Introduccin a las

Probabilidades

PROFESOR: DANIEL ORTIZ ESTEBAN, MsC, Econ.

 Distribuciones de Probabilidades

Las modernas mquinas de llenado de

gaseosas estn diseadas para funcionar
eficientemente y con gran confiabilidad.
En Coca Cola estas mquinas pueden
llenar el 0.8 de las veces las botellas de
refresco con una aproximacin de 0.1
decilitro del nivel deseado
 Distribuciones de Probabilidades

Tenemos un six pack seleccionado al azar

y queremos saber la probabilidad que hay
de que exactamente la mitad de las
botellas de Coca Cola estn llenas con la
aproximacin de 0.1 del nivel deseado.

cmo obtengo la informacin?

 Introduccin a las Distribuciones de
Probabilidades

Las distribuciones de probabilidad guardan

relacin con las distribuciones de frecuencia.
Es una distribucin terica de frecuencias
que describe como se espera que varien los
resultados de un experimento cualquiera
seleccionado.
Introduccin a las Distribuciones de
Probabilidades

Ejemplo: Queremos
saber los posibles
T resultados de Nro de
CARAS luego de lanzar
T
dos veces una moneda
T T legal.....
Introduccin a las Distribuciones de Probabilidad
1era 2da Numero Probabilidad
Moneda Moneda Caras
Cara Cara 2 0.5*0.5=
0.25
Sello Sello 0 0.5*0.5=
0.25
Cara Sello 1 0.5*0.5=
0.25
Sello Cara 1 0.5*0.5=
0.25
 Representacin grafica de la
distribucin de probabilidades
Probabilidad del nmero de caras en dos
lanzamientos de una moneda
legal
0.5

0.25

Nmero de caras
0 1 2
 Experimento Lanzamiento de
DOS dados en el Casino: Con 7 u
11 gano.. Si no , debo repetir el
numero obtenido si sale 7 antes
pierdo Es facil?
 Resultados del primer dado
1 2 3 4 5 6
Resultados 1 2 3 4 5 6 7
de segundo 2 3 4 5 6 7 8
dado 3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12

Probabilidad de 7 11 al primer tiro = 8/36

Probabilidad de 7 a partir de segundo tiro = 6/36
Probabilidad de repetir un nmero = X/ 36
 Introduccin a distribucin de Probabilidades
Distribuciones de probabilidades relacionadas con las
distribuciones de frecuencia Distribucin de
frecuencias tericas!!. Representan la forma en que
esperamos se comporte el experimento. Listado de todos
los resultados posibles!!.

6/36 Distribucin de
5/36 Probabilidades de
4/36 resultados obtenidos al
3/36
lanzar dos dados
2/36
1/36
2 3 4 5 6 7 8 9 10 11 12
Tipos de Distribucin de Probabilidades

En funcin a las variables que utilizan se

clasifican en Discretas y Continuas.
Discretas : Los meses del ao;
Continuas: el peso de las personas.
Las variables continuas pueden asumir
cualquier valor dentro de los lmites
determinados.
Las variables discretas tienen valores
limitados.
Media, Varianza y Desvo Estndar

Media x * p( x)

Varianza
2

(x ) 2
* p( x)
Desv. Estndar 2
Valor Esperado de una Variable Aleatoria

Es el promedio ponderado de los resultados

que se esperan en el futuro.
Pesa cada resultado posible atendiendo a la
frecuencia que se supone ocurrir.
En el caso de las Variables Aleatorias
Discretas se usa la frmula de la Media con
los valores de (x).
Valor Esperado de una Variable Aleatoria

Cantidad de pacientes que se atienden

diariamente en sala de emergencia de una
clnica Muestra n= 100 das

Nro Pac. 100 105 110 115 120 125 130 135
Nro das 09 13 15 19 15 11 10 08
P(x) % 9 13 15 19 15 11 10 8
Valor Esperado de una Variable Aleatoria

x * p( x) 116.55 pacientes / dia

Si necesito poner un mdico de guardia por

cada 15 pacientes. Debo dejar mnimo 8
mdicos !
 Uso del Valor Esperado en Toma de Decisiones

