PROBABILIDAD Y DISTRIBUCIONES DE PROBABILIDAD

Resultado de aprendizaje
Interpretar la importancia de las probabilidades contrastando el
valor de los diferentes parámetros como el nexo entre descriptiva
y la inferencial.

OBJETIVO: Desarrollar las distribuciones de probabilidad, que permita analizar los modelos
probabilísticos, para su respectiva utilización en la inferencia estadística.
 CONTENIDOS

 PROBABILIDAD
 Experimento aleatorio
 Espacio muestral
 Eventos o sucesos probabilidad de un suceso:
Propiedades
 Operaciones con eventos
 Probabilidad condicionada: Sucesos Excluyentes y
Sucesos Independientes.
 PROBABILIDAD
El concepto de probabilidad es manejado por mucha gente.
Frecuentemente se escuchan preguntas como las que se
mencionan a continuación:
¿ Cuál es la probabilidad de que me saque la lotería ?
¿ Qué posibilidad hay de que me compre un automóvil?
¿ Qué posibilidad hay de que hoy llueva ? para llevar mi
paraguas o no.
¿ Existe alguna probabilidad de que repruebe la asignatura de
investigación?
El meteorólogo anuncia que hay 70% de
probabilidad de lluvia para el domingo del
Súper Tazón

Con base en una encuesta de consumidores

que degustaron un pepinillo recién
elaborado con sabor a plátano, La
probabilidad de que sea un éxito financiero
si se le comercializa es de 0.03.
 IMPORTANCIA DE LA PROBABILIDAD

El conocimiento de la probabilidad es de suma importancia en todo

estudio de la estadístico.

El cálculo de las probabilidades proporciona las reglas para estudio

de los experimentos aleatorios o de azar, lo que constituye la base
para la estadística inferencial
 ¿ QUÉ ES LA PROBABILIDAD?
 Es un número real que expresa la confianza o
incertidumbre de la ocurrencia de un suceso o
evento, cuyo resultado no se puede predecir con
certeza.

 Valor entre cero y uno, inclusive, que describe la posibilidad

relativa (oportunidad o casualidad) de que ocurra un evento.

 Es un valor numérico que representa la oportunidad o

posibilidad de que un evento en particular ocurra,
 NO CON SEGURIDAD
SUCEDERÁ OCURRIRÁ

0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00

Probabilidad Probabilidad
que tiene de que se
Probabilidad
el equipo de los Extraiga un
Probabilidad de que Probabilidad
votaditos de número menor
de que el sol caiga cara de que llueva
quedar campeón que 7 de una
desaparezca en un solo en Ecuador
del torneo, el ánfora donde
este año lanzamiento este año
cual incluye la se guardan los
de moneda
participación de números del 0
cinco clubes. al 9
 Conceptos básicos de Probabilidad
Fenómeno Aleatorio: Es un fenómeno del
que no se sabe que es lo que va a ocurrir,
Estos están relacionados con el azar o
probabilidad.

Fenómeno Determinista.- Es el fenómeno en

el cual de antemano se sabe cual será el
resultado.

La probabilidad estudia el tipo de fenómeno

aleatorio.
Experimento Aleatorio ( )
Es una operación o acto cuyo resultado no se puede
predecir con certeza y que se realiza bajo los
siguientes criterios:
• Puede ser repetido bajo las mismas condiciones
• Se puede describir el número de resultados
posibles.
• Se puede establecer un modelo matemático
asociado a .
Ejemplos:
: Lanzar dos dados.
: Contar el número de piezas defectuosas que se
producen en una industria
:Tiempo de vida (en días) de un foco de luz.
RESULTADO:
Valor particular de un experimento.
Espacio Muestral (Ω, E, S)
Es el conjunto de todos los resultados posibles de
un experimento aleatorio .
Ejemplos:
Los espacios muestrales de los experimentos
aleatorios anteriores son:
Evento
Es cualquier subconjunto de un espacio muestral. Los eventos se identifican
mediante letras mayúsculas.
Ejemplos:
Algunos eventos de los experimentos aleatorios anteriores son:
A: La suma de los valores obtenidos sea mayor a 10.
B: El número de piezas defectuosas producidas sea menor a 10.
C: El tiempo de vida de un foco de luz sea mayor a 200 días.
• ¿Cuál es la probabilidad de que la suma de los números obtenidos sea mayor
a 10? P(A)
• ¿Cuál es la probabilidad de que el número de piezas defectuosas producidas
sea menor a 10? P(B)
• ¿Cuál es la probabilidad que el tiempo de vida de un foco de luz sea mayor a
200 días? P(C)
 Lanzamiento de un dado Listado del número
EXPERIMENTO de miembros de la junta
directiva de las compañías
de Fortune 500, mayores de 60 años
Se observa un 1 Ninguno tiene más de 60
Se observa un 2 Uno tiene más de 60
Se observa un 3 Dos tienen más de 60
RESULTADO Se observa un 4 ...
Se observa un 5 29 tienen más de 60
Se observa un 6 ...
...
48 tienen más de 60
Se observa un número par Más de 13 son mayores a de 60
EVENTO Se observa un número mayor que 4 Menos de 20 son mayores de 60
Se observa un 3 o un número menor
 ENFOQUES DE LA PROBABILIDAD

