Leyes de probabilidad

Fundamentos estadísticos

Francisco Marzal Baró

Curso 2016/17

Versión 1
 Leyes de Probabilidad 2

Índice
Conceptos:
Variable aleatoria.
Distribución de probabilidad.
Ley de probabilidad.
Densidad de probabilidad.

Leyes de probabilidad para variables discretas:

Ley Binomial.
Ley de Poisson.
Ley Hipergeométrica.

Leyes de probabilidad para variables continuas:

Ley Normal.

NOTA: Algunos gráficos y tablas están sacados del libro: Métodos Estadísticos. J.M. Doménech Massons.
 Leyes de Probabilidad 3

Conceptos
- Toda variable sigue, en la población, una determinada ley de probabilidad -

Variable aleatoria o estocástica: Es una función que en un experimento aleatorio,

asigna a cada suceso elemental ei un valor numérico ri.
Ej: E = {masculino, femenino}
Masculino → 0
Femenino → 1

Distribución de probabilidad: Es el conjunto de todos los valores de la variable con

sus correspondientes probabilidades.
Ej: Valores de un dado E = {1, 2, 3, 4, 5, 6}
P= { , , , , , }

Ley o Modelo de probabilidad: Modelo que sirve para explicar la distribución de una
variable aleatoria.

Densidad de probabilidad: En variables continuas, es la probabilidad asociada a un

determinado intervalo.
 Leyes de Probabilidad 4

Aplicaciones prácticas de la probabilidad

Las leyes de la probabilidad se utilizan para cuantificar los patrones que se observan en fenómenos
aleatorios.

Ejemplos:
El lanzamiento de dados.

La evolución de una epidemia.

El crecimiento de una población.

El comportamiento de mercados financieros.

El crecimiento de galaxias.

Modelos meteorológicos para calcular el tiempo y el nivel de precipitación en una ciudad.

Cuando se produce un huracán y para estimar qué lugares serán afectados, así como la magnitud de los eventuales
destrozos.

Se utiliza en la fiabilidad de los productos, para reducir la probabilidad de avería. Está relacionado con la garantía del
producto.

Albert Einstein comentó en una carta a Max Born: “Estoy convencido de que Dios no tira los dados”. No obstante hoy
en día no existe un medio mejor para describir la física cuántica si no es a través de la teoría de la probabilidad.
 Leyes de Probabilidad 5

Esperanza matemática (o valor esperado) y Variancia.

La distribución de una variable aleatoria puede resumirse por la
media (llamada esperanza matemática) y la variancia.

El cálculo se efectúa con las probabilidades de cada valor en vez de

utilizar la frecuencia.

Esperanza y Variancia para variables discretas:

∑ ∑

Leyenda:
X: Variable aleatoria.
: Nº total de valores que toma la variable.
: Valor que toma cada variable.
: Probabilidad de obtener cada valor.
 Leyes de Probabilidad 6

Ley Binomial
Definición: La distribución de frecuencias de objetos con una determinada característica, que se obtiene
al extraer de forma no exhaustiva muestras al azar de una población, sigue una ley Binomial.

Representación: Una variable aleatoria S sigue una distribución binomial de parámetros n y π, se

escribe:
"~$ ,
Características:
Distribución de probabilidad discreta.
Solamente admite dos categorías (éxito y fracaso).
Las probabilidades de ambas posibilidades han de ser constantes en todos los experimentos (π y 1-π).
Se utiliza en muestreos CON reposición.
Para poblaciones muy grandes (N>>n).

Cálculo:
!
+ , ∙ .
1 /.
.! /. !

" ; " 1
Leyenda:
n: nº de sujetos escogidos en una muestra.
k: nº de sujetos buscados en la muestra.
π: Proporción del parámetro buscado en la población.
S: Variable aleatoria.
 Leyes de Probabilidad 7

Ejemplo Ley Binomial !

p, .! /. !
∙ . 1 /.

Tenemos una caja con 4 bolas azules (A) y 3 bolas blancas (B).
3 3
Si extraemos dos bolas con reposición calcular la probabilidad + ∙ 0.184
7 7
de encontrar bolas azules:

3 4
+ ∙ 0.245
7 7
a) Que sean las dos blancas 0.245∙ 2 0.49
!
+ , 0 ∙ 0.5714 1 0.571 /4
0.184
4! /4 !
4 4
+ ∙ 0.326
b) De encontrar una bola azul 7 7
!
+ , 1 ∙ 0.571 1 0.571 /
0.49 Prob. obtener Bolas
! / ! Azules Leyenda:
n: Nº de bolas
0,6 extraídas.
c) Que sean las dos azules 0,4 k: Nº bolas azules
!
+ , 2 ∙ 0.571 1 0.571 /
0.326
buscadas.
0,2
! / !
π: Prop.bolas azules
0 en la población.
0 1 azul 2
d) Calcular la Esperanza y la Variancia azules azules

" 2 ∙ 0.571 1.142 ; " 1 2 ∙ 0.571 1 0.571 0.49

 Leyes de Probabilidad 8

Ejercicio !
p, .! /. !
∙ .
1 /.

