1

UNIDAD II
PROBABILIDAD Y DISTRIBUCIONES DE PROBABILIDAD

La probabilidad y estadstica se relacionan de manera importante, ya que la probabilidad se emplea como una
herramienta, que permite evaluar la confiabilidad de las conclusiones respecto a la poblacin cuando solo se
tiene informacin de una muestra.

Probabilidad: es la posibilidad numrica de que ocurra un evento particular. La probabilidad permite calcular
la fiabilidad o el error en las conclusiones obtenidas mediante inferencia estadstica, por lo que es la base para
esta parte de la estadstica.

Para entender las propiedades de la probabilidad es importante conocer algunos conceptos

Tcnicas de conteo

Al asignar probabilidades es necesario saber identificar y contar los resultados experimentales, para esto se
utilizan las tcnicas de conteo que nos ayudan a enumerar eventos difciles de cuantificar.

Tcnica de conteo 1: Si cualquiera de n eventos mutuamente excluyentes y colectivamente exhaustivos
puede ocurrir en cada uno de k intentos, el nmero de resultados posibles es igual a n
k

Ejemplo1: Si una moneda (con dos lados) se arroja 10 veces, el nmero de resultados es 2
10
= 1,024.
Ejemplo2: Si un dado (con seis lados) se lanza dos veces, el nmero de resultados es 6
2
=36

Tcnica de conteo 2: n
1
n
k
(experimentos de etapas mltiples)
Si un experimento se lleva a cabo en k etapas, con n
1
maneras para llevar acabo la primera etapa, n
2
maneras
para realizar la segunda, . . . , y n
k
maneras de lograr la k-sima etapa, entonces el nmero de maneras para
completar el experimento es (n
1
)(n
2
)(n
k
).

Para estos experimentos, el espacio muestral se puede representar en forma grfica en un diagrama de
rbol. Cada nivel sucesivo de la ramificacin en el rbol corresponde a un paso requerido para generar el
resultado final.

Ejemplo1: suponga que le es posible ordenar un automvil en uno de tres estilos y en uno de cuatro colores.
Para determinar cuntas opciones estn disponibles, piensa en escoger primero uno de los m = 3 estilos y
luego seleccionar uno de los n = 4 colores. Por medio de la regla de mn como se muestra en la figura se tiene
mn = (3)(4) = 12 posibles opciones.





2
Tcnica de conteo 3: Permutacin (nPr

) nmero de formas en que un subconjunto(r) del grupo completo

(n) puede ordenarse, donde el orden es relevante y que puede realizarse tomando algunos datos o todos los
datos del grupo completo de datos. Los mismos r objetos seleccionados en orden diferente se consideran un
resultado experimental diferente.
nPr=
)! (
!
r n
n

Donde n ! se denomina n factorial y 0! se define como 1.

Tcnica de conteo 4: Combinacin (nCr

)
Cuando el orden en que se seleccionan los objetos no importa, tenemos lo que se denomina una
Combinacin.
El nmero de modos de seleccionar r objetos de n objetos sin tomar en cuenta el orden es igual a
nCr=
|
|
.
|

\
|
r
n
=
)! ( !
!
r n r
n

Comparando esta regla con la anterior, vemos que difiere slo en la inclusin de un trmino r! en el
denominador. Esto se debe a que cuando contamos permutaciones, todos los arreglos de r objetos eran
distinguibles; con las combinaciones, los r! arreglos posibles de objetos no son importantes.
*Nota: una manera rpida de usar estas tcnicas es usando las teclas de la calculadora nCr para
combinaciones y nPr para permutaciones.


Propiedades de la probabilidad

1. La probabilidad de un evento simple puede ser un valor entre 0 y 1
0s P(E) s1

2. La suma de todas las probabilidades de los posibles resultados(s) es igual a 1
P(E
1
)+ P(E
2
)+ P(E
3
)+ P(E
4
)++ P(E
n
)=1

3. La suma de las probabilidades del evento A y su complemento es igual a 1
P(A)+ P(A
C
)=1
P(A)=1- P(A
C
)
P(A
C
)=1- P(A)


LEYES DE PROBABILIDAD
Ley aditiva general
Para cualesquiera dos eventos A y B, no necesariamente excluyentes
P(A B) = P(A) + P(B) - P(A B) P(A o B) = P(A) + P(B) - P(A y B)

Probabilidad Condicional e Independencia
Probabilidad condicionada: Es cuando la probabilidad de que ocurra un evento depende de lo que ha
ocurrido con otro evento:
P(A|B) probabilidad de que ocurra A dado que B ha ocurrido.

P(A|B)=
P(A)
B) y P(A


( )
( )
()

3
Probabilidad condicional de A

P(A

B). Es la probabilidad conjunta porque denota la interseccin de dos eventos, A y B.

P(A) y P(B) se denominan probabilidades marginales

Ley multiplicativa Esta ley se deriva de la definicin de probabilidad condicional y utiliza el concepto de
interseccin de eventos para su aplicacin. Esta ley se utiliza para evaluar probabilidades ''y'', del mismo
modo que la ley aditiva se utiliza para evaluar probabilidades "o".