OBJETIVO SUBJETIVO

PROBABILIDAD CLÁSICA PROBABILIDAD EMPÍRICA PARTE DE INFORMACION

DISPONIBLE

Se basa en resultados Se sustenta en las

igualmente probables frecuencias relativas
 PROBABILIDAD CLÁSICA
La probabilidad clásica parte del supuesto de que los resultados de un
experimento son igualmente posibles.

La probabilidad de un evento que se está llevando a cabo se calcula

dividiendo el número de resultados favorables entre el número de posibles
resultados:

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠

PROBABILIDAD DE UN EVENTO =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠
 Considere el experimento de lanzar un dado. ¿Cuál es la probabilidad del evento
“cae un número par”?

ESPACIO MUESTRAL Ω = 1 , 2, 3, 4, 5, 6
RESULTADOS FAVORABLES 2, 4, 6

3
PROBABILIDAD DEL EVENTO =
6
PROBABILIDAD DEL EVENTO = 0.5
 Si se tiene una bolsa con 20 canicas rojas y 10 canicas azules. ¿Qué color de canica es
más probable que saque al azar de la bolsa y cuál es su probabilidad?

 En una sala de clases hay 20 mujeres y 12 hombres. Si se escoge uno de ellos al

azar. ¿Cuál es la probabilidad de que la persona escogida sea hombre?
 En una comida hay 28 hombres y 32 mujeres. Han comido carne 16 hombres y 20 mujeres,
comiendo pescado el resto. Si se elige una de las personas al azar. ¿Cuál es la
probabilidad de que la persona escogida sea hombre?

 En un curso de 30 alumnos 18 son mujeres. ¿Cuál es la probabilidad de que al

escoger una persona está no sea mujer?

 De una baraja naipe inglés (52 cartas), ¿Cuál es la probabilidad de sacar un as?.

 En un jardín infantil hay 8 morenos y 12 morenas así como 7 rubios y 5 rubias. Si se

elige un integrante al azar, la probabilidad de que sea rubio o rubia
EVENTOS MUTUAMENTE EXCLUYENTES: El hecho de que un evento se presente
significa que ninguno de los demás eventos puede ocurrir al mismo tiempo.

La variable sexo da origen a resultados mutuamente excluyentes: hombre y mujer. Un

empleado seleccionado al azar es hombre o mujer, pero no puede tener ambos sexos.
Una pieza fabricada es aceptable o no lo es. La pieza no puede ser aceptable e
inaceptable al mismo tiempo.

EVENTOS COLECTIVAMENTE EXHAUSTIVO: Un conjunto de eventos es colectivamente exhaustivo si

uno de los eventos debe ocurrir.

Si un experimento incluye un conjunto de eventos con todo tipo de resultados posibles,

como los eventos “un número par” y “un número impar” en el experimento del
lanzamiento del dado; entonces el conjunto de eventos es colectivamente exhaustivo.

Si el conjunto de eventos es colectivamente exhaustivo y los eventos son

mutuamente excluyentes, la suma de las probabilidades es 1.
 PROBABILIDAD EMPÍRICA

La probabilidad empírica o frecuencia relativa, de que un evento ocurra representa

una fracción de los eventos similares que sucedieron en el pasado.

Número de veces que el evento ocurre

PROBABILIDAD EMPÍRICA = Número total de observaciones

LEY DE LOS GRANDES NÚMEROS En una gran cantidad de intentos, la

probabilidad empírica de un evento se aproximará a su probabilidad real.
Suponga que se lanza una moneda común. El resultado de cada lanzamiento es cara o
cruz.

Número de ensayos Número de caras Frecuencia relativa de las

caras
1 0 0.00
10 3 0.30
50 26 0.52
100 52 0.52
500 243 0.486
1000 494 0.494
10 000 5 027 0.5027

El semestre anterior, 80 estudiantes se registraron para Estadística Administrativa en la

Scandia University. 12 estudiantes obtuvieron A. Con base en dicha información y de
acuerdo con la regla empírica de la probabilidad, la posibilidad calculada de que un
estudiante obtenga una A es de 0.15.
Kobe Bryant, jugador de Los Ángeles Lakers logró 403 de 491 intentos de tiro libre
durante la temporada 2009-2010 de la NBA. De acuerdo con la regla empírica de la
probabilidad, las posibilidades de lograr su siguiente intento de tiro son de 0.821.

