ESTADSTICA APLICADA A LA SALUD / ESTADSTICA GENERAL

SEMESTRE II-2016

PROF. ENGELY A. PREZ A.

DISTRIBUCIONES DE PROBABILIDAD
Anteriormente se analiz el concepto de probabilidad. El objetivo era determinar la probabilidad de ocurrencia de
uno o varios eventos relacionados. A continuacin se combinaran los mtodos de estadstica descriptiva y los de
probabilidad para crear distribuciones de probabilidad que describan lo que probablemente suceder en lugar de
lo que en realidad sucedi.
Este aspecto es fundamental para discernir las distribuciones de frecuencia de las distribuciones de probabilidad.
Una distribucin de frecuencias es un listado de las frecuencias observadas de todos los resultados de un
experimento, que en realidad se han presentado cuando se llev a cabo el experimento; en cambio, una
distribucin de probabilidad es un listado de las probabilidades de todos los resultados posibles que podran
presentarse si se efectuara un experimento.
Una distribucin de probabilidad es una lista de todos los resultados posibles de algn
experimento y de la probabilidad relacionada con cada resultado.

Dado que esta clase de distribuciones se ocupan de las expectativas, son modelos de gran utilidad para hacer
inferencias y tomar decisiones en condiciones de incertidumbre.
Por ejemplo, si se realiza el experimento de lanzar una moneda tres veces y anotar el nmero de caras que se
obtienen. Los posibles resultados son 0 caras, 1 cara, 2 caras, o 3 caras. Adems, con los conceptos de
probabilidad desarrollados anteriormente se puede determinar que la probabilidad de obtener (1) ninguna cara es
1/8, (2) 1 cara es 3/8, (3) 2 caras es 3/8 y (4) 3 caras es 1/8. Esta distribucin de probabilidad se presenta en la
siguiente tabla, la cual muestra todos los resultados posibles y sus probabilidades.
Resultado (caras)
0
1
2
3
Total:

Probabilidad
0,125
0,375
0,375
0,125
1

En general, la probabilidad de que la variable aleatoria X tome algn valor especfico, xi , se escribe P X xi .
Por tanto, la probabilidad de que los tres lanzamientos de una moneda resulten en dos caras puede denotarse como
P X 2 0,375 .Vale la pena notar que toda distribucin de probabilidad debe satisfacer cada uno de los dos
requisitos siguientes:
(1)

P X x 1
i

(2) 0 P X xi 1
El primer requisito establece que la suma de las probabilidades de todos los valores posibles de la variable
aleatoria debe ser igual a 1. Lo anterior tiene sentido cuando nos damos cuenta de que los valores de la variable

ESTADSTICA APLICADA A LA SALUD / ESTADSTICA GENERAL

SEMESTRE II-2016

PROF. ENGELY A. PREZ A.

aleatoria X representan todos los resultados posibles en el espacio muestral completo, de modo que tenemos la
certeza (con probabilidad 1) de que uno de los sucesos ocurrir. El segundo requisito implica que P X xi debe
estar entre 0 y 1 para cualquier valor de xi .
TIPOS DE DISTRIBUCIONES DE PROBABILIDAD

Las distribuciones de probabilidad se clasifican como discretas y continuas, de acuerdo al tipo de variable
aleatoria considerada. En una distribucin de probabilidad discreta la variable aleatoria X puede asumir slo
ciertos valores, con frecuencia nmeros enteros, y resulta principalmente del conteo. La tabla anterior, donde se
muestran los resultados posibles al lanzar una moneda tres veces, es un ejemplo de una distribucin de
probabilidad discreta, pues los valores de la variable aleatoria se restringen slo a ciertos nmeros: 0, 1, 2 y 3. De
manera anloga, la probabilidad de que usted haya nacido en un mes dado es tambin discreta, puesto que slo
hay 12 posibles valores (los 12 meses del ao).
En una distribucin de probabilidad continua, por otro lado, la variable aleatoria X resulta principalmente de la
medicin y puede tomar cualquier valor dentro de un intervalo dado. Suponga que se est examinando el tiempo
transcurrido entre la llegada de cada cliente a la biblioteca; puesto que la variable aleatoria puede medirse con
cualquier valor, incluyendo fracciones de unidad, podramos decir que la distribucin de esta variable es una
distribucin continua. Las distribuciones de probabilidad continuas tambin son una forma conveniente de
presentar a las distribuciones de probabilidad discretas que tienen muchos resultados posibles, todos muy
cercanos entre s.
MEDIA Y VARIANZA DE LAS DISTRIBUCIONES DISCRETAS

