DISTRIBUCIONES DE

PROBABILIDAD

MAPA CONCEPTUAL

DISTRIBUCIONES
DISCRETAS

DISTRIBUCIONES
CONTINUAS

ESCENARIO
ESTUDIO DE CASO. UN ESTUDIO DE
FACTIBILIDAD DE NEGOCIOS DEL COLLEGE OF
BUSINESS AT BRADLEY UNIVERSITY, PEORIA,
ILLINOIS, REVEL QUE LOS VIERNES Y
SBADOS EN LA NOCHE EL TIEMPO DE
RESPUESTA A LAS LLAMADAS AL NMERO
911(EMERGENCIAS DE LA POLICA) OSCILABA
ENTRE 1.2 Y 4.6 MINUTOS Y SE COMPROB
QUE ESTABAN DISTRIBUIDAS
UNIFORMEMENTE. LAS LLAMADAS TENAN LA
DISTRIBUCIN DE POISSON Y ALCANZARON
UNA TASA DE 9 POR HORA.

 EL ALCALDE DE LA CIUDAD DESEABA

REDUCIR EL TIEMPO DE RESPUESTA
A 2 MINUTOS. SE ESTIMABA EL
COSTO DE ELLO EN MS PATRULLAS,
CAMIONES PARA BOMBEROS Y
PERSONAL DE AMBAS
DEPENDENCIAS, QUE EN DINERO
REPRESENTABA US 575,000 ( $ 8
768,750.00 ) POR CADA REDUCCIN
DE 30 SEGUNDOS.

 EL COSTO DEBERA SER ABSORBIDO POR UN

IMPUESTO PREDIAL A LAS CASAS CUYO VALOR
EN AVALO CATASTRAL ESTUVIERA POR
ENCIMA DE LOS US 70,000 ($ 1067,500.00).
EN PEORIA LAS CASAS TIENEN UN AVALO
PROMEDIO DE US 45,750 ( $ 697,687.50) CON
UNA DESVIACIN ESTNDAR DE US 15,110 ( $
229,672.00) CON TENDENCIA A ESTAR
DISTRIBUIDAS UNIFORMEMENTE. EN EL
MOMENTO DE REALIZAR EL ESTUDIO SE TENA
42,089 CASAS SUSCEPTIBLES DE SER SUJETAS
A DICHO IMPUESTO ADICIONAL.

 EL ESTUDIO PRESENTADO A LA
ALCALDA SE DISE PARA
EVALUAR LA RESPUESTA
CIUDADANA ANTE LAS
EMERGENCIAS, AS COMO
LOGRAR LA META DE DISMINUIR
EL TIEMPO DE RESPUESTA DE LA
POLICA A 2 MINUTOS.

 EL INFORME FINAL INVOLUCR

LA UTILIZACIN DE VARIAS
DISTRIBUCIONES DE
PROBABILIDAD AS COMO LA
EVALUACIN DEL POTENCIAL DE
PROMULGAR UN SOBRECARGO
AL IMPUESTO PREDIAL PARA
FINANCIAR LAS MEJORAS AL
PROGRAMA.

 PREGUNTA AL ALUMNO DEL

GRUPO DE PROBABILIDAD Y
ESTADSTICA GRUPO 5B FIUNACH, ABRIL 2015: CMO
RESOLVI LA AUTORIDAD
ABSORBER EL COSTO DE LA
NUEVA PLANTA DE TRATAMIENTO
DE AGUA POTABLE RECIEN
INAUGURADA EN MARZO 2015 EN
TUXTLA GUTIRREZ POR EL

VARIABLES ALEATORIAS
DISCRETAS Y CONTINUAS
V.ALEATORIA: ES UNA VARIABLE
CUYO VALOR ES EL RESULTADO
DE UN EVENTO ALEATORIO. EJ.
LANZAR UNA MONEDA TRES
VECES Y SE ANOTA EL NMERO
DE CARAS QUE SE OBTIENEN;
LOS POSIBLES RESULTADOS SON
0, 1, 2 3, ESA ES LA VARIABLE
ALETORIA.
EJ. LA ALTURA DE LOS ALUMNOS

 VARIABLE ALEATORIA DISCRETA. SOLO PUEDE

ASUMIR O TOMAR CIERTOS VALORES
PUNTUALES, CON FRECUENCIA SON NMEROS
ENTEROS Y RESULTAN PRINCIPALMENTE DEL
CONTEO
VARIABLE ALEATORIA CONTINUA. PUEDE TOMAR
CUALQUIER VALOR DENTRO DE UN RANGO DADO.
EJ. EL TIEMPO DE LLEGADA DE CADA ESTUDIANTE
A LA BIBLIOTECA ( CASI 0 EN LA UNACH)
EJ. LAS UNIDADES MONETARIAS AUNQUE NO
PUEDEN DIVIDIRSE SUELEN TRATARSE COMO
VARIABLES CONTINUAS.

