Distribuciones de probabilidad, distribución normal

Una variable aleatoria es una regla que asigna un número a cada resultado de un experimento
de probabilidad.
Una variable aleatoria se clasifica en tres categorías: discreta finita (asume un número finito de
valores), discreta infinita (asume valores infinitos los cuáles pueden acomodarse en secuencia),
continua, si los valores que debe tomar forman un intervalo de número reales.
A partir de la distribución de probabilidad de los resultados de un experimento, es posible
construir una distribución de probabilidad para la variable aleatoria.

1.- Una moneda es lanzada tres veces. La variable aleatoria X denota el número de águilas que
ocurren en tres lanzamientos.
a) Haga una lista de los resultados del experimento, es decir, encuentre el dominio de la función X.
Tenemos 8 posibles resultados:
Espacio muestral: S = { AAA, AAS, ASA, SAA, ASS, SAS, SSA, SSS] cada evento simple tiene una
probabilidad de 1/8
(1/2)(1/2)(1/2)= 1/8

b) Calcule el valor asignado a cada resultado del experimento por la variable aleatoria X.
Para cada resultado del experimento, x tomará diferentes valores:
Resultados del experimento(eventos simples X (variable aleatoria)
del espacio muestral)
AAA 3
AAS 2
ASA 2
SAA 2
ASS 1
SAS 1
SSA 1
SSS 0

c) Encuentre el evento a los cuáles X ha asignado un valor de 2. Este evento se escribe (X=2) y es el
evento que consiste en los resultados en los cuáles ocurren dos águilas.
E (X = 2) = { AAS, ASA, SAA] probabilidad de este evento es 1/8 + 1/8 + 1/8 = 3/8

d) Halle la distribución de probabilidad para la variable aleatoria X.

X P(X)
0 1/8 = 0.125 = 12.5%
1 3/8 = 0.375 = 37.5%
2 3/8 = 0.375 = 37.5%
3 1/8 = 0.125 = 12.5%
 P(X)
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3

e) Diga si la variable aleatoria es discreta o continua.

Discreta Finita

f)¿Cuál es el valor promedio de x que puede esperarse al repetir el experimento múltiples

veces(cien veces, mil veces)? Promedio de la variable aleatoria x
(3+2+2+2+1+1+1+0)/8 = 1.5
X P(X) xP(x)
0 1/8 = 0.125 = 12.5% 0
1 3/8 = 0.375 = 37.5% 0.375
2 3/8 = 0.375 = 37.5% 0.750
3 1/8 = 0.125 = 12.5% 0.375
0+0.375+0.750+0.375 = 1.5
Promedio de la distribución de probabilidad, valor esperado del experimento.

2.- Una moneda es lanzada varias veces hasta que cae en águila. La variable aleatoria Y denota el
número de lanzamientos de la moneda en el experimento.
a) ¿Cuáles son los valores de Y?
Águila podría caer en el primer intento, en el segundo intento, en el tercer intento, etc. Por
tanto, Y puede tomar los valores 1,2,3,4,… hasta el infinito.
Resultados del experimento Y
A ½ 1
SA (1/2)(1/2)=1/4 2
SSA (1/2)(1/2)(1/2)=1/8 3
SSSA (1/2)(1/2)(1/2)(1/2)=1/16 4
SSSSA 1/32 5
SSSSSA 1/64 6
SSSSSSA 1/128 7

b) Halle la distribución de probabilidad para los primeros cuatro valores de Y.

Y P(Y)
1 ½ = 0.5 = 50%
2 (½)*(1/2) = (1/2)^2= ¼ = 0.25 = 25%
3 (1/2)(1/2)(1/2) = (1/2)^3= 1/8 = 0.125 =
12.5%
4 (1/2)^4 = 1/16 = 0.0625 = 6.25%
 0.6 P(Y)
0.5
0.4
0.3
0.2
0.1
0
1 2 3 4

P(Y)

c) Diga si la variable aleatoria es discreta o continua.

Discreta infinita

d) Calcule el valor esperado de la variable aleatoria Y.