As como en la unidad anterior se calcul la media de un conjunto de datos, tambin se puede determinar la media
de una distribucin de probabilidad. La media aritmtica de una distribucin de probabilidad se llama valor
esperado E X y, cuando la variable aleatoria es discreta, se obtiene multiplicando cada resultado posible por su
probabilidad y sumando los resultados, tal como se muestra en la siguiente ecuacin:

E X xi Pxi
La distribucin de probabilidad para el experimento de lanzar tres veces una moneda y anotar el nmero de caras
se muestra en las primeras dos columnas de la siguiente tabla. La columna (3) ilustra el clculo del valor esperado
para el experimento utilizando la ecuacin anterior, produciendo E X 1,5 . Este resultado sugiere que si el
experimento se repite muchas veces (tericamente, un nmero infinito) se obtendr, en promedio, 1,5 caras.
(1)

(2)

(3)

xi

P xi

xi P xi

0
1
2
3

0,125
0,375
0,375
0,125

0,000
0,375
0,750
0,375
1,5

(4)

xi 2 P xi
0,28125
0,09375
0,09375
0,28125
0,75 2

ESTADSTICA APLICADA A LA SALUD / ESTADSTICA GENERAL

SEMESTRE II-2016

PROF. ENGELY A. PREZ A.

La varianza de una distribucin de probabilidad es conceptualmente es la misma varianza que se calcul en la

unidad anterior. Es el promedio de las desviaciones al cuadrado con respecto a la media. La varianza se obtiene a
partir de la siguiente ecuacin:

2 xi 2 Pxi

La frmula anterior mide la diferencia entre cada uno de los resultados y su media. Tales diferencias se elevan al
cuadrado y se multiplican por sus respectivas probabilidades. Luego se suman sus resultados. La columna (4) de
la tabla presentada anteriormente revela que 2 0,75 . La desviacin estndar es 2 0,75 0,87 .
La varianza y la desviacin estndar tienen la misma interpretacin que se les dio en la unidad anterior, miden la
dispersin de los resultados alrededor de su media. La varianza se expresa en unidades al cuadrado, pero la
desviacin estndar se expresa en las mismas unidades que la variable aleatoria y por ende con frecuencia tiene
una interpretacin ms racional.
DISTRIBUCIN BINOMIAL

Una de las distribuciones tericas de probabilidad discreta ampliamente utilizada es la distribucin binomial.
Esta distribucin es aplicable como modelo para situaciones de toma de decisiones en las que puede suponerse
que un proceso de muestreo responde a un proceso de Bernoulli.
El proceso de Bernoulli, llamado as por Jacob Bernoulli (1654-1705), miembro de una familia de matemticos
suizos, es un proceso que presenta cuatro propiedades:
(1) Slo debe haber dos resultados posibles mutuamente excluyentes. Por convencin, estos resultados se
identifican como xito y fracaso. Sin embargo, se advierte que estos trminos no tienen ninguna connotacin de
"bueno" o "malo". Son completamente objetivos, y un "xito" no implica necesariamente un resultado deseable.
(2) La probabilidad de un xito en un ensayo es totalmente independiente de cualquier otro ensayo.
(3) La probabilidad de un xito, p, sigue siendo constante de un ensayo al siguiente.
(4) El experimento puede repetirse muchas veces.
Note que el experimento de lanzar la moneda discutido anteriormente tiene slo dos posibles resultados: cara y
sello. La probabilidad de cada uno es conocida y constante de un intento (lanzamiento) al siguiente, y adems el
experimento puede repetirse muchas veces. Por lo tanto, el lanzamiento de la moneda cumple con los requisitos
de una distribucin binomial.
En general, si se conoce la probabilidad de que un ensayo determinado producir un xito, es posible estimar
cunto xitos habr en un nmero dado de ensayos. Es decir, la distribucin binomial puede servir para
determinar la probabilidad de obtener un nmero establecido de xitos en un proceso de Bernoulli.
Especficamente, se puede determinar la probabilidad de un nmero especfico de xitos, x, en una distribucin
binomial a partir la siguiente ecuacin:
3

ESTADSTICA APLICADA A LA SALUD / ESTADSTICA GENERAL

SEMESTRE II-2016

PROF. ENGELY A. PREZ A.

P X x

n!
p x q n x
x!n x !

