You are on page 1of 46

Distribucin de

Probabilidad Binomial.
Caractersticas:
Es un experimento aleatorio.
El resultado de cada ensayo es uno de dos: xito o
fracaso.
Este se conoce como experimento Bernoulli.
Un experimento aleatorio que consiste de una
secuencia de n ensayos de Bernoulli tales que:
Los ensayos son independientes.
La probabilidad de xito en cada ensayo, denotada por
p, permanece constante, recibe el nombre de
experimento Binomial.






Es una distribucin de probabilidad discreta que se
presenta muy a menudo.
Una de sus caractersticas es que existan slo dos
resultados posibles en una prueba particular de un
experimento, en el control de calidad se puede identificar
como una variable del tipo pasa o no pasa.

La funcin de probabilidad de X se calcula:
f(x, n, p) = nCx p
x
(1 p)
n x
, x = 0, 1, 2, , n

n: tamao de la poblacin
p: probabilidad de xito en cada ensayo
x: nmero de ensayos
La variable aleatoria X que es igual al nmero de ensayos
donde el resultado es un xito, tiene una distribucin
binomial (n, p).





( )
!
! !
n x
n
C
x n x
=


Es el nmero de combinaciones de n elementos
disponibles tomados X a la vez.

p es generalmente la proporcin promedio de artculos
defectuosos
f(x, n, p) = nCx p
x
(1 p)
n x
, x = 0,1, 2, , n
n: tamao de la poblacin
p: probabilidad de xito en cada ensayo
x: nmero de ensayos o artculos defectuosos
Algunos ejemplos:
Un proceso produce 5% de piezas defectuosas.
Sea X el nmero de piezas defectuosas en las
siguientes 20 piezas producidas.
En una prueba final de artculos electrnicos se
tiene un historial de que el 1% tiene alguna falla
que es necesario reparar antes de liberarlos. Sea X
la cantidad de artculos con fallas en los siguientes
50 inspeccionados.
De los nacimientos en un hospital, sea X la
cantidad de nios varones en los siguientes 10
nacimientos.
Si X es una variable aleatoria con distribucin binomial
(n, p), entonces, la media y la varianza de la
distribucin ser:
= E(X) = np y


2
= V(X) = np (1 p)
Y si estamos interesados en conocer r defectos o
menos utilizaremos una distribucin acumulada para
determinar la probabilidad de presencia.
Calculo, para un valor de: r n
( )
0
(1 )
r
x n x
n x
x
P x r C p p

=
s =

Ejemplo 1:
En un proceso de fabricacin que produce gran cantidad
de artculos, se sabe que en promedio 2% de ellos son
defectuosos. Los artculos son empacados en cajas de 10,
y se quiere saber cul es la probabilidad de que no haya
ningn artculo defectuoso en cada caja. Si X es el
nmero de artculos defectuosos por caja, entonces se
quiere obtener P(x=0), lo cual es:
( )
( )
( ) ( ) ( )
0 10 0 10 10!
0 0.02 1 0.02 0.98 0.82
0! 10 0 !
P x

= = = =

Por tanto, se espera que el 82% de las cajas no


tengan ningn artculo defectuoso. Mientras que el
18% restante tendr al menos un defectuoso.


Si se quisiera saber cul es la probabilidad de que
tengan exactamente un artculo defectuoso (P(x =
1)), entonces:
( )
( )
( ) ( ) ( ) ( )
1 10 1 9 10!
1 0.02 1 0.02 10 0.02 0.98 0.167
1! 10 1 !
P x

= = = =

Por lo que se espera que 16.7% de las cajas


tendr exactamente un articulo defectuoso.

