PROBABILIDAD

TEORÍA BÁSICA DE LA ESTADÍSTICA

CAT: MSC. INGA. GUIPPSY MENÉNDEZ

SILENCIAR SUS MICRÓFONOS

POR FAVOR
 2
DISTRIBUCIÓN DE PROBABILIDAD
Si a cada uno de los valores del espacio muestral, le hacemos corresponder su
respectiva probabilidad de ocurrencia, a esta correspondencia le llamaremos
Distribución de probabilidad, Función de Probabilidad o simplemente Distribución
Probabilística, es decir:
 3

Una Distribución de Probabilidad, se puede representar de dos maneras: mediante

una tabla de datos o mediante un gráfico denominado histograma.
 4
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
En esta distribución la variable aleatoria asume valores discretos (enteros) finitos o
infinitos, destacándose las siguientes propiedades:
 5
Cuando se presentan dos distribuciones de variable discreta: X y Y del mismo
espacio muestral se tiene:

Si X y Y son variables aleatorias independientes, entonces:

La varianza se obtiene:
EJEMPLO #1 6

Una variable aleatoria tiene la siguiente ley de distribución

a. Determine el valor de k.
 7
b. Calcule los estadísticos de la distribución de probabilidad
EJEMPLO #2 8

Un vendedor obtiene sus ingresos mediante la venta de dos productos distintos. Su

ingreso mensual es el 10% del volumen en dólares del producto A y el 15% del
volumen de B. Si en promedio las ventas del producto A ascienden a $ 10,000 con
una desviación de $ 2,000 y las de B a $ 8,000 con una desviación de $ 1,000.
Obtenga el valor esperado y la desviación del ingreso mensual del vendedor

Sea X la distribución de probabilidad del producto A

Sea Y la distribución de probabilidad del producto B
 9

El valor esperado de los ingresos del vendedor está dado por:

La varianza de los ingresos del vendedor está dado por:

La desviación estándar está dado por:

 10

DISTRIBUCIÓN BINOMIAL O DE BERNOUILLI

Un evento está bajo la Distribución Binomial, si cumple con las siguientes condiciones:

a. Existen n observaciones o ensayos idénticos.

b. Cada ensayo tiene dos posibles resultados, uno llamado “éxito” (cumple) y el
otro denominado “fracaso” (no cumple).

c. Las probabilidades de éxito p y de fracaso q=1-p se mantienen constantes para

todos los ensayos.

d. Los resultados de los ensayos son independientes entre sí.

 11

La distribución Binomial o de Bernoulli se expresa con la siguiente función:

Donde:

C(n,x): Número de combinaciones de x elementos que se pueden hacer con n

elementos.

x: El valor de la variable cuya probabilidad queremos calcular.

n: Número de ensayos.

p: Probabilidad de la ocurrencia de un evento.

q: Probabilidad de la no ocurrencia del evento q=1-p.

 12

PROPIEDADES DE LA DISTRIBUCIÓN BINOMIAL

En una distribución binomial se debe tomar en cuenta las siguientes propiedades:

 13

La probabilidad acumulada en una distribución binomial o de Bernoulli cumple con:

EJEMPLO #1 14

Un vendedor de seguros vende pólizas a 5 hombres, todos de la misma edad y con

buena salud; de acuerdo con las tablas actuariales, la probabilidad de que un
hombre de esta edad viva 30 años más es 2/3. Hallar la probabilidad de que a los
30 años vivan:
a. Los 5 hombres.
b. Al menos 3 hombres.

Evento aleatorio x : hombre viva 30 años p=2/3 q=1/3 n=5

a. Probabilidad que vivan los 5 hombres
 15
b. Probabilidad que vivan al menos 3 hombres
 EJEMPLO #2 16

Jaime Torres es el alcalde de una gran ciudad. Últimamente le ha empezado a inquietar

la posibilidad de que haya un extenso número de personas que estén cobrando cheques
del seguro de desempleo y trabajen en secreto. Sus ayudantes estiman que 35% de los
beneficiarios de ese seguro caen dentro de tal categoría, pero el señor Torres no está
convencido de ello. Pide a uno de sus ayudantes llevar a cabo una investigación
confidencial de 10 beneficiarios del seguro seleccionados aleatoriamente. si los
ayudantes del alcalde tienen razón, ¿cuál es la probabilidad de que más de 7 individuos
tengan algún trabajo?
Evento aleatorio x : cobrar seguro de desempleo p=0.35 q=0.65 n=10
 17
DISTRIBUCIÓN DE PROBABILIDADES PARA VARIABLE ALEATORIA CONTINUA
A los eventos de un experimento aleatorio que se los determina mediante una
medición, tales como la estatura de una persona, el peso de un cuerpo, el tiempo de
duración de un repuesto, el volumen que contiene un envase, se los denomina como
variable aleatoria continua.

DISTRIBUCIÓN NORMAL
La distribución de probabilidad de Gauss o distribución Normal, está dada por la
siguiente ecuación:
 18
Se representa como una función de densidad de probabilidad: f(x)
 19

Se caracteriza por sus parámetros:

• Media µ
• Desviación estándar δ
 20

El valor de Z (variable tipificada)

 21
Tabla de Probabilidad Distribución Normal N(0,1)
EJEMPLO #1 22

Se tiene una variable aleatoria X sigue una distribución normal cuya µ=6 y δ=4

a. La probabilidad de que X ≤ 9
 22
b. La probabilidad de que X ≤ 4
 23

EJEMPLO #2
Se tiene una variable aleatoria X sigue una distribución normal cuya µ=8.5 y δ=2.5
X → N(8.5,2.5) Z = X – 8.5 / 2.5 → N(0,1)
a. Calcular la probabilidad de que X tome un valor comprendido entre 8 y 9.3

P(8 ≤ X ≤ 9.3)= P(8-8.5 ≤ Z ≤ 9.3-8.5)

2.5 2.5
= P(-0.2 ≤ Z ≤ 0.32)

=P(Z ≤ 0.32) - P(Z ≤ -0.2)

 23

=P(Z ≤ 0.32) - P(Z ≥ 0.2)

=P(Z ≤ 0.32) – [1 - P(Z ≤ 0.2)]

=0.6255 – [ 1 – 0.5793]

= 0.2048
 26

ACTIVIDAD

EN CLASE 15 minutos