Resultados del experimento Y YP(Y) Acumulado
A ½ 1 0.5 0.5
SA (1/2)(1/2)=1/4 2 0.5 1
SSA (1/2)(1/2)(1/2)=1/8 3 0.375 1.375
SSSA 1/16 4 0.25 1.625
SSSSA 1/32 5 0.15625 1.78125
SSSSSA 1/64 6 0.09375 1.875
SSSSSSA 1/128 7 0.0546 1.9296
Valor esperado aproximado tomando los primeros 7 elementos es de 1.9296.

3.- Una lámpara desechable se enciende hasta que se agota la batería. Sea la variable aleatoria Z la
duración (en horas) de la vida útil de la batería.
a) ¿Qué valores puede tomar Z?
Z>0
b) Diga si la variable es discreta o continua.
Continua

4.- Sea X la variable aleatoria que da el resultado de sumar los números que salen al tirar un par de
dados sin truco.
a) Encuentre la distribución de probabilidad de X.
El espacio muestral es el siguiente:
1,1 1,2 1,3 1,4 1,5 1,6
2,1 2,2 2,3 2,4 2,5 2,6
3,1 3,2 3,3 3,4 3,5 3,6
4,1 4,2 4,3 4,4 4,5 4,6
5,1 5,2 5,3 5,4 5,5 5,6
6,1 6,2 6,3 6,4 6,5 6,6
Cada evento simple tiene probabilidad de 1/36 de ocurrir.

La suma de los valores de los dados puede variar entre 2 y 12, lo que genera diferentes eventos
mutuamente excluyentes:
 Evento Conjunto X
Suma= 2 {1,1} 1/36 2
Suma = 3 {1,2 2,1} 1/36 + 1/36 = 2/36 3
Suma = 4 {1,3 2,2 3,1} 3/36 4
Suma = 5 {1,4 2,3 3,2 4,1} 4/36 5
Suma = 6 {1,5 2,4 3,3 4,2 5,1} 5/36 6
Suma = 7 {1,6 2,5 3,4 4,3 5,2 6,1} 6/36 7
Suma = 8 {2,6 3,5 4,4 5,3 6,2} 5/36 8
Suma = 9 {3,6 4,5 5,4 6,3} 4/36 9
Suma = 10 {4,6 5,5 6,4} 3/36 10
Suma = 11 {5,6 6,5} 2/36 11
Suma = 12 {6,6} 1/36 12
Por lo tanto la distribución de probabilidad para la variable X es:

X P(X) P(X) en %
2 0.02777778 2.78
3 0.05555556 5.56
4 0.08333333 8.33
5 0.11111111 11.11
6 0.13888889 13.89
7 0.16666667 16.67
8 0.13888889 13.89
9 0.11111111 11.11
10 0.08333333 8.33
11 0.05555556 5.56
12 0.02777778 2.78
Total 1 100

P(X) en %
18.00
16.00
14.00 b) Diga si la variable aleatoria es discreta o continua.

12.00
10.00
8.00
6.00
4.00
2.00
0.00
2 3 4 5 6 7 8 9 10 11 12
 Conjunto X xP(x)
{1,1} 1/36 2 2/36
{1,2 2,1} 1/36 + 1/36 = 3 6/36
2/36
{1,3 2,2 3,1} 3/36 4 12/36
{1,4 2,3 3,2 4,1} 4/36 5 20/36
{1,5 2,4 3,3 4,2 5,1} 6 30/36
5/36
{1,6 2,5 3,4 4,3 5,2 6,1} 7 42/36
6/36
{2,6 3,5 4,4 5,3 6,2} 8 40/36
5/36
{3,6 4,5 5,4 6,3} 4/36 9 36/36
{4,6 5,5 6,4} 3/36 10 30/36
{5,6 6,5} 2/36 11 22/36
{6,6} 1/36 12 12/36
2+3+3+4+4+4+5+5+5+5+6+6+6+6+6+7+7+7+7+7+7+8+8+8+8+8+9+9+9+9+10+10+10+11+11+12=
2(1) + 3(2) + 4(3) + 5(4) + 6(5) + 7(6) + 8(5) + 9(4) + 10(3) + 11(2) + 12 = 2 +6 + 12 + 20 + 30 + 42 +
40 + 36 + 30 + 22 + 12 = 252
252/36 = 7
Promedio de la distribución de probabilidad, o valor esperado: 7.

