Está en la página 1de 44

DISTRIBUCIONES

DISCRETAS DE
PROBABILIDAD
Licenciatura en Adminsitración

¿Qué es una distribución de
probabilidad

 Una distribución de probabilidad muestra los posibles
resultados de un experimento y la probabilidad de que
cada uno se presente.

 Listado de todos los resultados de un experimento y la
probabilidad asociada con cada resultado.

Características

 1. La probabilidad de un resultado en particular se
encuentra entre 0 y 1, inclusive.

 2. Los resultados son eventos mutuamente excluyentes.

 3. La lista es exhaustiva. Así, la suma de las probabilidades
de los diversos eventos es igual a 1.

Variable aleatoria

 Cantidad que resulta de un experimento que, por azar,
puede adoptar diferentes valores.
 Si cuenta el número de empleados ausentes en el turno
matutino del lunes, el número puede ser 0, 1, 2, 3,… El
número de ausencias es una variable aleatoria.
 Si pesa cuatro lingotes de acero, los pesos pueden ser de 2
492 libras, 2 497 libras, 2 506 libras, etc. El peso es una
variable aleatoria.
 Si lanza dos monedas y cuenta el número de caras, puede
caer cero, una o dos caras. Como el número de caras que
resulta de este experimento se debe al azar, el número de
caras que caen es una variable aleatoria.

 A veces. . una variable aleatoria discreta asume valores fraccionarios o decimales. Variable aleatoria discreta  Variable aleatoria que adopta sólo valores claramente separados.

con sigma (σ). y la desviación estándar.  También es el valor promedio de larga duración de la variable aleatoria. varianza y desviación estándar de una distribución de probabilidad  La media de una distribución de frecuencias se identifica mediante la letra minúscula griega mu (μ). Media. .  MEDIA  La media constituye un valor típico para representar la localización central de una distribución de probabilidad.  La media de una distribución de probabilidad también recibe el nombre de valor esperado.

se multiplica cada valor x por la probabilidad de que ocurra y enseguida se suman los productos. MEDIA  Aquí P(x) es la probabilidad de un valor particular x.  En otras palabras. .

Se suman los productos que resultan para obtener la varianza. Cada diferencia al cuadrado se multiplica por su probabilidad. .  3.  2.Varianza y desviación estandar  Los pasos para el cálculo son los siguientes:  1. La media se resta de cada valor y la diferencia se eleva al cuadrado.

Ideó la siguiente distribución de probabilidades de la cantidad de automóviles que espera vender un sábado determinado. Ejemplo  John Ragsdale vende automóviles nuevos en Pelican Ford. Por lo general. . John vende la mayor cantidad de automóviles el sábado.

.

DISTRIBICION DE PROBABILIDAD BINOMIAL  La distribución de probabilidad binomial es una distribución de probabilidad discreta que se presenta con mucha frecuencia. .

Características  Una característica de una distribución binomial consiste en que sólo hay dos posibles resultados en determinado intento de un experimento.  Otra característica de la distribución binomial es el hecho de que la variable aleatoria es el resultado de conteos.  La última característica de una distribución de probabilidad binomial consiste en que cada prueba es independiente de cualquiera otra.  Una tercera característica de una distribución binomial consiste en que la probabilidad de éxito es la misma de una prueba a otra. Es decir. . se cuenta el número de éxitos en el número total de pruebas.

¿Cómo se calcula una probabilidad binomial?  Para construir una probabilidad binomial en particular se necesita:  1) el número de pruebas.  2) la probabilidad de éxito de cada prueba. .

Media y varianza de una distribución binomial .

20. ¿Cuál es la probabilidad de que ninguno de los vuelos llegue tarde hoy? ¿Cuál es la probabilidad de que exactamente uno de los vuelos llegue tarde hoy? . Ejemplo  US Airways tiene cinco vuelos diarios de Pittsburgh al Aeropuerto Regional de Bradford. Pennsylvania. Suponga que la probabilidad de que cualquier vuelo llegue tarde sea de 0.

 Sin embargo. los cálculos consumen más tiempo. Tablas de probabilidad binomial  Con la fórmula (6. .3) se construye una distribución de probabilidad binomial para cualesquiera valores de n y π. si n es grande.

.

.

.

.

área o volumen.  El intervalo puede ser de tiempo. Distribución de probabildiad de Poisson  La distribución de probabilidad de Poisson describe el número de veces que se presenta un evento durante un intervalo específico. distancia.  El primero consiste en que la probabilidad es proporcional a la longitud del intervalo. .  El segundo supuesto consiste en que los intervalos son independientes.  La distribución se basa en dos supuestos.

