Qu es una distribucin de probabilidad?

Una distribucin de probabilidad muestra los posibles resultados de un experimento y la

probabilidad de que cada uno se presente.

DISTRIBUCIN DE PROBABILIDAD: Listado de todos los resultados de un

experimento y la probabilidad asociada con cada resultado.

Cmo generar una distribucin de probabilidad?

Ejemplo:

Suponga que le interesa el nmero 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. Cul es la distribucin de probabilidad del nmero de caras?

Hay ocho posibles resultados. En el primer lanzamiento puede aparecer una cara, una
cruz en el segundo lanzamiento y otra cruz en el tercer lanzamiento de la moneda. O
puede obtener cruz, cruz y cara, en ese orden. Para obtener los resultados del conteo
(5.8), aplique la frmula de la multiplicacin: (2)(2)(2), es decir, 8 posibles resultados.
Estos resultados se listan enseguida.

Lanzamiento de la moneda
Resultado Primero Segundo Tercero Nmero de
posible Caras
1 C C C 0
2 C C Cr 1
3 C Cr C 1
4 C Cr Cr 2
5 Cr C C 1
6 Cr C Cr 2
7 Cr Cr C 2
8 Cr Cr Cr 3

Observe que el resultado cero caras ocurre slo una vez; una cara ocurre tres veces; dos
caras, tres veces, y el resultado tres caras ocurre una sola vez. Es decir, cero caras se
present una de ocho veces. Por consiguiente, la probabilidad de cero caras es de un
octavo; la probabilidad de una cara es de tres octavos, etc. La distribucin de
probabilidad se muestra en la tabla 1. Como uno de estos resultados debe suceder, el
total de probabilidades de todos los eventos posibles es 1.000. Esto siempre se cumple.
La grfica 1 contiene la misma informacin.
Tabla y Grafica1:

Distribucin de probabilidad de los eventos relativos a cero, una, dos y tres caras en tres
lanzamientos de una moneda

Presentacin grfica del nmero de caras que resultan de tres lanzamientos de una
moneda y la probabilidad correspondiente.

CARACTERSTICAS DE UNA DISTRIBUCIN 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. As, la suma de las probabilidades de los diversos eventos
es igual a 1.

Repase el ejemplo del lanzamiento de una moneda de la tabla 1. La probabilidad de x se

representa P(x). De esta manera, la probabilidad de cero caras es P (0 caras) = 0.125, y
la probabilidad de una cara es P (1 cara) = 0.375, etc. La suma de estas probabilidades
mutuamente excluyentes es de 1; es decir, de acuerdo con la tabla 1, 0.125+ 0.375 +
0.375 + 0.125 = 1.00.
 Variables aleatorias

En cualquier experimento aleatorio, los resultados se presentan al azar; as, a ste se le

denomina variable aleatoria. Por ejemplo, lanzar un dado constituye un experimento:
puede ocurrir cualquiera de los seis posibles resultados. 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 la afiliacin religiosa).
Cada valor de la variable aleatoria se relaciona con una probabilidad que indica la
posibilidad de un resultado determinado. Unos cuantos ejemplos aclararn el concepto
de variable aleatoria.

Si cuenta el nmero de empleados ausentes en el turno matutino del lunes, el

nmero puede ser 0, 1, 2, 3, El nmero 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.
Si lanza dos monedas y cuenta el nmero de caras, puede caer cero, una o dos
caras. Como el nmero de caras que resulta de este experimento se debe al azar,
el nmero de caras que caen es una variable aleatoria.
Otras variables aleatorias pueden ser el nmero de focos defectuosos producidos
por hora en Cleveland Company, Inc.; la calidad (9, 10, 11 o 12) de los
miembros del equipo de basquetbol femenil de St. James; el nmero de
corredores del maratn de Boston en la carrera de 2006 y la cantidad diaria de
conductores multados por conducir bajo la influencia del alcohol en Texas.

VARIABLE ALEATORIA: Cantidad que resulta de un experimento que, por azar,

puede adoptar diferentes valores.

El siguiente diagrama ilustra los trminos experimento, resultado, evento y variable

aleatoria. Primero, en el caso del experimento en el que se lanza una moneda tres veces,
hay ocho posibles resultados. En este experimento, interesa el evento de que se presenta
una cara en tres lanzamientos. La variable aleatoria es el nmero de caras. En trminos
de probabilidad, desea saber la probabilidad del evento que tiene una variable aleatoria
igual a 1. El resultado es P (1 cara en 3 lanzamientos) = 0.375.