5.- Los datos siguientes reflejan el número de autos observados en una fila de espera, medidos a
intervalos de 2 minutos, entre las 3 y las 5 p.m. , en un viernes en un cajero automático.
Autos Frecuencia
0 2 2/60
1 9 9/60
2 16 16/60
3 12 12/60
4 8 8/60
5 6 6/60
6 4 4/60
7 2 2/60
8 1 1/60
a) Encuentre la distribución de probabilidad para la variable aleatoria X, donde X denota el
número de autos observados en la fila de espera.
X P(x) P(x) en %
0 0.0333 3.33
1 0.1500 15.00
2 0.2667 26.67
3 0.2000 20.00
4 0.1333 13.33
5 0.1000 10.00
6 0.0667 6.67
7 0.0333 3.33
8 0.0167 1.67
 1 100

b) Dibuje el histograma de frecuencias y el histograma que represente la distribución de

probabilidad.

Frecuencia
18
16
14
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8

P(x) en %
30.00

25.00

20.00

15.00

10.00

5.00

0.00
0 1 2 3 4 5 6 7 8

c) ¿Cuál es la probabilidad de que haya 5 o más autos en la fila de espera?

P(X>=5 ) = P(5) + P(6) + P(7) + P (8) = 10 + 6.67 + 3.33 + 1.67 = 21.67 %
 d) Calcule la media y la desviación estándar.
Autos Frecuencia MC * F (X-Xm)^2*f
0 2 0 19.01
1 9 9 39.06
2 16 32 18.78
3 12 36 0.08
4 8 32 6.72
5 6 30 22.04
6 4 24 34.03
7 2 14 30.68
8 1 8 24.17
Total 60 185 194.58

Media 3.083
Varianza 3.30
Desv. Est. 1.82

e) Diga si la variable aleatoria es discreta o continua.

Discreta infinita

f) Obtener el valor esperado de la variable aleatoria “x”.

X P(x) P(x) en % xP(x)
0 0.0333 3.33 0
1 0.1500 15.00 0.1500
2 0.2667 26.67 0.5334
3 0.2000 20.00 0.6000
4 0.1333 13.33 0.5332
5 0.1000 10.00 0.5000
6 0.0667 6.67 0.4002
7 0.0333 3.33 0.2331
8 0.0167 1.67 0.1336
1 100 3.0835
El valor esperado de una variable aleatoria es el promedio de una distribución de probabilidad.
La distribución normal es una distribución de probabilidad de una variable aleatoria continua Z,
cuya media, mediana y moda están en cero y su desviación estándar es 1. Esta distribución de
probabilidad es simétrica alrededor de la media, con forma de campana vuelta hacia abajo, con
colas simétricas. El área bajo la curva es 1. La probabilidad de que la variable Z esté entre dos
valores se calcula usando tablas.

6.- Usando la tabla de distribución normal, calcule la probabilidad para los siguientes eventos, y
haga un dibujo señalando en la campana de Gauss, el área correspondiente.
a) P( Z<0 ) (Tabla de la distribución normal).

P(Z<0 ) = 0.5000 = 50%

b) P( Z > 0) = 1 – P( Z< 0) = 1 - 0.5000 = 0.5000 = 50%

c) P( Z < 1.45) (Tabla de la distribución normal). P(Z<1.45 ) = 0.92647 = 92.647%

d) P( Z > 1.45) = 1 – P(Z<1.45) = 1 – 0.92647= 0.07353 = 7.353%

e) P(Z < -1.45) = 0.07353 = 7.353%

 f) P( Z > - 1.45) = 1- P(Z<-1.45) = 1- 0.07353 = 0.92647 = 92.647%

g) Probabilidad de que Z esté entre -2.4 y 1.2, P(-2.4<Z<1.2) = P(Z<1.2) – P(Z<-2.4) = 88.49% -
0.82% = 87.67%

P(Z<1.2) = 0.8849 = 88.49% (tabla de la distribución normal).

