
 Ejemplo 2

La calificación promedio para un examen es 74 y la desviación estándar es 7. Si 12% de la clase obtiene

A y las calificaciones siguen una curva que tiene una distribución normal, ¿cuál es la A más baja posible
y la B más alta posible?

Solución:

En este ejemplo comenzamos con un área de

probabilidad conocida, encontramos el valor z y
después determinamos x de la fórmula

𝑥 = 𝜎𝑧 + 𝜇.

Un área de 0.12, que corresponde a la fracción de

estudiantes que reciben A, se sombrea en la figura.

Requerimos un valor 𝑧 que deje 0.12 del área a la

derecha.

Por la situación 2 Si se desea obtener el área más allá de Z o (-Z) localice la probabilidad de Z en la
tabla y reste ese valor de 0,5000.

0,5000 − 0,12 = 0,38 Busco la probabilidad 0,38 en la tabla para hallar el valor de Z

De la tabla se observa que 0,3810 es el valor más cercano a 0,38 por lo tanto 𝑍 = 1.18.

Ahora reemplazamos en la fórmula

𝑥 = 𝜎𝑧 + 𝜇
𝜇 = 74
𝜎=7
𝑍 = 1.18

𝑥 = (7)(1.18) + 74 = 82.26.

Por lo tanto, la A más baja es 83 y la B más alta es 82.

 Teorema de Chebyshev
Pafnuti Lvóvich Chebyshov fue un matemático ruso, también conocido como "Chebyshev" o por
otras grafías similares de su apellido. Su principal contribución al conocimiento humano es la
desigualdad que lleva su nombre.

Nacimiento: 16 de mayo de 1821, Zhukovsky District, Rusia

Fallecimiento: 8 de diciembre de 1894, San Petersburgo, Rusia
Estudiantes doctorales: Dmitry Grave, Aleksandr Korkin, Aleksandr Liapunov, Andréi
Márkov y Yegor Zolotariov
Educado en: Universidad Estatal de San Petersburgo; Universidad de Moscú de Física y
Matemática (hasta 1841)
Libros: Definite Integrals, the Theory of Finite Differences, the Theory of Probability, MÁS
Educación: Universidad Estatal de San Petersburgo, Universidad Estatal de Moscú
Premios: Legión de Honor, Premio Demidov

El Teorema de Chebyshev es considerado una desigualdad probabilística, proporciona un límite superior a la

probabilidad de que la desviación absoluta de una variable correspondiente o aleatoria, de su medida, excede un
umbral dado. En general, el Teorema de Chebyshev se usa para medir la dispersión de los datos para cualquier
distribución.
1
El Teorema de Chebyshev explica que al menos 1 − 2 de datos de una muestra deben caer dentro de K, que es
𝑘
las desviaciones estándar de estándar de la media. En cualquier ejercicio o prueba, el K es un número real positivo
mayor que uno.

Cuando sucede una distribución normal, se sabe que al menos un 68% de los datos es una desviación estándar de
la media. Por otro lado, el 95% son dos desviaciones están de la media, y el 99% aproximadamente se encuentra
dentro de las tres desviaciones estándar de la media.

Sin embargo, si el conjunto de estos datos no se logra distribuir adecuadamente, en forma de curva de campana,
entonces la cantidad diferente podría encontrarse dentro de una desviación estándar. El Teorema de Chebyshev es
el encargado de explicar una manera de saber qué fracción de datos se encuentra dentro de las desviaciones
estándar K de la media para cualquier conjunto de datos en específico.

Características importantes del Teorema de Chebyshev

La desigualdad también se puede emplear con la frase de ‘datos de una muestra’ cuando se encuentra en una
distribución de probabilidad. Lo anterior ocurre porque la desigualdad de Chebyshev es el resultado de la
probabilidad, que luego se aplica en la estadística.

Se hace importante aclarar que esta desigualdad o Teorema de Chebyshev es un resultado que se ha aclarado y
demostrado matemáticamente. Por lo que cada una de sus aplicaciones es completamente fidedignas, así como los
resultados. No es como la relación empírica entre la media y el modo, o la regla general que conecta el rango y la
desviación estándar.

Ejemplo
Una variable aleatoria 𝑋 tiene una media 𝜇 = 8, una varianza 𝜎 2 = 9 y una distribución de probabilidad
desconocida. Calcule:
a) P (−4 < X < 20),
b) P (|X −8| ≥ 6).

Solución:
1
a)P(μ − kσ < X < μ + kσ) ≥ 1 − 2
k
μ=8
k=4
σ=3
1
P(8 − (4)(3) < X < 8 + (4)(3)) ≥ 1 −
(4)2
1
P(8 − 12 < X < 8 + 12) ≥ 1 −
16
16 − 1
P(−4 < X < 20) ≥
16
15
P(−4 < X < 20) ≥
16

b) P (|X − 8| ≥ 6)
= 1 − P (|X − 8| < 6)
= 1 − P (−6 < X − 8 < 6)
= 1 − P (−6 + 8 < X − 8 + 8 < 6 + 8)
= 1 − P (2 < X < 14)

