ESTADÍSTICA PARA

ECONOMISTAS I

Distribuciones de Probabilidad
Lic. Denís Leonor Mendoza Rivas

Lic. Denís Mendoza Rivas

Diapositiva 1
 Modelos de Distribuciones de
Probabilidad Discretas
Distribuciones de
Probabilidad Discretas

Bernoulli Binomial Poisson

Diapositiva 2 Lic. Denís Mendoza Rivas

 Distribuciones de
Probabilidad Discretas

Distribución Binomial

Lic. Denís Mendoza Rivas

Diapositiva 3
 Distribución Binomial
 La totalidad del experimento está compuesto por una
secuencia de intentos o ensayos idénticos.
 En cada intento o ensayo hay dos posibles resultados,
mutuamente excluyentes: éxito o fracaso.
 La probabilidad de éxito (p) permanece constante de
ensayo a ensayo. La probabilidad de fracaso (q) es el
complemento de p, es decir, 1-p.
 Los ensayos o intentos son estadísticamente
independientes.

Diapositiva 4 Lic. Denís Mendoza Rivas

 Probabilidad en una
Distribución Binomial
Si f ( x)  P ( X  x) para x  0, 1, 2,..., n

n! r nr
f ( x)  p q
r!(n  r )!
 p= probabilidad de éxito de cada intento
 q= probabilidad de fracaso de cada intento
 n= número de intentos realizados.
 r= número de éxitos deseados.

Diapositiva 5 Lic. Denís Mendoza Rivas

 Tendencia Central y Dispersión
en la Distribución Binomial
 Media o Valor Esperado
  E ( X )  np
 Varianza
  npq
2

 Desviación Estándar
  npq
Diapositiva 6 Lic. Denís Mendoza Rivas
 EJEMPLO 1
1. Sea el experimento aleatorio: E: Lanzar una
moneda 10 veces.
a. Describa la variable aleatoria: número de caras obtenidas
b. Describa su función de probabilidad
c. Describa su función de distribución
d. Cuál será la probabilidad de obtener 6 caras.
e. Calcular el número medio de caras obtenidas así como
también el la desviación típica.

Diapositiva 7 Lic. Denís Mendoza Rivas

 Ejemplo 2
Una compañía que vende por teléfono un
solo artículo, ha vendido 20 artículos en
las últimas 100 llamadas. Si durante un
turno se llaman a 12 clientes, ¿cuál es la
probabilidad de:
A. No hacer ninguna venta?
B. Hacer exactamente 2 ventas?
C. Hacer como máximo 2 ventas?
D. Hacer al menos 2 ventas?

Diapositiva 8 Lic. Denís Mendoza Rivas

 EJEMPLO 3
 ¿Cuál es la probabilidad de obtener cuatro
veces el número 3 al lanzar un dado 8 veces?

Diapositiva 9 Lic. Denís Mendoza Rivas

 EJEMPLO 4
 Un estudiante contesta al azar 9 preguntas,
cada una con 4 alternativas de los cuales sólo
una es correcta.
 Determine su función de probabilidad
 Si para aprobar tal examen debe contestar correctamente al
menos 6 preguntas ¿cuál es la probabilidad de aprobar el
examen?

Diapositiva 10 Lic. Denís Mendoza Rivas

 EJERCICIO 1
 Se dice que el 75% de los accidentes de una
planta se atribuyen a errores humanos. Si en
un período de tiempo dado, se suscitan 5
accidentes, determine la probabilidad de que;
 dos de los accidentes se atribuyan a errores humanos,
 como máximo 1 de los accidentes se atribuya a errores de
tipo humano,
 tres de los accidentes no se atribuyan a errores humanos.

Diapositiva 11 Lic. Denís Mendoza Rivas

 Distribuciones
Discretas

Distribución de Poisson

Lic. Denís Mendoza Rivas

Diapositiva 12
 Distribución de Poisson
 Las ocurrencias de un evento pueden ser descritas en términos
de una variable aleatoria discreta.
 Existe un régimen que caracteriza el proceso (número de
ocurrencias por intervalo de tiempo o espacio).
 Se usa para describir las distribuciones de probabilidad de:
 Número de llegadas de clientes.
 Número de llamadas telefónicas en una central.
 Número de accidentes.
 Número de llegadas de vehículos.
 Número de defectos observados en longitudes, superficies, u objetos.