EJEMPLO: El 1 de febrero de 2003 explotó el transbordador espacial Columbia. Éste fue

el segundo desastre en 113 misiones espaciales de la NASA. Con base en esta
información, ¿cuál es la probabilidad de que una futura misión concluya con éxito?

Número de vuelos exitosos

PROBABILIDAD DE UN EVENTO EXITOSO = Número total de vuelos

𝟏𝟏𝟏
P ( A ) = 𝟏𝟏𝟑
P ( A ) = 0. 98

Este resultado sirve como aproximación de la probabilidad. En otras palabras, por experiencia, la probabilidad de
que una futura misión del transbordador espacial concluya con éxito es de 0.98.
 PROBABILIDAD SUBJETIVA
Si se cuenta con poca o ninguna experiencia o información con la cual sustentar la
probabilidad, es posible aproximarla en forma subjetiva.

CONCEPTO SUBJETIVO DE PROBABILIDAD : Posibilidad (probabilidad) de un evento

en particular que asigna un individuo a partir de cualquier información que
encuentre disponible.

EJEMPLOS:
1. Calcular la posibilidad de que Ecuador sea campeón del futbol mundial
2. Calcular la posibilidad de que usted contraiga matrimonio antes de los 30 años.
3. Calcular la posibilidad de que disminuya el déficit presupuestario del Ecuador en
70% para el mes de septiembre .
 PROPIEDADES DE LAS PROBABILIDADES
1. La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la
probabilidad del suceso contrario es:

2. Probabilidad del suceso imposible es cero.

3. La probabilidad de la unión de dos sucesos es la suma de sus probabilidades

considerando una sola vez la probabilidad de la intersección.

P(AUB)=p(A)+p(B)

4. Si un suceso está incluido en otro, su probabilidad es menor o igual a la de éste.

5. Si A1, A2, ..., Ak son sucesos incompatibles dos a dos entonces:

6. Si el espacio muestral es finito y un suceso es S = {x1, x2, ..., xn}

entonces:
 CONTENIDOS

 DISTRIBUCIONES DE PROBABILIDAD
 VARIABLE ALEATORIA
 MODELOS PROBABILISTICOS. SU UTILIDAD EN EL
TRABAJO ESTADISTICO
 ¿Qué es una distribución de probabilidad?

DISTRIBUCIÓN DE PROBABILIDAD Lista de todos los resultados de un experimento y la

probabilidad asociada a cada uno de ellos.

CARACTERÍSTICAS DE UNA DISTRIBUCIÓN DE PROBABILIDAD

1. La probabilidad de un resultado en particular se encuentra entre 0 y 1, inclusive.
2. Los resultados son eventos mutuamente excluyentes.
3. La lista es exhaustiva. Por lo tanto, la suma de las probabilidades de los diversos
eventos es igual a 1.
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?
Conteo de resultados = (2) (2) (2) = 8
resultados
Resultados Lanzamiento de la moneda Número de
posibles caras Número de Probabilidad
Primero Segundo Tercero caras (x) del resultado
1 S S S 0 P(x)
2 S S C 1 0 1
= 0.125
8
3 S C S 1 3
1 = 0.375
4 S C C 2 8
5 C S S 1 2 3
= 0.375
8
6 C S C 2
3 1
7 C C S 2 = 0.125
8
8 C C C 3 8
TOTAL = 1
8
Número de Probabilidad
caras (x) del resultado
P
P(x)
r
3/8
0 1 o
= 0.125
8
b
1 3
= 0.375 a
8 b
3 2/8
2 = 0.375 il
8
i
3 1 d
= 0.125
8 a
1/8
8
d
TOTAL = 1
8

0 1 2 3

NÚMERO DE CARAS (X)

EJERCICIO:
Los posibles resultados de un experimento que implica el lanzamiento de un dado son:
uno, dos, tres, cuatro, cinco y seis.
a) Elabore la distribución de probabilidad para el número de posibles resultados.
b) Represente gráficamente la distribución de probabilidad.
c) ¿Cuál es la suma de las probabilidades?
  Si cuenta el número de empleados ausentes en el turno matutino
del lunes, el número puede ser 0, 1, 2, 3,… El número de
ausencias es una variable aleatoria.

 Si pesa cuatro lingotes de acero, los pesos pueden ser de 2 492

libras, 2 497 libras, 2 506 libras, etc. El peso es una variable
aleatoria.

VARIABLES ALEATORIAS  Si lanza dos monedas y cuenta el número de caras, puede caer
cero, una o dos caras. Como el número de caras que resulta de
este experimento se debe al azar, el número de caras que caen es
una variable aleatoria.

 El número de focos defectuosos producidos por hora en

Cleveland Company, Inc.;

 El número de corredores del maratón de Boston en la carrera de

2017

VARIABLE ALEATORIA Cantidad que resulta de un experimento que, por azar, puede
adoptar diferentes valores.
 VARIABLE ALEATORIA DISCRETA. Variable aleatoria
que adopta sólo valores claramente separados.

