T3 Modelos de probabilidad, funciones y distribuciones de probabilidad

Una variable aleatoria (VA) es la que toma diferentes valores numéricos mediante
un proceso de contar o medir, como producto de un experimento aleatorio
(Rodríguez, Pierdant y Rodríguez, 2016).

Funciones de probabilidad discretas

Una variable aleatoria es discreta si solo toma valores de un grupo previamente
determinado. Una distribución de probabilidad de una variable aleatoria discreta es
una tabla, fórmula o gráfica que enlista todos los valores posibles que puede tomar
dicha variable junto con la probabilidad de cada uno.

Por ejemplo en el futbol americano se puede ganar, perder o empatar, hay 3

valores numericos de probabilidad.

Probabilidades como frecuencias relativas

En la práctica, las probabilidades que se asignan a los valores de una variable
aleatoria a menudo se estiman de frecuencias relativas. Por ejemplo, supón que
existe interés en el número de automóviles que se venden diariamente. El gerente
observa los resultados de los últimos 100 días, los cuales se presentan a
continuación:
Ventas diarias Frecuencia
(X)

0 5 

1 15

2 35

3 25

4 20

Ramiro Garza García 2924760

 Total 100

Pueden utilizarse las frecuencias para estimar la probabilidad de ocurrencia de

cada valor de la variable aleatoria. Puesto que las probabilidades deben sumar 1,
pueden estimarse las probabilidades al dividir cada frecuencia por el número total
de días, que es 100. La distribución de probabilidad estimada es la siguiente:
Ventas diarias Probabilidad
(X)

0 5/100 = 0.05

1 15/100 = 0.15

2 35/100 = 0.35 

3 25/100 = 0.25 

4 20/100 = 0.20 

Total 100/100 = 1.00

De acuerdo con el primer renglón del cuadro anterior, puede decirse que, a largo
plazo, un 5 por ciento de los días el distribuidor no venderá carros y un 35 por
ciento de los días venderá dos carros. También podría decirse que la probabilidad
de vender más de dos carros (renglones de venta tres y cuatro de la tabla) sería
de un 45 por ciento.
3 25/100 = 0.25
4 20/100 = 0.20

P(X>2) = P(X=3) + P(X=4) = 0.25 + 0.20 =0.45

Funciones de distribución continua
Una variable aleatoria continua puede tomar cualquier valor de un rango
especificado. Estos resultados se presentan en forma numérica mediante un
intervalo de valores. La distribución normal es una distribución continua importante
debido a que muchas poblaciones de números se pueden aproximar mediante
ella. Es necesario el conocimiento de la media y la desviación estándar para
identificar una distribución normal específica.

Ramiro Garza García 2924760

Distribución normal
Como se mencionó al principio del capítulo, para entender de forma gráfica qué
tan dispersos o distribuidos están los resultados de una prueba, se puede utilizar
una gráfica de distribución normal conocida comúnmente como campana de
Gauss.
Esta distribución representa muchas variables prácticas que se miden en una
escala continua. Si la variable aleatoria X tiene una distribución normal con
media µ y desviación estándar σ, entonces la variable aleatoria se representa de la
siguiente manera:

Tiene una distribución normal con media 0 y desviación estándar 1, la cual se

conoce como distribución normal estándar. Después de que se ha calculado z, se
puede consultar la tabla de la curva normal con el fin de encontrar el área bajo la
normal que corresponde al valor de interés X.

Distribución binomial
Algunas distribuciones teóricas ocurren una y otra vez en aplicaciones
estadísticas.
Una de ellas es la distribución binomial, que a menudo se utiliza para
representar una variable aleatoria discreta con los experimentos binomiales.
“Esta distribución de probabilidad se ocupa de experimentos en donde su
resultado solo puede tomar un solo valor de dos posibles”(Rodríguez, Pierdant y
Rodríguez, 2016).
Algunos de los experimentos de este tipo de distribución de probabilidad binomial
pueden ser los siguientes:
Experimento Resultado
Seleccionar un producto de la línea de Sí funciona correctamente.
producción para ver si funciona correctamente. No funciona correctamente.
¿Le gustó el café orgánico? Sí le gustó.
No le gustó.
¿El nivel académico de esta universidad es Es bueno.
bueno o malo? Es malo.

Propiedades de un experimento binomial

1. El experimento consiste de una serie de n ensayos idénticos. 

2. En cada ensayo hay dos resultados posibles: éxito y fracaso. 
3. La probabilidad de éxito, denotada por p, no cambia de un ensayo a
otro. 
4. Los ensayos son independientes.

Ramiro Garza García 2924760

Así:
Probabilidad de éxito = p
Probabilidad de fracaso = 1 - p = q
En este caso es de interés encontrar la probabilidad de x éxitos en n pruebas. Los
diversos valores de x, junto con sus probabilidades, forman la distribución
binomial. Estas probabilidades pueden encontrarse a partir de la siguiente
expresión:

p = probabilidad de éxito en cada prueba

q = 1 - p probabilidad de fracaso
n = número de pruebas
Ejemplo:
Se afirma que una nueva dieta es exitosa el 85 por ciento de las veces. Si la dieta
la realizan cinco personas y se puede suponer que los resultados son
independientes entre sí, entonces:

a. ¿Cuál es la probabilidad de que cuatro personas tengan éxito en la

dieta?

Solución:
Si x = 4 es el número de personas que tienen éxito con la dieta,
entonces n = 5 y la probabilidad de que tengan éxito es p = 0.85.
Entonces, utilizando la ecuación de la ecuación binomial dada
anteriormente:

y efectuando los cálculos en la ecuación:

Ramiro Garza García 2924760

 b. ¿Cuál es la probabilidad de que más de tres tengan éxito en la dieta?

En este caso, se pide que x sea superior a tres éxitos, es decir:

Si n = 5, entonces:

Ramiro Garza García 2924760

Ramiro Garza García 2924760