Ley multiplicativa de eventos independientes
Si A y B son eventos independientes, entonces
P(A B) = P(A) P(B) P(A y B) = P(A) P(B)

Ley multiplicativa de eventos dependientes
Si A y B son eventos dependientes, entonces

P(A B) = P(A | B) P(B) P(A y B) = P(A dado B) P(B)


Proceso Para Calcular la Probabilidad de un Evento.
1) Hacer una lista de todos los eventos contenidos en el espacio muestral, se puede apoyar en las tcnicas
de conteo
2) Asignar la probabilidad que corresponda a cada evento simple.
3) Determinar los eventos simples que dan como resultado el evento de inters.
4) Sumar las probabilidades de todos los eventos simples que dan como resultado el evento de inters, ya
que la probabilidad de un evento A es igual a la suma de las probabilidades de los eventos contenidos en
A
5) Si es la probabilidad de ms de un evento utilizar las reglas de probabilidad (utilizar conceptos de
operaciones con eventos)
Ejercicios de probabilidad

1. Indicar todos los espacios muestrales de los siguientes experimentos aleatorios.

a) Lanzar una moneda al aire
b) Realizar llamada para una venta
c) Jugar un partido de futbol
d) Lanzar una moneda al aire 2 veces
e) Lanzar una moneda al aire 3 veces
f) Lanzar un dado
g) Lanzar una moneda y un dado
h) Lanzar un dado 2 veces

2. En el experimento de lanzar dos monedas y un dado. Encontrar el espacio muestral y los eventos F y as
como la unin e interseccin de estos. Se define los siguientes eventos:

F = {que aparezca dos caras y un nmero par} G = {que aparezca un dos}

3. Un experimento requiere lanzar un solo dado. stos son algunos eventos.

A: observar un 2
B: observar un nmero par
C: observar un nmero mayor que 2
D: observar A y B
E: observar A o B o ambos
F: observar A y C

4
a) Liste los eventos simples del espacio muestral
b) Liste los eventos simples de cada uno de los eventos de A hasta F
c) Asignar las probabilidades a cada evento.

4. Si se lanza una moneda al aire calcular la probabilidad del evento simple salir guila y decir el
enfoque utilizado.

5. Se tiene experimento lanzar una moneda al aire y se repite 50 veces y se obtiene que el evento simple
salir guila ocurre 45 veces, calcular su probabilidad y decir el enfoque utilizado.

6. Se lanzan dos dados no cargados. Indique la probabilidad de que:

a) Salgan un 3 en cada dado
b) No salga ningn 5
c) Salga algn 5
d) No salga ningn 5 ni ningn 6
e) Salgan solamente nmeros pares


7. Una encuesta de 34 estudiantes de una universidad de Mxico, mostr que estos tienen las siguientes
especialidades
Especialidad Total
Contabilidad 10
Finanzas 5
Economa 3
Administracin 6
Marketing 10
TOTAL 34

a) Cul es la probabilidad de elegir un estudiante que tenga la especialidad en administracin?
b) Cul es la probabilidad de elegir un estudiante que tenga la especialidad en administracin o en
Finanzas?
c) Cul es la probabilidad de elegir un estudiante que tenga la especialidad en administracin y
Marketing?
d) Cul es la probabilidad de elegir un estudiante que no tenga la especialidad en administracin?

8. Una encuesta de 34 estudiantes de una universidad de Mxico, mostr que estos tienen las siguientes
especialidades
Especialidad Total
biologa 10
bioqumica 5
fsica 3
Administracin 6
qumica 10
TOTAL 34

a) Cul es la probabilidad de elegir un estudiante que tenga la especialidad en bioqumica?
b) Cul es la probabilidad de elegir un estudiante que tenga la especialidad en biloga o en fsica?
c) Cul es la probabilidad de elegir un estudiante que tenga la especialidad en administracin y
qumica?
d) Cul es la probabilidad de elegir un estudiante que no tenga la especialidad en bioqumica?

5


9. Se saca una bola de una urna que contiene 12 bolas, 7 azules y 5 rojas,
a) cul es la probabilidad de que sea roja?
b) cul es la probabilidad de que sea azul?
c) cul es la probabilidad de que sea azul o roja?, cmo es el evento?
d) cul es la probabilidad de que sea blanca?, cmo es el evento?
e) cul es la probabilidad de que sea azul y roja?, cmo es el evento?

10. Se va a realizar una encuesta sobre un nuevo plan de cuidado de la salud, a una muestra de
empleados de una empresa importante, los empleados se clasifican de la siguiente manera

Clasificacin Nmero de empleados
Supervisor 120
Mantenimiento 50
Produccin 1460
Administracin 302
Secretarias 68
TOTAL

a) Cul es la probabilidad de que la primera persona elegida sea de mantenimiento o secretaria?
b) Cul es la probabilidad de que la primera persona elegida sea Supervisor?
c) Cul es la probabilidad de que la primera persona elegida sea de administracin?
d) Cul es la probabilidad de que la primera persona elegida sea de Produccin y Secretaria?
e) Cul es la probabilidad de que la primera persona elegida no sea de administracin?

11. Se tienen 10 latas de refresco en el refrigerador, 3 son fanta y 7 son coca-cola
a) Cul es la probabilidad de que se saquen 2 latas sin reemplazo que sean fanta?
b) Cul es la probabilidad de que se saquen 2 latas con reemplazo que sean fanta?

12. Al fabricar sistemas de computacin, se ha observado que el 16% de los equipos recin ensamblados
presenten exactamente un defecto, el 4% tiene exactamente dos defectos y el 1% tiene tres defectos o
ms. Cul es la probabilidad de un equipo seleccionado al azar no tenga ningn defecto?