Una variable aleatoria puede ser discreta o continua.

 Variable aleatoria discreta

Una variable aleatoria discreta adopta slo cierto nmero de valores separados. Si hay

100 empleados, el recuento de la cantidad de ausentes el lunes slo puede ser 0, 1, 2,

3,, 100. Una variable discreta suele ser resultado de contar algo. Por definicin:

VARIABLE ALEATORIA DISCRETA: Variable aleatoria que adopta slo valores

claramente separados.

A veces, una variable aleatoria discreta asume valores fraccionarios o decimales.

Estos valores deben estar separados: debe haber cierta distancia entre ellos. Por ejemplo,
las calificaciones de los jueces por destreza tcnica y formas artsticas en una
competencia de patinaje artstico son valores decimales, como 7.2, 8.9 y 9.7. Dichos
valores son discretos, pues hay una distancia entre calificaciones de 8.3 y 8.4. Una
calificacin no puede tener un valor de 8.34 o de 8.347, por ejemplo.

Variable aleatoria continua:

Por otra parte, si la variable aleatoria es continua, es una distribucin de probabilidad

continua. Si mide algo, como la anchura de una recmara, la estatura de una persona o
la presin de la llanta de un automvil, se trata de una variable aleatoria continua. Se
puede suponer una infinidad de valores, con ciertas limitaciones. Por ejemplo:

Los tiempos de los vuelos comerciales entre Atlanta y Los ngeles son de 4.67
horas, 5.13 horas, etc. La variable aleatoria es la cantidad de horas.
La presin, medida en libras por pulgada cuadrada (psi), en un nuevo neumtico
Chevy Trail-blazer puede ser de 32.78 psi, 31.62 psi, 33.07 psi, etc. En otras
palabras, es razonable que se presente cualquier valor entre 28 y 35. La variable
aleatoria es la presin de la llanta.

Por lgica, si organiza un conjunto de posibles valores de una variable aleatoria en una
distribucin de probabilidad, el resultado es una distribucin de probabilidad. As,
Cul es la diferencia entre una distribucin de probabilidad y una variable aleatoria?
Una variable aleatoria representa el resultado particular de un experimento. Una
distribucin de probabilidad representa todos los posibles resultados, as como la
correspondiente probabilidad.

Las herramientas que se utilizan, as como las interpretaciones probabilsticas, son

diferentes en el caso de distribuciones de probabilidades discretas y continuas. Cul
dira que es la diferencia entre los dos tipos de distribuciones? Por lo general, una
distribucin discreta es el resultado de contar algo, como:
 El nmero de caras que se presentan en tres lanzamientos de una moneda.
El nmero de estudiantes que obtienen A en clase.
El nmero de empleados de produccin que se ausentaron hoy en el segundo
turno.
El nmero de comerciales de 30 segundos que pasan en la NBC de las 8 a las
11de la noche.

Las distribuciones continuas son el resultado de algn tipo de medicin, como:

La duracin de cada cancin en el ltimo lbum de Tim McGraw.

El peso de cada estudiante de esta clase.
La temperatura ambiente en el momento en que lee este documento.
La suma de dinero que gana cada uno de los 750 jugadores actuales en la lista de
los equipos de la Liga Mayor de Bisbol.

Media, varianza y desviacin estndar de una distribucin de probabilidad

Ya hemos estudiado las medidas de ubicacin y variacin de una distribucin de

frecuencias.
La media indica la localizacin central de los datos, y la varianza describe la dispersin
de los datos. De forma similar, una distribucin de probabilidad queda resumida por su
media y su varianza. La media de una distribucin de frecuencias se identifica mediante
la letra minscula griega mu (), y la desviacin estndar, con sigma ().

Media
La media constituye un valor tpico para representar la localizacin central de una
distribucin de probabilidad. Tambin es el valor promedio de larga duracin de la
variable aleatoria. La media de una distribucin de probabilidad tambin recibe el
nombre de valor esperado. Se trata de un promedio ponderado en el que los posibles
valores de una variable aleatoria se ponderan con sus correspondientes probabilidades
de ocurrir. La media de una distribucin de probabilidad discreta se calcula con la
frmula:
[ ( )] Formula 1
Aqu P(x) es la probabilidad de un valor particular x. En otras palabras, se multiplica
cada valor x por la probabilidad de que ocurra y enseguida se suman los productos.