Y si quisiramos saber cul es la probabilidad de
que como mximo se tenga un defectuoso,
entonces:

P(x 1) = P(x = 0) + P(x =1)
= 0.82 + 0.167
= 0.987

De manera similar se podra calcular cualquier
otra probabilidad.
Problema 1:
Las normas de la industria sugieren que el 10% de los
vehculos nuevos requieren un servicio de garanta en el
primer ao. Jones Nissan en Sumter, Carolina del Sur, vendi
ayer 12 autos marca Nissan.

a) Cul es la probabilidad de que ninguno de estos vehculos
requiera el servicio de garanta? R/ 0.2824
b) Cul es la probabilidad de que exactamente uno de estos
vehculos requieren el servicio de garanta? R/ 0.3765
c) Determine la probabilidad de que exactamente dos de
estos vehculos requieren el servicio de garanta? R/ 0.2301
d) Calcule la media y la desviacin estndar de esta
distribucin de probabilidad. R/ = 1.2 y = 1.0392
Problema 2:
La velocidad a la que las compaas de servicios pueden
resolver problemas es muy importante. La compaa de
telfonos Telecom, informa que puede resolver los problemas
del cliente el mismo da que stos se reportan en el 70% de
los casos. Suponga que 15 casos reportados hoy son
representativos de todas las quejas.

a) Cuntos problemas esperara que se resolvieran el da de
hoy? Cul es la desviacin estndar? R/ =10.5 y
=1.7748
b) Cul es la probabilidad de que 10 de los problemas se
resuelvan hoy? R/ 0.2061
c) Cul es la probabilidad de que 10 u 11 de los problemas
se resuelvan hoy? R/ 0.4247.
d) Cul es la probabilidad de que ms de 10 de los
problemas se resuelvan hoy? R/ 0.5154
Distribucin de Probabilidad
Hipergeometrica.
Esta se aplica en ciertos tipos de experimentos Bernoulli,
en los que la probabilidad de xito no se mantiene
constante.
Por ejemplo, un conjunto de N objetos contiene K de
ellos clasificados como xitos y (N K) como fallas.
Se extrae una muestra aleatoria (sin reemplazo) de
tamao n, de tal forma que n N.
Sea x el nmero de xitos en la muestra n, entonces,
x tiene una distribucin hipergeomtrica.
( )( )
( ; , , ) ; 0,1, 2,....,
K x N K n x
N n
C C
f x N K n x n
C

= =
Donde:
N: tamao de la poblacin;
K: nmero de xitos en la poblacin;
n: tamao de la muestra y
x: nmero de xitos de la muestra (del que
se quiere encontrar la probabilidad)
Adems se tiene que:






( )
( )
2
(1 )
1
np
N n
np p
N
K
p
N

o
=
(
=
(


=
Cuando n/N < 0.1, la distribucin binomial,
se aproxima bien a la distribucin
hipergeomtrica.
EJEMPLO:
Play Time Toys, Inc. emplea a 50 personas en el
departamento de ensamblaje. Cuarenta de los
empleados pertenecen a un sindicato y diez no.
Se seleccionan cinco empleados al azar para
formar un comit que va a hablar con la gerencia
acerca de los horarios en que inician los turnos.
Cul es la probabilidad de que cuatro de los cinco
empleados seleccionados para el comit
pertenezcan a un sindicato?
La poblacin son los 50 empleados del
departamento de ensamblaje.
Un empleado puede ser seleccionado para el comit
slo una vez.
El muestreo se realice sin reemplazos.
Por tanto, la probabilidad de seleccionar un
empleado sindicalizado, cambia de un ensayo a otro.
La distribucin de probabilidad hipergeomtrica es
adecuada para determinar la probabilidad.
SOLUCION:
el nmero de empleados: N = 50,
el nmero de empleados sindicalizados: K = 40,
el nmero de empleados seleccionados: n = 5,
el nmero de empleados sindicalizados
seleccionados: x = 4.
Para encontrar la probabilidad de que 4 de los 5
miembros del comit sean sindicalizados, tenemos:
( )( ) ( )( )
40 4 50 40 5 4
50 5
40! 10!
91390 10 4!36! 1!9!
(4) 0.431
50!
2118760
5!45!
C C
P
C

| || |
| |
\ .\ .
= = = =
( )( )
( ; , , ) ; 0,1, 2,....,
K x N K n x
N n
C C
f x N K n x n
C