Tabla de Contingencia o de clasificacin cruzada
En una tabla de frecuencia o de resumen los datos se organizan de modo que slo consideramos una variable
a la vez. Las tablas de contingencia son la clasificacin cruzada que resume simultneamente 2 eventos de
inters, as como la relacin de estos

Probabilidad simple o marginal: probabilidad de un evento simple, y se denota con P(A), siendo A el evento
simple en cuestin. El nombre de probabilidad marginal se debe a que esta medida se puede obtener a partir
de los totales marginales de una tabla de contingencia.

Probabilidad conjunta (interseccin) Se usa para referirse a la probabilidad de ocurrencia de dos o ms
eventos simples simultneamente.


6
1. Cul es la probabilidad conjunta y cul es la probabilidad marginal de la siguiente tabla de contingencia?

Fuma Sexo
M F
Total
(marginal)
Si 65 58 123
No 43 67 110
TOTAL(marginal) 108 125 233

2. En un estudio se hace una encuesta a 800 alumnos de una universidad sobre el grado de satisfaccin con
la carrera y el grado de satisfaccin con el progreso en la misma. Los resultados de la encuesta se
muestran en la Tabla de contingencia.

Satisfecho con la carrera Satisfecho con el progreso
Si No
Total
Si 362 350 712
No 18 70 88
TOTAL 380 420 800

a) Encontrar las probabilidades marginales
b) Encontrar las probabilidades conjuntas
c) Calcular la P(Est satisfecho con su carrera o No est satisfecho con su carrera)
d) Calcular la probabilidad de que est satisfecho con la carrera dado que est satisfecho con su
progreso en la misma
e) Probabilidad de que est satisfecho con la carrera y con su progreso en la misma.

3. Se realiz una encuesta de 150 adultos clasificados segn su gnero y la cantidad de pelculas que vieron
el mes pasado. Cada entrevistado se clasifica de acuerdo a 2 criterios que son su gnero y cantidad de
pelculas vistas

Pelculas vistas Genero
M F
Total
0 20 40 60
1 40 30 70
2 o ms 10s 10 20
TOTAL 70 80 150

a) Cul es la probabilidad de elegir un encuestado que sea mujer y haya visto 1 pelcula?
b) Cul es la probabilidad de elegir un encuestado que sea mujer y no haya visto pelculas?
c) Cul es la probabilidad de elegir un encuestado que sea hombre y haya visto 2 o ms pelculas?
d) Cul es la probabilidad de elegir un encuestado que sea no haya visto ni una pelcula?
e) Cul es la probabilidad de elegir un encuestado que haya visto 2 o ms pelculas?
f) Cul es la probabilidad de elegir un encuestado que haya visto 2 o ms pelculas dado que es
hombre?
g) Cul es la probabilidad de elegir un encuestado que sea mujer dado que no ha visto ninguna
pelcula?




7
VARIABLES ALEATORIAS

Algunos experimentos dan origen a resultados de ndole cuantitativa (como dlares, peso o nmero de
nios); otros dan origen a resultados de naturaleza cualitativa (como el color o gnero). Cada valor de la
variable aleatoria se relaciona con una probabilidad que indica la posibilidad de un resultado determinado.
Ya que en algunos casos es necesario cuantificar el comportamiento aleatorio de S (espacio muestral), nace el
concepto de variable aleatoria, que permite relacionar cualquier resultado con una medida cuantitativa

2.3.1 Concepto de variable aleatoria
Es la cantidad que da como resultado de un experimento, y este depende del azar, puede tomar valores
diferentes, por eso se le denomina aleatoria

Si se tiene un espacio muestral S, una variable aleatoria puede asignar un valor numrico a cada posible
resultado del espacio muestral S.

Las variables aleatorias se pueden dividir en v. a. discreta y v. a. continua.

Variable aleatoria discreta (X): Se le denomina aleatoria porque puede obtener cualquier valor
tomado totalmente al azar y discreta porque solo tomar valores enteros y un nmero finito de ellos.

Variable aleatoria continua (X): Se le denomina aleatoria porque puede obtener cualquier valor
tomado totalmente al azar y continua porque puede tomar tanto valores enteros como fraccionarios
y un nmero finito de ellos.

Ejemplos de V.A.X
X=nmero de alumnos que faltaron a la clase de estadstica el viernes.
X=peso de un grupo de la alumnos.
X=nmero de caras en el lanzamiento de 2 monedas.
X=tiempo de traslado de la casa a la universidad.
X=distancia de la universidad a nuestras casas

Para construir la v.a.X es necesario definir todos los posibles resultados del experimento de manera que al
aplicar la regla o mecanismo se pueda asignar a cada resultado un valor numrico. Este valor ser el de la
variable aleatoria en consideracin.

