DISTRIBUCIONES DE VARIABLE ALEATORIA DISCRETA

DISTRIBUCIN BINOMIAL
Caso I .- De acuerdo a los acadmicos queremos saber que porcentaje de los
encuestados i considera que gana lo suficiente para vivir
1- De las 409 encuestas levantadas se toman 20 de ellas.
Por lo tanto: tenemos que n=20 nmero de ensayos
2- Tenemos (S) xito [Si considera que gana lo suficiente].
Tenemos (F) fracaso [No considera que gana lo suficiente].
El resultado de este ensayo se basa en que la respuesta sea un SI o NO y
de acuerdo a la tabla de frecuencia correspondiente a este ensayo:
Por lo tanto:
Probabilidad de xito P(S)=p=.235 Probabilidad de fracaso P (F)=1
- p=q=.765
3- [Los eventos son independientes] cualquiera que sea la respuesta de
una persona es independiente de lo que contesta cualquier otra.
Desarrollo de la distribucin Binomial:
De acuerdo a la siguiente tabla obtenemos la grfica resultante a este anlisis
utilizando la distribucin Binomial:
Donde:
n = nmero de ensayos
p = probabilidad de xito
q = probabilidad de fracaso
y = variable de 0-20
Gana lo suficiente
Frequenc
y
Percent Valid
Percent
Cumulati
ve
Percent
si 96 23,5 23,5 23,5
no 287 70,2 70,2 76,5
No
contest
26 6,3 6,3
Total 409 100 100 100
Tabla de Distribucin Binomial:
y N p n-
y
q
0 2
0
1 0,23
5
1 20 0,76
5
0,004712
25
0,004712254
1 2
0
20 0,23
5
0,235 19 0,76
5
0,006159
81
0,028951104
2 2
0
190 0,23
5
0,055225 18 0,76
5
0,008052
04
0,084488025
3 2
0
1140 0,23
5
0,012977
88
17 0,76
5
0,010525
54
0,155723027
4 2
0
4845 0,23
5
0,003049
8
16 0,76
5
0,013758
88
0,203305062
5 2
0
15504 0,23
5
0,000716
7
15 0,76
5
0,017985
46
0,199850205
6 2
0
38760 0,23
5
0,000168
43
14 0,76
5
0,023510
4
0,153479733
7 2
0
77520 0,23
5
3,958E-
05
13 0,76
5
0,030732
55
0,094294738
8 2
0
12597
0
0,23
5
9,3013E-
06
12 0,76
5
0,040173
27
0,047070331
9 2
0
16796
0
0,23
5
2,1858E-
06
11 0,76
5
0,052514
08
0,019279351
1
0
2
0
18475
6
0,23
5
5,1366E-
07
10 0,76
5
0,068645
86
0,006514657
1
1
2
0
16796
0
0,23
5
1,2071E-
07
9 0,76
5
0,089733
15
0,001819304
1
2
2
0
12597
0
0,23
5
2,8367E-
08
8 0,76
5
0,117298
24
0,000419153
1
3
2
0
77520 0,23
5
6,6663E-
09
7 0,76
5
0,153331
03
7,92366E-05
1
4
2
0
38760 0,23
5
1,5666E-
09
6 0,76
5
0,200432
72
1,21703E-05
1
5
2
0
15504 0,23
5
3,6814E-
10
5 0,76
5
0,262003
55
1,49544E-06
1
6
2
0
4845 0,23
5
8,6514E-
11
4 0,76
5
0,342488
3
1,43557E-07
1
7
2
0
1140 0,23
5
2,0331E-
11
3 0,76
5
0,447697
13
1,03763E-08
1
8
2
0
190 0,23
5
4,7777E-
12
2 0,76
5
0,585225 5,31249E-10
1
9
2
0
20 0,23
5
1,1228E-
12
1 0,76
5
0,765 1,71783E-11
2
0
2
0
1 0,23
5
2,6385E-
13
0 0,76
5
1 2,6385E-13
Grfica correspondiente:
Ahora de acuerdo a estos valores obtenidos propongamos un problema:
Queremos saber cual es la probabilidad de que al menos 12 encuestados de los
20, estn de acuerdo con lo que ganan:

Solucin:
Da do que se desea saber la probabilidad de que al menos 12 personas de la
20 estn de acuerdo con lo que ganan tenemos.
Por lo tanto:
Conclusin:
La probabilidad de que al menos 12 acadmicos de los 20 tomados estn de
acuerdo con lo que ganan es de .00052 el cual es una probabilidad muy
diminuta esto quiere decir que la mayora de los acadmicos no esta conforme
con lo que ganan.
Caso II
Se levantaron encuestas socioeconmicas a 76 estudiantes de una
preparatoria
Se pregunto a los encuestados si se venda droga en su colonia y de acuerdo a
los resultados se realiza lo siguiente.
4- De las 76 encuestas levantadas se toman 20 de ellas.
Por lo tanto: tenemos que n=20 nmero de ensayos
5- Tenemos (S) xito [Se vende droga].
Tenemos (F) fracaso [No se vende droga].
El resultado de este ensayo se basa en que la respuesta sea un SI o NO y
de acuerdo a la tabla de frecuencia correspondiente a este ensayo:
Col Venta drose
5 6,6 25,0 25,0
15 19,7 75,0 100,0
20 26,3 100,0
56 73,7
76 100,0
si
no
Total
Valid
System Missing
Total
Frequency Percent Valid Percent
Cumulative
Percent
Por lo tanto:
Probabilidad de xito P(S)=p=.25
Probabilidad de fracaso P (F)=1 - p=q=.75
6- [Los eventos son independientes] cualquiera que sea la respuesta de
una persona es independiente de lo que contesta cualquier otra.
Desarrollo de la distribucin Binomial:
De a la siguiente tabla obtenemos la grafica resultante a este anlisis
utilizando la distribucin Binomial:
Donde:
n = nmero de ensayos
p = probabilidad de xito
q = probabilidad de fracaso
y = variable de 0-20
Tabla de Distribucin Binomial
y n P n-
y
Q
0 2
0
1 0,25 1 20 0,75 0,003171
2
0,00317212
1 2
0
20 0,25 0,25 19 0,75 0,004228
2
0,021141
2 2
0
190 0,25 0,0625 18 0,75 0,005637
7
0,06694768
3 2
0
1140 0,25 0,015625 17 0,75 0,007516
9
0,13389478
4 2
0
4845 0,25 0,003906
25
16 0,75 0,010022
5
0,189683642
5 2
0
15504 0,25 0,000976
5
15 0,75 0,013363
4
0,206414069
6 2
0
38760 0,25 0,000244
1
14 0,75 0,017817
9
0,168580782
7 2
0
77520 0,25 6,1035E-
05
13 0,75 0,023757
2
0,112405604
8 2
0
12597
0
0,25 1,5258E-
05
12 0,75 0,031676
3
0,060883440
9 2
0
16796
0
0,25 3,8146E-
06
11 0,75 0,042235
1
0,027060037
1
0
2
0
18475
6
0,25 9,5367E-
07
10 0,75 0,056313
5
0,009222277
1
1
2
0
16796
0
0,25 2,3841E-
07
9 0,75 0,075084
6
0,003006630
1
2
2
0
12597
0
0,25 5,9604E-
08
8 0,75 0,100112
9
0,000751679
1
3
2
0
77520 0,25 1,4901E-
08
7 0,75 0,133483
8
0,000154190
1
4
2
0
38760 0,25 3,7252E-
09
6 0,75 0,177978
5
2.5698E-05
1
5
2
0
15504 0,25 9,3132E-
10
5 0,75 0,237304
6
3.4264E-06
1
6
2
0
4845 0,25 2,3283E-
10
4 0,75 0,316406
2
3,5692E-07
1
7
2
0
1140 0,25 5,8207E-
11
3 0,75 0,421875 2,7993E-08
1
8
2
0
190 0,25 1,4551E-
11
2 0,75 0,5625 1.5553E-10
1
9
2
0
20 0,25 3.6379E-
12
1 0,75 0,75 5.4568E-11
2
0
2
0
1 0,25 9.0949E-
13
0 0,75 1 9.0949E-13
Grafica correspondiente:
Ahora de acuerdo a estos valores obtenidos propongamos un problema:
Queremos saber cual es la probabilidad de que al menos 18 encuestados de los
20, digan que si:

Solucin:
Da do que se desea saber la probabilidad de que al menos 18 personas de la
20 digan que si.
Por lo tanto:
Conclusin:
La probabilidad resultante es muy pequea lo que indica que la mayora de los
encuestados dijeron que no.

DISTRIBUCIN GEOMTRICA
Casi I .- De con la distribucin geomtrica estamos Interesados en conocer la
probabilidad de obtener xito en (x) determinado nmero de ensayo.
Planteamiento del problema:
Se desea conocer la probabilidad de que a la cuarta encuesta tomada de una
muestras de 30 encuestados se obtenga xito de sacar a un encuestado que
tenga luz sin apagones.
Por la tanto tenemos:
1- El xito se considera que [tenga luz sin apagones].
El fracaso se considera que [tenga luz con apagones].
De a la tabla de frecuencias correspondiente a los que tienen luz sin
apagones y con apagones
luz
19 27,9 63,3 63,3
11 16,2 36,7 100,0
30 44,1 100,0
38 55,9
68 100,0
sin apagones
con apagones
Total
Valid
System Missing
Total
Frequency Percent Valid Percent
Cumulative
Percent
Por lo tanto:
Probabilidad de xito p=.633 Probabilidad de fracaso q=1-p=.367
Aplicando la Distribucin Geomtrica:
Obtenemos la tabla y grafica correspondiente de la Distribucin Geomtrica.
Tabla de Distribucin Geomtrica
x P Q x-
1
1 0,63
3
0,36
7
0 1 0,633
2 0,63
3
0,36
7
1 0,367 0,232311
3 0,63
3
0,36
7
2 0,13468
9
0,085258
4 0,63
3
0,36
7
3 0,04943
0
0,031289
5 0,63
3
0,36
7
4 0,01814
1
0,011483
6 0,63
3
0,36
7
5 6,65E-
03
4,20E-03
7 0,63
3
0,36
7
6 2,44E-
03
1.54E-03
8 0,63
3
0,36
7
7 8,96E-
04
5,67E-04
9 0,63
3
0,36
7
8 3,29E-
04
2,08E-04
1
0
0,63
3
0,36
7
9 1,20E-
04
7,59E-5
Grafica Correspondiente:
Conclusin:
La probabilidad de que a la cuarta encuesta tomada se obtenga a:
De con la grafica obtenida podemos observar que la distribucin geomtrica
tiene un comportamiento exponencial (que decrece rpidamente a 0 conforme
la variable aumenta).
Caso II .- De acuerdo con la distribucin geomtrica estamos Interesados en
conocer la probabilidad de obtener xito en (x) determinado nmero de
ensayo.
Planteamiento del problema:
Se desea conocer la probabilidad de que a la cuarta encuesta tomada de una
muestras de 431 desempleados se obtenga xito de sacar a un desempleado
que busque trabajo.
Por la tanto tenemos:
1- El xito se considera que [busca trabajo].
El fracaso se considera que [no busca trabajo].
De acuerdo a la tabla de frecuencias correspondiente a los
desempleados y a la pregunta de si busca trabajo o no tenemos:
Busca trabajo
Frequen
cy
Perce
nt
Valid
Percent
Cumulative
Percent
Si 289 67,1 67,1 67,1
No 121 28 28 32,9
No
contest
21 4,9 4,9
Total 431 100 100
Por lo tanto:
Probabilidad de xito p=.671 Probabilidad de fracaso q=1-p=.329
Aplicando la Distribucin Geomtrica:
Obtenemos la tabla y grfica correspondiente de la Distribucin Geomtrica.
Tabla de Distribucin Geomtrica
x P q x-
1
1 0,67
1
0,32
9
0 1 0,671
2 0,67
1
0,32
9
1 0,329 0,220759
3 0,67
1
0,32
9
2 0,108241 0,07262971
4 0,67
1
0,32
9
3 0,035611
29
0,02389517
5 0,67
1
0,32
9
4 0,011716
11
0,00786151
6 0,67 0,32 5 0,003854 0,00258644
1 9 6
7 0,67
1
0,32
9
6 0,001268
16
0,00085094
8 0,67
1
0,32
9
7 0,000417
23
0,00027996
9 0,67
1
0,32
9
8 0,000137
27
9,2106E-05
1
0
0,67
1
0,32
9
9 4,5161E-
05
3,0303E-05
Grfica Correspondiente:
Conclusin:
La probabilidad de que a la cuarta encuesta tomada de 431 desempleados
tengamos xito de que el desempleado busque trabajo, es:
De acuerdo con la grfica obtenida podemos observar que la distribucin
geomtrica tiene un comportamiento exponencial (que decrece rpidamente a
0 conforme la variable aumenta).
DISTRIBUCIN HIPERGEOMETRICA
Caso I .- De acurdo con la distribucin Hipergeomtrica estamos Interesados en
conocer la probabilidad de obtener (x) xitos en (n) determinado nmero de
muestras tomadas.
Planteamiento del problema:
Se tienen 76 encuestas contestadas por docentes de las cuales 54 tienen
alumbrado bueno, se toman 20 de estas encuestas al azar. Cul es la
probabilidad de que 10 de estas sean de encuestados que tengan alumbrado
bueno.
Por la tanto tenemos:
1- De las 76 encuestas levantadas se toman 20 de ellas:
Entonces tenemos N=76 y n=20.
2- El xito se considera que [tenga alumbrado bueno].
El fracaso se considera que [no tenga alumbrado bueno].
De acuerdo a la tabla de frecuencias correspondiente a los encuestados
y a la pregunta de si tiene alumbrado bueno:
Colalumbrado
20 29,4 66,7 66,7
10 14,7 33,3 100,0
30 44,1 100,0
38 55,9
68 100,0
Bueno
malo
Total
Valid
System Missing
Total
Frequency Percent Valid Percent
Cumulative
Percent
Tenemos:
M (nmero de xitos)=54
N-M (nmero de fracasos) =76-54=22
X=10 (xito que se quiere probar)
Aplicando la Distribucin Hipergeomtrica
Obtenemos la tabla y grafica correspondiente de la Distribucin
Hipergeometrica siguientes.
Tabla Distribucin Hipergeomtrica
X N n M N-
M
n-
x