DISTRIBUCIN DE
PROBABILIDAD
ES UN DESPLIEGUE DE TODOS LOS POSIBLES RESULTADOS
DE UN EXPERIMENTO JUNTO CON LAS PROBABILIDADES DE
CADA UNO.
EJ. SI SE LANZA UNA MONEDA TRES VECES SE DESEA
OBTENER LA PROBABILIDAD :
H = CARA; T = SELLO O CRUZ
a).- NINGUNA CARA (T,T,T); b).- UNA CARA (H,T,T);
c).- DOS CARAS (H,H,T), d).- TRES CARAS (H,H,H).
a).- P(T,T,T)= X X = 1/8 (eventos independientes)
b.- P(H,T,T) = 1/8 + 1/8 + 1/8 = 3/8 (eventos mutuamente
excluyentes)
c).- P(H,H,T) = 1/8 + 1/8 + 1/8 = 3/8 (IDEM)
d).- P(H,H,H) = X X = 1/8 (eventos independientes)

MEDIA Y VARIANZA DE LAS

DISTRIBUCIONES DISCRETAS
SE CONOCE EL PROCEDIMIENTO PARA
OBTENER LA MEDIA DE UN CONJUNTO DE
DATOS; TAMBIN SE PUEDE OBTENER LA
MEDIA DE UNA DISTRIBUCIN DE
PROBABILIDAD. A LA MEDIA ARITMTICA
DE UNA DISTRIBUCIN DE PROBABILIDAD
SE LE LLAMA VALOR ESPERADO E(X)
EL VALOR ESPERADO SE OBTIENE
MULTIPLICANDO CADA RESULTADO
POSIBLE POR SU PROBABILIDAD Y
SUMANDO LOS RESULTADOS.

VALOR ESPERADO
EL VALOR ESPERADO DE UNA
VARIABLE ALEATORIA DISCRETA
ES LA MEDIA PONDERADA DE
TODOS LOS POSIBLES
RESULTADOS EN LOS CUALES LOS
PESOS PODERADOS SON LAS
PROBABILIDADES RESPECTIVAS
DE TALES RESULTADOS

MEDIA O VALOR ESPERADO DE UNA

DISTRIBUCIN DE PROBABILIDAD DISCRETA

E(X) = [( )P(()]

VARIANZA DE UNA DISTRIBUCIN

DE PROBABILIDAD
CONCEPTUALMENTE LA
VARIANZA DE UNA DISTRIBUCIN
DE PROBABILIDAD ES IGUAL A LA
VARIANZA CALCULADA CON
FINES ESTADSTICOS. ES
ELPROMEDIO DE LAS
DESVIACIONES AL CUADRADO
CON RESPECTO A LA MEDIA.

VARIANZA DE UNA DISTRIBUCIN

DE PROBABILIDAD

= [P(()]

EJEMPLO
SE LANZA UN DADO . EN LAS
DOS PRIMERAS COLUMNAS DE LA
SIGUIENTE TABLA SE MUESTRA
LA
DISTRIBUCIN
DE
PROBABILIDAD DE LOS EVENTOS.
EN LA COLUMNA 3 SE MUESTRA
EL
CLCULO
DEL
VALOR
ESPERADO; LA SUMA ES EL
VALOR ESPERADO.

ALGUNA INTERPRETACIN DE
INTERS.
EL VALOR ESPERADO TIENE UN VALOR
MATEMTICO DE 3.5, NO SE DEBE
INTERPRETAR QUE SI SE LANZA UN DADO
EL VALOR QUE SE ESPERA OBTENER ES 3.5
LA INTEPRETACIN CORRECTA,
MATEMTICAMENTE, ES LA QUE SIGNIFICA
QUE SI SE PROMEDIARAN LOS RESULTADOS
DE LOS LANZAMIENTOS DEL DADO
(TERICAMENTE UN NMERO INFINITO) EL
VALOR ESPERADO SERA 3.5 (? !)