Una variable aleatoria discreta adopta sólo cierto número de

valores separados. Si hay 100 empleados, el recuento de la
cantidad de ausentes el lunes sólo puede ser 0, 1, 2, 3, …, 100.

Las calificaciones que otorgan los docentes a los estudiantes

luego del término del semestre, son valores concretos, como 70,
VARIABLES ALEATORIAS 80 y 90.

VARIABLE ALEATORIA CONTINUA. Se da, cuando

puede asumir cualquier valor dentro de un intervalo o
en una unión de intervalos.
Los tiempos de los vuelos comerciales entre Atlanta y Los
Ángeles son de 4.67 horas, 5.13 horas, etc. La variable aleatoria
es la cantidad de horas.
La presión, medida en libras por pulgada cuadrada (psi), de un
nuevo neumático Chevy Trail-blazer puede ser de 32.78 psi,
31.62 psi, 33.07 psi,
Media, varianza y desviación estándar de una distribución de probabilidad
discreta

MEDIA DE UNA DISTRIBUCIÓN DE PROBABILIDAD

μ = ∑[x P(x)]

VARIANZA DE UNA DISTRIBUCION DE PROBABILIDAD

σ2 = ∑ [ ( 𝑋 − μ )2 P (X) ]
John Ragsdale vende automóviles nuevos en Pelican Ford. Por lo general, John vende la mayor
cantidad de automóviles el sábado. Desarrolló la siguiente distribución de probabilidades de la
cantidad de automóviles que espera vender un sábado determinado.

Cantidad de 1. ¿Cuántos automóviles espera vender John un sábado normal?

automóviles Probabilidad x P(x) 2. ¿Cuál es la varianza de la distribución?
vendidos X P(x)
0 0.10 0
1 0.20 0.20
1. La media de la cantidad de automóviles vendidos se calcula al
multiplicar el número de automóviles que vendió por la
2 0.30 0.60
probabilidad de vender dicho número, y sumar los productos de
3 0.30 0.90
acuerdo con la fórmula: μ = ∑[x P(x)]
4 0.10 0.40
1.00 2.10
μ = ∑[x P(x)]
μ = 0 (0.10) + 1 ( 0.20) + 2 (0.30) + 3 (0.30 ) + 4 ( 0.10)
μ = 0 + 0.20 + 0.60 + 0.90 + 0,40
μ = 2.10
2. Una tabla resulta útil para sistematizar los cálculos de la varianza,
Número de
Probabilidad
automóviles x P(x) (x–μ) ( 𝒙 − μ )𝟐 ( 𝒙 − 𝝁 )𝟐 P(x)
P (x)
vendidos (x)
0 0.10 0 -2.1 4.42 0.442
1 0.20 0.20 -1.1 1.21 0.242
2 0.30 0.60 - 0.1 0.01 0.003
3 0.30 0.90 0.9 0.81 0.243
4 0.10 0.40 1.9 3.61 0.361
1.00 2.10 𝜎 2 = 1. 290

d = 𝜎2 Si una vendedora también vendió un promedio de 2.1 automóviles los

sábados y la desviación estándar de sus ventas fue de 1.91 automóviles,
d = 1.290 se concluiría que hay más variabilidad en las ventas sabatinas de la
d = 1.136 vendedora que en las de Ragsdale (pues 1.91 > 1.136).
Una ferretería ofrece tres calidades de interruptores: baja, medina y alta, para instalaciones domésticas. Los
interruptores cuestan $0.80, $0.90 y $1.20, respectivamente. Treinta por ciento de los pedidos corresponde al
baja; 50%, al medina , y 20%, alta. Organice las calidades de los interruptores y la probabilidad de venta en una
distribución de probabilidad.
a) ¿Se trata de una distribución de probabilidad discreta? Indique por qué.
b) Calcule la suma promedio que se cobra por interruptor.
c) ¿Cuál es la varianza de la cantidad que se cobra por un interruptor? ¿Cuál es la desviación estándar?
El director de admisiones de Kinzua University en Nueva Escocia estimó la distribución de admisiones de
estudiantes para el segundo semestre con base en la experiencia de años pasados.
¿Cuál es el número de admisiones esperado para el segundo semestre? Calcule la varianza y la desviación
estándar del número de admisiones.
Admisiones Probabilidad
1000 0.6
1200 0.3
1500 0.1

Croissant Bakery, Inc., ofrece pasteles con decorados especiales para cumpleaños, bodas y otras ocasiones. La
pastelería también tiene pasteles normales. La siguiente tabla incluye el número total de pasteles vendidos al
día, así como la probabilidad correspondiente. Calcule la media, la varianza y la desviación estándar del
número de pasteles vendidos al día.
Número de pasteles Probabilidad
vendidos en el día
12 0.25
13 0.40
14 0.25
15 0.10
Una inversión producirá $1 000, $2 000 y $5 000 a fin de año. Las probabilidades de
estos valores son de 0.25, 0.60 y 0.15, respectivamente. Determine la media y la
varianza del valor de la inversión.
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.
En otras palabras, hubo 22 días en los que se realizaron 2 llamadas de emergencia, y
9 días en los que se realizaron 3 llamadas de emergencia.