1 76 2
0
54 22 19 54 1540 1,09E+1
8
83160 7,62E-
14
2 76 2
0
54 22 18 1431 7315 1,09E+1
8
1,04E+7 9,54E-
12
3 76 2
0
54 22 17 24804 26334 1,09E+1
8
6,53E+8 5,99E-
10
4 76 2
0
54 22 16 31625
1
74613 1,09E+1
8
2,35E+10 2,15E-
08
5 76 2
0
54 22 15 3,16E+
06
170544 1,09E+1
8
5,38E+11 4,93E-
07
6 76 2
0
54 22 14 2,58E+
07
319770 1,09E+1
8
8,25E+12 7,56E-
06
7 76 2
0
54 22 13 1,77E+
8
497420 1,09E+1
8
8,804E+1
3
8,07E-
05
8 76 2
0
54 22 12 1,04E+
9
646646 1,09E+1
8
6,72E+14 6,16E-
04
9 76 2
0
54 22 11 5,31E+
9
705432 1,09E+1
8
3,95E+15 3,62E-
03
1
0
76 2
0
54 22 10 2,39E+
10
646646 1,09E+1
8
1,54E+16 0,0141
2
1
1
76 2
0
54 22 9 9,57E+
10
497420 1,09E+1
8
4,76E+16 4,36E-
02
1
2
76 2
0
54 22 8 3,43E+
11
319770 1,09E+1
8
1,09E+17 0,1
1
3
76 2
0
54 22 7 1,10E+
12
170544 1,09E+1
8
1,87E+17 0,1715
1
4
76 2
0
54 22 6 3,24E+
12
74613 1,09E+1
8
2,41E+17 0,2211
1
5
76 2
0
54 22 5 8,65E+
12
26334 1,09E+1
8
2,27E+17 0,2082
1
6
76 2
0
54 22 4 2,10E+
13
7315 1,09E+1
8
1,53E+17 0,1403
1
7
76 2
0
54 22 3 4,71E+
13
1540 1,09E+1
8
7,25E+16 0,0665
1
8
76 2
0
54 22 2 9,69E+
13
231 1,09E+1
8
2,23E+16 0,0204
5
1
9
76 2
0
54 22 1 1,83E+
14
22 1,09E+1
8
4,026E+1
5
0,0036
9
2
0
76 2
0
54 22 0 3,21E+
14
1 1,09E+1
8
3,21E+14 0,0002
94
Grfica correspondiente:
Conclusin:
De acuerdo a los datos obtenidos con anlisis de una distribucin
hipergeomtrica se tiene la probabilidad de que 10 encuestas de 20 tomadas
al azar de una totalidad de 76 sean de docentes que trabajen en una
institucin privado:
Por lo tanto que representa una probabilidad muy pequea,
lo cual es lgico de acuerdo a que 54 de los 76 encuestados tienen buen
alumbrado y aun mas lgico es por que tomamos una muestra muy pequea
que es de 20 y de esta queremos que la mitad tenga buen alumbrado.
DISTRIBUCIN HIPERGEOMTRICA
De acuerdo con la distribucin Hipergeomtrica estamos Interesados en
conocer la probabilidad de obtener (x) xitos en (n) determinado nmero de
muestras tomadas.
Planteamiento del problema:
Se tienen 409 encuestas contestadas por docentes de las cuales 133 trabajan
en el sector privado, se toman 20 de estas encuestas al azar. Cual es la
probabilidad de que 10 de estas sean de docentes que trabajan en el sector
privado.
Por la tanto tenemos:
1- De las 409 encuestas levantadas a docentes se toman 20 de ellas:
Entonces tenemos N=409 y n=20.
2- El xito se considera que [trabaje en el sector privado].
El fracaso se considera que [no trabaje en el sector privado].
De acuerdo a la tabla de frecuencias correspondiente a los docentes y a
la pregunta de si trabaja en el sector privado:
Institucin
privada
Frequen
cy
si 133
No 136
no
contest