Caso del Mayorista de frutas que vende fresas

(producto con vida til muy breve).
Si el producto no se vende el mismo da pierde todo
su valor ( No considero valor de remate).
Una caja cuesta $20 y l la vende a $50.
No puede especificar el nmero de cajas que le
pedirn sus clientes por da pero tiene informacin
anterior de la demanda que le permite confeccionar
el cuadro de probabilidades siguiente.
Uso del Valor Esperado en Toma de Decisiones
Ventas de Cajas de fresas en ltimos 100 das

cajas/da Nro dias P(x)

10 14 14%
11 22 22%
12 18 18%
13 20 20%
14 15 15%
15 11 11%
Total 100 100%
 Decisin con clculo de Prdidas Esperadas
Costo $ 20 Precio Venta $ 50 Utilidad $ 30

Valor
Demand 10 11 12 13 14 15 Esperad
Stoks Probabil 0.14 0.22 0.18 0.2 0,15 0,11

10
11
12
13
14
15

Tomar la mejor decisin sobre stock de cajas de fresas!

Stocks Demanda 10 11 12 13 14 15 Perd
Posibles Probabilidad 0,14 0,22 0,18 0,20 0,15 0,11 Esper
10 0 30 60 90 120 150 69,9
11 Tabla de 20 0 30 60 90 120 46,9
12 Ganancias 40 20 0 30 60 90 34,9
13 y Perdidas 60 40 20 0 30 60 31,9
14 80 60 40 20 0 30 38,9
15 100 80 60 40 20 0 53,4
Mejor opcin de Stock es 13 cajas de fresas PE Menor!
Principios de Conteo para distribucin de Probabilidades

Formula de la Multiplicacin:
Si hay m formas de realizar algo y n formas de hacer otra.
Entonces hay mn formas de hacer ambas en conjunto.
Total de arreglos = mn

Ordenacin:
Numero de formas en que n objetos pueden ordenarse.
Total de arreglos = n ! Ejemplo. Numero de formas en
que pueden ordenarse tres personas dentro del Consejo
Directivo: ABC, ACB, BAC, BCA, CAB, CBA = 6
n!= 3!= 3*2*1= 6
 Formula de Permutacin:
Sirve para determinar el nmero posible de arreglos nmero
de modos de ordenar r objetos seleccionados de una muestra n.
Numero de Permutaciones= nPr = n!/(n-r)!
n= total objetos r = numero de objetos a ordenar cada vez
Ejemplo: nmero de arreglos ordenados de 3 ejecutivos
seleccionados de un grupo de seis. 6P3= 6!/ (6-3)!= 120

Formula de Combinacin:
El nmero de modos de seleccionar r objetos de una muestra
n sin tener en cuenta el orden.
Numero de Combinaciones nCr = n!/r! (n-r)! = (n r)
Ejemplo: Hallar el nmero de combinaciones de 3 ejecutivos
dentro de un grupo de seis. 6C3 = 6!/3! (6-3)! = 20
PERMUTACIONES DE 6 NUMEROS SOBRE 45

5,864,443,200

COMBINACIONES DE 6 NUMEROS SOBRE 45

8,145,060
 Distribucin Binomial
Describe datos discretos, NO continuos, resultantes
de un experimento denominado proceso de Bernoulli.
Ejemplo de experimento : lanzar una moneda.
Caractersticas :
(1) En cada ensayo solo hay dos resultados posibles:
xito Fracaso
(2) La probabilidad del resultado de cualquier ensayo
permanece constante en el tiempo
(3) Los ensayos son Estadsticamente independientes.
 Distribucin Binomial

Simbolos:
(p) probabilidad de xito ;
(q) probabilidad de fracaso 1-p ;
(n) nmero de ensayos efectuados;
(r ) nmero de xitos deseados.
Tenemos Probabilidad simple y acumulativa.

n! r nr
P(r ) p q
r!(n r )!
 Utilizando Excel: Distribucin Binomial
Probabilidad Binomial
Caso de Six pack de Coca Cola
p= 0.8
q= 0.2
n= 6
r= 3

P(3)= 0.08192 Solo probabilidad de 3 exitos

P(<= 3) 0.09888 Prob de 0,1,2 y 3 exitos
Utilizando Frmulas y Tablas
6! 6 3
P(3) (0.8) (0.2) 0.08192
3

3!(6 3)!
 Distribucin Hipergeomtrica
Se utiliza cuando la probabilidad de xito vara debido a la
NO reposicin de los elementos de las muestras (poblacin
finita). n es mayor que el 5 % de la poblacin total N. Sus
valores son cercanos a la distribucin binomial.