DESVIACIN ESTNDAR
TIENE LAS MISMA
INTERPRETACIN QUE EN EL
CAMPO DE LA ESTADSTICA.
MIDE LA DISPERSIN DE LOS
RESULTADOS ALREDEDOR DE SU
MEDIA. SE MIDE EN LAS MISMAS
UNIDADES DE LA VARIABLE
ALEATORIA POR ELLO SE
INTERPRETA DE UNA MANERA
MS RACIONAL

EJEMPLO
UNA INMOBILIARIA VENDI
CASAS DURANTE 24 MESES CON
LOS RESULTADOS INDICADOS EN
LAS DOS PRIMERAS COLUMNAS
DE LA SIGUIENTE TABLA.
EL NMERO DE CASAS VENDIDAS
FUE ENTRE 5 Y 20 (FRECUENCIA)
DURANTE ESOS 24 MESES

ESCENARIO ESPERADO
EL PROPIETARIO DESEA TOMAR UNA
DECISIN IMPORTANTE PARA SU
NEGOCIO. SI EL VALOR ESPERADO DE
VENTAS SUPERA 7.3 QUE ES LO QUE HA
VENDIDO ANTES DE ESTOS 24 MESES Y SI
LA VARIABILIDAD EN LAS VENTAS EST
POR DEBAJO DE 5.7 , TAMBIN
REGISTRADA ANTES DE ESTOS 24 MESES,
ENTONCES CONTINUAR CON EL
NEGOCIO; DE LO CONTRARIO LO CERRAR
O BUSCAR UN CLIENTE QUE ARRIESGUE

OBTENCIN DEL VALOR

ESPERADO Y DE LA VARIANZA

DISTRIBUCIN BINOMIAL.
DISCRETA DE PROBABILIDAD
EL EXPERIMENTO DE LANZAR
UNA MONEDA SOLO TIENE DOS
POSIBLES RESULTADOS: (1) CARA
(2) CRUZ. LA PROBABILIDAD
DE CADA UNO ES CONOCIDA Y
CONSTANTE DE UN INSTANTE AL
SIGUIENTE, ADEMS EL
EXPERIMENTO PUEDE REPETIRSE
MUCHAS VECES.

 ESTOS EXPERIMENTOS SIGUEN UNA DISTRIBUCIN

BINOMIAL Y PRESENTAN CUATRO PROPIEDADES:
1.- SOLO DEBE HABER DOS POSIBLES RESULTADOS; UNO
SE IDENTIFICA COMO XITO Y OTRO COMO FRACASO,
QUE NO NECESARIAMENTE TIENEN LA CONNOTACIN
DE BUENO O MALO. TAMPOCO UN XITO REPRESENTA
UN RESULTADO DESEABLE.
2.- LA PROBABILIDAD DE UN XITO, , SIGUE SIENDO
CONSTANTE DE UN ENSAYO O EVENTO A OTRO, IGUAL
QUE LA PROBABILIDAD DEL FRACASO 1 -
3.- LA PROBABILIDAD DE UN XITO EN UN ENSAYO ES
TOTALMENTE INDEPENDIENTE DE CUALQUIER OTRO
ENSAYO.
4.- EL EXPERIMENTO PUEDE REPETIRSE MUCHAS VECES.

DISTRIBUCIN BINOMIAL
CADA ENSAYO EN UNA
DISTRIBUCIN BINOMIAL
TERMINA EN SLO UNO DE DOS
RESULTADOS MUTUAMENTE
EXCLUYENTES; EL UNO DE LOS
CUALES SE IDENTIFICA COMO UN
XITO Y EL OTRO COMO UN
FRACASO. LA PROBABILIDAD DE
CADA RESULTADO PERMANECE
CONSTANTE DE UN ENSAYO AL

ECUACIN BINOMIAL

P(x) =
=n

NO OS ASUSTEIS MIS JABALINES

!!!!

TABLAS DE PROBABILIDADES
PARA DIFERENTES VALORES DE ,
xyn

TABLAS DE LA DISTRIBUCIN
BINOMIAL

TABLAS DE LA DISTRIBUCIN
BINOMIAL

EJEMPLO: CASO DE
ESTUDIO
EL
GERENTE DE CRDITO DE AMERICAN
EXPRESS HA DESCUBIERTOO QUE EL 10%
DE LOS USUARIOS ( = 10% )DE TARJETAS
DE CRDITO NO PAGA EL MONTO
COMPLETO DE LA DEUDA DURANTE UN
MES DADO. DESEA DETERMINAR LA
PROBABILIDAD DE QUE DE n = 20
CUENTAS SELECCIONADAS DE MANERA
ALEATORIA, x = 5 DE LAS CUENTAS NO
SEAN PAGADAS (25 % DE LAS CUENTAS
SELECCIONADAS)

 EL
PROBLEMA SE PUEDE
PLANTEAR COMO: OBTENER LA
PROBABILIDAD DE CINCO XITOS
DADO QUE HAY 20 ENSAYOS Y LA
PROBABILIDAD DE UN XITO
DE CUALQUIER ENSAYO ES DEL
10 %.
MATEMTICAMENTE SE PUEDE
EXPRESAR DE LA SIGUIENTE
MANERA:

 LA
PROBABILIDAD DE QUE 5 CUENTAS DE
LAS 20 MUESTREADAS SIGAN SIN SER
CANCELADAS SE PUEDE CALCULAR CON LA
ECUACIN BINOMIAL, CON n = 20, x = 5 Y ,
= 0.10, CON LO CUAL SE OBTIENE:
= (15504)(0.00001)(0.205891132)=0.0319

SI LA PROBABILIDAD DE QUE NO SE PAGUE

UNA CUENTA CUALQUIERA EN SU TOTALIDAD
ES DE 10%, ENTONCES EXISTE UN 3.19% DE
QUE EXACTAMENTE 5 DE 20 CUENTAS
SELECCIONADAS ALETORIAMENTE TENGAN
UN SALDO A FAVOR.

UTILIZACIN DE LAS
TABLAS
LAS
DOS PRIMERAS COLUMNAS

MUESTRAN LOS VALORES POSIBLES PARA

n Y x . UBQUESE EL VALOR DE 20 PARA
LA VARIABLE n DEBIDO A QUE SE TIENEN
20 ENSAYOS(CUENTAS DE CUENTAHABIENTES); EL GERENTE DE CRDITO
BUSCA LA PROBABILIDAD DE QUE x = 5
XITOS (CUENTAS NO PAGADAS), DEBE
LOCALIZARSE LA FILA QUE CONTENGA
LOS VALORES DE PROBABILIDAD PARA x
= 5 CON = 0.10

MEDIA Y VARIANZA DE UNA

DISTRIBUCIN BINOMIAL
CUANDO
SE TIENE EL CASO DE QUE SOLO

EXISTAN DOS RESULTADOS POSIBLES,

COMO EN EL CASO DE LA DISTRIBUCIN
BINOMIAL, LA MEDIA Y LA VARIANZA SE
PUEDEN DETERMINAR MS FCILMENTE
CON LA ECUACIONES SIGUIENTES:
MEDIA DE UNA DISTRIBUCIN BINOMIAL:
E(X) = = n
VARIANZA :
= n(1)

DISTRIBUCIONES BINOMIALES
ACUMULADAS
PARA ACLARAR IDEAS DE ESTE TEMA SE
PROPONE INICIAR CON LA EXPLICACIN
DE UN CASO.
DE ACUERDO CON UNA ESTADSTICA
REALIZADA CONFIABLE (JOURNAL OF
HIGHER EDUCATION) EL 40 % DE TODOS
LOS BACHILLERES TRABAJAN DURANTE
EL VERANO PARA GANAR DINERO Y
PODER AYUDARSE EN LOS PAGOS DEL
SIGUIENTE PERIDO DE OTOOINVIERNO.

 SI SE SELECCIONA ALEATORIAMENTE 7
ESTUDIANTES (BACHILLERES), SE DESEA ESTIMAR
LAS SIGUIENTES PROBABILIDADES
a).- 5 HAYAN TRABAJADO EN EL VERANO, b).NINGUNO TRABAJE, y c).- TODOS TRABAJEN
. SOLUCIN.
a).- DE LAS TABLAS SE OBTIENE AL UBICAR n =
7, = 0.40, LA FILA CORRESPONDIENTE A x = 5
DA UN VALOR DE 0.0774, LO CUAL INDICA QUE
EXISTE UN 7.74% DE QUE 5 DE 7 ESTUDIANTES
HAYAN TRABAJADO EN EL VERANO PARA AYUDARSE
AL SOSTENIMIENTO PARCIAL DE SUS ESTUDIOS.

 b).- DADO n = 7 Y = 0.40 LA

PROBABILIDAD DE QUE NINGUNO TRABAJE
SE MUESTRA EN LA TABLA P( x = 0 ) =
0.0280
c).- LA PROBABILIDAD DE QUE TODOS LOS
ESTUDIANTES SELECCIONADOS HAYAN
TRABAJADO EN EL VERANO SE OBTIENE
CON P ( x = 7 = 0.40 ) = 0.0016
INTERPRETACIN: ES POCO PROBABLE QUE
NINGUNO DE LOS ESTUDIANTES TRABAJE

DISTRIBUCIN
ACUMULADA
SI SE DESEA CONOCER LA
PROBABILIDAD DE QUE DE ESOS
7 ESTUDIANTES , 3 O MENOS
TRABAJARON EN EL VERANO,
ENTONCES LA SOLUCIN SE
PUEDE PLANTEAR COMO UNA
DISTRIBUCIN BINOMIAL
ACUMULADA, EN VIRTUD DE QUE
SE EST INTERESADO EN UN
RANGO DE VALORES (0 A 3) EN