140
Total 409
Tenemos:
M (nmero de xitos)=133
N-M (nmero de fracasos) =409-133=276
X=10 (xito que se quiere probar)
Aplicando la Distribucin Hipergeomtrica
Obtenemos la tabla y grfica correspondiente de la Distribucin
Hipergeomtrica siguientes.
Tabla Distribucin Hipergeomtrica
x N n M N-
M
n-
x


1 40
9
2
0
13
3
276 19 133 1,03E+2
9
4,39E+3
3
1,3699E
+31
3,12E-
03
2 40
9
2
0
13
3
276 18 8778 7,65E+2
7
4,39E+3
3
6,7152E
+31
1,53E-
02
3 40
9
2
0
13
3
276 17 383306 5,32E+2
6
4,39E+3
3
2,0392E
+32
4,65E-
02
4 40
9
2
0
13
3
276 16 1,25E+0
7
3,47E+2
5
4,39E+3
3
4,3227E
+32
9,85E-
02
5 40
9
2
0
13
3
276 15 3,20E+0
8
2,13E+2
4
4,39E+3
3
6,816E+
32
1,55E-
01
6 40
9
2
0
13
3
276 14 6,80E+0
9
1,22E+2
3
4,39E+3
3
8,296E+
32
1,89E-
01
7 40
9
2
0
13
3
276 13 1,24E+1
1
6,49E+2
1
4,39E+3
3
8,0476E
+32
1,83E-
01
8 40
9
2
0
13
3
276 12 1,95E+1
2
3,20E+2
0
4,39E+3
3
6,24E+3
2
1,42E-
01
9 40
9
2
0
13
3
276 11 2,72E+1
3
1,44E+1
9
4,39E+3
3
3,9168E
+32
8,92E-
02
1
0
40
9
2
0
13
3
276 10 3,74E+1
4
5,99E+1
7
4,39E+3
3
2,2403E
+32
5,10E-
02
1
1
40
9
2
0
13
3
276 9 3,77E+1
5
2,24E+1
6
4,39E+3
3
8,4448E
+31
1,92E-
02
1
2
40
9
2
0
13
3
276 8 3,83E+1
6
7,53E+1
4
4,39E+3
3
2,884E+
31
6,57E-
03
1
3
40
9
2
0
13
3
276 7 3,57E+1
7
2,24E+1
3
4,39E+3
3
7,9968E
+30
1,82E-
03
1
4
40
9
2
0
13
3
276 6 3,06E+1
8
5,81E+1
1
4,39E+3
3
1,7779E
+30
4,05E-
04
1
5
40
9
2
0
13
3
276 5 2,42E+1
9
1,28E+1
0
4,39E+3
3
3,0976E
+29
7,06E-
05
1
6
40
9
2
0
13
3
276 4 1,79E+2
0
2,36E+0
8
4,39E+3
3
4,2244E
+28
9,62E-
06
1
7
40
9
2
0
13
3
276 3 1,23E+2
1
3,46E+0
6
4,39E+3
3
4,2558E
+27
9,69E-
07
1
8
40
9
2
0
13
3
276 2 7,94E+2
1
37950 4,39E+3
3
3,0132E
+26
6,86E-
08
1
9
40
9
2
0
13
3
276 1 4,80E+2
2
276 4,39E+3
3
1,3248E
+25
3,02E-
09
2
0
40
9
2
0
13
3
276 0 2,73E+2
3
1 4,39E+3
3
2,73E+2
3
6,22E-
11
Grfica correspondiente:
Conclusin:
De acuerdo a los datos obtenidos con anlisis de una distribucin
hipergeomtrica se tiene la probabilidad de que 10 encuestas de 20 tomadas
al azar de una totalidad de 409 sean de docentes que trabajen en una
institucin privado:
Por lo tanto que representa una probabilidad muy pequea, lo
cual es lgico de acuerdo a que 133 de los 409 docentes entrevistados
trabajan en el sector privado, que representan segn la tabla de frecuencias el
32.5% y aun mas lgico es por que tomamos una muestra muy pequea que
es de 20 y de esta queremos que la mitad sea de docentes que trabajen en
institucin privada.
Distribucin de Poisson
Caso I.- Se desea realizar una aplicacin de la distribucin de Poisson para mostrar el
comportamiento de la misma
Se sabe que el 25% de los encuestados nos dice que se vende droga en las escuelas, se
tratara de obtener la probabilidad de que 5 de los 76 encuestados nos digan si se venden
droga en las escuelas, puede calcularse usando la distribucin de Poisson.
Segn nuestras encuestas realizadas nos arrojo el porcentaje siguiente.
Col Venta drose
5 6,6 25,0 25,0
15 19,7 75,0 100,0
20 26,3 100,0
56 73,7
76 100,0
si
no
Total
Valid
System Missing
Total
Frequency Percent Valid Percent
Cumulative
Percent
En este caso concreto, k es 5 y , , el valor esperado de los encuestados que nos dijeron que
se venden droga es del 25% de 76, es decir, 19.
Tabla de la distribucin de Poisson
K e-( ) ( )k K! ( )k/K! e( )
( )k/K!
0 5,6E-09 1 1 1 5,6E-9
1 5,6E-09 19 1 19 1,06E-7
2 5,6E-09 361 2 180.5 1,01
E-6
3 5,6E-09 6859 6 41154 6,40E-6
4 5,6E-09 130321 24 3127704 3,04E-5
5 5,6E-09 2476099 120 2,9E08 1,15E-4
6 5,6E-09 4704588
1
720 3,3E10 3,65E-4
7 5,6E-
09
8938717
39
5040 4,50E12 9,93E-4
8 5,6E-09 1,6E10 40320
6,45E14
2,22E-3
9 5,6E-09 3,22E11 362880 1,16E17 4,96E-3
1
0
5,6E-09 6,13E12 3628800 2,22E19 9,45E-3
1
1
5,6E-09 1,16E14 39916800 4,65E21 0,0162
1
2
5,6E-09 2,21E15 479001600 1,05E24 0,0248
1
3
5,6E-09 4,20E16 622702080
0
2,61E26 0,0377
1
4
5,6E-09 7,99E17 871782912
00
6,96E28 0,05
13
1
5
5,6E-09 1,51E19 1,30767E+
12
1,96E31 0,0650
1
6
5,6E-09 2,88E20 2,09228E+
13
6,01E33 0,0771
1
7
5,6E-09 5,48E21 3,55687E+
14
1,94E35 0,
086
1
8
5,6E-09 1,04E23 6,40237E+
15
6,65E38 0,091
1
9
5,6E-09 1,97E24 1,21645E+
17
2,38E41 0.0911
2
0
5,6E-09 3,75E25 2,4329E+1
8
9,11E43 0,086
Por lo tanto, la probabilidad deseada es
P(5;19)=