Donde:
n = Nmero de ensayos efectuados.
x = Nmero de xitos esperados.
p = Probabilidad de xito de cada ensayo.
q = Probabilidad de fracaso de cada ensayo ( q 1 p ).
El smbolo de factorial !, denota el producto de factores decrecientes. Dos ejemplos de factoriales son
3! 3 2 1 6 y 0! 1 (por definicin). Muchas calculadoras incluyen una tecla para el factorial, al igual que una
tecla con n Cr que permite simplificar los clculos. Para las calculadoras con esa tecla, utilice esta versin de la
frmula de probabilidad binomial:

P X x nCx p x q nx
A menudo interesa la probabilidad acumulada de x o ms xitos o x o menos xitos en n ensayos. En tal caso
debe determinarse la probabilidad de cada resultado incluido en el intervalo establecido, despus de lo cual se
suman estas probabilidades.
La media y la varianza de una distribucin binomial:
Anteriormente se mostr cmo determinar la media, la varianza y la desviacin estndar de cualquier distribucin
de probabilidad discreta. Sin embargo, si slo hay dos resultados posibles, como en la distribucin binomial, la
media y la varianza pueden determinarse ms fcilmente:
Media o valor esperado:

E X np

Varianza:

2 npq

Desviacin estndar:

npq

DISTRIBUCIN DE POISSON

Es una distribucin de probabilidad discreta, ideada por el matemtico francs Simeon Poisson (1781-1840), que
se aplica a las ocurrencias de algn suceso durante un intervalo especfico. Usualmente, la medicin de la
probabilidad de un evento se realiza sobre alguna unidad de tiempo o espacio; por ejemplo, se utiliza para
describir el nmero de llegadas de clientes por hora, el nmero de accidentes industriales cada mes, el nmero de
conexiones elctricas defectuosas por milla de cableado en un sistema elctrico de una ciudad, o el nmero de
mquinas que se daan y esperan ser reparadas.
Son necesarios dos supuestos para la aplicacin de la distribucin de Poisson:
La probabilidad de ocurrencia del evento es constante para dos intervalos cualesquiera de tiempo o espacio.
La ocurrencia del evento en un intervalo es independiente de la ocurrencia de otro intervalo cualquiera.

ESTADSTICA APLICADA A LA SALUD / ESTADSTICA GENERAL

SEMESTRE II-2016

PROF. ENGELY A. PREZ A.

Dados estos supuestos, es posible calcular la probabilidad de exactamente x ocurrencias en una distribucin de
Poisson mediante la siguiente formula:

P X x

x e

x!
Donde:
= Nmero medio de ocurrencias por unidad de tiempo o de espacio.
x = Nmero de veces que ocurre el evento.
e = Constante, base del sistema de logaritmos naturales ( e 2,71828 ).
En ocasiones, la distribucin de Poisson se utiliza para aproximar la distribucin binomial, cuando n es grande y p
es pequea. Una regla prctica es utilizar la distribucin de Poisson como una buena aproximacin de la
distribucin binomial cuando se satisfacen las siguientes dos condiciones:
(1) n 20 .
(2) p 0,05 .
Si se cumplen dichas condiciones y deseamos utilizar la distribucin de Poisson, como aproximacin de la
distribucin binomial, necesitamos un valor de ; ese valor se calcula a partir de la siguiente ecuacin:

np
La media y la varianza de una distribucin de Poisson:
Por definicin, el valor esperado y la varianza de una distribucin de Poisson son iguales al nmero medio de
ocurrencias de la distribucin; de modo que la media, la varianza y la desviacin estndar vienen dadas por:
Media o valor esperado:

E X

Varianza:

Desviacin estndar:

DISTRIBUCIN NORMAL

Denominada tambin distribucin de Gauss o distribucin gaussiana, en honor al trabajo realizado por Carl
Gauss (1777-1855), es una distribucin de probabilidad continua (no discreta) utilizada para reflejar la
distribucin de variables tales como estaturas, pesos, distancias y otras medidas que son divisibles infinitamente.
Las distribuciones normales son sumamente importantes por su utilidad para interpretar una gran variedad de
eventos naturales y porque juegan un papel fundamental en los mtodos de estadstica inferencial.
La distribucin normal se caracteriza por la forma de campana (simtrica) que tiene la curva en la que se
distribuyen los valores de la distribucin; adicionalmente, el centro de la curva normal coincide con la media de la
poblacin distribuida normalmente. La siguiente figura muestra la grfica de una distribucin normal, colocando
las observaciones individuales en el eje horizontal y la frecuencia con la cual cada una de estas observaciones
ocurri en el eje vertical.
5

ESTADSTICA APLICADA A LA SALUD / ESTADSTICA GENERAL

SEMESTRE II-2016

PROF. ENGELY A. PREZ A.