 LA PROBABILIDAD DEL EVENTO A

(0 a 3 TRABAJAN) ES P(A) = P(X
3)

 EN LA TABLA ESTO PUEDE

HALLARSE SUMANDO LOS VALORES

P( x = 0 ) + P( x = 1 ) + P( x = 2 ) +
P( x = 3 )=

0.0280+0.1306+0.2613+0.2903=0.71
02

EMPLEO DE TABLAS C
PARA FINES PRCTICOS POR
CONVENIENCIA SE PUEDE
EMPLEAR LAS TABLAS C, QUE
PRESENTAN LA PROBABILIDAD
DEL NMERO DE XITOS QUE ES
IGUAL O MENOR QUE CIERTA
CANTIDAD.
EN EL CASO QUE SE EST
ANALIZANDO SE DEBE OBTENER:
P(x 3 n = 7, = 0.40 ) =

EMPLEO TABLAS C
LAS TABLAS C PROPORCIONAN
LA PROBABILIDAD DE QUE EL
NMERO DE XITOS SEA IGUAL O
MENOR QUE CIERTA CANTIDAD.
SI SE DESEA CONOCER LA
PROBABILIDAD DE UN EVENTO
A PARA CUANDO x 5, LA
TABLA C NO DAR
DIRECTAMENTE LA
PROBABILIDAD DE QUE UN

 PARA ANALIZAR EL CASO SE PUEDE VER

EL SIGUIENTE ESQUEMA

SI EL EVENTO A ES P(x 5),

ENTONCES (COMPLEMENTO DE A)
ES 4 MENOS. LOCUAL PUEDE
HALLARSE EN LA TABLA C

 SE SABE QUE P(A) = 1- P(); ENTONCES LA

P( x 5 n = 7, = 0.40 ) = 1 P( x 4 n =
7, = 0.40 )
DE LA TABLA DE C SE OBTIENE QUE ESTO
TIENE EL VALOR:
P( x 4 n = 7, = 0.40 = 0.9037
CON LO CUAL : 1 0.9037 = 0.0963
INTERPRETACIN: LA PROBABILIDAD DE 5
DE 7 ESTUDIANTES TENGAN TRABAJO EN
VERANO ES DE 9.63%

EMPLEO DE PAQUETES Y
FUNCIONES EN COMPUTADORA
MINITAB Y EXCEL
OTROS PAQUETES.

DISTRIBUCIN
HIPERGEOMTRICA
LA DISTRIBUCIN BINOMIAL ES APROPIADA
CUANDO LA PROBABILIDAD DE UN XITO
PERMANECE CONSTANTE PARA CADA INTENTO.
ESTO OCURRE SI EL MUESTREO SE REALIZA
CON REEMPLAZO O EN UNA POBLACIN FINITA
(O MUY GRANDE).
SI LA POBLACIN ES PEQUEA Y OCURRE EL
MUESTREO SIN REEMPLAZO, LA
PROBABILIDAD DE UN XITO VARIAR.
SI LA PROBABILIDAD DE UN XITO NO ES
CONSTANTE, LA DISTRIBUCIN
HIPERGEOMTRICA ES DE ESPECIAL UTILIDAD.

DISTRIBUCIN
HIPERGEOMTRICA

DISTRIBUCIN
HIPERGEOMTRICA
SI SE SELCCIONA UNA MUESTRA
SIN
REEMPLAZO
DE
UNA
POBLACIN FINITA CONOCIDA Y
CONTIENE
UNA
PROPORCIN
RELATIVAMENTE GRANDE DE LA
POBLACIN, DE MANERA QUE LA
PROBABILIDAD DE XITO SEA
PERCEPTIBLEMENTE
ALTERADA
DE
UNA
SELECCIN
A
LA
SIGUIENTE, DEBE UTILIZARSE LA

EJEMPLO. CASO DE
ESTUDIO
SUPNGASE QUE UN ESTABLO DE
CABALLOS DE CARRERA SE
TIENEN N = 10 CABALLOS; r = 4
DE ELLOS TIENEN UNA
ENFERMEDAD CONTAGIOSA.
CUL ES LA PROBABILIDAD DE
SELECCIONAR UNA MUESTRA DE
n = 3 EN LA CUAL x = 2
CABALLOS ESTN ENFERMOS ?