= =
La tienda Enseres Electrnicos del Sur, acaba de
recibir un cargamento de diez reproductores de
DVD. Poco despus de recibirlo, el fabricante llam
para reportar que por error enviaron tres unidades
defectuosas. La propietaria de la tienda, decidi
probar dos de los diez reproductores de DVD que
recibi. Cul es la probabilidad de que ninguno de
los dos reproductores de DVD probados est
defectuoso? R/ 0.4667
EJERCICIO 1:
Distribucin de
Probabilidad de Poisson
Una situacin frecuente en control de calidad es evaluar
variables como las siguientes:
nmero de defectos por artculo,
nmero de defectos por metro cuadrado de tela,
nmero de defectos por unidad de rea,
nmero de impurezas en un lquido,
nmero de errores de un trabajador.
Todos los casos anteriores se pueden resumir as:
nmero de eventos que ocurren por unidad (por unidad
de rea, por unidad de volumen, por unidad de tiempo)
Es frecuente que este tipo de variables tenga una
distribucin de Poisson, cuya funcin de
distribucin de probabilidad est dada por:



Donde:
x: nmero de ensayos o artculos defectuosos
= 2.718281828..
media de la distribucin es: = np =
su varianza es:
2
=


( ; ) 0,1, 2,........
!
x
e
f x x
x


= =
EJEMPLO:
Un estudio de las filas en las cajas registradoras del
Supermercado Selectos Gigante revel que entre las
4:00 y las 7:00 p.m., los fines de semana existe un
promedio de cuatro clientes formados. Cul es la
probabilidad de que usted visite el Supermercado
Selectos Gigante a esa hora durante este mes y
encuentre que:
a) No hay clientes esperando?
b) Hay cuatro clientes esperando?
c) Cuatro clientes o menos esperando?
d) Cuatro clientes o ms estn esperando?


Basados en que el experimento sigue una distribucin
de Poisson, determinamos que el valor de = 4 que
corresponde al promedio observado y procedemos a
evaluar las condiciones pedidas en la formula de la
distribucin.
SOLUCION:
( )
( )
( )
( )
0
4
4
4
4
4
4
4
) 0 , 4
4
1
0 0.01832
0!
) 4 , 4
4
64 64
4 0.19537
4! 6 6
a x clientes
e
P x e
e
b x clientes
e
P x e
e

= =
= = = = =
= =
= = = = =
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
4
4
4
4
3
4
4
4
2
4
4
4
1
4
4
4
0
4
4
4
) 4 , 4
4
64 64
4 0.19537
4! 6 6
4
64 64
3 0.19537
3! 6 6
4
16 8
2 0.14653
2! 2
4
4
1 4 0.07326
1!
4
1
0 0.01832
0!
c x omenos clientes
e
P x e
e
e
P x e
e
e
P x e
e
e
P x e
e
e
P x e
e

= =
= = = = =
= = = = =
= = = = =
= = = = =
= = = = =
Cuyo total es de:

P(x4) = P(x=0) + P(x=1) + P(x=2) + P(x=3) + P(x=4)

P (x4) = 0.01832 + 0.07326 + 0.14653 + 0.19537
+ 0.19537
= 0.62885

d)P (x4) = 1 P (x<4)
= 1 - (0.01832 + 0.07326 + 0.14653 +
0.19537)
= 0.56652
La seorita Magaa es ejecutiva de prstamos del
Banco CITY. Por sus aos de experiencia, ella
calcula que la probabilidad de que un solicitante no
pueda pagar su prstamo inicial es de 0.025. El
mes pasado ella realiz 40 prstamos.
a) Cul es la probabilidad de que no se paguen 3
prestamos? R/ a) 0.0613

b) Cul es la probabilidad de que por lo menos 3
prstamos queden sin pagar? R/ b) 0.0803
EJERCICIO
Distribucin de Probabilidad Normal
Es probablemente la distribucin continua ms
importante, tanto en estadstica terica como
aplicada. Si X es una variable aleatoria normal,
entonces su funcin de densidad de probabilidades
esta dada por:

( )
2
2
2 1
( )
2
x
f x e con x

o
o t
(

(
(

= < <
Donde es su media y su desviacin estndar.
Graficando la Funcin
Al graficar la funcin f(x) se obtiene una grfica en forma de
campana con una sola cima en el centro de la distribucin.
La media
aritmtica,
mediana y
moda son
iguales y estn
ubicadas en el
centro de la
distribucin
Es una distribucin simtrica con respecto a la
media. Si cortamos en sentido vertical la curva
normal en el valor central, las dos mitades sern
imgenes espejo.
La curva es ASINTOTICA, se acerca ms y ms al
eje X pero nunca lo toca, los extremos de la
curva se extienden de manera indefinida en
ambos sentidos.
La ubicacin de una distribucin normal se
determina a travs de la media . Y la dispersin
de la distribucin por medio de la desviacin
estndar, .
La Distribucin de
Probabilidad Normal Estndar
Es una distribucin normal con media cero y
desviacin estndar uno.
Cualquier distribucin normal se puede convertir en
una distribucin normal estndar, restando el
valor de la media de cada observacin y
dividiendo est diferencia entre la desviacin
estndar.
A los resultados se les llama valores tipificados de z
o valores z, de donde:



Siendo:
(Z calcularlo con dos decimales)
X el valor de cualquier observacin;
es la media de la distribucin y
es la desviacin estndar de la distribucin,
Los valores z tienen una distribucin normal con una
media de cero y una desviacin estndar de uno .
X
z

o

=
La tabla que aparece en el apndice D enumera las
probabilidades para la distribucin normal estndar.
Si X es una variable aleatoria con distribucin normal
(, ), entonces se cumple que:
1. P( - < X < + ) = 0.6827

2.P( - 2 < X < + 2 ) = 0.9545

3.P( - 3 < X < + 3 ) = 0.9973

4.P(x = a) = 0 para cualquier nmero a.
Estas propiedades sealan la proporcin de la
distribucin normal que se localiza en torno a la
media .
Teorema Central del Limite.
Sea x1, x2,., xn una muestra aleatoria de cualquier
poblacin, y sea la media muestral, entonces,
independientemente de cmo sea la distribucin de la
poblacin de donde se extrajo la muestra, la distribucin de
se aproxima a la normal conforme n crece.

Cuando la distribucin de donde proviene la muestra no sea
radicalmente distinta a la normal, entonces la aproximacin
empieza a ser buena para tamaos de muestra mayores o
iguales que n = 4. En caso de que sea muy diferente se
requieren tamaos de muestras mayores.
X
X
EJEMPLO 1:
Tomaremos de ejemplo el peso de una caja de
cereales y deseamos calcular la probabilidad de
que las cajas pesen entre 283 y 285.4 gramos.
Sabiendo que el peso de las cajas sigue una
distribucin normal con una media de 283
gramos y una desviacin estndar de 1.6
gramos.

CASO I: Deseamos conocer la probabilidad o rea
por debajo de la curva entre la media, 283 y
285.4 gramos.
Para encontrar la probabilidad es necesario convertir tanto
283 como 285.4 gramos a valores z.
El valor de z= 0 para 283, ya que coincide con la media de
la distribucin y el valor z que corresponde a 285.4 es
z=1.50 .
Se calcula as: (285.4 283)/1.6 = 1.50

A continuacin pasamos a la tabla (Apndice D), y
leemos en la fila que corresponde al valor de z = 1.5, en
la primera columna el valor de 0.4332,
SOLUCION:
Esto significa que el rea por debajo de la curva entre
0.00 y 1.5 es 0.4332. La cul representa la probabilidad
de que una caja de cereal pese entre 283 y 285.4
gramos.
Si representamos por x el peso, tenemos que su
probabilidad es: P(283 x 285.4) = 0.4332
285.4

EJEMPLO: Calculo de Probabilidades
Casos, de reas.
Caso II:
Cuando el peso de las cajas de cereales sea mayor
de 285.4 gramos.

Caso III:
Cuando el peso de las cajas este entre 281.4 y 285.4

Caso IV:
Cuando el peso de las cajas este entre 284.6 gramos
y 285.4 gramos.
En Resumen.
Existen cuatro situaciones para encontrar el rea por
debajo de la distribucin normal estndar:

1) Para encontrar el rea entre o y Z ( 0 Z), vea la
probabilidad directamente en la tabla

2)Para encontrar el rea ms all de Z o ( - Z),
localice la probabilidad de Z en la tabla y reste
esa probabilidad de 0.5000.
3) Para encontrar el rea entre dos puntos en lados
distintos de la media, determine los valores Z y
sume las probabilidades correspondientes.