Diapositiva 13 Lic. Denís Mendoza Rivas

 Probabilidad en una
Distribución de Poisson
Si f ( x)  P ( X  x) para x  0, 1, 2,..., n


e x
f ( x) 
x!
 λ= promedio de ocurrencias por intervalo de tiempo o
espacio.
 e= 2.71828 Base de logaritmos neperianos o naturales.

Diapositiva 14 Lic. Denís Mendoza Rivas

 Tendencia Central y Dispersión
en la Distribución Poisson
 Media o Valor Esperado
 
 Varianza
 
2

 Desviación Estándar
 
Diapositiva 15 Lic. Denís Mendoza Rivas
 Ejemplo 1
Si en promedio llegan 3
clientes por minuto al banco
durante la hora del
almuerzo, cual es la
probabilidad de que en un
minuto dado, lleguen
exactamente dos clientes,
lleguen menos de dos
clientes, y lleguen más de
dos clientes?

Diapositiva 16 Lic. Denís Mendoza Rivas

 Ejemplo 2
Los clientes llegan a la
ventanilla a un régimen
de 72 por hora. ¿Cuál es
la probabilidad de que 4
clientes lleguen en un
lapso de 3 minutos?

Diapositiva 17 Lic. Denís Mendoza Rivas

 EJEMPLO 3
 La probabilidad de tener un accidente de
tráfico es de 0,02 cada vez que se viaja, si se
realizan 300 viajes, ¿cuál es la probabilidad de
tener 3 accidentes?

Diapositiva 18 Lic. Denís Mendoza Rivas

 EJEMPLO 4
 Un cajero de un banco atiende en promedio 7
personas por hora, cual es la probabilidad de
que un una hora determinada:
 Atienda exactamente 7 personas
 Atienda menos de 5 personas
 Atienda más de 8 personas
 Atienda más de 5 pero menos de 8 personas

Diapositiva 19 Lic. Denís Mendoza Rivas

 Ejercicio 2
 Los automóviles llegan a la ciudad de Huaraz, a
razón de 120 por hora.
 ¿Cuál es la probabilidad que en un minuto especifico no llegue
automóvil alguno a la ciudad de Huaraz?
 ¿Cuál es la probabilidad de que en un minuto cualquiera, llegue
por lo menos un automóvil a la ciudad de Huaraz?
 ¿Cuál es la probabilidad de que en tres minutos, llegue por lo
menos 8 automóviles a la ciudad de Huaraz?
 ¿Cuál es la probabilidad de que en cinco minutos, llegue por
menos de 15 automóviles a la ciudad de Huaraz?

Diapositiva 20 Lic. Denís Mendoza Rivas

 Distribuciones de
Probabilidad Continuas

Distribución Normal

Lic. Denís Mendoza Rivas

Diapositiva 21
 Características de la
Distribución Normal
Distribución 1. Simétrica y “acampanada”
Normal
2. Unimodal.
3. Media al centro de la Curva.
4. Media = Mediana = Moda
X
μ 5. Asintótica

Media 6. Función de Densidad

Mediana 7. Área bajo la curva = 1
Moda
Diapositiva 22 Lic. Denís Mendoza Rivas
 Áreas bajo la
curva normal
15.85% 15.85%
68.3%
X
1 1

Diapositiva 23 Lic. Denís Mendoza Rivas

 Áreas bajo la
curva normal
15.85% 15.85%
68.3%
X
1 1

2.25% 2.25%
95.5%
X
2 2

Diapositiva 24 Lic. Denís Mendoza Rivas

 Áreas bajo la
curva normal
15.85% 15.85%
68.3%
X
1 1

2.25% 2.25%
95.5%
X
2 2

0.15% 99.7% 0.15%

X
3 3
Diapositiva 25 Lic. Denís Mendoza Rivas
 Distribución Normal Estándar

 0
 1

-3 -2 -1 0 +1 +2 +3

Diapositiva 26 Lic. Denís Mendoza Rivas

 Distribución Normal y
Distribución Normal Estándar
  100
  20

40 60 80 100 120 140 160 X

-3 -2 -1 0 +1 +2 +3 Z

Diapositiva 27 Lic. Denís Mendoza Rivas

 Estandarizar la
Distribución Normal
Distribución Normal Distribución Normal Estándar

 z = 1

x z
 z =0
 x - valor de una variable aleatoria.
x   - media de la distribución de la variable
z  aleatoria.
   - desviación estándar de la distribución.
 z - número de desviaciones estándar desde x a
la media de la distribución.
Diapositiva 28 Lic. Denís Mendoza Rivas
 Estandarización de una
Distribución Normal
Distribución Normal
50
25

 x
25 0 25 50 75 100 125
 x
z=
-3 -2 -1 0 1 2 3 

Diapositiva 29 Lic. Denís Mendoza Rivas

 Probabilidad en una Distribución
Normal
 =5 Encontrar:
P(10 < x < 14.2)