Beneficio Número de frecuencia

de la P(X) llamadas
inversión 0 8
1 000 0.25 1 10
2 000 0.60 2 22
5 000 0.15 3 9
4 1
50
 CONTENIDOS

 Distribución
 Distribución de variables
de variables discretas:
discretas: distribución Bemol,
 Distribución
Binomial Bernoulli
y Poisson. Distribución de variables discretas:
 Distribución
distribución Binomial
Bemoulli, Binomial y
 Distribución de Poisson.

OBJETIVO: Describir y calcular las probabilidades de una

distribución de Bernoulli, Binomial y de Poisson.
 DISTRIBUCIÓN DE BERNOULLI
La distribución de Bernoulli de parámetro p es el modelo más simple de
probabilidad.
Se aplica a situaciones en las que un cierto atributo aparece con probabilidad p
(ÉXITO) y la ausencia de este mismo atributo como probabilidad q = 1 – p
(FRACASO)
En el lanzamiento de una moneda puede dar como resultado cara o sello
Todo experimento aleatorio que solo admita dos resultados posibles (uno
llamado por costumbre éxito y el otro fracaso) se llama ensayo de Bernoulli y
lleva obviamente a la distribución de BERNOULLI.
EJEMPLOS
 Un tratamiento médico puede ser efectivo o inefectivo
 La Media de producción o ventas del mes se pueden o no lograr
 En pruebas de selección múltiple, aunque hay cuatro o cinco alternativas, se pueden
clasificar como correcta o incorrecta
 SU FÓRMULA ES: P (X) = 𝑝 𝑥 1 − 𝑝 1 −𝑥 con x ( 0 , 1 )

FUNCION DE PROBABILIDAD

q  si ( x  0)
f( X ) 
 p  si ( x  1)
Un ejemplo típico de este tipo de variables aleatorias consiste en
lanzar una moneda al aire y considerar la variable aleatoria:

X = ( Número de caras obtenidas ) en cuyo caso X = 0 si q = 1/2 y

x = 1 si p = 1/2
 FUNCIÓN DE DENSIDAD

En un experimento de Bernoulli se denomina ÉXITO al suceso en estudio, p y

FRACASO a su contrario, q
A este suceso se le asocia la variable aleatoria, X , definida como el número de éxitos al
realizar el experimento. Es decir:
p 1
r
o
q  siP ( x  0)  q  1  p b p
f( X )  a
 p  siP ( x  1)  p bi
1-p
li
d
a
d
0
0 1
Lanzamiento de un dado
 EJEMPLO
EXPERIMENTO: Lanzar un dado y que salga 5
X = # de veces que sale un 5
Al lanzar un dado tenemos 6 posibilidades
S = {1 , 2, 3, 4, 5, 6 }
Se considera ÉXITO sacar un 5 entonces p = 1 / 6
Se considera fracaso a no sacar 5 entonces q = 1 – p ; q = 1 – 1/6 ; q = 5/6

La probabilidad de que salga 5 viene definida en que x = 1 (ÉXITO)

𝑷 𝑿 = 𝒑𝒙 𝟏 − 𝒑 𝟏 −𝒙
𝟏 𝟏−𝟏
𝟏 𝟓 𝟏
𝑷 𝑿=𝟏 = = = 𝟎, 𝟏𝟔
𝟔 𝟔 𝟔
Y de que no sea 5, corresponde a X = 0 (FRACASO)
𝟎 𝟏−𝟎
𝟏 𝟓 𝟓
𝑷 𝑿=𝟎 = = = 𝟎, 𝟖𝟑
𝟔 𝟔 𝟔
 Ejemplo: "Lanzar una moneda, probabilidad de conseguir que salga
cara".
Se trata de un solo experimento, con dos resultados posibles: el éxito (p) se
considerará sacar cara. Valdrá 1/2. El fracaso (q) que saliera sello, que
vale (1 - p) = 1 – 1/2 = 1/2

La variable aleatoria X medirá "número de caras que salen en un lanzamiento“. Sólo

existirán dos resultados posibles: 0 (ninguna cara, es decir, salir sello) y 1 (una cara).

