1

DISTRIBUCION DE PROBABILIDADES

INTEGRANTES Arriaga J ianela
Orellana Gnesis
SaniTenesaca Raquel
Segura Tomala Adriana



PROYECTO DE DISTRIBUCION DE PROBABILIDAD
DANIEL FIALLO MONCAYO MBA
INGENIERO



UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MATERIA: EXCEL APLICADO A LA ESTADISTICA
SALON 4
GUAYAQUIL- ECUADOR
2014

2
DISTRIBUCION DE PROBABILIDADES

Resumen
Una forma de conocer el patrn de variacin en los valores de una variable es recopilar las
mediciones de la variable en una muestra y hacer una distribucin de frecuencias. Sin embargo,
recopilar la informacin y analizar una distribucin de frecuencias puede ser prolongado. En lugar de
eso hacemos una distribucin terica de los valores de la variable. En una distribucin terica
listamos los valores posibles de la variable con sus probabilidades en lugar de las frecuencias. Tal
distribucin se llama distribucin de probabilidad. Una distribucin de probabilidad puede ser una
distribucin de probabilidad discreta o una distribucin de probabilidad continua dependiendo de si
la variable es discreta o continua, respectivamente.










3
DISTRIBUCION DE PROBABILIDADES

DISTRIBUCION DE PROBABILIDAD
La distribucin de probabilidad est definida sobre el conjunto de todos los sucesos, cada uno
de los sucesos es el rango de valores de la variable aleatoria En conclusin podemos decir que una
distribucin de probabilidad es un despliegue de todos los posibles resultados de un experimento
junto con las probabilidades de cada resultado.
La distribucin de probabilidad est completamente especificada por la funcin de distribucin,
cuyo valor en cada x real es la probabilidad de que la variable aleatoria sea menor o igual que x.
Toda distribucin de probabilidad es generada por una variable (porque puede tomar diferentes
valores) aleatoria x (porque el valor tomado es totalmente al azar), y puede ser de dos tipos:
1.-Variable aleatoria discreta (x). Porque solo puede tomar valores enteros y un nmero finito
de ellos. Por ejemplo:
- Variable que define el nmero de alumnos aprobados en la materia de probabilidad en
un grupo de 40 alumnos (1, 2 ,3 los 40).

PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)

a.- 0p(xi)1 Las probabilidades asociadas a cada uno de los valores que toma x deben ser
mayores o iguales a cero y menores o iguales a 1.
b.- Sp(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x
debe ser igual a 1.Ejemplo para la variable aleatoria discreta:




4
DISTRIBUCION DE PROBABILIDADES

Se tiene una moneda que al lanzarla puede dar slo dos resultados: o cara (50%), o cruz (50%).
La siguiente tabla muestra los posibles resultados de lanzar dos veces una moneda:
PRIMER
LANZAMIENTO
SEGUNDO
LANZAMIENTO
NUMERO DE CARAS EN
2 LANZAMIENTOS
PROBABILIDAD DE LOS
4 RESULTADOS
POSIBLES
CARA CARA 2 0.5 X 0.5 = 0.25
CARA CRUZ 1 0.5 X 0.5 = 0.25
CRUZ CARA 1 0.5 X 0.5 = 0.25
CRUZ CRUZ 0 0.5 X 0.5 = 0.25


Al realizar la tabla de distribucin del nmero posible de caras que resulta de lanzar una
moneda dos veces, se obtiene:
NMERO DE CARAS LANZAMIENTOS
PROBABILIDAD DE ESTE
RESULTADO
P(CARA)
0 (CRUZ, CRUZ) 0.25
1
(CARA, CRUZ)
+
(CRUZ, CARA)
0.50
2 (CARA, CARA) 0.25



5
DISTRIBUCION DE PROBABILIDADES

2.-Variable aleatoria continua.-La variable aleatoria X ser continua si los valores asignados
pueden ser cual quiera, dentro de ciertos intervalos, es decir, puede tomar cualquier valor de R.
Las variables aleatorias continuas y sus distribuciones de probabilidad.
Consideremos en primer lugar algunos ejemplos de variables aleatorias continuas:
La variable aleatoria que da la cantidad de precipitacin diaria en un cierto lugar.
Toma valores en [0, )
La variable aleatoria que da las alturas (o pesos) de individuos de una cierta regin.
Toma valores en [0, )
Otro ejemplo podra ser
La variable aleatoria que da el tiempo de vida til de una computadora.
Toma valores en [0, )

Como cualquier equipo puede medir hasta cierta cantidad de decimales en realidad en
cualquiera de estos casos la variable aleatoria slo puede tomar puede tomar cualquier nmero
racional no negativo. Sin embargo a los fines prcticos se considera que puede tomar cualquier
nmero real no negativo.