( s Cr ) *( N s Cnr ) No hay problema!

P( r )
N Cn

S= Nmero de xitos en N
R= Nmero de xitos deseados
C= Smbolo de Combinacin
 Ejemplo Probabilidades Hipergeomtricas
Se fabric 50 radios. 40 salieron bien y 10 tuvieron defectos
Tenemos N = 50 ; prob. xito en N = 40/50 = 0.8
a) Cuantas muestras pueden obtenerse de r = 5 si el orden es
importante? Si el orden No interesa?
b) Se seleccion al azar 5 radios. Cual es la probabilidad de que
cuatro de ellos funcionen bien?

Solucin

a) nPr = 50/ (50-5)= 50/45 = 254 251,200. Cuando el

orden es importante.
nCr = 50/ 5 45 = 2118,760. Cuando No interesa el
orden.
b) N = 50, n = 5, r = 4 xitos, S = 40 ( total de xitos )
P(4)= (40C4) (50-40 C 5-4)/50C5
P(4)= (40/436)(10/19)/(50/545)= 0.431
P(4)= 43.1%

Aproximo la hipergeomtrica a la binomial :

p= 40/50= 0.8; q= 0.2; n= 5 P(4)=5/41(0.8)4 (0.2)1=0.41
P(4)= 41%

Siempre tenemos una

tabla de salvacin!
 Utilizando funciones de Excel

Distribucin Hipergeomtrica
Se fabric 50 radios. 40 salieron bin y 10 tuvieron defectos(N=50)
Se seleccion al azar 5 radios. Cual es la probabilidad de que cuatro de ellos funcionen bien?
N= 50
S= 40
n= 5
r= 4
P(r=4)= 0.4313 Que exactamente 4 radios estn bien
P(r=5)= 0.3106
P(r>=4)= 0.7419 Que por lo menos 4 radios estn bien
 Distribucin de Poisson
Conforme p se hace ms pequeo y n ms grande la
distribucin binomial se vuelve ms sesgada. En estos casos
es mejor utilizar la Distribucin de Poisson Ley de los
eventos improbables. Orientada a los defectos errores:
llamadas que llegan a una central, defectos, llegada de
camiones a una terminal, accidentes en cruces de carreteras.

*e
x
x
P( x)
x! x!e
U = n p cuando se aproxima a la binomial
X = nmero de xitos deseados
 Grafico Distribucin Poisson

Distribucion Poisson

18,00%

16,00%

14,00%

12,00%

10,00%

8,00%

6,00%

4,00%

2,00%

0,00%
0 5 10 15 20 25
 Ejemplo Probabilidades Poisson

En cruce peligroso se instalar un semforo si

P(>3 accidentes)>=0.65 Se desea calcular
esta probabilidad sabiendo que el promedio
de accidentes mensuales en una interseccin
cualquiera es de 5.

Esto si es facil!
 Utilizando funciones de Excel
Distribucin de Poisson
En cruce peligroso se instalar un semaforo si P(>3 accidentes)>=0.65 Se desea calcular esta
probabilidad sabiendo que el promedio de accidentes mensuales en una interseccin cualquiera es de 5.

Media= 5
P(<=3)= 0.26502592
P(>3)>= 0.73497408
Como es mayor que 0.65 se debe instalar el semforo.
Problema 2
Se determin que la probabilidad de que un egresado de
postgrado de la Universidad del Pacfico se haga millonario es
de 0.02.
Considerando que en su promocin hay 200 alumnos.....
Cual es la probabilidad de que por lo menos un egresado de su
promocin se haga millonario?
 Poisson:
u =np = 200*0.02= 4
P(x>=1)= 1-P(x =0)= 1- (4)0 /0 (e)4
P(x>=1)= 1- 0.0183 = 0.9817 98.17%
Binomial:
P(0) = 200 / 0 200 (0.02)0 (0.98)200 P(0) =0.0176
P(x>=1) = 1-0.0176 = 0.9824 98.24%

Son casi iguales!