 = 10 14.2 X

x  14.2-10
z    0.84
 5

Z
0 0.84
Diapositiva 30 Lic. Denís Mendoza Rivas
 Cálculo de Probabilidad
P(5  x  15)
 10
 5

5 10 15 X

x  15-10
.6827 z  1
 5
x  5-10
z   -1
 5
1 0 1 Z

Diapositiva 31 Lic. Denís Mendoza Rivas

 Cálculo de Probabilidad
P(x  18.2)
 10
 5

 = 10 18.2 X

x  18.2-10
0.0505 z    1.64
 5

0 1.64 Z

Diapositiva 32 Lic. Denís Mendoza Rivas

 Cálculo de valor x o valor z
Para una cola de 10%
 10
¿Cuál será el valor de x?
 5 10%

x=16.4
 = 10 ? X

Para una cola de 10%

x  85
10%  será el valor de z? 0.30
z¿Cuál
z=1.28
0 ? Z

Diapositiva 33 Lic. Denís Mendoza Rivas

 Distribución Normal como una
aproximación de la Distribución Binomial
 A pesar de ser continua, la Distribución Normal es algunas
veces una buena aproximación de la distribución binomial
cuando np y nq son mayores o iguales a 5.
 Los valores discretos de la distribución binomial se representan
como rectángulos inscritos en la distribución normal con un
ancho de 1 y centrados en el valor discreto.
  np
  npq

Diapositiva 34 Lic. Denís Mendoza Rivas

 EJERCICIOS

Diapositiva 35 Lic. Denís Mendoza Rivas

 EJEMPLO 1
 El promedio de las alturas de 800 alumnos de
una gran unidad escolar es 1.50m y la
desviación estándar es 0.30m. Asumiendo que
las alturas están normalmente distribuidas,
encontrar cuantos alumnos miden:
 Entre 1.30m y 1.70m.
 Más de 1.65m.

Diapositiva 36 Lic. Denís Mendoza Rivas

 EJEMPLO 2
 Los puntajes en un examen de selección para seguir
estudios superiores de maestría están distribuidos
normalmente con media 76 y desviación estándar 15.
Se ha establecido que el 15% de los concursantes que
son mejores recibirán una beca integral de estudios, en
tanto que el 10%, que se supone que son peores,
definitivamente no podrán seguir estudios superiores.
Hallar:
 El puntaje mínimo para ganar la beca
 El puntaje mínimo para seguir estudios superiores

Diapositiva 37 Lic. Denís Mendoza Rivas

 EJEMPLO 3
 El consumo medio anual de cerveza de los
habitantes de un país es de 59 litros, con una
varianza de 36. Se supone que se distribuye
según una distribución normal.
 Si usted presume de buen bebedor, ¿cuántos litros de
cerveza tendría que beber al año para pertenecer al 5% de
la población que más bebe?
 Si usted bebe 45 litros de cerveza al año y su mujer le
califica de borracho ¿qué podría argumentar en su defensa?

Diapositiva 38 Lic. Denís Mendoza Rivas

  El acero que se utiliza para tuberías de agua a menudo se
recubre internamente con un mortero de cemento para evitar
la corrosión. En un estudio de los recubrimientos de mortero
de una tubería empleada en un proyecto de transmisión de
agua en California (Transportation Engineering Journal,
Noviembre de 1979) se especificó un espesor de 7/16
pulgadas para el mortero. Un gran número de mediciones de
espesor dieron una media de 0.635 pulgadas y una
desviación estándar de 0.082 pulgadas. Sí las mediciones de
espesor, tenían una distribución Normal, ¿qué porcentaje
aproximado fue inferior a 7/16 de pulgada?

Diapositiva 39 Lic. Denís Mendoza Rivas

 C. DISTRIBUCIÓN t DE STUDENT
Definición:
Una variable con distribución t de
Student se define como el cociente entre
una variable normal estandarizada y la
raíz cuadrada positiva de una variable 2
dividida por sus grados de libertad.