𝑷 𝑿 = 𝒑𝒙 𝟏 − 𝒑 𝟏 −𝒙

𝟏 𝟏−𝟏
𝟏 𝟏 𝟏
𝑷 𝑿 = 𝟏 = 𝒇(𝟏) = = = 𝟎, 𝟓
𝟐 𝟐 𝟐
𝟎 𝟏−𝟎
𝟏 𝟏 𝟏
𝑷 𝑿 = 𝟎 = 𝒇(𝟎) = = = 𝟎, 𝟓
𝟐 𝟐 𝟐
 Ejemplo> “Probabilidad que salga un as de corazones”

Cuando se saca una carta de una baraja inglesa se tienen 52

posibles resultados.
Se considera como éxito el sacar un as de corazones, y su
1
probabilidad es 52

1 51
𝑞 =1−𝑝 =1 − 52 = 52
(Probabilidad de no sacar As de corazón rojo)

𝑷 𝑿 = 𝒑𝒙 𝟏 − 𝒑 𝟏 −𝒙

1 1−1
1 51 1
𝑃 𝑋=1 = = = 0,0192
52 52 52

1,92% de probabilidad.
PROPIEDADES DE UN EXPERIMENTO DE BERNOULLI
1. En cada prueba del experimento sólo hay dos posibles resultados:
Éxitos o Fracasos.
2. El resultado obtenido en cada prueba es independiente de los
resultados obtenidos en pruebas anteriores.
3. La probabilidad de un suceso (p) es constante y no varía de una prueba
a otra.
4. La probabilidad del complemento (1- p) es q .

Si se repite el experimento n veces se puede obtener datos para

armar una distribución binomial.
 Ejemplos de su uso:
• Lanzamiento de monedas:
 DISTRIBUCIÓN BINOMINAL
• Describe la probabilidad de una variable dicotómica
independiente.
Se utiliza en situaciones cuya solución tiene dos posibles resultados.
 Al nacer un/a bebé puede ser varón o hembra.
 En el la final un equipo puede ganar o perder.
 Un tratamiento médico puede ser efectivo o inefectivo.
 Vivo / muerto; enfermo / sano; verdadero / falso
 Prueba múltiple 4 alternativas: correcta o incorrecta.
 Algo puede considerarse como Éxito o Fracaso
 LA DISTRIBUCIÓN BINOMIAL
Ejemplo distribución probabilidad discreta.
Formada por serie experimentos Bernoulli.
Resultados de cada experimento son mutuamente
excluyentes.
Para construirla se necesitan:
1. La cantidad de pruebas n
2. La probabilidad de éxitos p
3. Utilizar la función matemática P(x=k).
 LA FUNCIÓN P(x=k)

k = número de aciertos.
n = número de experimentos.
p = probabilidad de éxito, como por ejemplo, que salga
"cara" al lanzar la moneda.
1-p = q (fracaso)
 EJEMPLO 1
¿Probabilidad de obtener 6 caras al lanzar una moneda 10 veces?
Solución:
El número de aciertos k es 6. Esto es x=6
El número de experimentos n son 10
La probabilidad de éxito p = 0.50
𝒏! 𝒌 𝒏−𝒌
𝑷 𝑿=𝒌 = ∗ 𝒑 ∗ 𝟏−𝒑
𝒌! ∗ 𝒏 − 𝒌 !
𝟏𝟎! 𝟐𝟏𝟎
𝑷 𝑿=𝟔 = ∗ 𝟎, 𝟓 𝟔
∗ 𝟏 − 𝟎, 𝟓 𝟏𝟎−𝟔 𝑷 𝑿=𝟔 =
𝟔! ∗ 𝟏𝟎 − 𝟔 ! 𝟏𝟎𝟐𝟒
𝟔 𝟒
𝟏 ∗ 𝟐 ∗ 𝟑 ∗ 𝟒 ∗ 𝟓 ∗ 𝟔 ∗ 𝟕 ∗ 𝟖 ∗ 𝟗 ∗ 𝟏𝟎 𝟏 𝟏 𝑷 𝑿 = 𝟔 = 𝟎, 𝟐𝟎𝟓
𝑷 𝑿=𝟔 = ∗
𝟏∗𝟐∗𝟑∗𝟒∗𝟓∗𝟔∗𝟏∗𝟐∗𝟑∗𝟒 𝟐 𝟐