Se acostumbra representar con letras maysculas a las variables aleatorias y a los valores posibles de una
variable aleatoria se representan usualmente con las letras minsculas correspondientes;

Ejercicio1: Consideremos el experimento Lanzar 3 veces 1 moneda al aire, determinar el espacio muestral
del experimento y determinar la variable aleatoria Nmero de guilas en 3 lanzamientos



2.3.2 Funcin de Probabilidad
Es una regla de correspondencia que asocia a cada posible valor de X su respectiva probabilidad.
Por lo general se representa por P(x) y puede tomar nombres diferentes segn el tipo de v. a. X

2.3.3 Distribuciones de probabilidad
Enlista todos los posibles resultados de un experimento, junto con su respectiva probabilidad

Las distribuciones de probabilidad pueden representarse a travs de una tabla, una grfica o una frmula, que
muestra los valores posibles de X y su probabilidad p(X)
8

Ejercicio 2: Realiza la distribucin de probabilidad de que caiga guila al lanzar 3 veces una moneda al aire


Con la forma de la grfica se puede observar cmo se distribuyen las probabilidades, las formas ms comunes
son simtricas o sesgadas (a la derecha o a la izquierda).


Funcin de distribucin acumulada de x
Es la probabilidad de que la v. a. X asuma valores menores o iguales a x. P(X x)

Como se observ en el primer parcial los conjuntos de datos se pueden describir por: sus medidas de
tendencia central, de posicin, de variacin y por su forma. A continuacin se estudiaran algunas de ellas
aplicadas a las distribuciones de probabilidad.


2.5 Parmetros de una variable aleatoria X discreta a partir de una distribucin de frecuencia

2.5.1 Valor esperado o esperanza de una v. a. X
Mide donde est centrada la distribucin de probabilidad de la v. a. X. Es el valor promedio que se esperara
observar si el experimento se pudiera repetir indefinidamente. Se representa como E [X] y se obtiene con la
siguiente formula.

[] ()
Donde
[] Valor esperado o media
x=valor que puede obtener x
() Probabilidad de x

Ejercicio 3: Encontrar el valor esperado de la probabilidad de que caiga guila al lanzar 3 veces una moneda
al aire

Nota: Si se obtiene el valor esperado en un juego de azar, nos puede indicar que ganancia se esperara
obtener en el juego, una ganancia positiva indicara que se ganara esa cantidad y una ganancia negativa
indicara una perdida, en ambos casos el juego sera injusto porque no es equitativo, para que fuera justo o
equitativo la ganancia tendra que ser igual a 0.

2.5.2 Varianza y desviacin estndar de una v. a. X
Se utilizan para describir el grado de dispersin o variacin en una distribucin de probabilidad de la v. a. X. La
varianza se calcula con la siguiente formula

( )

()

Donde
= Valor esperado o media
x= valor que puede obtener x
() Probabilidad de x

= Varianza ( La desviacin estndar se obtiene al sacar la raz cuadrada de la varianza

)

Ejercicio 3: Encontrar la varianza y la desviacin estndar de la probabilidad de que caiga guila al lanzar 3
veces una moneda al aire
9
Ejercicios de distribuciones de probabilidad
Ejercicio1: Juan Prez vende automviles nuevos de la agencia TroncoMovil. Generalmente, los sbados
vende el mayor nmero de vehculos. El Sr. Prez, tiene la siguiente distribucin de probabilidad que espera
vender en un da sbado en particular

X=Nmero de automviles vendidos P(x)
0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
Total 1.00

a. En un sbado comn, cuntos vehculos espera vender?
b. Cul es la varianza de la distribucin de probabilidad?
c. Cul es la desviacin estndar de la distribucin de probabilidad?
d. Cul es la probabilidad de que venda 1 automvil?
e. Cul es la probabilidad de que venda 4 automviles?
f. Cul es la probabilidad de que venda 0 automviles?
g. Cul es la probabilidad de que venda menos de 3 automviles?
h. Cul es la probabilidad de que venda ms de 2 automviles?
i. Cul es la probabilidad de que venda a lo ms 3 automviles?
j. Cul es la probabilidad de que venda a lo menos 1 automvil?
k. Cul es la probabilidad de que venda cuando mucho 1 automvil?
l. Cul es la probabilidad de que venda por lo menos 3 automviles?

Ejercicio2: En una rifa se venden 10,000 boletos de a $10 cada uno y se van a otorgar 3 premios, el primero es
una computadora con valor de $10,000, el segundo premio es un equipo de sonido con valor de $6000, el
tercer premio es una televisor con valor de $3000.

a. Si t compras un boleto Cul es la ganancia esperada?
b. consideras que el juego es equitativo o justo? porque?


FUNCIONES DE PROBABILIDAD DE LAS VARIABLES ALEATORIAS
Se han desarrollado varios de modelos matemticos para representar diversos fenmenos discretos que
ocurren en las ciencias sociales y naturales, en investigacin mdica y en los negocios. A continuacin se
presentan algunos ejemplos de estos

V.A.X DISCRETA
- Distribucin Binomial
- Distribucin Poisson
- Distribucin Hipergeomtrica
- Distribucin Geomtrica
- Distribucin Binomial Negativa



V.A.X CONTINUA
- Distribucin Uniforme
- Distribucin Normal
- Distribucin Beta
- Distribucin Gamma
- Distribucin Exponencial
- Distribucin t de Student
Las distribuciones de probabilidades ms importantes que veremos en el curso son:

Distribucin Binomial y Distribucin Poisson dentro de las variables discretas y Distribucin Uniforme y
Distribucin Normal dentro de las variables continuas.
10
2.6 Distribucin Binomial
2.6.1 Eventos Bernoulli
Experimentos con dos posibles resultados mutuamente excluyentes, a los que se denominarn xito y
fracaso. Los siguientes son ejemplos de ensayos Bernoulli:
- Un tornillo, puede estar defectuoso o no defectuoso.
- El sexo de un beb al nacer: nio o nia.
- La respuesta correcta o incorrecta en un examen.
- el hbito de fumar (s/no)
- una persona puede estar enferma o saludable