Varianza y desviacin estndar

Como se observ, la media constituye un valor tpico para resumir una distribucin de
probabilidad discreta. Sin embargo, sta no describe el grado de dispersin (variacin)
en una distribucin. La varianza s lo hace. La frmula para la varianza de una
distribucin de probabilidad es:
[( ) ( )] Formula 2
Los pasos para el clculo son los siguientes:
1. La media se resta de cada valor y la diferencia se eleva al cuadrado.
2. Cada diferencia al cuadrado se multiplica por su probabilidad.
3. Se suman los productos que resultan para obtener la varianza.

La desviacin estndar, , se determina al extraer la raz cuadrada positiva de ;

es decir, = .

Un ejemplo ayudar a explicar los detalles del clculo e interpretacin de la media y la

desviacin estndar de una distribucin de probabilidad:

John Ragsdale vende automviles nuevos en Pelican Ford. Por lo general, John vende la
mayor cantidad de automviles el sbado. Ide la siguiente distribucin de
probabilidades de la cantidad de automviles que espera vender un sbado determinado.

Cantidad de automviles
Probabilidad P(x)
vendidos, x
0 .10
1 .20
2 .30
3 .30
4 .10
Total 1.00

1. De qu tipo de distribucin se trata?

Se trata de una distribucin de probabilidad discreta para la variable aleatoria
denominada nmero de automviles vendidos. Observe que John slo espera vender
cierto margen de automviles; no espera vender 5 automviles ni 50. Adems, no puede
vender medio automvil. Slo puede vender 0, 1, 2, 3 o 4 automviles. Asimismo, los
resultados son mutuamente excluyentes: no puede vender un total de 3 y 4 automviles
el mismo sbado.

2. Cuntos automviles espera vender John un sbado normal?

La media de la cantidad de automviles vendidos se calcula al multiplicar el nmero de
automviles vendidos por la probabilidad de vender dicho nmero, y sumar los
productos de acuerdo con la frmula (1):

[ ( )]

= 0(.10)+1(.20)+2(.30)+3(.30)+4(.10)

=2.1
Estos clculos se resumen en la siguiente tabla.

Numero de automviles Probabilidad P(x) xP(X)

vendidos, x
0 .10 0.00
1 .20 0.20
2 .30 0.60
3 .30 0.90
4 .10 0.40
Total 1.00 = 2.10

Cmo interpretar una media de 2.1? Este valor indica que, a lo largo de una gran
cantidad de sbados, John Ragsdale espera vender un promedio de 2.1 automviles por
da. Por supuesto, no es posible vender exactamente 2.1 automviles un sbado en
particular. Sin embargo, el valor esperado se utiliza para predecir la media aritmtica de
la cantidad de automviles vendidos a la larga. Por ejemplo, si John trabaja 50 sbados
en un ao, puede esperar vender (50) (2.1) o 105 automviles slo los sbados. Por
consiguiente, a veces la media recibe el nombre de valor esperado.

3. Cul es la varianza de la distribucin?

De nuevo, una tabla resulta til para sistematizar los clculos de la varianza, que es de
1.290.

Nmero de Probabilidad (x- ) ( ) ( ) P(x)

automviles P(x)
vendidos, x
0 .10 0 2.1 4.41 0.441
1 .20 1 2.1 1.21 0.242
2 .30 2 2.1 0.01 0.003
3 .30 3 2.1 0.81 0.243
4 .10 4 2.1 3.61 0.361
= 1.290

Recuerde que la desviacin estndar, , es la raz cuadrada positiva de la varianza. En

este ejemplo es = = 1.136 automviles. Cmo interpretar una desviacin
estndar de 1.136 automviles? Si la vendedora Rita Kirsch tambin vendi un
promedio de 2.1 automviles los sbados y la desviacin estndar en sus ventas fue de
1.91 automviles, concluira que hay ms variabilidad en las ventas sabatinas de Kirsch
que en las de Ragsdale (pues 1.91 > 1.136).