𝟕 ∗ 𝟑 ∗ 𝟏𝟎 𝟏 𝟏
𝑷 𝑿=𝟔 = ∗
𝟏 𝟔𝟒 𝟏𝟔
 EJEMPLO 2
¿Probabilidad de obtener cuatro veces el número 3 al lanzar un dado ocho veces?
Solucion
• El número de aciertos k es 4. Esto es x=4
• El número de experimentos n son 8
• Probabilidad de éxito p = 1/6 ( 0.1666)
• Reemplazando en la fórmula se tiene:
𝒏!
𝑷 𝑿=𝒌 = ∗ 𝒑 𝒌 ∗ 𝟏 − 𝒑 𝒏−𝒌
𝒌! ∗ 𝒏 − 𝒌 !
𝟖!
𝑷 𝑿=𝟒 = ∗ 𝟎. 𝟏𝟔𝟔𝟔 𝟒 ∗ 𝟏 − 𝟎, 𝟏𝟔𝟔𝟔 𝟖−𝟒
𝟒! ∗ 𝟖 − 𝟒 !
𝟏∗𝟐∗𝟑∗𝟒∗𝟓∗𝟔∗𝟕∗𝟖
𝑷 𝑿=𝟒 = ∗ 𝟎, 𝟎𝟎𝟎𝟕𝟕𝟏𝟔 ∗ 𝟎, 𝟒𝟖𝟐𝟐𝟓
𝟏∗𝟐∗𝟑∗𝟒∗𝟏∗𝟐∗𝟑∗𝟒
𝟓∗𝟕∗𝟐
𝑷 𝑿=𝟒 = ∗ 𝟎, 𝟎𝟎𝟎𝟕𝟕𝟏𝟔 ∗ 𝟎, 𝟒𝟖𝟐𝟐𝟓
𝟏
𝑷 𝑿 = 𝟒 = 𝟎, 𝟎𝟐𝟔

Es decir, probabilidad de obtener cuatro veces el números 3 al tirar un dado 8 veces es de 2.6%.
MEDIA, VARIANZA, Y DESVIACIÓN ESTANDAR EN
DISTRIBUCIÓN BINOMIAL

  n p
  n pq
2

  n pq
 EJEMPLO
• Al adivinar al azar un examen de 100 preguntas múltiples, cada una con 4
posibles alternativas de respuesta:

  n p   100  1 4  25

  n pq
2
  100  1 4  3 4  18.8
2

  n pq   100  1 4  3 4  4.3

 EN RESUMEN
• La distribución binomial se forma de una serie de
experimentos de Bernoulli
• La media (μ) en la distribución binomial se obtiene con el
producto de n x p
• La varianza (σ2 ) en la distribución binomial se obtiene
del producto de n x p x q.
• El valor de q es el complemento de p y se obtiene con
1 – p.
 DISTRIBUCIÓN DE POISSON.
En teoría de probabilidad y estadística, la distribución de Poisson es una
distribución de probabilidad discreta que expresa, a partir de una frecuencia de
ocurrencia media, la probabilidad de que ocurra un determinado número de eventos
durante cierto período de tiempo.
En este tipo de experimentos los éxitos buscados son expresados por unidad de área,
tiempo, pieza, etc, etc:

- # de defectos de una tela por m2

- # de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc, etc.

- # de bacterias por cm2 de cultivo

- # de llamadas telefónicas a un conmutador por hora, minuto, etc, etc.

- # de llegadas de embarcaciones a un puerto por día, mes, etc, etc.

 FÓRMULA DE DISTRIBUCIÓN DE POISSON.

Para determinar la probabilidad de que ocurran x éxitos por unidad de tiempo,

área, o producto, la fórmula a utilizar sería:
𝒆−𝝀 ∗𝝀𝒙
𝑷 𝒙 = 𝒙!
Donde lambda (𝝀) es la frecuencia de ocurrencia media.
𝒙 el número éxitos que ocurran por unidad de tiempo, área, etc.
𝑷 𝒙 la probabilidad de que ocurran x éxitos por unidad de tiempo, área, etc.
e es la base de los logaritmos naturales (e = 2,71828...)

Fórmula para determinar la varianza en una distribución de Poisson:

𝝈𝟐𝒙 = 𝝀
Por lo que la desviación estándar es:
𝝈𝒙 = 𝝀
Ejemplo:
Suponga que el 0,03% de los contenedores plásticos producidos en cierto proceso tiene pequeños
agujeros que los dejan inservible. X representa el número de contenedores en una muestra
aleatoria de 10000 que tienen este defecto. Determine: a) P(x=3); b) P(𝒙 ≤ 𝟐); c) P(𝟏 ≤ 𝒙 < 𝟒)
d) 𝝁𝒙 y e) 𝝈𝒙
En este caso 𝝀 = 𝟎, 𝟎𝟎𝟎𝟑 ∗ 𝟏𝟎𝟎𝟎𝟎 = 𝟑
(𝟐,𝟕𝟏𝟖𝟐𝟖)−𝟑 ∗𝟑𝟑 (𝟐,𝟕𝟏𝟖𝟐𝟖)−𝟑 ∗𝟐𝟕
a) 𝑷 𝒙 = 𝟑 = = = 𝟎, 𝟐𝟐𝟒𝟎𝟒𝟏𝟖𝟎𝟕
𝟑! 𝟏∗𝟐∗𝟑
(𝟐,𝟕𝟏𝟖𝟐𝟖)−𝟑 ∗𝟑𝟎 (𝟐,𝟕𝟏𝟖𝟐𝟖)−𝟑∗𝟏
b) 𝑷 𝒙 = 𝟎 = = = 𝟎, 𝟎𝟒𝟗𝟕𝟖𝟕𝟎𝟔𝟖
𝟎! 𝟏
(𝟐,𝟕𝟏𝟖𝟐𝟖)−𝟑 ∗𝟑𝟏 (𝟐,𝟕𝟏𝟖𝟐𝟖)−𝟑 ∗𝟑
𝑷 𝒙=𝟏 = = = 𝟎, 𝟏𝟒𝟗𝟑𝟔𝟏𝟐𝟎𝟓
𝟏! 𝟏
(𝟐,𝟕𝟏𝟖𝟐𝟖)−𝟑∗𝟑𝟐 (𝟐,𝟕𝟏𝟖𝟐𝟖)−𝟑 ∗𝟗
𝑷 𝒙=𝟐 = = = 𝟎, 𝟐𝟐𝟒𝟎𝟒𝟏𝟖𝟎𝟕
𝟐! 𝟏∗𝟐
P 𝒙≤𝟐 =𝑷 𝒙=𝟎 +𝑷 𝒙=𝟏 +𝑷 𝒙=𝟐
P 𝒙 ≤ 𝟐 = 𝟎, 𝟎𝟒𝟗𝟕𝟖𝟕𝟎𝟔𝟖 + 𝟎, 𝟏𝟒𝟗𝟑𝟔𝟏𝟐𝟎𝟓 + 𝟎, 𝟐𝟐𝟒𝟎𝟒𝟏𝟖𝟎𝟕 = 𝟎, 𝟒𝟐𝟑𝟏𝟗𝟎𝟎𝟖