2.6.2 La Funcin de probabilidad Binomial
Es una distribucin de probabilidad discreta ya que los datos son resultados de conteos y est basada en los
Ensayos o pruebas Bernoulli,


2.6.3 Caractersticas la distribucin binomial

Se tiene un Nmero finito de ensayo idnticos (bajo las mismas condiciones) el cual lo podemos
representar con n
La v.a X de inters permite contar el nmero de xitos en n ensayo independientes de Bernoulli,
El resultado de cada ensayo de un experimento se clasifica en una de dos categoras mutuamente
excluyentes: xito o fracaso.
La probabilidad de xito se denota con la letra p y la probabilidad de fracaso se denota con q y se
obtiene con q=1-p, estas probabilidades se mantienen iguales para cada ensayo.
Los ensayos son independientes, lo cual significa que el resultado de un ensayo no influye en el
resultado de otro.

Ejemplo: Un examen incluye 20 preguntas de opcin mltiple. Cada pregunta contiene cinco elecciones y solo
una de ellas es correcta Este ser un caso de Distribucin Binomial? Cumple con las caractersticas de la
distribucin binomial?

Cmo se calcula una probabilidad binomial?

Para construir una probabilidad binomial en particular se necesita:

n (nmero de ensayos o pruebas)
B(n,p)
p (probabilidad de xito en cada ensayo; 0 p 1)

P(X=x) x (nmero de xitos; 0 x n)

En general, si se tienen n ensayos Bernoulli con probabilidad de xito p y de fracaso q, la variable aleatoria X
indicar los nmeros de xitos los cuales tomarn los valores 0, 1, 2, ...n. y la formula es la siguiente:
La probabilidad de obtener x xitos es
x n x
q p
x
n
x X P


|
|
.
|

\
|
= = ) (
Dnde: P(X=x) = probabilidad de x xitos dados los valores n y p
n = tamao de la muestra
p = probabilidad de xito
q= probabilidad de fracaso 1 p
x = nmero de xitos en la muestra (x = 0, 1, 2, n)
11
La media y la desviacin estndar de la distribucin binomial

La media de la distribucin binomial puede obtenerse fcilmente como el producto de sus dos
valores, n y p.
np =

La varianza y desviacin estndar de una distribucin de probabilidad binomial con los valores n y
p es:
npq =
2
o

npq = o


Forma (Sesgo): Una distribucin binomial puede ser simtrica o sesgada. Siempre que p = .5, la
distribucin binomial ser simtrica sin importar qu tan grande o pequeo sea el valor de n. Sin
embargo, cuando p.5, la distribucin estar sesgada. Mientras ms cercana est p de .5 y mayor sea el
nmero de observaciones n, menos sesgada ser la distribucin. Si p<.5 se tiene sesgo positivo y si p>.5
se tiene sesgo negativo

Tablas de probabilidad binomial: Con la frmula de la binomial se construye una distribucin de
probabilidad binomial para cualesquiera valores de n y p. Sin embargo, si n es grande, los clculos
consumen ms tiempo. Por conveniencia, hay tablas que muestran el resultado de la aplicacin de la
frmula en el caso de varios valores de n y p e indica la probabilidad de obtener un valor especfico de x
(ocurrencia del evento).

Para localizar la probabilidad, buscar el valor de p a lo largo del encabezado de la tabla, y en la columna
correspondiente localizar n y x en el margen izquierdo.


2.6.4 Aplicaciones de la distribucin binomial

Ejercicio1: En el lanzamiento de una moneda la probabilidad de que caiga guila es .5 Si se realizan 3
lanzamientos cual es la probabilidad de:

a) El nmero de guilas sea igual a 0
b) El nmero de guilas sea igual a 1
c) El nmero de guilas sea igual a 2
d) El nmero de guilas sea igual a 3
e) Encuentra el valor esperado
f) Encuentra la varianza
g) Encuentra la desviacin estndar

Ejercicio2: Juan el alumno ms distinguido del saln tiene probabilidad del 40% de reprobar la materia,
calcular la probabilidad de que apruebe 3 de los 5 exmenes parciales.

Ejercicio3: Un estudio de la American Society of Investors descubri que 30% de inversionistas particulares
haba utilizado un agente de descuentos. En una muestra aleatoria de nueve personas. Cul es la
probabilidad de que:

a) exactamente dos personas hayan utilizado un agente de descuentos?
b) Exactamente cuatro personas hayan utilizado un agente de descuentos?
c) Ninguna persona haya utilizado un agente de descuentos?
d) A lo ms dos personas hayan utilizado un agente de descuentos?
e) Ms de dos personas hayan utilizado un agente de descuentos?
f) Menos de 3 personas hayan utilizado un agente de descuentos?
g) Por lo menos 3 personas hayan utilizado un agente de descuentos?