P(Z<-2.4 ) = 1 – P(Z<2.4) = 1 – 0.9918 = 0.0082 = 0.82%

P(-2.4<Z<1.2) = P(Z<1.2) – P(Z<-2.4) = 88.49% - 0.82% = 87.67%

8.- La vida o duración de cierto tipo de pila seca se distribuye normalmente con media de 500 días
y desviación estándar de 50 días. La variable tiempo puede interpretarse como continua.
a) ¿Qué fracción de éstas baterías puede esperarse que duren más de 580 días?
b) ¿Qué fracción puede esperarse que falle antes de 450 días?

a) Hacemos una normalización, desde una distribución normal con media 500 y desviación
estándar 50, N(500,50); a una distribución normal estándar con media cero y desv.
Estándar 1, N(0,1).
580−500
Z 1= =1.60
50
Buscando en tablas, P(Z<1.6 ) = 0.9452, por tanto P(Z>1.6)= 0.0548=5.48%
Y éste es el porcentaje de baterías que se esperen duren más de 580 días, 5.48%
P(T>580)= P(Z>1.6 )= 5.48%

b) Normalizando:
450−500
Z 2= =−1.00
50
P(Z < -1) = 0.1587 = 15.87%
P(T<450) = P(Z< -1) = 15.87%

7.- Suponga que los autos en la fila de espera del problema 5 siguen una distribución normal.
Usando la transformación Z = ( X – Xmedia) / σ encuentre (Note que estamos haciendo una
conversión de una variable discreta finita a una variable continua):
a) La probabilidad de que haya 2 autos en la fila P(X=2) = P (1.5 < X < 2.5) = 0.1823 = 18.23%
Como estamos usando una distribución de probabilidad continua para aproximar una
distribución discreta, en lugar de calcular la probabilidad de 2, calculamos un intervalo centrado
en dos.
P(1.5<x<2.5) = P( x<2.5) – P(x<1.5)
2.5−3.08
Z 1= =−0.3186=−0.32
1.82
1.5−3.08
Z 2= =−0.8681=−0.87
1.82
P(1.5<x<2.5) = P( x<2.5) – P(x<1.5) = P(Z<-0.32) – P(z<-0.87)
P(z<-0.32 ) = 0.3745
P(z<-0.87 ) = 0.1922
P(1.5<x<2.5) = P( x<2.5) – P(x<1.5)= 0.3745 – 0.1922 = 0.1823

b) La probabilidad de que haya 5 o más autos en la fila de espera, P(X> 4.5).

4.5−3.08
Z 3= =0.7802=0.78
1.82

P(X>=4.5) = P(Z>0.78) = 1 – P(Z<0.78) = 1 – 0.7823 = 0.2177 = 21.77%

c) ¿Difiere el cálculo anterior del cálculo hecho en el inciso C del problema 5? Sólo por
décimas, pero en cambio el cálculo para X=2 está por debajo por 10%, significa que la
distribución de probabilidad del problema cinco sólo puede aproximarse a una
distribución normal en su lado derecho. En la gráfica, se ve en azul la distribución de
probabilidad del problema 5, y en anaranjado, la aproximación usando la distribución
normal. Ambas distribuciones tienen media 3.08 y desviación estándar 1.82.
 Chart Title
0.3000

0.2500

0.2000

0.1500

0.1000

0.0500

0.0000
0 1 2 3 4 5 6 7 8 9

P(X) N(3.08,1.82)

d) La probabilidad de que haya 3 o más autos y menos de 5 autos en la fila de espera.

P(X=3) + P(X=4)= P(2.5<x<4.5)
2.5−3.08
Z 4= =−0.3186=−0.32
1.82

4.5−3.08
Z 5= =0.7802=0.78
1.82
P(2.5<x<4.5) = P(x< 4.5) – P(x<2.5) = P(Z<0.78) – P(Z<-0.32)
P(Z<0.78) = 0.7823
P(Z< -0.32) = 0.3745
P(2.5<x<4.5) = P(x< 4.5) – P(x<2.5) = P(Z<0.78) – P(Z<-0.32) = 0.7823 – 0.3745 = 0.4078 = 40.78%