Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística Inferencial
Universidad Cooperativa de Colombia
2
Introducción
Las distribuciones de probabilidad son herramientas estadísticas esenciales para el análisis
de datos y la toma de decisiones en diversos campos, incluyendo la economía, el sector
empresarial y la contabilidad.
En la economía, las distribuciones de probabilidad son fundamentales para el análisis de los
mercados y la toma de decisiones en la inversión, ya que facilitan el modelado de estas
relaciones, y permiten a los economistas medir la probabilidad de que ocurran ciertos eventos
en un mercado o en la economía en general.
Las distribuciones de probabilidad son importantes para la toma de decisiones sobre la
inversión, la producción y la gestión de riesgos. Estas permiten a las empresas medir la
probabilidad de que ciertos eventos ocurran en el futuro y facilita la toma decisiones sobre la
inversión y producción.
Estas son esenciales para el análisis de riesgos financieros y la evaluación de la calidad de
los procesos de producción. Las distribuciones de probabilidad permiten a los contadores
modelar el comportamiento de ciertas variables financieras, como el precio de un activo
financiero o la frecuencia de reclamaciones de un seguro, y evaluar el riesgo asociado con
diferentes cursos de acción.
Marco Teórico
Distribución Binomial
Se considera que un experimento binomial cuenta con 4 propiedades, las cuales son:
1. El experimento consiste en una serie de n ensayos idénticos.
2. En cada ensayo hay dos resultados posibles. A uno de estos resultados se le llama
éxito y al otro se le llama fracaso.
3. La probabilidad de éxito, que se denota p, no cambia de un ensayo a otro. Por ende,
la probabilidad de fracaso, que se denota 1 - p, tampoco cambia de un ensayo a otro.
donde "n combinatoria x" es el coeficiente binomial que representa el número de formas en
que se pueden elegir k elementos de un conjunto de n elementos.
La distribución binomial tiene varias propiedades importantes que la hacen una herramienta
útil en el análisis de datos. Por ejemplo, la media de la distribución binomial se puede calcular
como np, y la varianza se puede calcular como np*(1-p). Además, la distribución binomial
se puede aproximar por la distribución normal cuando n es grande y p no está demasiado
cerca de 0 o 1, lo que se conoce como la aproximación normal a la distribución binomial.
La función de probabilidad binomial es aplicable a cualquier experimento binomial. Si
encuentra que una situación presenta las propiedades de un experimento binomial y conoce
los valores de n y p.
Valor Esperado
El valor esperado, o media, de una variable aleatoria es una medida de la localización central
de la variable aleatoria. A continuación, se da la fórmula para obtener el valor esperado de
una variable aleatoria x.
Las dos notaciones E(x) y μ se usan para denotar el valor esperado de una variable aleatoria
x. La ecuación indica que para calcular el valor esperado de una variable aleatoria discreta se
multiplica cada valor de la variable aleatoria por su probabilidad correspondiente f(x) y
después se suman estos productos
Varianza
Aunque el valor esperado proporciona el valor medio de una variable aleatoria, también suele
ser necesaria una medida de la variabilidad o dispersión. se usa la varianza para resumir la
variabilidad en los valores de la variable aleatoria
4
Distribución de Poisson
La distribución de Poisson es una de las distribuciones más populares, se usa comúnmente
para el modelado de datos discretos.
Distribución Binomial
En una empresa de Villavicencio, se sabe que el 60% de los trabajadores fuma. Se selecciona
una muestra aleatoria de 10 trabajadores de la empresa.
a) ¿Cuál es la probabilidad de que exactamente 7 de los trabajadores de la muestra fumen?
b) ¿Cuál es la probabilidad de que al menos 5 de los trabajadores de la muestra fumen?
Solución:
a) n = 10 y p = 0.6, la probabilidad de que exactamente 7 de los trabajadores de la muestra
fumen es:
10
𝑃(𝑋 = 7) = ( ) ∗ 0,67 ∗ 0,43 = 0.21
7
Distribución de Poisson
En el hospital departamental de Villavicencio se registra que llegan 10 ambulancias cada
hora.
a) Determinar la probabilidad de que lleguen como máximo 4 ambulancias en la siguiente
hora.
b) ¿Cuál es la probabilidad de que lleguen exactamente 23 ambulancias en las siguientes 5
horas?
Solución
a) Datos:
λ = 10 𝑃(𝑋 ≤ 4) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4)
100
𝑃(𝑋 = 0) = 𝑒 −10 = 0.00004
0!
101
𝑃(𝑋 = 1) = 𝑒 −10 = 0.000045
1!
102
𝑃(𝑋 = 2) = 𝑒 −10 = 0.0022
2!
103
𝑃(𝑋 = 3) = 𝑒 −10 = 0.0075
3!
−10
104
𝑃(𝑋 = 4) = 𝑒 = 0.0189
4!
𝑃(𝑋 ≤ 4) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) = 0.028
b) Datos:
λ = 10 → λ = 50
−50
5023
𝑃(𝑋 = 23) = 𝑒 = 0.00000889
23!
La probabilidad de que en las próximas 5 horas lleguen 23 ambulancias es de 0.0000088
9
Distribución Normal
En Villavicencio un estudiante gasta en promedio 12500 pesos al día. Suponga que la
desviación estándar es de 4230 y el gasto está distribuido normalmente.
a) ¿Cuál es la probabilidad de que un estudiante gaste menos de 10200 pesos?
b) ¿Cuál es la probabilidad de que un estudiante gaste más de 15000 pesos?
Solución
a) Estandarizar
10200 − 12500
𝑧= = −0.54
4230
Entonces,
𝑃(𝑥 < 10200) es igual a 𝑃(𝑧 < −0.54)
𝑃(𝑧 < −0.54) = 0.2946
Por lo tanto, la probabilidad de que un estudiante gaste menos de 10200 pesos es de 0.2946.
b) Estandarizar
15000 − 12500
𝑧= = 0.59
4230
Entonces,
𝑃(𝑥 > 15000) es igual a 𝑃(𝑧 < 0.59)
𝑃(𝑧 > 0.59) = 1 − 𝑃(𝑧 < 0.59)
𝑃(𝑧 > 0.59) = 1 − 0.7224
𝑃(𝑧 > 0.59) = 0.2776
Por lo tanto, la probabilidad de que un estudiante gaste más de 15000 pesos es de 0.2776.
10
Conclusiones
Las distribuciones de probabilidad son herramientas matemáticas fundamentales para
modelar la variabilidad de los datos en diversos campos. Los modelos de distribución de
probabilidad permiten a los profesionales realizar análisis de riesgo, simulaciones y
pronósticos precisos, lo que les permite tomar mejores decisiones.
En pocas palabras, las distribuciones de probabilidad son una esenciales para el análisis
estadístico de datos y a través de su uso los profesionales pueden calcular probabilidades de
eventos futuros y trabajar sobre bases matemáticas la evaluación de riesgos gracias a la
reducción de incertidumbre que aportan las distribuciones.
Referencias Bibliográficas