SOLUCIN

EXISTE UN 30% DE
PROBABILIDAD DE SELECCIONAR
TRES CABALLOS DOS DE LOS
CUALES ESTN ENFERMOS

DISTRIBUCIN DE
POISSON
IDEADA Y POSTULADA POR SIMEON POISSON
(1781-1840), LA DISTRIBUCIN DE POISSON MIDE
LA PROBABILIDAD DE UN EVENTO ALEATORIO
SOSBRE ALGN INTERVALO DE TIEMPO O ESPACIO.
CON FRECUENCIA 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 KILMETRO DE CABLEADO EN
UN SISTEMA ELCTRICO EN UNA CIUDAD; O EL
NMERO DE MQUINAS QUE SE DAAN Y ESPERAN
SER REPARADAS.

HIPTESIS
PARA
APLICAR
LA
FUNCIN
PROBABILIDAD DE LA DISTRIBUCIN DE
POISSON SE REQUIERE:
a).- LA PROBABILIDAD DE OCURRENCIA DEL
EVENTO
ES
CONSTANTE
PARA
DOS
INTERVALOS CUALESQUIERA DE TIEMPO Y
ESPACIO.
b).- LA OCURRENCIA DEL EVENTO EN UN
INTERVALO ES INDEPENDIENTE DE LA
OCURRENCIA
DE
OTRO
INTERVALO
CUALESQUIERA.

FUNCIN DE PROBABILIDAD DE
POISSON
DONDE

x = NMERO DE VECES
QUEOCURRE EL
EVENTO.
= NMERO PROMEDIO DE
OCURRENCIAS POR
UNIDAD DE TIEMPO O ESPACIO.
e = 2.71828, BASE DE LOS
LOGARITMOS
NATURALES.

EJEMPLOS. CASOS DE
ESTUDIO
CASO 1.- INTERESA ESTIMAR LA
PROBABILIDAD
DE
QUE
5
CLIENTES LLEGUEN DURANTE LA
SIGUIENTE
HORA
(
O
CUALQUIERA
HORA
DADA)
LABORAL. SE HA HECHO LA
OBSERVACIN EN LAS LTIMAS
80 HORAS Y SE REGISTR LA
LLEGADA
DE
800
CLIENTES
(ENTRADA AL NEGOCIO).

 CLCULO DE LA PROBABILIDAD

EMPLEO DE TABLAS D

 CASO 2. UNA EMPRESA PAVIMENTADORA

OBTUVO UN CONTRATO CON EL
AYUNTAMIENTO PARA DAR
MANTENIMIENTO A LAS AVENIDAS Y
CALLES DE LA CIUDAD.
LOS TRABAJOS DE PAVIMENTACIN
HECHOS RECIENTEMENTE POR ESTA
EMPRESA DEMOSTRARON TENER UN
PROMEDIO DE DOS DEFECTOS(BACHES)
POR KILMETRO, DESPUS DE HABER
SIDO UTILIZADAS DURANTE UN AO.

 SI EL AYUNTAMIENTO CONTINA
CONTRATANDO A ESTA EMPRESA
SE DESEA CONOCER:
LA PROBABILIDAD DE QUE SE
PRESENTEN TRES DEFECTOS EN
CUALQUIER KILMETRO DE
PAVIMENTACIN DESPUS DE
HABER SIDO UTILIZADA POR
TRFICO DURANTE UN AO.

OBTENCIN DE LA PROBABILIDAD
CON LA FUNCIN DE POISSON

EMPLEO DE TABLAS D

PARA = 2 y x = 3

VARIANTE PARA OBTENER LA

MEDIA
SUPNGASE QUE SE DESEA CONOCER LA
PROBABILIDAD DE 3 DEFECTOS EN 0.5
KILMETRO.
ES NECESARIO AJUSTAR ; PARA ELLO SE
TIENE QUE OBTENER EL PORCENTAJE DE
0.5 KILMETRO = 0.5/ 1 KM = 0.5
= 0.5 (2 OCURRENCIAS) = 1
SI EL PROMEDIO ES DE 2 POR KILMETRO,
ENTONCES ES 1 POR MEDIO KILMETRO

 SE

TIENE

P( x = 3 = 1 ) =
= 0.0613

 CON LAS TABLAS

DISTRIBUCIN
EXPONENCIAL
ES UNA DISTRIBUCIN
CONTINUA. MIDE EL PASO DEL
TIEMPO ENTRE LA OCURRENCIA
DE EVENTOS; POR EJEMPLO,
MIENTRAS LA DISTRIBUCIN DE
POISSON MIDE LA TASA DE
LLEGADA (DE PERSONAS,
CAMIONES, LLAMADAS
TELEFNICAS, ETC.) DENTRO DE
ALGN PERIODO DADO, LA

DISTRIBUCIN
EXPONENCIAL
SI
EL NMERO DE OCURRENCIAS
DE EVENTOS TIENE
DISTRIBUCIN DE POISSON, EL
LAPSO ENTRE DICHAS
OCURRENCIAS ESTAR
DISTRIBUIDO
EXPONENCIALMENTE.
LA PROBABILIDAD DE QUE EL
LAPSO SEA MENOR QUE O IGUAL
A CIERTA CANTIDAD x ES