12
Ejercicio4: De todos los libros de Harry Potter comprados en el ltimo ao alrededor del 60% fueron
comprados por lectores de 14 aos o mayores. Si 12 seguidores de Harry Potter quienes compraron los libros
ese ao son encuestados, encuentra las siguientes probabilidades

a) 2 de ellos son de 14 aos o mayores
b) Menos de 3 de ellos son de 14 aos o mayores
c) Por lo menos 5 de ellos son de 14 aos o mayores
d) Exactamente 9 de ellos son de 14 aos o mayores

Ejercicio5: 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.
a) Cul es la probabilidad de que ninguno de los vuelos llegue tarde hoy?
b) Cul es la probabilidad de que exactamente uno de los vuelos llegue tarde hoy?
c) Cul es la probabilidad de que ms de uno de los vuelos llegue tarde hoy?

Ejercicio6: Cinco por ciento de los engranajes de tornillo producidos en una fresadora automtica de alta
velocidad Carter-Bell se encuentra defectuoso. Cul es la probabilidad de que, en seis engranajes
seleccionados, ninguno se encuentre defectuoso? Exactamente uno? Exactamente dos? Exactamente
tres? Exactamente cuatro? Exactamente cinco? Exactamente seis de seis?



2.7 Distribucin de Poisson
Es una funcin de distribucin de probabilidad de variable discreta que tiene muchas aplicaciones prcticas
importantes. Un proceso de Poisson no slo representa numerosos fenmenos discretos, sino que el modelo
de Poisson tambin se usa para proporcionar aproximaciones a la distribucin binomial.

La distribucin de probabilidad de Poisson describe el nmero de veces que se presenta un evento durante un
intervalo especfico, el intervalo puede ser de tiempo, distancia, rea o volumen, etc.

En esta distribucin el nmero de eventos que ocurren por intervalos de tiempo espacio, es totalmente al
azar y que cada intervalo de tiempo es independiente de otro intervalo dado.

La distribucin Poisson posee diversas aplicaciones, los siguientes son algunos ejemplos de fenmenos con
distribucin de Poisson

- Nmero de llamadas por hora que llegan al conmutador de una estacin de polica.
- nmero de llegadas de clientes a la caja en un minuto
- nmero de accidentes en la carretera federal 75 en un periodo de tres meses,
- Nmero de averas de una maquina durante un da
- Nmero de chispas de chocolate en una galleta.
- Nmero de defectos en una tela por m
2

- Nmero de palabras mal escritos por pagina en un peridico

En cada uno de los casos anteriores, la v.a X cuenta el nmero de eventos que ocurren en un periodo de
tempo o espacio (longitud, pieza, rea, etc.) Durante el que se puede esperar que ocurra un promedio de
de tales eventos, lo anterior representa de un proceso de Poisson.


Nota: Algo que es importante considerar es que por lo general la variable aleatoria no posee un lmite
superior especfico.

13


Clculo de probabilidades mediante la distribucin de Poisson.
La distribucin de Poisson, segn hemos sealado, se refiere a ciertos procesos que pueden ser descritos
con una variable aleatoria discreta. La letra X suele representar esa variable y puede asumir valores enteros
(0,1,2,3 etc.) . La probabilidad de exactamente x ocurrencias en una distribucin de Poisson se calcula
mediante la frmula:

2.7.1 Funcin de probabilidad de Poisson

!
) (
) ( ) , (
x
e
x X p x p
x

= = =

x=0,1,2,... 0 >
Donde:
p(x, ) =p(x)=p(X=x) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia de
ellos es
= valor esperado o promedio de xitos por unidad de tiempo, espacio, etc.
e = 2.71828 (Base de logaritmo natural)
x = nmero de eventos que ocurren en un periodo de tiempo o espacio
x!= factorial de x

Por lo tanto para el clculo de esta distribucin solo se debe tener definido el promedio o valor esperado ()


2.7.2 Caractersticas de una Distribucin de Poisson

Forma (Sesgo) Cada vez que se especifica el parmetro , puede generarse una distribucin de
probabilidad de Poisson especfica. Una distribucin de Poisson siempre estar sesgada a la derecha
cuando es pequea, y se aproximar a la simetra (con un pico en el centro) al crecer .

La media y la desviacin estndar Una propiedad interesante de la distribucin de Poisson es que la
media y la varianza son cada una iguales al parmetro. Por tanto
= = ] [X E o =
2
o =

Tablas de probabilidad Poisson: Con la frmula de la Poisson se construye una distribucin de Poisson
con cualquier valor de , pero existen tablas para algunos valores de , solo que muestra la probabilidad
acumulada.


La distribucin de Poisson como una aproximacin a la distribucin binomial.
La distribucin de Poisson puede ser una razonable aproximacin a la binomial, pero slo bajo ciertas
condiciones. Tales condiciones se presentan cuando n es grande y p es pequea, esto es
n=>20
p=<0.05






14
2.7.3 Aplicaciones de la distribucin Poisson

Ejercicio1: Por estudios pasados se sabe que el nmero de llegadas de autos, a la rampa de un cajero
automtico en un lapso de 15 min. Es 10, se desea saber cules la probabilidad de que lleguen exactamente 5
automviles en 15 minutos

Ejercicio2: Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que
reciba
a) cuatro cheques sin fondo en un da dado,
b) 10 cheques sin fondos en cualquiera de dos das consecutivos?