4) Para encontrar el rea entre dos puntos en el
mismo lado distinto de la media, determine los
valores de Z y reste la probabilidad menor de la
mayor.

Como parte de su programa de aseguramiento de la
calidad, la compaa de bateras AUTOLITE realiza
pruebas sobre la vida til de las bateras. La vida media
para una batera de celda alcalina D, es de 19 horas. La
vida til de la batera sigue una distribucin normal con
una desviacin estndar de 1.2 horas. Responda las
preguntas siguientes:
a) Dentro de que par de valores se encuentra el 68%
de las bateras?
b) Dentro de que par de valores se encuentra el 95%
de las bateras?
c) Entre qu par de valores se encuentran todas las
bateras?
EJEMPLO 2:
Para poder responder estas preguntas es posible utilizar
los resultados de la regla emprica.
a) Dentro de que par de valores se encuentra el 68%
de las bateras?
Alrededor de 68% de las bateras tienen una vida til
entre 17.8 y 20.2 horas, dato que se encuentra por
medio de 19.0 1(1.2) horas.
b) Dentro de que par de valores se encuentra el 95%
de las bateras?
Cerca del 95% de las bateras tienen una vida til
entre 16.6 y 21.4 horas, dato que se encuentra por
medio de 19.0 2(1.2) horas.
c) Entre qu par de valores se encuentran todas las
bateras?
Virtualmente todas las bateras tienen una vida til
entre 15.4 y 22.6 horas, dato que se encuentra por
medio de 19.0 3(1.2) horas.

Esta informacin se resume en la siguiente grfica:
Los ingresos semanales de los supervisores de la
industria del vidrio tienen una distribucin normal con
una media de $ 1 000.00 y una desviacin estndar
de $ 100.00.
a) Cul es la probabilidad de seleccionar un
supervisor cuyo ingreso est entre $790.00 y $ 1
000.00?
b) Menos de $ 790.00?
c)Si su salario est entre $840.00 Y $1 200.00?
EJEMPLO 3:
a y b) Empezamos por encontrar el valor de z
correspondiente a un salario neto de $790.00 y tenemos:
$790 $1000
2.10
$100
x
z

o

= = =
SOLUCION:
En la tabla buscamos el valor de 2.1 y a la par en la columna
denominada como 0.00 encontramos el valor de 0.4821 que
corresponde al rea bajo la curva normal entre 0.00 y 2 .10.
Debido a que la distribucin normal es simtrica, el rea entre
0 y un valor de z negativo es lo mismo que el que se
encuentra entre 0 y un valor de z positivo.
Luego la: P($790 ingreso semanal $1000) = 0.4821
La media divide la curva normal en dos mitades idnticas.
El rea por debajo de la mitad a la izquierda en 0.5000, y el
rea a la derecha tambin es 0.5000. Debido a que el rea
por debajo de la curva entre $ 790.00 y $ 1 000.00 es 0.4821,
el rea por debajo de $ 790.00 se encuentra mediante 0.5000
0.4821.
P(ingreso semanal < $790.00) = 0.0179.
Lo cual se resume en el diagrama siguiente:
$840 $1000 $160
1.60
$100 $100
x
z

o

= = = =
$1200 $1000 $200
2.00
$100 $100
x
z

o

= = = =
Literal c) El problema se puede dividir en dos
partes. Para el rea entre $ 840 y la media de $1000.
Para el rea entre la media de $ 1 000.00 y $ 1
200.00.
En la Tabla comprobamos que el valor del rea
comprendida entre 0 y z = - 1.60 es 0.4452 y el
rea bajo la curva entre 0 y z = 2.00 es 0.4772.
Sumando las dos reas: 0.4452 + 0.4772 = 0.9224
por consiguiente: P($840 ingreso semanal
$1200) = 0.9224, el cual se ve en la grfica:

You might also like