 DONDE
t = LAPSO (DE TIEMPO)
e = BASE DE LOS
LOGARITMOS
NATURALES (2.71828)
= TASA PROMEDIO DE
OCURRENCIA

CASOS DE ESTUDIO.
CASO 1.- SE SABE QUE LA TASA DE LLEGADAS DE
CLIENTES A UN NEGOCIO ES DE = 1.5 POR HORA.
SE DESEA SABER LA PROBABILIDAD DE QUE
TRANSCURRAN NO MS DE DOS HORAS
ENTRE LLEGADAS DE CLIENTES. PARA ELLO SE
APLICA LA ECUACIN:
P( X 2 ) = 1 - = 1 - =
= 1 0.0498 = 0.9592
EXISTE 95.92% DE PROBABILIDAD DE QUE EL SEGUNDO
CLIENTE INGRESE A LAS DOS HORAS O MENOS DEL
PRIMERO SI LA TASA PROMEDIO DE LLEGADAS ES DE 1.5
POR HORA

 CASO

2.- SE TIENE REGISTRADO

QUE LOS CAMIONES LLEGAN AL
PUERTO DE CARGA CON UNA
TASA DE 2 POR HORA ( = 2)
CUL ES LA PROBABILIDAD DE
QUE TRANSCURRAN NO MS DE
30 MINUTOS ENTRE LLEGADAS ?

PLANTEAMIENTO DE LA
SOLUCIN
LA TASA PROMEDIO DE LLEGADAS
EST EN HORAS Y EL PROBLEMA
EST PLANTEADO EN MINUTO, PARA
EVITAR AMBIGUEDADES CONVIENE
PLANTEAR EL PROBLEMA EN HORAS,
PARA LO CUAL SE CONSIDERA QUE
30 MINUTOS ( O LOS QUE SEAN
MATERIA DE ESTUDIO) EQUIVALEN A
t = 30/60 = = 0.5

CON

LO CUAL

P( X 30 MINUTOS ) = 1 -

= 1 - = 0.8647

DISTRIBUCIN
UNIFORME
ES UNA DISTRIBUCIN EN LA
CUAL LAS PROBABILIDADES DE
TODOS LOS RESULTADOS SON
LAS MISMAS.
ESTE ES EL CASO DE LANZAR UN
DADO EN QUE CADA EVENTO
TIENE LA PROBABILIDAD DE
XITO U OCURRENCIA IGUAL A
1/6

DISTRIBUCIN
UNIFORME

MEDIA DE LA DISTRIBUCIN
UNIFORME
DESDE EL PUNTO DE VISTA
FSICO EST A LA MITAD DEL
CAMINO ENTRE SUS DOS PUNTOS
EXTREMOS,
CONSECUENTEMENTE SE
CALCULA CON LA ECUACIN:

E( x ) = =
DONDE a y b SON LOS VALORES
MS BAJO Y MS ALTO,
RESPECTIVAMENTE

VARIANZA DE LA DISTRIBUCIN
UNIFORME
SE CALCULA CON LA ECUACIN

=
DEBE TENERSE PRESENTE QUE EL REA
TOTAL BAJO LA CURVA, EN EL CASO DE LAS
DISTRIBUCIONES DE PROBABILIDAD, DEBE
SER IGUAL A 1 100%
REA = (ALTURA ) (ANCHO) = 1.0
POR LO TANTO
ALTURA = REA / ANCHO = 1.0 / ( b a )

EJEMPLO. CASO DE
ESTUDIO
SE HA REGISTRADO EN UN
MUESTREO QUE LAS LATAS DE 16
ONZAS DE DURAZNO EN
ALMBAR, PRODUCIDA POR
(ENLATADORA) OSCILA ENTRE
14.5 Y 17.5 Y PUEDE SER
REPRESENTADA CON UNA
DISTRIBUCIN UNIFORME COMO
SE INDICA A CONTINUACIN:

 LA MEDIA ES:
= = 16 ONZAS
Y LA ALTURA ES
ALTURA = 1.0 / ( 17.5
14.5 ) = 1/3

REPRESENTACIN
GRFICA
DISTRIBUCIN UNIFORME DE LOS
PRODUCTOS ENLATADOS

CASO ESPECFICO
CONSIDRESE QUE EL
ENLATADOR DESEA SABER LA
PROBABILIDAD DE QUE UNA LATA
PESE ENTRE 16 Y 17.2 ONZAS.