Ejercicio3: El nmero promedio de accidentes de trnsito en cierta seccin de una autopista es 2 por semana.
Suponga que el nmero de accidentes sigue una distribucin Poisson
a) Encuentra la probabilidad de que no ocurran accidentes en esta seccin durante 1 semana
b) Encuentra la probabilidad de por lo menos 2 accidentes en esta seccin durante1 semana
c) Encuentra la probabilidad de a lo ms 3 accidentes en esta seccin durante 2 semanas
d) Encuentra la probabilidad de a lo ms 3 accidentes en esta seccin durante 2 semanas
e) Encuentra la probabilidad de por lo menos 2 accidentes en esta seccin durante 2 semanas

Ejercicio4: El nmero promedio de clientes que llegan durante la hora del almuerzo de 12 a 1 PM a un banco
localizado en el distrito comercial central de una ciudad grande, es igual a 180.
a) Cul es la probabilidad de que en un minuto dado lleguen exactamente dos clientes?
b) Cul es la probabilidad de que ms de dos clientes lleguen en un minuto dado?

Ejercicio5: Cada ao ocurren en promedio 15 accidentes areos.
a) Cul ser el nmero medio de accidentes areos por mes?
b) Cul es la probabilidad de que no haya ningn accidente areo por mes?
c) Cul es la probabilidad de que haya exactamente un accidente areo por mes?
d) Cul es la probabilidad de que haya ms de un accidente areo por mes?




15
Distribuciones de probabilidad continuas

2.8.1 Concepto de rea
Se refiere a un espacio que se encuentra comprendido entre ciertos lmites. En este sentido, un rea es un
espacio delimitado por determinadas caractersticas.

Las distribuciones de probabilidad sirven para hacer afirmaciones relativas a los valores de una variable
aleatoria. En el caso de distribuciones que describen una variable aleatoria continua, las reas dentro de la
distribucin representan probabilidades, el rea total de la distribucin siempre ser 1 y esta se obtiene segn
la figura que forma la distribucin

Dentro de las distribuciones de probabilidad continuas las ms comunes son: la uniforme y la normal

2.8.2 Distribucin uniforme
La distribucin de probabilidad uniforme es, tal vez, la distribucin ms simple de una variable aleatoria
continua. La distribucin tiene forma rectangular y queda definida por valores mnimos y mximos. He aqu
algunos ejemplos que se rigen por una distribucin uniforme.

- El tiempo de vuelo de una aerolnea comercial de Orlando Florida, a Atlanta Georgia, vara de 60 a 120
minutos. La variable aleatoria es el tiempo de vuelo dentro de este intervalo. Observe que la variable de
inters, el tiempo de vuelo en minutos, es continua en el intervalo de 60 a 120 minutos.

- Los voluntarios de la Grand Strand Public Library elaboran formas para declaraciones de impuestos
federales. El tiempo de elaboracin de una forma 1040-Z se rige por una distribucin uniforme en el
intervalo de 10 a 30 minutos. La variable aleatoria es la cantidad de minutos que tarda llenar la forma, y
puede tomar valores entre 10 Y 30.


Formula de la funcin de densidad uniforme
a b
x P

=
1
) ( b a b x a < s s ,

La media de una distribucin uniforme se localiza a la mitad del intervalo entre los valores mnimo y mximo.
Se calcula de la siguiente manera:
2
b a +
=

La desviacin estndar describe la dispersin de una distribucin. En la distribucin uniforme, la desviacin
estndar tambin se relaciona con el intervalo entre los valores mximo y mnimo.
12
) (
2
2
a b
= o

16
En el caso de la distribucin uniforme, su forma rectangular permite aplicar la frmula del rea de un
rectngulo. El rea de un rectngulo se determina al multiplicar la longitud por la altura. En el caso de la
distribucin uniforme, la altura del rectngulo es p(x), que es 1/(b - a). La longitud de la base de la distribucin
es b - a. El rea total dentro de una distribucin de probabilidad continua es igual a 1.00. En general:
1 ) (
) (
1
) )( ( =

= = a b
a b
base altura Area

Por lo tanto las probabilidades para las variables aleatorias uniformes se pueden encontrar geomtricamente.

2.8.3 Aplicaciones

Ejercicio1: suponga que Y est distribuida uniformemente entre 0 y 50. Cul es la probabilidad de que Y se
encuentre entre 10 Y40?

Ejercicio2: Una compaa que vende por correo programas de software para microcomputadoras, ha
encontrado que entre el 5% y el 15% de los pedidos diarios requieren un envo especial. Suponga que, como
una primera aproximacin, consideramos que la distribucin de Y = porcentaje de pedidos en un da
seleccionado al azar es uniforme sobre el intervalo que va de 5 a 15. Encuentre la media y la desviacin
estndar de Y y la probabilidad de que Y se encuentre entre 9 y 12.

2.9 Distribucin Normal

La distribucin normal es, sin duda, la distribucin de probabilidad ms importante del Clculo de
probabilidades y de la Estadstica, ya que, sirve para modelar una gran cantidad de situaciones prcticas. A
continuacin se presentan algunos ejemplos por lo que es importante esta distribucin

- Tiene algunas propiedades que la hacen aplicable a un gran nmero de situaciones en la que es
necesario hacer inferencias mediante la toma de muestras.
- Se puede usar para realizar aproximaciones de otras distribuciones
- La distribucin normal casi se ajusta a las distribuciones de frecuencias reales observadas en muchos
fenmenos, incluyendo caractersticas humanas, resultados de procesos fsicos y muchas otras medidas
de inters que se deseen estudiar.
- Proporciona la base de la inferencia estadstica debido a su relacin con el teorema del lmite central