 3.  2. La variable aleatoria es el número de veces que ocurre un evento durante un intervalo definido. . La probabilidad de que ocurra el evento es proporcional al tamaño del intervalo. Los intervalos no se superponen y son independientes. EXPERIMENTO DE PROBABILIDAD DE POISSON  1.

el número de clientes que esperan mesa en un restaurante o que esperan entrar en una de las atracciones de Disney World y el número de accidentes en la carretera federal 75 en un periodo de tres meses. el número de partes defectuosas en envíos. Se le utiliza como modelo para describir la distribución de errores en una entrada de datos. el número de rayones y otras imperfecciones en las cabinas de automóviles recién pintados. .

.

que se calcula al dividir 300/1 000.3. El número de maletas se rige por una distribución de Poisson con una media de 0. Consulte el apéndice B. ¿Cuál es la probabilidad de que se pierda exactamente una maleta en un vuelo? ¿En qué momento debe sospechar el supervisor de que en un vuelo se están perdiendo demasiadas maletas? .5 para determinar la probabilidad de que ninguna maleta se pierda en un vuelo. De esta manera.3. Suponga que una muestra aleatoria de 1 000 vuelos arroja un total de 300 maletas perdidas. la media aritmética del número de maletas perdidas por vuelo es de 0.

.

entre 35 y 62 horas. suponga que la vida media de una batería Energizer tamaño AA se rige por una distribución normal con una media de 45 horas y una desviación estándar de 10 horas cuando se utiliza en determinado juguete.  Por ejemplo. caiga dentro de un intervalo específico. Puede determinar la probabilidad de que la batería dure más de 50 horas. DISTRIBUCIONES DE PROBABILIDAD NORMAL  Describen la probabilidad de que una variable aleatoria continua con una infinidad de valores posibles. La vida media de la batería se mide en una escala continua. . o menos de 39 horas.  La distribución normal se describe mediante su media y desviación estándar.

FAMILIA DE DISTRIBUCIONES DE PROBABILIDAD NORMAL .

Tiene forma de campana y posee una sola cima en el centro de la distribución. CARACTERÍSTICAS  1.  2. a la izquierda. El área total bajo la curva es de 1. La mitad del área bajo la curva normal se localiza a la derecha de este punto central. . Si hace un corte vertical. Es simétrica respecto de la media. la mediana y la moda son iguales. las dos mitades son imágenes especulares. La media aritmética.00. a la curva normal. por el valor central. y se localizan en el centro de la distribución. y la otra mitad.

. la distribución es asintótica. sin tocarlo en realidad. las colas de la curva se extienden indefinidamente en ambas direcciones. La dispersión o propagación de la distribución se determina por medio de la desviación estándar. μ. σ. La localización de una distribución normal se determina a través de la media. CONTINUACIÓN…  3. Es decir. La curva se aproxima más y más al eje X. Desciende suavemente en ambas direcciones del valor central.  4. En otras palabras.

.

.

.

.

pues tiene una media de 0 y una desviación estándar de 1. DE PROB.  Cualquier distribución de probabilidad normal puede convertirse en una distribución de probabilidad normal estándar al restar la media de cada observación y dividir esta diferencia entre la desviación estándar. NORMAL ESTANDAR  El número de distribuciones normales es ilimitado. .  La distribución de probabilidad normal estándar es única. desviación estándar (σ) o ambas. Los resultados reciben el nombre de valores z o valores tipificados. DIST. y cada una posee diferentes media (μ).

.

Esto se puede escribir como μ ± 2σ. lo cual se escribe μ ± 3σ .  3. Prácticamente toda el área bajo la curva se encuentra a tres desviaciones estándares de la media. Esto se puede escribir como μ ± 1σ. REGLA EMPIRICA  1. Cerca de 68% del área bajo la curva normal se encuentra a una desviación estándar de la media. Alrededor de 95% del área bajo la curva normal se encuentra a dos desviaciones estándares de la media.  2.

.

¿Cuál es la probabilidad de seleccionar a un supervisor cuyo ingreso semanal oscile entre $1 000 y $1 100? Esta pregunta se expresa con notación de probabilidad de la siguiente manera: P($1 000 < ingreso semanal < $1 100). DETERMINACIÓN DE ÁREAS BAJO LA CURVA  El ingreso medio semanal de un supervisor de turno de la industria del vidrio tiene una distribución normal. Es decir. con una media de $1 000 y una desviación estándar de $100. . μ = $1 000 y σ = $100.

.

 ¿Cuál es la probabilidad de seleccionar a un supervisor de turno de la industria del vidrio cuyo ingreso:  1) oscile entre $790 y $1 000?  2) sea menor que $790? .