Distribuciones de Probabilidad

Métodos Estadísticos
 ¿Qué es una Distribución de
Probabilidad?
• Listado de todos los posibles resultados de un
experimento y la probabilidad asociada con
cada resultado.
 Ejemplo
• Suponga que le interesa el número de caras
que aparecen en tres lanzamientos de una
moneda. Tal es el experimento. Los posibles
resultados son. Cero caras, Una cara, dos caras
y tres caras. ¿Cuál es la distribución de
probabilidad del número de caras? Entiéndase
como C (Cruz) y Cr (Cara).
 Ejemplo
Resultado Lanzamiento de la moneda Número de
Posible Primero Segundo Tercero Caras

1 C C C 0
2 C C Cr 1
3 C Cr C 1
4 C Cr Cr 2
5 Cr C C 1
6 Cr C Cr 2
7 Cr Cr C 2
8 Cr Cr Cr 3
 Ejemplo
Número de Caras (X) Probabilidad del Resultado P(x)
0 1/8 = 0,125
1 3/8 = 0,375
2 3/8 = 0,375
3 1/8 = 0,125
Total 8/8 = 1,000
 Ejemplo

P(X)
0.4

0.35

0.3

0.25
Probabilidad

0.2
Probabilidad
0.15

0.1

0.05

0
0 1 2 3
Número de Caras
Características de una Distribución de
Probabilidad
• La probabilidad de un resultado en particular
se encuentra entre cero y uno (0 y 1).
• Los resultados son eventos mutuamente
excluyentes.
• La lista es exhaustiva. Así, las suma se las
probabilidades de los diversos eventos es igual
a 1.
 Ejemplo en Clase
• Elabore una distribución de probabilidad para
el número de posibles resultados generados
de un experimento que implica el lanzamiento
de un dado. Represente gráficamente la
distribución de probabilidad. ¿Cuál es la suma
de las probabilidades?
 Variables Aleatorias
• En cualquier experimento aleatorio, los
resultados se presentan al azar. Por ejemplo,
lanzar un dado constituye un experimento
aleatorio: puede ocurrir cualquiera de los seis
posibles resultados. Cada valor de la variable
aleatoria se relaciona con una probabilidad
que indica la posibilidad de un resultado
determinado.
 Variable Aleatoria (Definición)
• Cantidad que resulta de un experimento que,
por azar, puede adoptar diferentes valores.

• Una variable aleatoria puede ser Discreta o

Continua.
 Variable Aleatoria Discreta
• Variable aleatoria que adopta sólo valores
claramente separados.
• Adopta sólo cierto número de valores separados.
También puede ser resultado de contar algo.

• Ejemplos: Número de bombillos defectuosos de

un lote de producción, Calificaciones del Curso de
Cálculo I de los estudiantes de Primer Semestre
de Ing. Industrial.
 Variable Aleatoria Continua
• Variable aleatoria que adopta infinidad de
valores.

• Ejemplos: Los tiempos de vuelo comerciales

entre Bogotá y Sao Paulo. El peso de cada saco
de azúcar. La temperatura ambiente a las 9:00
am.
 Media, Varianza y Desviación Estándar de una
Distribución de Probabilidad Discreta.
• Media de una Distribución de Probabilidad (Valor
Esperado):
𝜇 = ෍ 𝑥𝑃(𝑥)

• Varianza de una Distribución de Probabilidad:

𝜎 2 = ෍ 𝑥 − 𝜇 2 𝑃(𝑥)
 Ejemplo
• John Ragsdale vende automóviles nuevos en
Pelican Ford. Por lo general, John vende la
mayor cantidad de automóviles el sábado.
Ideó la siguiente distribución de
probabilidades de la cantidad de automóviles
que espera vender un sábado determinado.
 Ejemplo
Cantidad de automóviles vendidos (X) Probabilidad P(X)
0 0,10
1 0,20
2 0,30
3 0,30
4 0,10
Total 1,00

• ¿De qué tipo de distribución se trata?

• ¿Cuántos automóviles espera vender John un sábado normal?

• ¿Cuál es la varianza y desviación estándar de la distribución?