Z x μ
t t " t" (n  1)
2 S
 n
(n  1)

Diapositiva 40 Lic. Denís Mendoza Rivas

 Características
 La distribución se denomina distribución de Student o distribución “t”.

• Es simétrica, con media de 0, y variancia mayor que 1.

• Es más achatada que la normal y adopta diferentes formas, según el número de grados
de libertad.

• La variable t se extiende desde - a +.

• A medida que aumenta los (n –1) grados de libertad la distribución “t” se aproxima en su
forma a una distribución normal.

• El parámetro de la distribución es (n-1) grados de libertad, originando una distribución

diferente para cada tamaño de muestra.

Diapositiva 41 Lic. Denís Mendoza Rivas

  Al igual que la normal, también es simétrica es
algo más plana que la distribución normal hay
una distribución t para cada tamaño de muestra
cuando el tamaño de la muestra es mayor a 30,
la distribución t se asemeja tanto a la normal
que se prefiere utilizar ésta.

Diapositiva 42 Lic. Denís Mendoza Rivas

 CUANDO UTILIZAR Z o t

SI
¿S E C O N O C E  ? U S A R Z

N O

SI
¿es n  30? U S A R Z

N O

U S A R t

Diapositiva 43 Lic. Denís Mendoza Rivas

 EJERCICIOS

Diapositiva 44 Lic. Denís Mendoza Rivas

 D. DISTRIBUCIÓN CHI_ CUADRADO
Definición
Una variable Chi cuadrado se define
como la suma de n variables normales
estandarizadas elevadas al cuadrado.

n
   Z i2
2

i 1

 
2
n
 xi  μ  2
χ 
2 S 2 (n  1)
2
 χ 2
( n  1)
σ
i 1 σ2

Diapositiva 45 Lic. Denís Mendoza Rivas

 Características

Por definición, una variable 2 adopta valores positivos: 0  2  .

La distribución es asimétrica positiva.

A medida que aumenta el tamaño de la muestra la curva es menos

asimétrica, aproximándose a una curva normal.

Para cada tamaño muestral, se tendrá una distribución 2 diferente.

El parámetro que caracteriza a una distribución 2 son sus grados de

libertad (n-1), originado una distribución para cada grado de libertad,

Diapositiva 46 Lic. Denís Mendoza Rivas

 Aplicaciones

Las aplicaciones más importantes están

en la prueba de bondad de ajuste la
prueba de independencia estadística

Diapositiva 47 Lic. Denís Mendoza Rivas

 Distribución de ji-cuadrado para algunos
valores de grados de libertad.

Diapositiva 48 Lic. Denís Mendoza Rivas

 EJERCICIOS

Diapositiva 49 Lic. Denís Mendoza Rivas

 E. DISTRIBUCIÓN F DE FISHER
Definición
Una variable F se define como el cociente
entre dos variables ji-cuadrado divididas por
sus correspondientes grados de libertad.

 1
2

S 2

F  n1 2 1  F
1

2 S2 2
n2  1

Diapositiva 50 Lic. Denís Mendoza Rivas

 Se utiliza para
comparar variancias de
dos poblaciones, con
distribución normal

Diapositiva 51 Lic. Denís Mendoza Rivas

 Características

Una variable con distribución F es siempre positiva por lo

tanto su campo de variación es 0  F  

La distribución de la variable es asimétrica, pero su

asimetría disminuye cuando aumentan los grados de
libertad del numerador y denominador.

Hay una distribución F por cada par de grados de libertad.

Parámetros: Grados de libertad asociados al numerador y

denominador

Diapositiva 52 Lic. Denís Mendoza Rivas

 Distribución F para diferentes grados de
libertad

Diapositiva 53 Lic. Denís Mendoza Rivas

 EJERCICIOS

Diapositiva 54 Lic. Denís Mendoza Rivas

 Las distribuciones “t” de Student, Chi cuadrado ( 2) y F,
se derivan de la distribución Normal y están relacionadas
con la teoría del muestreo pequeño n 30

Son muy importantes pues son la base de

metodologías inferenciales, tales como
Intervalos de Confianza y Pruebas de
Hipótesis.
Las variables “t”, 2 y F surgen de transformaciones de
variables aleatorias en las que están involucrados
estadísticos muéstrales, tales como la media y la
varianza.

Diapositiva 55 Lic. Denís Mendoza Rivas

 Teorema:

Diapositiva 56 Lic. Denís Mendoza Rivas