UNIDAD 4

DISTRIBUCIONES
DE
PROBABILIDAD
Discreta

1
 DISTRIBUCIONES DE
PROBABILIDAD

Indica una lista de todos los

resultados posibles de un
experimento junto con la
probabilidad correspondiente a
cada uno

Ejemplo: supongamos que se quiere saber el numero de caras

al lanzar la moneda tres veces. A continuación se muestran los
resultados
Resulta Lanzamiento de Numer
dos moneda o de
P (x)
posibles 1° 2° 3° caras
0,375
1CRUZ CRUZ CRUZ 0
2CRUZ CRUZ CARA 1 0,25
3CRUZ CARA CRUZ 1
4CRUZ CARA CARA 2 0,125
5CARA CRUZ CRUZ 1
6CARA CRUZ CARA 2
7CARA CARA CRUZ 2
8CARA CARA CARA 3 0 1 2 3

NUMERO DE
CARAS PROBABILDAD
0 0,125
1 0,375
2 0,375
3 0,125

2
 VARIABLE ALEATORIA

Es la variable que asume un valor numérico único

para cada uno de los resultados de un experimento
aleatorio.-
Cantidad que es resultado de un experimento, y
debido al azar, puede tomar diferentes valores.

Es importante distinguir entre una variable aleatoria y

los valores posibles que puede tomar

• Las probabilidades de la variables se representan con

P(X)
• Las sumas de las probabilidades de todos los valores
mutuamente excluyentes es igual a uno

DISCRETAS
LAS VARIABLES
ALEATORIAS,
PUEDEN SER
Una variable aleatoria discreta es
aquella que solo puede tomar ciertos
valores claramente separados, por lo
general surgen de un conteo

CONTINUAS

Una variable aleatoria continua es

aquella que puede asumir una cantidad
innumerable de valores dentro de
ciertos límites. Se puede decir que
producen resultados por medio de un
proceso de medición.

3
 DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCIONES DISCRETAS DISTRIBUCIONES CONTINUAS

BINOMIAL

BINOMIAL NORMAL
ACUMULADA

DETERMINACION NORMAL
DEL VALOR X ESTANDARIZADA

DISTRIBUCIONES DE
PROBABILIDAD PARA
VARIABLES
ALEATORIAS DISCRETAS

4
Esta representación puede ser algebraica, gráfica o
tabular.- Supongamos que X es una variable aleatoria
discreta y que x es uno de sus posibles valores.- La
probabilidad de que la variable aleatoria X tome el valor
x se representa como P (X =x).P(X=1)
Para las variables aleatorias discretas, un procedimiento
sencillo consiste en confeccionar una lista con la
probabilidad de cada uno de los posibles resultados.-

Definición:
La función de probabilidad P (X = x), de una variable aleatoria
discreta X representa la probabilidad de que X tome el valor x, como
función de x:

P (X = x) donde la función se evalúa en todos los posibles

valores de x.-

La Función de Probabilidad Acumulada, que

simbolizamos con F (x), de una variable aleatoria X representa la
probabilidad de que X tome un valor inferior a x, es decir:

F(x) = P (X x) i

Donde la notación indica que la suma es sobre todos los valores

posibles de X que son menores o iguales a x.-

5
Veamos un ejemplo:
Supongamos que se relevado a 300 familias de una
determinad ciudad, con el objetivo de determinar la
cantidad de niños/jóvenes menores de 18 años.
Supongamos además, que el experimento consiste en
seleccionar una familia y determinar la cantidad de
personas menores de 18 y definimos la variable
aleatoria de interés como X = número de hijos menores
de edad, que viven en el hogar-
Si presentamos la distribución de probabilidad de esta
variable aleatoria será:

X fi P (X = x) Una ventaja importante de

0 54 0,18 definir una variable aleatoria y
su distribución de
1 117 0,39
probabilidad es que una vez
2 72 0,24 conocida esa distribución es
3 42 0,14 fácil determinar la
4 12 0,04 probabilidad de varios
eventos que pueden interesar
5 3 0,01
a quien toma decisiones.-
300 1,000
Por ejemplo, si consultamos la
tabla observamos que la
cantidad de hijos menores de
edad por hogar es de 1 menor
por familia, con un 39 %.-

6
 Al asignar una función de probabilidad para cualquier variable
discreta, se deben satisfacer las dos condiciones siguientes:

P (X = x) ≥ 0
∑ P (X = x) = 1
Si queremos mostrar gráficamente la distribución de
probabilidad de ventas de autos será:
P (x)

0,20

0,10

Personas menores de edad, en el hogar

0 1 2 3 4 5 .-

ESPERANZA Y VARIANCIA DE VARIABLES

ALEATORIAS DISCRETAS.-
El valor esperado o media de una variable aleatoria representa a
la distribución de probabilidad, es el valor promedio a largo plazo , de
la variable aleatoria.-
La ecuación matemática del valor esperado de una variable aleatoria
discreta x es: E (x) = µ = ∑ [x * P(x)]
X fi P (X = x) x * p (xi)
Es un promedio ponderado de
0 54 0,18 0
todos los resultados posibles,
1 117 0,39 0,39 donde las ponderaciones, son las
probabilidades asociadas con
2 72 0,24 0,48
cada uno de los resultados.-
3 42 0,14 0,42
E (X) = µ = 1,5 Menores
4 12 0,04 0,16
Se espera que a la larga, la
5 3 0,01 0,05 esperanza de menores de edad
300 1,000 1,50 por hogar sea de 1,5

7
 La variancia, nos dará una idea de variación de los valores de
la variable aleatoria respecto a su valor esperado o media.- La
ecuación matemática de la variancia será:

σ² = ∑ (x - µ)² * P (x)
Recordemos que la variancia nos da un valor en unidades de
medida de la variable al cuadrado y por ello es muy difícil explicar,
por lo tanto calculamos una nueva medida que llamamos como
sabemos Desviación Estándar.- Esta será:

σ = Variancia
La desviación estándar se mide en las mismas unidades de
medidas que la variable aleatoria en estudio

Como calcular la variancia por la fórmula de definición suele ser un

poco engorroso, hay una formula abreviada muy útil, que será la
que usaremos:

σ² = ∑ x² P(X) - µ²

En nuestro ejemplo, de los menores de edad por familia, el calculo

de la variancia y desvío estándar será:

X fi P (X = x) x² p (xi)
σ² = 3,50 - 1,5² =
0 54 0,18 0
= 3,50 - 2,25 =
1 117 0,39 0,39
2 72 0,24 0,96 = 1,25 menores²
3 42 0,14 1,26
4 12 0,04 0,64 σ = 1,25 = Menores de
5 3 0,01 0,25 edad
300 1,000 3,50

8
 EJERCICIO PARA HACER EN CLASE

La tabla siguiente muestra la distribución de X, sea X el número de

latidos por minuto, registrado mediante la utilización del fármaco A

X 40 60 68 70 72 80 100

Probabilidad 0,01 0,04 0,05 0,80 0,05 0,04 0,01

a) Diga y explique si la tabla es colectivamente

exhaustiva.-
b) Trace la función de probabilidad.-
c) Calcule y explique la esperanza matemática.-
d) Calcule y explique la desviación estándar.-

DISTRIBUCIÓN
DE
PROBABILIDAD
BINOMIAL.-

9
La distribución binomial es una función de distribución de
probabilidad discreta con muchas aplicaciones en la vida
diaria. Se utiliza cuando el cuando la variable aleatoria de
interés, es el numero de éxitos de una muestra de n
observaciones - La distribución binomial tiene cuatro
propiedades esenciales:

1.-La muestra se extrae de un numero fijo de

observaciones, n.

2.- Cada observación, se puede clasificar en una de dos

categoría mutuamente excluyentes y colectivamente
exhaustivas que por lo común llamamos Éxitos y
Fracasos.-

3.- La probabilidad de que una observación se

clasifique como éxito, π, es constante entre una
observación y otra.- Entonces la probabilidad de que
una observación sea clasificada como fracaso es (1-
π), es constante en todas las observaciones.-

4.- El resultado de cualquier observación es

independiente del resultado de cualquier otra
observación. Para este las observaciones se deben
seleccionar de manera aleatoria, de una población
infinita sin reemplazo o finita con reemplazo

10
 VEAMOS UN EJEMPLO:

Supongamos que un vendedor de seguro

médicos visita a 10 familias seleccionadas al
azar.- El resultado asociado con cada visita se
clasifica como un éxito si la familia compra
una póliza de seguro, y como un fracaso si la
familia no lo hace.- De acuerdo con su
experiencia, el vendedor sabe que la
probabilidad de que una familia seleccionada
al azar compre una póliza de seguro es de
0,10.- Al comprobar si se satisfacen las
propiedades de un experimento binomial
vemos que:

1.- En cada intento son posible dos resultados: la familia compra

una póliza (éxito) o la familia no la compra (fracaso).-
2.- El experimento consiste en 10 intentos idénticos y cada
experimento implica llegar a una familia.-
3.-Se supone que las probabilidades de una compra y de una no
compra son iguales para cada llamada de ventas, siendo,
π= 0,10 1- π = 0,90
4.- Los intentos son independientes porque las familias se
seleccionan aleatoriamente.-

En vista de que se cumplen las cuatro propiedades, este es un

experimento binomial.- La variable aleatoria de interés X es la
cantidad de ventas obtenidas al visitar a 10 familias.- En este caso
podemos asumir que X, xi puede asumir los valores
0,1,2,3,4,5,6,7,8,9,10.-

11
 Para calcular estas probabilidades debemos
buscar la función de probabilidad de este
experimento.-

El número de resultados experimentales que dan

exactamente x éxitos en n intentos se puede calcular
como, las combinaciones de:
n n !
= -----------------------= nCx
x x ! (n – x) !

Función de probabilidad binomial:

P (X = x) = nCx πx (1 – π) n - x

En nuestro ejemplo, supongamos que nos preguntemos ¿Cuál

es la probabilidad de que se den exactamente 4 ventas?.- Esto
será, calcular:
10 !
P ( X = 4) = 0,104 0,906 =
4 ! ( 10 – 4) !

= 210 * 0,0001 * 0,5314 = 0,0112  1 %

12
 Uso de la función de distribución o
acumulación en la distribución binomial.-
Sabemos que ella me representa:
F(x) = P (X  x)

Supongamos que deseamos calcular la probabilidad de que ¿se de

menos de 2 ventas?.- Será:

P (X < 2) = P (X ≤ 1) = P (0) + P (1) = 0,3487 + 0,3874 = 0,7361

 74 %
¿Cuál es la probabilidad que se de 3 o más ventas?
P ( X ≥3) = 1 - P (X ≤ 2) = 1 - P (0) + P (1) + P ( 2) =
= 1- [ 0,3487 + 0,3874 + 0,1937 ]=1 - 0,9298 = 0,0702 7%

VEAMOS EL USO DE
LA TABLA DE LA
DISTRIBUCION BINOMIAL

MEDIANTE UN EJERCICIO:

13
Los parámetros de la distribución binomial son “n” y
“p” y con los valores de ellos podemos entrar en la
Tabla de la Distribución Binomial- Un estrato de la tabla
seria:

p
0.01 0.02 0.03
n x x n
2 0 2
1 1
2 0 2
3 0
1

0.99 0.98 0.97

n x x n
p

Dentro de las características de la distribución

de probabilidad binomial es importante para el
calculo de una probabilidad, conocer:

SU SU MEDIA
FUNCION DE
PROBABILIDAD
SU VARIANCIA

SU DESVIACION
ESTANDAR

14
MEDIA Y VARIANCIA DE LA DISTRIBUCIÓN
BINOMIAL
La media µ de la binomial es igual al tamaño de la muestra n
multiplicada por la probabilidad del éxito.-

µ = E (x) = n * π

La variancia, será igual al producto del tamaño de la muestra por la

probabilidad de éxito y la de fracaso.-
σ² = n * π * (1 - π)

El desvío estándar estará dado por la raíz cuadrada de la variancia.-

σ = n * π* (1 – π)

EJERCICIOS PARA HACER EN CLASE

1) Considere el experimento de observar la supervivencia (o muerte) en

pacientes con un determinado cáncer sometidos al mismo tratamiento. Si
por estudios previos se sabe que la supervivencia a los 6 meses en dichos
pacientes es del 40%, el número de supervivientes a los 6 meses en una
muestra de 4 pacientes seguirá una distribución binomial X de parámetros
n = 4 y π = 0,4.
 ¿Cuál es la probabilidad que sobrevivan 2 de los 4 pacientes?
 ¿Cuál es la probabilidad que sobrevivan los 4 pacientes?

2) Supóngase que se sabe que la probabilidad de recuperación de cierta

enfermedad es del 60%. Si 15 personas contraen la enfermedad
(considere esto como una muestra aleatoria), ¿Cuál es la probabilidad de
que:
 Tres o más se recuperen?
 Cuatro o más?
 Cinco o más?
 Menos de tres?

15