Grfica de la distribucin de Poisson
De acuerdo al resultado obtenido la probabilidad de que un encuestado nos
diga que se venden drogas en las escuelas es muy pequea.
Caso II.- Proceso de Poisson
Desarrollo del proceso de Poisson con las encuestas realizadas a
desempleados.
Qu necesitamos para desarrollar la distribucin de Poisson? Un intervalo de
tiempo.
Qu intervalo de tiempo podemos utilizar y que nos sirva para obtener un
resultado a algo que sea de inters conocer? Podemos establecer un intervalo
de tiempo respecto a la edad de los desempleados.
Por lo tanto estableciendo un intervalo de tiempo con respecto a la edad para
saber que probabilidad hay de que el desempleo se de en dicho intervalo de
tiempo.
Edad propuesta 20-35 [Intervalo de tiempo]
Por qu se propuso este intervalo?
1- Por que es una edad promedio en la que los estudiantes a nivel
licenciatura obtienen su titulo y buscan trabajo. Por lo tanto es de inters
conocer que probabilidad hay de que se encuentre trabajo al concluir la
carrera.
2- Por que es una etapa de la vida muy importante ya que es una edad que
se supone todos deben ya de trabajar independientemente de que tenga
o no un titulo.
De acuerdo con el desarrollo de Poisson:
Intervalo de tiempo: 20-35 aos
Suceso en dicho intervalo de tiempo: Que la edad del encuestado este en este
intervalo de tiempo [existo].
De acuerdo con el proceso de Poisson tenemos una t fijada apropiadamente
(t=20-35), tenemos que dividir este intervalo de tiempo en sub intervalos para
generar correctamente un proceso y una distribucin de Poisson.
t= 20-35 aos representan 15 aos por lo tanto dividamos esto en 15 sub
intervalos por lo tanto cada sub intervalo representa 1 ao.
Donde obtenemos la tabla de frecuencia correspondiente a las 400 encuestas
levantadas a desempleados:
10 0
11 0
12 0
13 0
14 0
15 0
16 2
17 0
18 2
19 1
20 1
12
Donde 12 15 por lo tanto no est funcionando este anlisis.
Qu podemos hacer para mejorarlo o hacer un anlisis correcto?
1- Creemos que hemos cometido un error al tomar el intervalo de tiempo
con respecto a la edad de los desempleados.
2- Podemos intentar con otro intervalo que sea de igual forma de inters.
Proponiendo un nuevo intervalo: Tiempo que lleva sin trabajar (t=0-20 aos).
Cul ser el suceso (K) en este intervalo de tiempo? La cantidad de
desempleados con 0,1,2,3,20 aos de desempleado.
K Nk
0 0
1 1
2 1
3 0
4 1
5 0
6 1
7 0
8 2
9 0
Pero nos enfrentamos a otro problema en el cual tenemos 431 desempleados
por lo tanto se tiene una (k) muy grande la cual con respecto a la tabla de
Poisson no nos dira nada.
Cmo solucionaremos este problema? Dado que en un proceso de Poisson se
puede trabajar tambin con un volumen, por lo tanto en vez del tiempo
consideraremos un intervalo de volumen
Cul seria este intervalo de volumen? Serian las 431 personas encuestadas El
intervalo seria de 0-431 el cual lo podemos dividir en sub intervalos que serian
de 1 en 1 entonces tenemos 431 sub intervalos. Tenemos una n muy grande
por lo tanto estamos concordando con el desarrollo de Poisson.
Cul ser las (k) entradas en el intervalo? En este caso serian los aos que
lleva de desempleado, entonces k=0,1,2,3,.20 y de igual forma seguimos
concordando con el desarrollo de Poisson.
De acuerdo con el desarrollo de Poisson tenemos que estimar donde:
; Donde: ;
Por lo tanto:
De acuerdo a la siguiente tabla obtenemos la grfica resultante a este anlisis
utilizando la distribucin de Poisson:
Donde:
K: Cantidad de aos como desempleado.
Nk: Nmero de intervalos (un intervalo es una persona) con esa cantidad (aos
de desempleado).
N= : Nmero de sub intervalos (nmero de encuestados).
T= : Cantidad total de aos de desempleo en los 431 encuestados.
Tabla de Distribucin Poisson:
k NK e( ) ( )k K! ( )k/K! e( )
( )k/K!
0 10
2
0 0,162025
75
1 1 1 0,162025
75
1 15
3
15
3
0,162025
75
1,82 1 1,82 0,294886
87
2 86 17 0,162025 3,3124 2 1,6562 0,268347
2 75 05
3 39 11
7
0,162025
75
6,028568 6 1,004761
33
0,162797
21
4 16 64 0,162025
75
10,97199
38
24 0,457166
41
0,074072
73
5 19 95 0,162025
75
19,96902
86
120 0,166408
57
0,026962
47
6 1 6 0,162025
75
36,34363
21
720 0,050477
27
0,008178
62
7 0 0 0,162025
75
66,14541
05
5040 0,013124
09
0,002126
44
8 4 32 0,162025
75
120,3846
47
40320 0,002985
73
0,000483
77
9 1 9 0,162025
75
219,1000
58
362880 0,000603
78
9,7828E-
05
1
0
5 50 0,162025
75
398,7621
05
3628800 0,000109
89
1,7805E-
05
1
1
0 0 0,162025
75
725,7470
31
39916800 1,8181E-
05
2,9459E-
06
1
2
0 0 0,162025
75
1320,859
6
479001600 2,7575E-
06
4,4679E-
07
1
3
1 13 0,162025
75
2403,964
47
622702080
0
3,8605E-
07
6,2551E-
08
1
4
0 0 0,162025
75
4375,215
33
871782912
00
5,0187E-
08
8,1316E-
09
1
5
0 0 0,162025
75
7962,891
9
1,30767E+
12
6,0894E-
09
9,8663E-
10
1
6
0 0 0,162025
75
14492,46
33
2,09228E+
13
6,9266E-
10
1,1223E-
10
1
7
1 17 0,162025
75
26376,28
31
3,55687E+
14
7,4156E-
11
1,2015E-
11
1
8
0 0 0,162025
75
48004,83
53
6,40237E+
15
7,498E-
12
1,2149E-
12
1
9
0 0 0,162025
75
87368,80
02
1,21645E+
17
7,1823E-
13
1,1637E-
13
2
0
3 60 0,162025
75
159011,2
16
2,4329E+1
8
6,5359E-
14
1,059E-
14
43
1
78
8
Grfica correspondiente:
Conclusin:
Da cuerdo al resultado obtenido podemos decir que el 30% de los
desempleados tienen entre un y dos aos sin trabajar se podra
decir tambin que dos aos es el tiempo mximo que una persona
puede estar sin trabajar.
Nota:
Se le recomienda al profesor que esta pregunta (pregunta 4) sea
reformulada, dado que el (0 aos) nos podra dar una mejor
informacin, a causa de que muchas personas tienen menos de un ao
sin trabajar.