2.9.1 Caractersticas ms importantes de la distribucin normal

- Tiene forma de campana y es simtrica en apariencia.
- Es simtrica respecto a la media .
- La media, la mediana y la moda son iguales.
- El rea total debajo de la curva y por encima del eje x es igual a una unidad cuadrada
- La normal queda completamente determinada por los parmetros y
- Es asinttica, la curva se aproxima ms y ms al eje X, sin tocarlo en realidad, Es decir, las colas de la
curva se extienden indefinidamente en ambas direcciones.
- La forma de la campana depende de los parmetros y . La media indica la posicin de la campana, de
modo que para diferentes valores de la grfica se desplaza a lo largo del eje horizontal. El parmetro
indica la dispersin de los datos entorno a la media, as cuando mayor sea mas plana ser la curva, tal
como se indica en la siguiente figura.


17









Definicin Distribucin Normal. Una variable aleatoria X se dice que tiene una distribucin de probabilidades
normal con media y varianza
2
se denomina N (, 2) si su funcin de densidad es de la forma:



Donde
x representa un valor de la variable que puede tener valores de -< x <

2.9.2 parmetros
: media de la distribucin, -< <
: desviacin estndar de la distribucin, > 0

Por lo que se puede observar que para el clculo de estas distribuciones solo se necesitan los parmetros
media y varianza o desviacin estndar

2.9.3 Distribucin Normal estndar
Al usar la frmula de estandarizacin cualquier variable aleatoria normal X se convierte en una variable
aleatoria normal estandarizada Z. Mientras los datos originales para la variable aleatoria X tenan una media

x
y una desviacin estndar
x
la variable aleatoria estandarizada Z siempre tendr una media =0 y una
desviacin estndar = 1.

Este proceso de normalizacin transforma la funcin original N (, ) en una funcin estandarizada N (0; 1)
resultando interesante en la prctica, ya que de esta distribucin existen tablas publicadas a partir de las que
se puede obtener la probabilidad de observar un dato menor o igual a un cierto valor z. La frmula de
estandarizacin es:




Donde
x = valor de la variable aleatoria de inters.
= media de la distribucin de la variable aleatoria.
= desviacin estndar de la distribucin.
z = nmero de desviaciones estndar que hay desde x a la media de la distribucin. (El uso de z es solamente
un cambio de escala de medicin del eje horizontal)

Clculo de rea o probabilidad en bajo la curva normal estndar
Se utiliza la tabla de reas.

Ejemplo 1: Calcular el rea para z 2

Z =
x -

18
Ejemplo 2: Si de la poblacin de posibles valores de z, se elige uno al azar, cul es la probabilidad de que se
encuentre entre 0.84 y 2.45 inclusive?

Ejemplo 3: Calcular P( z 2.71).

2.9.4 Aplicaciones
Ejercicio1: Los ingresos semanales de los supervisores de turno de la industria del vidrio se rigen por una
distribucin de probabilidad normal con una media de $1000 y una desviacin estndar de $100.

a) Cules el valor z para el ingreso X de un supervisor que percibe $1100 semanales?
b) Y para un supervisor que gana $900 semanales?


Ejercicio2: Los niveles de colesterol total en la poblacin general se distribuyen normalmente con =200 y =
20. Si de esta poblacin se selecciona un sujeto al azar, cul es la probabilidad de que:

a) tenga un valor entre 170 y 200?
b) tenga un valor menor a 180?
c) Tenga un valor de 190 o ms.


Ejercicio3: La duracin aleatoria de un determinado tipo de artculos, en horas, viene regulada por la ley de
probabilidad N(180; 25). Encuentra la probabilidad de que la duracin de tal artculo sea

a) superior a 170 horas.
b) inferior a 165 horas.
c) entre 165 y 170 horas.


Ejercicio4: En enero del 2003 un empleado estadounidense pasaba en promedio, 77 horas conectado a
Internet durante las horas de trabajo (CNBC, 15 marzo del 2003). Suponga que la media poblacional es 77
horas, tiempos que estn distribuidos normalmente y que la desviacin estndar es 20 horas

a) Cul es la probabilidad de que en enero del 2003 un empleado seleccionado aleatoriamente haya
pasado menos de 50 horas conectado a internet?
b) Cul es la probabilidad de que en enero del 2003 un empleado seleccionado aleatoriamente haya
pasado entre 40 y 60 horas conectado a internet?
c) Cul es la probabilidad de que en enero del 2003 un empleado seleccionado aleatoriamente haya
pasado ms de 70 horas conectado a internet?


Ejercicio5: Un artculo publicado en American Demographics afirma que la cantidad de personas que van de
compras los fines de semana es ms del doble que durante la semana. No solo eso, si no que gastan ms
dinero en sus compras los sbados y los domingos. Suponga que la cantidad de dinero gastada en los centros
comerciales entre las 4 y las 6 p.m. los domingos tiene una distribucin normal con una media de $85 y una
desviacin estndar de $10. Se elige al azar un comprador entre las 4 y las 6p.m. y se le pregunta acerca de
sus patrones de gasto.

a) Cul es la probabilidad de que haya gastado ms de 90 dlares en el centro comercial?
b) Cul es la probabilidad de que haya gastado menos de 110 dlares en el centro comercial?
c) Cul es la probabilidad de que haya gastado entre 90 y 100 dlares?