Se lanza un dado perfecto de 6 caras, 51 veces. ¿Cuál es la probabilidad

de que el número 3 salga 20 veces?

S ~ B(51, 1/6) y la probabilidad sería p(S=20):

n= 51
k= 20
π= 1/6
? / 4
51! 4
1
+ 20 ∙ 1/6 1 0.00007353
20! 51 20 ! 6
 Leyes de Probabilidad 9

Ley de Poisson
Definición: La distribución de frecuencias de una característica poco frecuente, obtenida al extraer
al azar y con reposición muestras muy grandes, sigue una ley de Poisson.

Representación: S ~ A λ , representando λ el número de veces que se espera que ocurra el

fenómeno en una muestra o intervalo dado.

Características:
Distribución de probabilidad discreta.
Solamente admite dos categorías (éxito y fracaso).
Se utiliza en muestreos con reposición.
Para poblaciones muy grandes (N>>n).
En muestras muy grandes C D EFF .
La frecuencia de la característica a estudiar es poco frecuente G H F. FI .
Leyenda:
Cálculo: : nº del tamaño de la muestra.
,: nº de ocurrencias del evento.
JK
+ " , ∙ L /J : Proporción del evento en la población.
.! λ ∙
" " λ L 2.71828 … .
 Leyes de Probabilidad 10

Ejemplo Ley de Poisson p" ,

JK
∙ L /J
.!
La prevalencia de personas pelirrojas en el municipio de Madrid es del 2%.
Realizando una muestra aleatoria de 100 sujetos, ¿Cual es la probabilidad
de encontrar en la muestra?
λ 100 ∙ 0.02 2

1 persona pelirroja:
λ. /J 2
+ , 1 ∙L ∙ L/ 0.2707
,! 1!

5 personas pelirrojas:
2? /
+ , 5 ∙L 0.0361
5!

Calcular la Esperanza y la Variancia:

Leyenda:
: nº del tamaño de la muestra.
" " λ π 2 ,: nº sujetos con pelo pelirrojo.
: Proporción de pelirrojos en la población.
λ
 Leyes de Probabilidad 11

Ejercicio demostrativo !
p, .! /. !
∙ . 1 /.

Repetir el ejercicio anterior aplicando la ley Binomial.

La prevalencia de personas pelirrojas en el municipio de Madrid es del 2%.
Realizando una muestra aleatoria de 100 sujetos, ¿Cual es la probabilidad de
encontrar en la muestra?

1 persona pelirroja:
44!
+ , 1 ∙ 0.02 1 0.02 44/
0.2706 O 0.2707 (Poisson k=1)
! 44/ !

5 personas pelirrojas:
44!
+ , 5 ?! 44/? !
∙ 0.02? 1 0.02 44/?
0.0353 O 0.0361 (Poisson k=5)

Calcular la Esperanza y la Variancia:

" 100 ∙ 0.02 2 ; " 1 100 ∙ 0.02 1 0.02 1.96
" " λ π 2 (Poisson)
 Leyes de Probabilidad 12

Ejercicio p" ,
JK
∙ L /J
.!

El 2% de los libros encuadernados en un taller tiene encuadernación

defectuosa. Tenemos 400 libros y se quiere obtener la probabilidad de
que 5 de ellos estén defectuosos. Aplicar la Ley de Poisson.

k= 5 (nº de ocurrencias del evento).

λ= 8 (nº de veces que se espera que ocurra el fenómeno → 2% RL 400).

λ. /J 8? /S
+ , 5 ∙L ∙L 0.092
,! 5!
 Leyes de Probabilidad 13

Ley Hipergeométrica
Definición: Describe la distribución de frecuencias de una determinada característica que se obtiene al extraer
sin reposición muestras aleatorias de una población finita.

Representación: T U ; U ;

Características:
Distribución de probabilidad discreta.
Solamente admite dos categorías (éxito y fracaso).
Se utiliza en muestreos SIN reposición.

Cuando el tamaño de la población es grande, la distribución hipergeométrica coincide con la Binomial.