DISTRIBUCIN UNIFORME
Caso I .- Cul es la probabilidad de que hayan terminado la primaria las
siguientes personas:
De 18 aos 9 personas 9<x<18
De 20 aos 10 personas 10<x<20
De 30 aos 15 personas 15<x<30

De 40 aos 20 personas 20<x<40
De 50 aos 25 personas 25<x<50
De 60 aos 30 personas 30<x<60
Para todo el el conjunto en X la probabilidad es la misma de que hayan
terminado la primaria
DISTRIBUCIN NORMAL
Caso I.- Utilizando la distribucin normal, calcule el tiempo
medio en el cul los encuestados han estado desempleados,
con una media de 1 aos y una desviacin estndar de 1 ao.
Qu porcentaje de los encuestados ha estado desempleados
por ms de 3 aos?
Z =
3-1
1
Por lo tanto el 97.72% de
los encuestados, han estado
desempleados por mas de 3
aos
=2
P(x>3)= P(x>2)
=1-P(x>2)
=1-0.9772
=1
2.28%
P(x>3)= 1-0.0228
=0.9772
97.72%
Caso II.- Utilizando la distribucin normal, se ha calculado el tiempo medio en el cual los
encuestados han estado sin drenaje, con una media de 3.51 a, y una desviacin estndar de
1.899
Qu porcentaje de encuestados han estado sin drenaje por lo menos 3 anos?
Encuestas tomadas 100
Media 3.51
Mediana 3
Moda 3
Desv. Tip 1.899
Varianza 3.606
Rango 13
Mnimo 2
Mximo 15
0 0.0322
1 0.0934
2 0.2148
3 0.3974
4 0.4013
5 0.3775
6 0.2177
7 0.0951
DISTRIBUCIN GAMMA
Donde:
F(Y)=
()=
=2 (n)=(n-1)! =2 parmetros
0<y<12





()

y

f(y)
2 2 1 0 0.9826
2 2 1 1 0.8924
2 2 1 2 0.7184
2 2 1 3 0.5404
2 2 1 4 0.3886
2 2 1 5 0.2699
2 2 1 6 0.1817
2 2 1 7 0.1185
2 2 1 8 0.0742
2 2 1 9 0.04374
2 2 1 10 0.023
2 2 1 11 0.00921
2 2 1 12 0
Hiptesis gamma:
La probabilidad de que un profesor no de horas extras es de 70%
Se rechaza y la probabilidad de que un maestro no de clases extras es de 90%.
Donde:
F(Y)=