 SE PUEDE VISUALIZAR LA
SOLUCIN EN FORMA GRFICA
CON LA AYUDA DE LA SIGUIENTE
FIGURA

 LA
PROBABILIDAD DE QUE UNA
OBSERVACIN NICA EST
COMPRENDIDA DENTRO DE DOS
VALORES y EST DADA POR
P( ) =
AL SUSTITUIR DATOS SE
OBTIENE:
P( 16 X 17.2) = = 0.40

DISTRIBUCIN NORMAL
ESTA ES LA MS IMPORTANTE EN
EL CAMPO DE LA PROBABILIDAD.
ES UNA DISTRIBUCIN CONTINUA
(NO DISCRETA). ES
ESPECIALMENTE TIL PARA
REFLEJAR EL COMPORTAMIENTO
DE VARIABLES COMO LAS
ESTATURAS( TALLAS, PESOS,
MASA CORPORAL); DISTANCIAS Y
OTRAS MEDIDAS QUE SON

CASO TPICO
CONSIDRESE EL CASO DEL FABRICANTE
DE ROPA ToppsWear, QUE DESEA
ESTUDIAR LA DISTRIBUCIN EN LA
ESTATURA DE LAS PERSONAS.
CON LA IDEA DE PRODUCIR ROPA CON
MEJOR AJUSTE AL PBLICO EN
GENERAL, LA GERENCIA CONSIDER
QUE SE NECESITABA UN ANLISIS SERIO
Y COMPLETO DE LAS TENDENCIAS
ACTUALES DE LAS TALLAS DE MODA.

 UN ANLISIS PRELIMINAR INDIC

QUE LAS TALLAS SE
DISTRIBUYERON DE ACUERDO
CON LA CURVA NORMAL DE
GAUSS. LA MEDIA CALCULADA DE
LA MUESTRA FUE 170.18 CM Y LA
DISPERSIN (DESVIACIN
ESTNDAR) FUE DE 5.08 CM

DIVERSOS MUESTREOS PARA LA

DISTRIBUCIN NORMAL
SE PRESENTA EL CASO DE VARIOS
MUESTREOS QUE SE HAN COMPORTADO
DE ACUERDO CON LA DISTRIBUCIN
NORMAL.
DOS DE ELLOS TIENEN LA MISMA MEDIA,
CON DISTINTA DESVIACIN ESTNDAR;
OTRO TIENE LA MISMA DESVIACIN
ESTANDAR CON DIFERENTES MEDIAS.
PARA LOS TRES CASOS, LA REGLA
EMPRICA CONDUCE A BUENOS
RESULTADOS.

DESVIACIN NORMAL O
FMULA Z
PUEDE DARSE EL CASO QUE SE TENGAN EN UN
ESTUDIO ESPECFICO VARIAS DISTRIBUCIONES
NORMALES, CADA UNA CON SUN PROPIA MEDIA
Y DESVIACIN ESTNDAR.
ES IMPOSIBLE E IMPRCTICO ANALIZAR UN
NMERO GRANDE DE DISTRIBUCIONES
NORMALES PARA UN ESTUDIO EN PARTICULAR.
DEBE CONVERTIRSE EL ESTUDIO A UNA FORMA
ESTNDAR DONDE LA MEDIA SEA 0 (CERO) Y
LA DESVIACIN ESTNDAR 1 (UNO).
A ESTE PROCESO SE LE LLAMA FRMULA Z DE
CONVERSIN.

DESVIACIN NORMAL O
FRMULA Z

Z =

CASO DE ESTUDIO CON

FRMULA Z
SE
PRESENTA EL CASO DE
ToppsWear CON MEDIA 170.18 Y
DESVIACIN 5.08
EN ESTE CASO QUE LA MEDIA ES
170.18, EL VALOR DE Z RESULTA
Z = =0

 LA
DESVIACIN NORMAL SE DEFINE
COMO EL NMERO DE DESVIACIONES
ESTNDAR A LAS QUE UNA OBSERVACIN
EST DE LA MEDIA
EN EL CASO DE UNA PERSONA HAYA
TENIDO LA TALLA DE 160.02 CM, SU
VALOR DE Z SE OBTIENE
Z = = -2
ESTO INDICA QUE EST DOS DESVIACIONES
ESTNDAR POR DEBAJO DE LA MEDIA.

 EN
EL CASO DE OTRO REGISTRO QUE SE
TENGA QUE HAYA SIDO 177.80 CM, EL
VALOR DE Z SER
Z =
= 1.5
ESTO SIGNIFICA QUE EST A 1.5
DESVIACIONES ESTNDAR POR ARRIBA DE LA
MEDIA
EN EL EJE INFERIOR DE LA FIGURA SE
PRESENTA LOS VALORES DE Z.