 Ejemplo
• Se trata de una distribución de probabilidad
discreta para la variable aleatoria denominada
número de automóviles vendidos. ¿Por qué?
• La media de la cantidad de automóviles
vendidos 𝜇 = 0*(0,10) + 1*(0,20) + 2*(0,30) +
3*(0,30) + 4.(0,10) = 2,1 ¿Cómo interpretar
éste resultado?
 Ejemplo
Número de
Probabilidad
automóviles (x-ɥ) (x-ɥ)^2 (x-ɥ)^2 P(X)
P(X)
vendidos (X)

0 0,10 -2,1 4,41 0,441

1 0,20 -1,1 1,21 0,242
2 0,30 -0,1 0,01 0,003
3 0,30 0,9 0,81 0,243
4 0,10 1,9 3,61 0,361
Varianza 1,29
σ 1,136
ɥ 2,1
 Ejemplo
• Si la vendedora Rita Kirsch también vendió un
promedio de 2,1 automóviles los sábados y la
desviación estándar en sus ventas fue de 1,91
automóviles. ¿Cómo interpretar éste
resultado de σ = 1,136?
 Ejemplo 2
• La información que sigue representa el
número de llamadas diarias al servicio de
emergencia por el servicio voluntario de
ambulancias de Walterboro, Carolina del Sur,
durante los últimos 50 días. Los resultados se
presentan en la siguiente tabla.
 Ejemplo
Número de Llamadas Frecuencia
0 8
1 10
2 22
3 9
4 1
Total 50

• Convierta ésta información sobre el número de llamadas en una distribución

de probabilidad.

• ¿Constituye un ejemplo de distribución de probabilidad discreta o continua?

• ¿Cuál es la media de la cantidad de llamadas de emergencia al día?

• ¿Cuál es la desviación estándar de la cantidad de llamadas diarias?

Distribución de Probabilidad Binomial
• Es una distribución de probabilidad discreta que
se presenta con mucha frecuencia. Una
característica de una distribución binomial
consiste en que sólo hay dos posibles resultados
en determinado intento de un experimento.
• Ejemplo: El enunciado de en una pregunta de
falso o verdadero.
• Los resultados son mutuamente excluyentes, lo
cual significa que la repuesta a la pregunta es
falsa o verdadera, es decir, no puede ser cierta o
falsa al mismo tiempo.
Distribución de Probabilidad Binomial
• Una tercera característica de una distribución
binomial consiste en que la probabilidad de
éxito es la misma de una prueba a otra.
Ejemplo: La probabilidad de que adivine la
primera pregunta de una prueba de verdadero
o falso es de 1/2.
Distribución de Probabilidad Binomial
• Cada prueba es independiente de cualquiera
otra (No existen patrones en las pruebas). En
otras palabras, el resultado de una prueba en
particular no influye en el resultado de otra
prueba.
 Características Binomiales
• El resultado de cada prueba de un experimento
se clasifica en una de dos categorías mutuamente
excluyentes: éxito o fracaso.
• La variable aleatoria permite contar el número de
éxitos en una cantidad fija de pruebas.
• La probabilidad de éxito y fracaso es la misma
para cada prueba.
• Las pruebas son independientes, lo cual significa
que le resultado de una prueba no influye en el
resultado de otra prueba.
 ¿Cómo se calcula una probabilidad
binomial?
• Para construir una probabilidad binomial en
particular se necesita:
• El número de pruebas
• La probabilidad de éxito de cada prueba.
 ¿Cómo se calcula una probabilidad
binomial?
• Ejemplo:
• Si un examen al término de un Curso incluye 20
preguntas de opción múltiple, el número de
pruebas es de 20. Si cada pregunta contiene cinco
elecciones y sólo de una de ellas es correcta, la
probabilidad de éxito de cada prueba es de 0,20
(1/5). Por lo tanto, la probabilidad de un
estudiante sin conocimientos del tema que
acierte a una pregunta es de 0,20.
 ¿Cómo se calcula una probabilidad
binomial?
• Una probabilidad binomial se calcula mediante la
fórmula:
• 𝑃 𝑥 = 𝑛𝐶𝑥 𝜋 𝑥 (1 − 𝜋)𝑛−𝑥
• Donde:
• C representa una combinación.
• n es el número de pruebas.
• x es la variable aleatoria definida como el número
de éxitos.
• 𝜋 es la probabilidad de un éxito en cada prueba.
 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 0,20.
¿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?
• 𝑃 0 = 5𝐶0 (0,20)0 (1 − 0,20)5−0 = 0,3277
• 𝑃 1 = 5𝐶1 (0,20)1 (1 − 0,20)5−1 = 0,4096
 Distribución Binomial
• Media de una Distribución Binomial: 𝜇 = 𝑛𝜋
• Varianza de una Distribución Binomial: 𝜎 2 =
𝑛𝜋(1 − 𝜋)

¿Cuál es el valor de la media, varianza y

desviación estándar con base en el ejemplo
anterior?
 Ejemplo 2
• El Servicio Postal de Estados Unidos informa que 95%
de la correspondencia de primera clase dentro de la
misma ciudad se entrega en un periodo de dos días a
partir del momento en que se envía. Se enviaron seis
cartas de forma aleatoria a diferentes lugares.