Adems, considerando por ejemplo el ltimo caso, es importante notar que, no significa que se
observara en algn momento cualquier nmero real no negativo si se estudiaran una cantidad
suficiente de computadoras. Lo que significa es que no se puede descartar ningn nmero real no
negativo como un posible valor para el tiempo de vida til de una computadora. Esto tambin se
aplica a los otros ejemplos.


6
DISTRIBUCION DE PROBABILIDADES

DISTRIBUCION DE PROBABILIDAD BINOMIAL
En estadstica, la distribucin binomial es una distribucin de probabilidad discreta que cuenta
el nmero de xitos en una secuencia de n ensayos de Bernoulli independientes entre s, con una
probabilidad fija p de ocurrencia del xito entre los ensayos. Un experimento de Bernoulli se
caracteriza por ser dicotmico, esto es, slo son posibles dos resultados. A uno de estos se denomina
xito y tiene una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la
distribucin binomial el anterior experimento se repite n veces, de forma independiente, y se trata de
calcular la probabilidad de un determinado nmero de xitos. Para n = 1, la binomial se convierte, de
hecho, en una distribucin de Bernoulli .
Caractersticas de una distribucin binomial
1.- El experimento consta de n ensayos o pruebas distintas.
2.- Cada prueba puede tomar uno de los resultados, a los que llamaremos convencionalmente, al uno
EXITO, y al otro FRACASO.
3.- La probabilidad de un xito en una sola prueba es igual a p y permanece constante de una a otra.
La probabilidad de fracaso es (1- p).
4.- El resultado (xito o fracaso) de cualquier observacin es independiente del resultado de
cualquier otra observacin (pruebas independientes o con reposicin).
5.- Interesa conocer (X), el numero de xitos observados en n.

FORMULA:
()

( )

( )

7
DISTRIBUCION DE PROBABILIDADES

En Excel se determina de la siguiente manera:
EJERCICIOS:
1.- Determine P(X=5) para n=6 y p=0,83
Solucin:

2.-Determinar P(X4) para n =5 y p = 0,45
Solucin:



8
DISTRIBUCION DE PROBABILIDADES

DISTRIBUCION BINOMIAL NEGATIVA
Esta distribucin puede considerarse como una extensin o ampliacin de la distribucin
geomtrica. La distribucin binomial negativa es un modelo adecuado para tratar aquellos procesos
en los que se repite un determinado ensayo o prueba hasta conseguir un nmero determinado de
resultados favorables (por vez primera) .Es por tanto de gran utilidad para aquellos muestreos que
procedan de esta manera. Si el nmero de resultados favorables buscados fuera 1 estaramos en el
caso de la distribucin geomtrica. Est implicada tambin la existencia de una dicotoma de
resultados posibles en cada prueba y la independencia de cada prueba o ensayo, o la reposicin de los
individuos muestreados.
Esta distribucin o modelo puede hacerse derivar de un proceso experimental puro o de
Bernouilli en el que se presenten las siguientes condiciones:
El proceso consta de un nmero no definido de pruebas separadas o separables. El proceso
concluir cuando se obtenga un determinado nmero de resultados favorables K
Cada prueba puede dar dos resultados posibles mutuamente excluyentes A y no A
La probabilidad de obtener un resultado A en cada una de las pruebas es p siendo la
probabilidad de no A , q . Lo que nos lleva a que p+q=1
Las probabilidades p y q son constantes en todas las pruebas. Todas las pruebas son
independientes. Si se trata de un experimento de extraccin ste se llevar cabo con devolucin del
individuo extrado, a no ser que se trate de una poblacin en la que el nmero de individuos tenga de
carcter infinito.
(Derivacin de la distribucin) Si, en estas circunstancias aleatorizamos de forma que la
variable aleatoria x sea "el nmero de pruebas necesarias para conseguir K xitos o resultados A ;
entonces la variable aleatoria x seguir una distribucin binomial negativa con parmetros p y k.