1
P(μ − kσ < X < μ + kσ) ≥ 1 −
k2
μ=8
k=2
σ=3
1
P (2 < X < 14) = P(8 − (2)(3) < X < 8 + (2)(3)) ≥ 1 −
(2)2
3
= P(8 − (2)(3) < X < 8 + (2)(3)) ≥
4
3 1
P (|X − 8| ≥ 6) = 1 − P (2 < X < 14) = 1 − ≤
4 4

https://slideplayer.es/slide/11721413/
 Actividad

1.. En una planta de ensamble automotriz se crean 70 nuevos puestos de trabajo y se presentan 1000 aspirantes. Para
seleccionar entre los aspirantes a los 70 mejores la armadora aplica un examen que abarca habilidad mecánica, destreza
manual y capacidad matemática. La calificación media de este examen resulta ser 60 y las calificaciones tienen una desviación
estándar de 6. ¿Una persona que obtiene una calificación de 84 puede obtener uno de los puestos? [Sugerencia: Utilice el
teorema de Chebyshev]. Suponga que la distribución es simétrica alrededor de la media.

2.. Una empresa eléctrica fabrica una bombilla de luz de 100 watts que, de acuerdo con las especificaciones escritas
en la caja, tiene una vida media de 900 horas con una desviación estándar de 50 horas. A lo sumo, ¿qué porcentaje
de las bombillas no duran al menos 700 horas? Suponga que la distribución es simétrica alrededor de la media.

3.. Existe un 90 por ciento de probabilidad de que un tipo determinado de componente se comporte adecuadamente
bajo condiciones de alta temperatura. Si el dispositivo en cuestión tiene cuatro de tales componentes, determine la
probabilidad de cada uno de los siguientes eventos por medio de la fórmula para probabilidades binomiales.

a) Todos los componentes se comportan adecuadamente y por lo tanto el dispositivo es operacional.

b) El dispositivo no es operacional porque falla uno de los cuatro componentes.
c) El dispositivo no es operacional porque falla uno o más de los componentes.

4.. Se conjetura que hay impurezas en 30% del total de pozos de agua potable de cierta comunidad rural. Para
obtener algún conocimiento del problema, se determina que debería realizarse algún tipo de prueba. Es muy
costoso probar todos los pozos del área, por lo que se eligieron 10 aleatoriamente para una prueba,

a) Utilizando la distribución binomial, ¿cuál es la probabilidad de que exactamente tres pozos tengan
impurezas considerando que la conjetura es correcta?
b) ¿Cuál es la probabilidad de que más de tres pozos tengan impurezas?

5.. Keith’s Florists tiene 15 camiones de entrega, que emplea sobre todo para entregar flores y arreglos florales en
la zona de Greenville, Carolina del Sur. De estos 15 camiones, 6 presentan problemas con los frenos. En forma
aleatoria se seleccionó una muestra de 5 camiones. ¿Cuál es la probabilidad de que 2 de los camiones probados
presenten frenos defectuosos?

6.. De 20 estudiantes de una clase, 15 no están satisfechos con el texto utilizado. Si se pregunta por el texto a una
muestra aleatoria de cuatro estudiantes, determine la probabilidad de que:

a) Exactamente tres no estén satisfechos con el texto.

b) Por lo menos tres no estén satisfechos con el texto

7.. Seis personas por hora en promedio utilizan un autoservicio bancario durante las horas principales de compras
en un almacén de departamento. ¿Cuál es la probabilidad de que:

a. ¿Seis personas exactamente utilicen el servicio durante una hora seleccionada aleatoriamente?
Rta: 0,1606
b. ¿menos de cinco personas utilicen el servicio una hora escogida aleatoriamente?
Rta: 0,2851
c. ¿Nadie utilice el servicio durante un intervalo de 10 minutos? Rta: 0,3679

8..En ciertas instalaciones industriales los accidentes ocurren con muy poca frecuencia. Se sabe que la probabilidad
de un accidente en cualquier día dado es 0.005 y los accidentes son independientes entre sí.

a. ¿Cuál es la probabilidad de que en cualquier periodo dado de 400 días habrá un

accidente en un día?
b. ¿Cuál es la probabilidad de que haya a lo más tres días con un accidente?
 9.. Un investigador científico informa que unos ratones vivirán un promedio de 40 meses cuando sus dietas se
restringen drásticamente y después de enriquecen con vitaminas y proteínas. Suponiendo que la vida de tales
ratones se distribuye normalmente con una desviación estándar de 6.3 meses, encuentre la probabilidad de que un
ratón dado vivirá:

a) Más de 32 meses.
b) Menos de 28 meses.
c) Entre 37 y 49 meses.

10..La vida promedio de cierto tipo de motor pequeño es de 10 años con una desviación estándar de 2 años. El
fabricante reemplaza gratis todos los motores que fallen dentro del periodo de garantía. Si él está dispuesto a
reemplazar sólo 3% de los motores que fallan, ¿cuánto tiempo de garantía debería ofrecer?. Suponga que la
duración de un motor sigue una distribución normal.

11.. Una empresa de material eléctrico fabrica bombillas de luz que tienen una duración, antes de quemarse
(fundirse), que se distribuye normalmente con media igual a 800 horas y una desviación estándar de 40 horas.
Encuentre la probabilidad de que una bombilla se queme entre 778 y 834 horas.

La gente positiva es la que se cae, se levanta, se sacude, se cura los

raspones, sonríe a la vida y dice: «Allá voy de nuevo”.