()=





()

y

f(y)
2 2 1 0 0.9826
2 2 1 1 0.8924
2 2 1 2 0.7184
2 2 1 3 0.5404
2 2 1 4 0.3886
2 2 1 5 0.2699
2 2 1 6 0.1817
2 2 1 7 0.1185
2 2 1 8 0.0742
2 2 1 9 0.04374
2 2 1 10 0.023
2 2 1 11 0.00921
2 2 1 12 0
=4 (n)=(n-1)! =2
parmetros 1<y<12
Hiptesis gamma:
La probabilidad de que un profesor no de horas extras es de 70%
Se rechaza y la probabilidad de que un maestro no de clases extras es de 90%.
()

y
f(y
2
)
2 6 1 0 0
2 6 1 1 0.032
2 6 1 2 0.03200
1
2 6 1 3 0.03198
2 6 1 4 0.03186
2 6 1 5 0.03147
2 6 1 6 0.0305
2 6 1 7 0.02866
2 6 1 8 0.02561
2 6 1 9 0.02117
2 6 1 10 0.01533
2 6 1 11 0.0081
2 6 1 12 0
Donde:
F(Y)=
()=
=8 (n)=(n-1)! =2 parmetros
1<y<12
Hiptesis gamma:
La probabilidad de que un profesor no de horas extras es de 70%
Se rechaza y la probabilidad de que un maestro no de clases extras es de 90%.
Uniendo las tres grficas no da lo siguiente
II Caso de aplicacin.
Se realizo una encuesta en una escuela de nivel medio superior se toman 25 estudiantes se
escoge la pregunta de cuantas personas estudian en casa el resultado fue el siguiente:
3 2 3 3 2
2 3 3 4 4
3 6 2 3 3
3 2 2 3 5
3 3 2 1 1
0766 . 0 924 . 0 ) 72 . 2 ln(
ln
ln

n
x
x A
69 . 6 1
3
4
1
4
1

1
]
1

+ +
A
A

4065 . 0
69 . 6
72 . 2

x
B
DISTRIBUCIN BETA
En una muestra de 431 desempleados se procedi a realizar y6 intervalos con
las edades, quedando los intervalos como la siguiente tabla.
La distribucin est normalizada con una distribucin =1 y =1
La grfica muestra el porcentaje de desempleados de edad de 21 a 25
aos.
Dando un porcentaje de 27.1
Estadsticas de 431 desempleados tomando en cuenta la Edad
Nmero de
encuestados
431
Media 4.05
Desviacin Estndar 1.523
Varian 2.321
Edades
Rang
o
Cantidad Porcentaje
Porcentaje
de rango
Porcentaje
acumulativo

0 a 17 aos 1 11 2.6 2.6 2.6
18 a 20
aos
2 59 13.7 13.7 16.2
21 a 25
aos
3 117 27.1 27.1 43.4
26 a 30
aos
4 84 19.5 19.5 62.9
31 a 35
aos
5 31 7.2 7.2 70.1
Mayores de
36 aos
6 129 29.9 29.9 100.0
Total 431 100.0 100.0
Caso II
El porcentaje de alumnos que cuentan con habitacin propia sigue una distribucin beta con
= 2, = 5. Calcule la probabilidad de que ms de 10% de los alumnos cuenten con
habitacin propia.
La funcin de densidad de probabilidad de la distribucin beta continua es:
Donde
Solucin:
La funcin de densidad de probabilidad queda:
La funcin de distribucin de probabilidad queda:
x
F(x)=
0 0 0
0.05 1.2217 0.032773
0.10 1.9683 0.114265
0.15 2.3490 0.223515
0.20 2.4576 0.344640
0.25 2.3730 0.466064
0.30 2.1609 0.579825
0.35 1.8743 0.680920
0.40 1.5552 0.766720
0.45 1.2353 0.836432
0.50 0.9375 0.890625
0.55 0.6766 0.930801
0.60 0.4608 0.959040
0.65 0.2926 0.977678
0.70 0.1701 0.989065
0.75 0.0878 0.995361
0.80 0.0384 0.998400
0.85 0.0129 0.999601
0.90 0.0027 0.999945
0.95 1.7812E-4 0.999998
1.00 0 1
La probabilidad de que ms de 10% de los alumnos cuenten con habitacin propia.
DISTRIBUCIN JI CUADRADA
Caso I.- Supngase que el tiempo de desempleo es un cierto nmero de aos
con una desviacin estndar de 2.48. Si se toma una muestra al azar de 30
desempleados encuentre la probabilidad de que la varianza muestral sea
mayor que S
2
=3.35.
El valor de 39.17 se busca en la tabla en el rengln de 29 grados de libertad.
en con
Consecuencia el valor de la probabilidad es P(S
2
>3.35)
( ) ( )( )
17 . 39
48 . 2
35 . 3 1 30 1
2
2
2

S n
Caso II.- En una encuesta realizada a 90 personas se tomaron solo la
distribucin de acuerdo a la pregunta elaborada en la cual se mencionaba con
cuantos cuartos contaba su vivienda los dgitos del 1,2,3,4,5,6,7,8,9,10 que
se muestra en la tabla adjunta.
Difiere significativamente la distribucin observada de la distribucin
esperada al nivel de 0.01?
DIGITOS Respuesta
Esperada
Respuesta Negada
1 17 23
2 31 23
3 29 23
4 18 23
5 14 23
6 16 23
7 20 23
8 35 23
9 30 23
10 20 23
DISTRIBUCIN EXPONENCIAL
:
Caso I.- De la Ciudad de Mxico, de una muestra de 409 personas
desempleadas se encontr que buscan trabajo un promedio de 11.20,
y la distribucin se comporta de manera exponencial Cul es la
probabilidad de que hasta 14 desempleados busquen trabajo?
Funcin de densidad : Es una curva suave de frecuencia, que describe la
distribucin de probabilidad de una variable aleatoria continua X. Se denota
por f(x), en donde x se representa por todos los valores posibles de la variable
aleatoria.
( )