9
DISTRIBUCION DE PROBABILIDADES

FORMULA [ ] (

Teniendo en cuenta que:
P(X=x) = funcin de densidad de la variable aleatoria binomial negativa.
p = probabilidad de xito
q = probabilidad de fracaso
K = cantidad de xitos
x = cantidad de fracasos
En Excel se calcula de la siguiente manera:
EJERCICIOS:
2. La probabilidad de que a un estudiante lo acepten para trabajar en una fbrica es del 20% de las
personas que no salieron seleccionadas. Calcular probabilidad de que antes 3 hayan sido
seleccionados.
Solucin:




10
DISTRIBUCION DE PROBABILIDADES
2.- La probabilidad que un alumno que no entienda binomial negativa repruebe el examen es de 75%
si se pide seleccionar 5 alumnos reprobados al azar. Calcular la probabilidad de haber tomado 3
alumnos aprobados antes de los 5 reprobados.
Para resolver este ejercicio en Excel se usa la funcin que a continuacin se muestra.
NEGBINOMDIST (nm_fracasos;nm_xitos;prob_xito)

Una vez encontrada la funcin q se va a utilizar, se sustituyen los parmetros de la funcin con
los que se muestran en la siguiente tabla:
Solucin:

Por lo tanto, el 12.97% de tomar 3 alumnos aprobados antes de los 5 reprobados.





11
DISTRIBUCION DE PROBABILIDADES

DISTRIBUCION HIPERGEOMETRICA
En teora de la probabilidad la distribucin hipergeomtrica es una distribucin discreta
relacionada con muestreos y sin reemplazo. Supngase que se tiene una poblacin
de N elementos de los cuales, d pertenecen a la categora A y N-d a la B. La distribucin
hipergeomtrica mide la probabilidad de obtener x ( ) elementos de la
categora A en una muestra sin reemplazo de n elementos de la poblacin original.
Caractersticas de la distribucin hipergeomtrica:
a) Los resultados no son independientes (cada ensayo se realiza sin reposicin)
b) La poblacin es infinita.
c) Se conoce el tamao de la poblacin (N)
d) Es adecuada para un tamao de poblacin pequeo
c) Si el tamao de la muestra (n) es mayor que 5 del tamao de la poblacin (N), se utiliza
distribucin hipergeomtrica.
Frmula de clculo:
Donde:
N es el tamao de la poblacin
S es el nmero de xitos de poblacin
n es el tamao de la muestra
r es el numero de xitos de la muestra
C es el smbolo de combinacin


12
DISTRIBUCION DE PROBABILIDADES

En Excel se calcula de la siguiente manera:
EJERCICIOS:
1.-En un sorteo de 400 billetes de lotera hay cuatro premiados. Cul es la probabilidad de obtener
un billete premiado si se compran 10 billetes?
Solucin:

2.- Se debe seleccionar 2 miembros para un comit, entre 5 aspirantes, para que asistan a una
convencin nacional estudiantil. Supongamos que el comit est formado por 3 mujeres y 2 hombres.
Determine la probabilidad al seleccionar 2 estudiantes al azar, estas sean mujeres.



13
DISTRIBUCION DE PROBABILIDADES

DISTRIBUCION NORMAL
La distribucin normal es una de las distribuciones ms usadas e importantes. Se ha
desenvuelto como una herramienta indispensable en cualquier rama de la ciencia, la industria y el
comercio. Muchos eventos reales y naturales tienen una distribucin de frecuencias cuya forma es
muy parecida a la distribucin normal. La distribucin normal es llamada tambin campana de Gauss
por su forma acampanada.


Caractersticas de la distribucin normal:
1.- Es unimodal, tiene forma de campana y es simtrica respecto a su media.
2.- Todas las medidas de tendencia central (media, mediana, moda, rango) son idnticas.
3.- Es necesario conocer la media y la desviacin estndar para identificar una distribucin
normal especifica.
4.- Cada combinacin de la media y la desviacin estndar, especifica una distribucin normal
nica (existe una familia de distribuciones normales).
5.- La distribucin normal se extiende hasta el infinito en ambas direcciones, a partir de la
media (asinttica).
Y
X

o
14
DISTRIBUCION DE PROBABILIDADES

6.- La distribucin normal se mide en una escala continua, y la probabilidad de obtener un
valor preciso es cero.

7.- El rea total de la curva es igual a 1 o al 100. El 50 del rea esta a la derecha de la
media y el otro 50 est a la izquierda.
8.- La probabilidad de que una variable aleatoria tenga un valor entre cual quiera dos puntos, es
igual al rea bajo la curva entre esos dos puntos.

Relaciones con otras variables aleatorias:
Si tiende a infinito y es tal que el producto entre ambos parmetros tiende a , entonces
la distribucin de la variable aleatoria binomial tiende a una distribucin de Poisson de
parmetro .
Por ltimo, se cumple que cuando =0.5 y n es muy grande (usualmente se exige que
) la distribucin binomial puede aproximarse mediante la distribucin normal.