• ¿Cuál es la probabilidad de que las seis cartas lleguen

en un plazo de dos días?
• ¿Cuál es la probabilidad de que exactamente cinco
lleguen en un plazo de dos días?
• Determine el valor esperado del número de cartas que
llegaran en un plazo de dos días.
• Calcule la desviación estándar del número de cartas
que llegarán en una plazo de dos días.
 Ejemplo 3
• Un estudio del Departamento de Transporte de Illinois
concluyó que 76,2% de quienes ocupaban la parte
anterior en los vehículos utilizaba cinturón de
seguridad. Esto significa que los dos ocupantes de la
parte delantera utilizaban cinturones de seguridad.
Suponga que decide comparar la información con el
uso actual que se da al cinturón de seguridad.
Seleccione una muestra de 12 vehículos.
• ¿Cuál es la probabilidad de que los ocupantes de la
parte delantera de exactamente 7 de 12 vehículos
seleccionados utilicen cinturones de seguridad?
• ¿Cuál es la probabilidad de que los ocupantes de la
parte delantera de por lo menos 7 de 12 vehículos
utilicen cinturón de seguridad?
 Ejemplo 4
• En un estudio reciente se descubrió que 90% de
las familias de Estados Unidos tiene televisores de
pantalla grande. En un muestra de nueve familias,
• ¿Cuál es la probabilidad de que las nueve tengan
televisores de pantalla grande?
• Menos de cinco tengan televisores de pantalla
grande?
• Más de cinco tengan televisores de pantalla
grande.
• Al menos siete familias tengan televisores de
pantalla grande?
Distribución de Probabilidad Poisson
• Describe el número de veces que se presenta
un evento durante un intervalo específico. El
intervalo puede ser de tiempo, distancia, área
o volumen.
• Es una distribución de probabilidad discreta
porque se genera contando.
• Probabilidad de éxito pequeña y n grande.
 Características de Dist. Probabilidad
Poisson
• 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.
Distribución de Probabilidad Poisson
• Describe el número de veces que se presenta
un evento durante un intervalo específico. El
intervalo puede ser de tiempo, distancia, área
o volumen.
• Es una distribución de probabilidad discreta
porque se genera contando.
• Probabilidad de éxito pequeña y n grande.
(Ley de Eventos Improbables)
 Aplicaciones Distribución de
Probabilidad Poisson
• Modelo para describir el número de clientes
que esperan en una mesa en un restaurante o
que esperan entrar en una de las atracciones
de Disney World. (Teoría de Colas)
 Distribución de Probabilidad Poisson
𝜇𝑥 𝑒 −𝜇
• 𝑃 𝑥 =
𝑥!
• Donde:
• 𝜇: es la media de la cantidad de veces (éxitos) que se
presenta un evento en un intervalo particular.
• e: es la constante 2,71828 (base del sistema de
logaritmos naperianos)
• x: es el número de veces que se presenta un evento.
• P(x): es la probabilidad de un valor específico de x.
Distribución de Probabilidad Poisson
• 𝜇 = 𝑛𝜋
• Donde:
• 𝜇: es la media de la cantidad de veces (éxitos)
que se presenta un evento en un intervalo
particular.
• n: es el número total de pruebas.
• 𝜋: la probabilidad de éxito
 Ejemplo
• USA Company asegura propiedades frente a la
playa a lo largo de Virginia, Carolina del Norte y
del Sur, y las Costas de Georgia; el cálculo
aproximado es que, cualquier año, la
probabilidad de que un huracán de categoría III o
más intenso azote una región de la costa es de
0,01. Si un dueño de casa obtiene un crédito
hipotecario de 30 años por una propiedad recién
comprada en la costa. ¿Cuáles son las
posibilidades de que el propietario experimente
por lo menos un huracán durante el periodo del
crédito?
 Ejemplo
• 𝜇 = 30 ∗ 0,01 = 0,3
(0,01)0 𝑒 −0
• 𝑃 𝑥 ≥1 =1−𝑃 𝑥 =0 =1− =
0!
0,2592
• ¿Cómo se interpretan éstos resultados?
 Ejemplo 2
• Un promedio de 2 automóviles por minuto
ingresan a la salida de Elkhart de la autopista
de Indiana.
• ¿Cuál es la probabilidad de que ningún
automóvil ingrese en un minuto?
• ¿Cuál es la probabilidad de que por lo menos
ingrese un automóvil de un minuto?