c) P 𝟏 ≤ 𝒙 < 𝟒 = 𝑷 𝒙 = 𝟏 + 𝑷 𝒙 = 𝟐 + 𝑷 𝒙 = 𝟑
P 𝟏 ≤ 𝒙 < 𝟒 = 𝟎, 𝟏𝟒𝟗𝟑𝟔𝟏𝟐𝟎𝟓 + 𝟎, 𝟐𝟐𝟒𝟎𝟒𝟏𝟖𝟎𝟕 + 𝟎, 𝟐𝟐𝟒𝟎𝟒𝟏𝟖𝟎𝟕 = 𝟎, 𝟓𝟗𝟕𝟒𝟒𝟒𝟖𝟏𝟗

d)𝝁𝒙 = 𝟑
e)𝝈𝒙 = 𝟑 = 𝟏, 𝟕𝟑𝟐
 Ejercicios para desarrollar en clases

1.- La última novela de un autor ha tenido un gran éxito, hasta el punto de que el 80% de los
lectores ya la han leído. Un grupo de 4 amigos son aficionados a la lectura:
a) ¿Cuál es la probabilidad de que en le grupo hayan leído la novela 2 personas?
b) a) ¿Cuál es la probabilidad de que en le grupo hayan leído al menos 2 personas?

2.- El número de mensajes recibidos por el tablero computado de anuncios es una variable
aleatoria de Poisson con una razón media de 8 mensajes por hora.
a) ¿Cuál es la probabilidad de que se reciban 5 mensajes en una hora?
b) ¿Cuál es la probabilidad de que se reciban 10 mensajes en una 1,5 horas?
𝟏
c) ¿Cuál es la probabilidad de que se reciban menos de 3 mensajes en una 𝟏 𝟐 horas?
d) ¿Cuál es la probabilidad de que se reciban más de 3 mensajes en una horas?
 Ejercicios para el trabajo autónomo
1.- Un agente de seguros vende pólizas a 5 personas de la misma edad y que disfrutan de buena salud.
Según las tablas actuales, la posibilidad de que una persona en estas condiciones viva 30 años o más es 2/3.
hállese la probabilidad de que, transcurridos 30 años, vivan:
a) Las cinco personas.
b) Al menos 3 personas.
c) Exactamente 2 personas.
3.- Un laboratorio afirma que una droga causa efectos secundarios en una proporción de 3 de cada 100
pacientes. Para contratar esta afirmación, otro laboratorio elige al azar a 5 pacientes a los que aplica la
droga. ¿cuál es la probabilidad de los siguientes sucesos?
a) Ningún paciente tenga efectos secundarios.
b) Al menos 2 tengan efectos secundarios.
3.- La concentración de partículas en una suspensión es 2 por ml. Se agita por completo la concentración, y
posteriormente se extraen 3 ml. Sea x el número de partículas que son retiradas. determine:
a) 𝐏 𝐱 = 𝟓
b) 𝐏 𝐱 ≤ 𝟐
c) 𝛍𝐱
d) 𝛔𝐱
4.- Una compañía telefónica recibe llamadas a razón de 4 por minuto. Calcular:
a) La probabilidad de que se reciban 2 llamadas en un minuto.
b) La probabilidad de que se reciban menos de 3 llamadas en un minuto.
c) La probabilidad de que se reciban más de 3 llamadas en un minuto.
d) La probabilidad de que no se reciban llamadas en un minuto.