50%

-3,00

-2,00

50%

-1,00

0,00

1,00

2,00

3,00

Observe que cuando los valores estn distribuidos normalmente (como en la figura anterior) aparece la curva en
forma de campana; en tal caso, el 50% de toda el rea bajo la curva normal est a la derecha de la media y el 50%
de esta rea est a la izquierda de la media.
La forma y posicin de una distribucin normal estn determinadas por dos parmetros: su media y su
desviacin estndar , de modo que N ( , 2 ) . Por lo tanto, puede existir un nmero infinito de distribuciones
normales posibles, cada una con su propia media y su desviacin estndar. Ya que obviamente no se puede
analizar un nmero tan grande de posibilidades, es necesario convertir todas estas distribuciones normales a una
forma estndar.
Distribucin normal estndar:
Esta distribucin, tambin denominada distribucin Z, se cre como un modelo que permite simplificar el trabajo
de tabulacin de las distribuciones de probabilidad pues, debido a la existencia de tablas, es posible obtener con
relativa rapidez los valores donde se recoge la probabilidad acumulada para cada punto de la curva de la
distribucin. Especficamente, la distribucin normal estndar de probabilidad tiene una media de 0 y una
desviacin estndar de 1, tal que N (0, 1) .
En general, toda distribucin normal se puede transformar en una distribucin normal estndar. Para realizar esta
conversin se crea una nueva variable Z, a partir de la siguiente ecuacin:

Donde:
X = Valor de la variable aleatoria que nos interesa.
= Media de la distribucin de esa variable aleatoria.
= Desviacin estndar de esa distribucin.
Z = Nmero de desviaciones estndar a las que X est con respecto a la media.

-3,00

-3

-2,00

10
-2

-1,00

15

0,00
20

1,00
25

-1

302,00

353,00 Variable aleatoria X

Valores de Z

ESTADSTICA APLICADA A LA SALUD / ESTADSTICA GENERAL

SEMESTRE II-2016

PROF. ENGELY A. PREZ A.

En la figura anterior se ilustra la transformacin de una distribucin normal con una media de 20 y a una
desviacin estndar 5, correspondiente a una variable aleatoria X de cierta poblacin, a una distribucin normal
estndar con una media de 0 y una desviacin estndar de 1.
Estandarizar una distribucin normal permite determinar ms fcilmente la probabilidad de que ocurra cierto
evento. Por ejemplo, es posible determinar la probabilidad de que la variable aleatoria X este entre 20 y 27,
P(20 X 27) , simplemente hallando el rea que est bajo la curva normal entre 20 y 27.
En general, el rea de cualquier distribucin normal que se limita por algn valor X, es igual que el rea que se
limita por el valor de Z equivalente en la distribucin normal estndar. Como el rea relacionada con un valor de
Z puede hallarse en la TABLA DE DISTRIBUCIN NORMAL ESTNDAR DE PROBABILIDADES, es necesario realizar
el proceso de conversin de cada valor de X que sea un lmite de la regin sombreada a un valor de Z equivalente,
de modo que:
27 20
Z
1,40
5
Dado que la tabla de distribucin normal estndar proporciona el rea bajo la curva desde la media hasta algn
valor por encima o por debajo de sta, al ubicar el valor de Z 1,40 se encontrar que el rea bajo la curva que
esta entre la media y el valor de Z es de 0,4192. Es decir, el 41,92% del rea que est bajo la curva est entre 20 y
27. Hay 41,92% de probabilidad de que la variable aleatoria este entre 20 y 27. En la siguiente figura se ilustra la
situacin:

0,4192

-3,00

-2,00

-1,00

0,00

20

1,00

27

2,00

3,00

1,40 Valores de Z

P(20 X 27) P(0 Z 1,40) 0,4192

Aunque la tabla solo muestra el rea desde la media hasta algn valor por encima o por debajo de ella, otras
probabilidades pueden hallarse fcilmente. Destaca, adems, que la tabla de distribucin normal estndar contiene
solo valores de Z positivos; no obstante, dado que la distribucin es simtrica los valores de una mitad de la curva
lo son tambin para la otra.
Incidentalmente, P( X x) P( X x) , en donde x es cualquier valor dado. Esto se debe a que la distribucin
normal es una distribucin continua. Existe un nmero infinito de posibles valores que puede tomar X. Por tanto,
incluir el valor de x no incrementa la probabilidad de que el evento ocurra.
___________________
REFERENCIAS BIBLIOGRFICAS
Levin, Richard I. (1991). Estadstica para administradores (2 Edicin). Mxico: Prentice-Hall Hispanoamericana, S.A. P 940.
Webster, Allen (2000). Estadstica aplicada a los negocios y la economa (3 Edicin). Colombia: McGraw-Hill Interamericana, S.A., P 640.