Cálculo:
VW ! VY !
∙
+ ,
K! VW XK ! ZXK ! VY XZ[K !
V!
Z! VXZ !
Leyenda:
\/ U: Total de sujetos en la población.
" ; " 1 ∙ U : Sujetos tipo 1 (característica a analizar).
\/
U : Sujetos tipo 2.
: Tamaño de la muestra.
,: nº de ocurrencias del evento.
: Proporción del evento en la población.
 Leyes de Probabilidad 14

U! U!
∙
,! U , ! , ! U ], !
Ejemplo Ley Hipergeométrica + ,
U!
! U !
6 5 4
Tenemos una población de 10 ♀ 3♀ + ∙ ∙ 0.167
10 9 8
personas compuesta por N1=6♀ y ♀
N2= 4♂. Realizamos un muestro ♂
aleatorio de tres personas sin 6 5 4
♀ + ∙ ∙ 0.166
reposición. 10 9 8
♀ 2♀
♂ 0.166 ∙ 3 0.5
♀
6♀, 4♂
♂ 4 3 6
+ ∙ ∙ 0.1
♀ 10 9 8
Calcular la probabilidad de que no ♂ 1♀
salga ninguna mujer en la muestra 0.1 ∙ 3 0.3
♂
(k=0). Obtener la Esperanza y la ♀
Variancia de la variable aleatoria. ♂ 4 3 2
6! 4! 6! 4! ♂ 0♀ + ∙ ∙ 0.033
∙ ∙ 1∙4 10 9 8
0! 6 0 ! 3 0 ! 4 3]0 ! 0! ∙ 6! 3! ∙ 1!
+ , 0 0.033
10! 10! 120
Leyenda:

3! ∙ 7!
N1 nº de ♀ ; N2 nº de ♂.
3! 10 3 ! N: Población total U U ] U
" 3 ∙ 0.6 1.8 n: nº de personas elegidas.
U 10 3 k: nº de ♀ elegidas en la muestra.
" 1 ∙ 3 ∙ 0.6 1 0.6 ∙ 0.56 U ⁄U
U 1 10 1
π: Proporción de ♀ en la población.
 Leyes de Probabilidad 15

U! U!
∙
,! U , ! , ! U ], !
Ejercicio Ley Hipergeométrica + ,
U!
! U !
Utilizando la ley hipergeométrica en el muestro aleatorio del ejemplo anterior, y sabiendo que se eligen a tres
personas sin reposición, calcular la probabilidad de obtener:
Una sola mujer: Prob. de elegir
6! 4! 6! 4!
∙
mujeres
1! 6 1 ! 3 1 ! 4 3 ] 1 ! ∙ 2! ∙ 2! 6 ∙ 6
+ , 1 1! ∙ 5! 0.3
10! 10! 120
Mujeres
3! 10 3 ! 3! ∙ 7! 0,6
0,5
Un solo hombre:
6! 4!
0,4
∙ 6! 4!
2! 6 2 ! 3 2 ! 4 3]2 ! ∙ 15 ∙ 4
2! ∙ 4! 1! ∙ 3!
0,3
+ , 2 0.5 0,2
10! 10! 120
3! 10 3 ! 3! ∙ 7! 0,1
0
Tres mujeres o tres hombres: 0 1 2 3
6! 4! 6! 4!
∙ ∙ 20 ∙ 1
3! 6 3 ! 3 3 ! 4 3]3 ! 3! ∙ 3! 0! ∙ 4!
+ ♀♀♀ + , 3 0.167
10! 10! 120
3! 10 3 ! 3! ∙ 7!
6! 4! 6! 4!
∙ ∙ 1∙4
0! 6 0 ! 3 0 ! 4 3 ] 0 ! 0! ∙ 6! 3! ∙ 1!
+ ♂♂♂ + , 0 0.033
10! 10! 120
3! 10 3 ! 3! ∙ 7!

+ ♀♀♀ ∪ + ♂♂♂) = + ♀♀♀ + + ♂♂♂) 0.167]0.033 0.2

 Leyes de Probabilidad 16

Leyes de probabilidad en variables discretas

Ley Distribución de Fórmulas
probabilidad
!
+ , ∙ .
1 /.
Binomial Muestro con reposición
,! , !
$ , Para 2 categorías
" ; " 1
Poblaciones infinitas

Poisson Muestro con reposición λ. /J

+ " , ∙L
,!
A λ Requisitos:
-Proporciones poco frecuentes " " λ
(π≤0.05)
-Muestras muy grandes(n≥100)
U! U!
Hiper ∙
,! U , ! , ! U ], !
Geométrica Muestro sin reposición + ,
U!
Poblaciones

T U ;U ; Para 2 categorías ! U !