'

n x o x para e
o otro de
x
x f
..., 3 , 2 , 1 __ _
mod _ _ ___ 0
) (

Funcin de Distribucin : Calculada como el rea que deja por debajo de s

la funcin de densidad.
{
0 _ ___ 0
0 _ ___ 1
) ( ) (

x para
x para e
x
x X P x F

Valor esperado y varianza

1
] [ x E

2
1
) (

x V
Solucin:
Calculamos las funciones antes mencionadas para obtener el comportamiento
de las funciones y saber si son exponenciales.
x f(x)=e
-x x -
e-1=(x)F
11.2 0 11.2 0
11.2 1 1.53E-04 0.999986325
11.2 2 2.04E-09 0.999999999
11.2 3 2.86E-14 0.999999999
11.2 4 3.91E-19 0.999999999
11.2 5 5.35E-24 0.999999999
11.2 6 7.32E-29 0.999999999
11.2 7 1.00E-33 0.999999999
11.2 8 1.36E-38 0.999999999
11.2 9 1.87E-43 0.999999999
11.2 10 2.55E-48 0.999999999
11.2 11 3.50E-53 0.999999999
11.2 12 4.78E-58 0.999999999
11.2 13 6.54E-63 0.999999999
11.2 14 8.95E-68 0.999999999
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
f
(
x
)
F
(
x
)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
f(x) F(x)
En la siguiente tabla podemos apreciar que si son exponenciales
En esta tabla podemos observar bien el rea bajo la funcin de distribucin que
deja la funcin de densidad.
Obtenemos el valor esperado esperanza:
510204 . 0 ] [
2
40 . 1
1
x E
Despus obtenemos la Varianza:
714285 . 0 ) (
40 . 1
1
x V
Entonces concluimos que sea p el nmero de personas que buscan trabajo, tenemos
que:
1 1 ] 14 [
) 14 ( 2 . 11

e T P 100%
Esta es la probabilidad de que la mitad busque trabajo en dos semanas.
Caso II.- De los estudiantes de nivel medio superior, de una muestra de 100 alumnos se
encontr que en sus hogares vive un promedio de 5.31 personas, y la distribucin se
comporta de manera exponencial Cul es la probabilidad de que vivan hasta 5
personas?
Funcin de densidad: Es una curva suave de frecuencia, que describe la distribucin de
probabilidad de una variable aleatoria continua X. Se denota por f(x), en donde x se
representa por todos los valores posibles de la variable aleatoria.
Funcin de Distribucin: Calculada como el rea que deja por debajo de s la funcin de
densidad.
Valor esperado y varianza

1
] [ x E
2
1
) (

x V
Solucin:
Calculamos las funciones antes mencionadas para obtener el comportamiento de las
funciones y saber si son exponenciales.
x f(x)=e
-x x -
e-1=(x)F
100/531 0 188.3239E-03 0
100/531 1 155.9974E-03 171.6536E-03
100/531 2 129.2199E-03 313.8423E-03
100/531 3 107.0388E-03 431.6237E-03
100/531 4 88.6652E-03 529.1876E-03
100/531 5 73.4455E-03 610.0043E-03
En la siguiente tabla podemos apreciar que si son exponenciales
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
f
(
x
)
F
(
x
)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
f(x) F(x)
Entonces concluimos que sea p el nmero de personas que buscan trabajo, tenemos que:
DISTRIBUCION T DE STUDENT.
Caso I.- Pasando a otra pregunta de la misma encuesta realizada a los alumnos
de nivel medio superior se noto que al menos un 85% tiene un buen suministro
de agua, tomando como muestra aleatoria de tamao 25 y se encuentra que la
media muestral es la desviacin estndar es de 5 puntos. Como
podremos comprobar con esto a que en realidad el 85% tiene buen suministro?
Hiptesis nula, H
0
: = 30 Hiptesis alternativa, H
1
: > 30
El estadstico t ser: t = x / * n = 17 30 / 5 * (25)^1/2 = 13
Y tendremos una distribucin de t con = 25 1 = 24 grados de libertad. Si
admitimos = 1.5 por cierto, como esta es una prueba unilateral o de un
extremo, obtenemos

P(-0.85< t <0.85 = 24) = 0.2
Como t = 0.2 , la probabilidad de elegir una muestra con x 17, o mayor, de una
poblacin con = 30 ser menor que 1.5 por cierto.
Por tanto, la diferencia entre x y es significativa y rechazamos la hiptesis
nula de
= 30 y aceptamos la alternativa de > 30.
SOLUCION:

X
2
= (17 - 23)
2
/ 23 + (31 - 23)
2
/ 23 + (29 - 23)
2
/ 23 + (18 - 23)
2
/ 23 +(14 -
23)
2
/ 23 (16 - 23)
2
/ 23+ (20 - 23)
2
/ 23+ (35 - 23)
2
/ 23 + (30- 23)
2
/ 23 +(20 -
23)
2
/ 23 =29.05
El valor critico de X
2
0.99
para v = k 1 = 9 grados de libertad es de 21.7; como
29.05> 21.7 se deduce que la distribucin observada difiere significativamente
de la esperada al nivel de significacin del 0.01. Se deduce que cabe sospechar
alguna tendencia no aleatoria en dicha tabla de nmeros.
DISTRIBUCIN F.
Caso I.- De acuerdo con los resultados del anlisis hecho a las encuestas aplicadas a los
alumnos del CETis35 se encuentra que el porcentaje de alumnos que cuentan con
habitacin propia sigue una distribucin F con d1 = 100, d2 = 2.
La funcin de densidad de probabilidad de la distribucin beta continua es:
Donde
Solucin:
Debido a que esta distribucin cambia muy rpido en sus primeros puntos, debemos evaluar
valores muy pequeos para observar los cambios. Por lo tanto recurrimos a la ayuda de un
software (MathCad), evaluamos la funcin de distribucin y construimos la grafica. A
continuacin se enumeran algunos puntos:
g(x)
0 0
1 0.364
2 0.151
3 0.079
4 0.048
5 0.033
6 0.023
7 0.018
8 0.014
9 0.011
1
0
9.031e-3
Grafica de la Distribucin F con d1 = 100, d2 = 2 grados de libertad