FORMULA:
o

=
X
Z





15
DISTRIBUCION DE PROBABILIDADES

En Excel se calcula de la siguiente manera:
EJERCICIOS:
1.-El gerente de produccin de una fbrica de telas tiene como estndar que la merma de tela
sea en promedio 300 metros, y sabe que la desviacin estndar normalmente es de 50 metros entre
los das
El director general le comento al gerente que si la merma era mayor de 362 metros podran tener
problemas con los dueos porque con esto las ganancias se reduciran:

Solucin:







16
DISTRIBUCION DE PROBABILIDADES

2.- El gerente de produccin de la empresa coca cola tiene como estndar que el desperdicio de las
gaseosas sea un promedio de 100 empaques y sabe que la desviacin estndar normalmente es de 70
empaques, el director general le comento al gerente que si el desperdicio era mayor a 150 empaques
podran tener problemas con los dueos porque con esto las ganancias se reduciran.

Solucin:








17
DISTRIBUCION DE PROBABILIDADES

DISTRIBUCION DE POISSON
Ideada por el matemtico francs Simen Poisson, esta distribucin mide la probabilidad
de un evento aleatorio sobre algn intervalo de tiempo o espacio.
Es un buen modelo para la distribucin de frecuencias relativas del nmero de eventos raros
que ocurren en una unidad de tiempo o de espacio. Por esta razn se la utiliza mucho en
administracin de empresas para modelar la distribucin de frecuencias relativas del nmero de
accidentes industriales por unidad de tiempo, el numero de pedidos recibidos en una planta
manufacturera, el nmero de clientes que llegan a una instalacin de servicio, a una caja registradora
en un supermercado, etc.La distribucin de Poisson generalmente se la conoce como la Ley de
eventos improbables, lo cual significa que la probabilidadpde que ocurra un evento especfico es
muy pequea.
Son necesarios dos supuestos para la aplicacin de la distribucin de Poisson:
1.- La probabilidad de ocurrencia del evento es constante para los intervalos cualesquiera de tiempo
o espacio.
2.- La ocurrencia del evento en un intervalo es independiente de la ocurrencia de otro intervalo
cualquiera.
La frmula para la distribucin de Poisson es la siguiente:
()

Donde x es el nmero de eventos raros por unidad de tiempo, de espacio, etc. (nmero de
ocurrencias o xitos). .e constante 2.71828 que es la base del sistema de los logaritmos neperianos u
es el nmero promedio de ocurrencias (xitos) en un intervalo de tiempo o de espacio especifico.


18
DISTRIBUCION DE PROBABILIDADES

En Excel se calcula de la siguiente manera:
EJERCICIOS:
1.- Un vendedor atiende cada 15 minutos a 5 personas. Se desea cual es la probabilidad:
a) Que el vendedor atienda a 3 personas en 15 minutos

FORMA MATEMATICA: ()

=EXP(-D18)*D18^D17/FACT(D17)




En Excel se calcula de la siguiente manera:
Solucin:



FORMULA
MATEMATICA
0,00017207

19
DISTRIBUCION DE PROBABILIDADES

2.- En un restaurante ingresan 3 adultos por minuto.
.Cual es la probabilidad de que en un minuto lleguen exactamente 2 adultos?.

FORMA MATEMATICA: ()

=EXP(-B4)*B4^B3/FACT(B3)




En Excel se calcula de la siguiente manera:
Solucin:





FORMULA
MATEMATICA

18%

20
DISTRIBUCION DE PROBABILIDADES

CONCLUSION

Con el desarrollo de este proyecto y gracias a la comprensin de que es una poderosa
herramienta estadstica que bien aplicada nos podr ayudar a facilitar los clculos para la solucin
de problemas. Lo cual contina con el propsito esencial: Ahorro de costos y mejora continua en
cualquier mbito en que nos desarrollemos. Para esta presentacin aprendimos la aplicacin y
manejo de las Distribuciones de Probabilidades ms comunes, la Binomial, Binomial Negativa,
Histografica, Poisson y finalmente la distribucin Normal.
Y por esa compartimos este proyecto de informacin con los dems compaeras, tuvimos la
necesidad de investigar y realizar este trabajo en equipo. Anlisis y estudios que nos han abierto la
mente as como nuestras habilidades para desempearnos mejor.













21
DISTRIBUCION DE PROBABILIDADES

Citas Bibliogrficas