U
finitas

" ; " 1 ∙
U 1
 Leyes de Probabilidad 17

Ley Normal o Distribución de Gauss

Para distribuciones continuas.
Casi cualquier distribución de probabilidad, se puede aproximar por una normal
bajo ciertas condiciones.
Características:
Tiene forma de campana.
Es simétrica alrededor de la media.
Es asintótica (no llega a tocar el eje de las X).
Media, mediana y la moda son iguales y
se localizan en el centro de la distribución.
El área total bajo la curva vale 1.

Representación: ∈ U a ,b .
No existe una sola distribución de probabilidad normal, su número es ilimitado.
g
1 / ∙
d/e Y
+ D c ∙L fY
dW 2 b
 Leyes de Probabilidad 18

Distribución estándar normal o Ley Normal reducida

Todas las distribuciones normales pueden convertirse a la estándar, que

tiene media 0 y variancia 1 → U 0 , 1 .

Transformación:
Transformar la variable que siga una ley U a , b en una variable h que
siga una ley U 0 , 1 .
d/e
Variable Z: →h f
Buscar la probabilidad de que se cumpla el valor h en la tabla T4a.
La tabla proporciona la probabilidad de que la variable aleatoria normal estandarizada
tome valores h mayores o iguales a h → + h D h .

Tabla + hDh
 Leyes de Probabilidad 19

Ejemplo
La distribución de peso de los alumnos en un Instituto sigue una ley N(50, 2.25).
¿Cuál es la probabilidad de que al elegir a un alumno al azar pese 51 Kg?
Peso: V. Cuantitativa: 51 ,i → 50.5 j 51.5 ,i.
Datos: a 50,i ; b 2.25 → b 2.25 1.5 ,i
Transformar los límites en valores z:
d/e ?4.?/?4
50.5 ,i → h f .?
0.33 + H 50.5

? .?/?4
k 51.5 ,i → h .?
1

kg
Obtener la probabilidad con la tabla.
+ h D 0.33 0.3707
+ hD1 0.1587

Calcular probabilidad del área pedida:

+ 50.5 l l 51.5 + 0.33 l h l 1.00
0.3707 0.1587 0.2120 → 21.2%
 Leyes de Probabilidad 20

Ejercicio
La distribución de peso de los alumnos en un Instituto sigue una ley N(50, 2.25).
¿Cuál es la probabilidad de que al elegir a un alumno al azar pese entre 48 y 50 Kg?
Peso: V. Cuantitativa: 48 a 50 ,i → 47.5 j 50.5 ,i.
Datos: a 50,i ; b 2.25 → b 2.25 1.5 ,i

Transformar los límites en valores z:

d/e mn.?/?4
47.5 ,i → h 1.67
f .?
?4.?/?4
k 50.5 ,i → h 0.33
.?
kg

Obtener la probabilidad con la tabla.

47.5 ,i → h 1.67 → + h H 1.67 + h D 1.67 0.0475
k 50.5 ,i → h 0.33 → + h D 0.33 0.3707

Calcular probabilidad del área pedida:

+ 47.5 l l 50.5 1 + h H 1.67 + h D 0.33
1 0.0475 0.3707 0.5818 → 58.2 %
 Leyes de Probabilidad 21

Determinar un intervalo central de valores

El intervalo contiene la proporción 1 o central de los casos:

p q rs/t ∙ u

hv/ : Valor de la ley normal reducida. Deja a su derecha una proporción α/2 de los casos.

Ejemplo: Calcular el intervalo que contiene el 50% central de la siguiente distribución:

N(50,2.25).
a q hv/ ∙ b 50 q 0.6745 ∙ 1.5 50 q 1.01 → 48.99 j 51.01

α/2 0.25 0.10 0.05 0.025 0.005 0.0005

1-α 50% 80% 90% 95% 99% 99.9%
Zα/2 0.674 1.282 1.645 1.96 2.576 3.291
 Leyes de Probabilidad 22

Aproximación Normal de la ley Binomial

Si las muestras son grandes, las probabilidades de la ley Binomial se

pueden calcular de forma bastante aproximada a la ley Normal.

Condiciones de muestra grande: CG w C E G D I

Corrección de continuidad: q0.5 +x yz{. (permite tratar como continua una variable discreta).
 Asignatura/Tema 24

Muchas gracias
por vuestra
atención.