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:
Gana lo suficiente

si
no
No
contest
Total

Frequenc
y

Percent

Valid
Percent

96
287
26

23,5
70,2
6,3

23,5
70,2
6,3

409

100

100

Cumulati
ve
Percent
23,5
76,5

100

Por lo tanto:
Probabilidad de xito P(S)=p=.235
- p=q=.765

Probabilidad de fracaso P (F)=1

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

Tabla de Distribucin Binomial:

y

2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0

1
2
3
4
5

6
7
8
9
1
0
1
1

1
2
1
3
1
4
1
5

1
20
190
1140
4845
15504
38760
77520
12597
0
16796
0
18475
6
16796
0
12597
0
77520
38760
15504

0,23
5
0,23
5
0,23
5
0,23
5
0,23
5
0,23
5
0,23
5
0,23
5
0,23
5
0,23
5
0,23
5
0,23
5
0,23
5
0,23
5
0,23
5
0,23
5

ny

20

0,235

19

0,055225

18

0,012977
88
0,003049
8
0,000716
7
0,000168
43
3,958E05
9,3013E06
2,1858E06
5,1366E07
1,2071E07
2,8367E08
6,6663E09
1,5666E09
3,6814E10

17

0,76
5
0,76
5
0,76
5
0,76
5
0,76
5
0,76
5
0,76
5
0,76
5
0,76
5
0,76
5
0,76
5
0,76
5
0,76
5
0,76
5
0,76
5
0,76
5

16
15
14
13
12
11
10
9
8
7
6
5

0,004712
25
0,006159
81
0,008052
04
0,010525
54
0,013758
88
0,017985
46
0,023510
4
0,030732
55
0,040173
27
0,052514
08
0,068645
86
0,089733
15
0,117298
24
0,153331
03
0,200432
72
0,262003
55

0,004712254
0,028951104
0,084488025
0,155723027
0,203305062
0,199850205
0,153479733
0,094294738
0,047070331
0,019279351
0,006514657
0,001819304
0,000419153
7,92366E-05
1,21703E-05
1,49544E-06

2
0
2
0
1 2
8 0
1
2
9
0
2
2
0
0
Grfica
1
6
1
7

0,23 8,6514E5
11
1140
0,23 2,0331E5
11
190
0,23 4,7777E5
12
20
0,23 1,1228E5
12
1
0,23 2,6385E5
13
correspondiente:
4845

4
3
2
1
0

0,76
5
0,76
5
0,76
5
0,76
5
0,76
5

0,342488
3
0,447697
13
0,585225

1,43557E-07

0,765

1,71783E-11

2,6385E-13

1,03763E-08
5,31249E-10

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

Valid

Missing
Total

si
no
Total
System

Frequency
5
15
20
56
76

Percent
6,6
19,7
26,3
73,7
100,0

Valid Percent
25,0
75,0
100,0

Cumulative
Percent
25,0
100,0

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

2
0

0,25

20

0,25

ny

20

0,75

0,003171
2

0,00317212

0,25

19

0,75

0,004228

0,021141

2
0

190

0,25

0,0625

18

0,75

0,005637
7

0,06694768

2
0

1140

0,25

0,015625

17

0,75

0,007516
9

0,13389478

2
0

4845

0,25

0,003906
25

16

0,75

0,010022
5

0,189683642

2
0

15504

0,25

0,000976
5

15

0,75

0,013363
4

0,206414069

2
0

38760

0,25

0,000244
1

14

0,75

0,017817
9

0,168580782

2
0

77520

0,25

6,1035E05

13

0,75

0,023757
2

0,112405604

2
0

12597
0

0,25

1,5258E05

12

0,75

0,031676
3

0,060883440

2
0

16796
0

0,25

3,8146E06

11

0,75

0,042235
1

0,027060037

1
0

2
0

18475
6

0,25

9,5367E07

10

0,75

0,056313
5

0,009222277

1
1

2
0

16796
0

0,25

2,3841E07

0,75

0,075084
6

0,003006630

1
2

2
0

12597
0

0,25

5,9604E08

0,75

0,100112
9

0,000751679

1
3

2
0

77520

0,25

1,4901E08

0,75

0,133483
8

0,000154190

1
4

2
0

38760

0,25

3,7252E09

0,75

0,177978
5

2.5698E-05

1
5

2
0

15504

0,25

9,3132E10

0,75

0,237304
6

3.4264E-06

1
6

2
0

4845

0,25

2,3283E10

0,75

0,316406
2

3,5692E-07

1
7

2
0

1140

0,25

5,8207E11

0,75

0,421875

2,7993E-08

190

0,25

1,4551E-

0,75

0,5625

1.5553E-10

11

1
9

2
0

20

0,25

3.6379E12

0,75

0,75

5.4568E-11

2
0

2
0

0,25

9.0949E13

0,75

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

Valid

Missing
Total

Frequency
sin apagones
19
con apagones
11
Total
30
System
38
68

Percent
27,9
16,2
44,1
55,9
100,0

Valid Percent
63,3
36,7
100,0

Cumulative
Percent
63,3
100,0

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

x1

0,63
3

0,36
7

0,633

0,63
3

0,36
7

0,367

0,232311

0,63
3

0,36
7

0,13468
9

0,085258

0,63

0,36

0,04943

0,031289

0,63
3

0,36
7

0,01814
1

0,011483

0,63
3

0,36
7

6,65E03

4,20E-03

0,63
3

0,36
7

2,44E03

1.54E-03

0,63
3

0,36
7

8,96E04

5,67E-04

0,63
3

0,36
7

3,29E04

2,08E-04

1
0

0,63
3

0,36
7

1,20E04

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
desempleados y a la pregunta de si busca trabajo o no tenemos:

Si
No
No
contest
Total
Por lo tanto:

los

Busca trabajo
Frequen Perce Valid
Cumulative
cy
nt
Percent
Percent
289
67,1
67,1
67,1
121
28
28
32,9
21
4,9
4,9
431

100

Probabilidad de xito p=.671

100
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
1

0,67 0,32
1
9
2 0,67 0,32
1
9
3 0,67 0,32
1
9
4 0,67 0,32
1
9
5 0,67 0,32
1
9
6 0,67 0,32
1
9
7 0,67 0,32
1
9
8 0,67 0,32
1
9
9 0,67 0,32
1
9
1 0,67 0,32
0
1
9
Grfica Correspondiente:

x1
0

0,671

0,329

0,220759

0,108241

0,07262971

0,035611
29
0,011716
11
0,003854
6
0,001268
16
0,000417
23
0,000137
27
4,5161E05

0,02389517

4
5
6
7
8
9

0,00786151
0,00258644
0,00085094
0,00027996
9,2106E-05
3,0303E-05

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

Valid

Missing
Total

Bueno
malo
Total
System

Frequency
20
10
30
38
68

Percent
29,4
14,7
44,1
55,9
100,0

Valid Percent
66,7
33,3
100,0

Cumulative
Percent
66,7
100,0

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

76

2
0

54

22

19

54

1540

1,09E+1
8

83160

7,62E14

2 76

2
0

54

22

18

1431

7315

1,09E+1
8

1,04E+7

9,54E12

54

22

17

24804

26334

1,09E+1

6,53E+8

5,99E-

76

NM

nx

10

76

2
0

54

22

16

31625
1

74613

1,09E+1
8

2,35E+10

2,15E08

76

2
0

54

22

15

3,16E+
06

170544

1,09E+1
8

5,38E+11

4,93E07

76

2
0

54

22

14

2,58E+
07

319770

1,09E+1
8

8,25E+12

7,56E06

76

2
0

54

22

13

1,77E+
8

497420

1,09E+1
8

8,804E+1
3

8,07E05

76

2
0

54

22

12

1,04E+
9

646646

1,09E+1
8

6,72E+14

6,16E04

76

2
0

54

22

11

5,31E+
9

705432

1,09E+1
8

3,95E+15

3,62E03

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

9,57E+
10

497420

1,09E+1
8

4,76E+16

4,36E02

1
2

76

2
0

54

22

3,43E+
11

319770

1,09E+1
8

1,09E+17

0,1

1
3

76

2
0

54

22

1,10E+
12

170544

1,09E+1
8

1,87E+17

0,1715

1
4

76

2
0

54

22

3,24E+
12

74613

1,09E+1
8

2,41E+17

0,2211

1
5

76

2
0

54

22

8,65E+
12

26334 1,09E+1
8

2,27E+17

0,2082

1
6

76

2
0

54

22

2,10E+
13

7315 1,09E+1
8

1,53E+17

0,1403

1
7

76

2
0

54

22

4,71E+
13

1540

1,09E+1
8

7,25E+16

0,0665

1
8

76

2
0

54

22

9,69E+
13

231 1,09E+1
8

2,23E+16

0,0204
5

1
9

76

2
0

54

22

1,83E+
14

22 1,09E+1
8

4,026E+1
5

0,0036
9

76

54

22

3,21E+

1 1,09E+1

3,21E+14

0,0002

14

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:

94

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
140
contest

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
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1

N
40
9
40
9
40
9
40
9
40
9
40
9
40
9
40
9
40
9
40
9
40
9
40
9
40

n
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2

NM

nx

13
3
13
3
13
3
13
3
13
3
13
3
13
3
13
3
13
3
13
3
13
3
13
3
13

276

19

133

276

18

8778

276

17

383306

276

16

276

15

276

14

276

13

276

12

276

11

276

10

276

276

276

1,25E+0
7
3,20E+0
8
6,80E+0
9
1,24E+1
1
1,95E+1
2
2,72E+1
3
3,74E+1
4
3,77E+1
5
3,83E+1
6
3,57E+1

1,03E+2
9
7,65E+2
7
5,32E+2
6
3,47E+2
5
2,13E+2
4
1,22E+2
3
6,49E+2
1
3,20E+2
0
1,44E+1
9
5,99E+1
7
2,24E+1
6
7,53E+1
4
2,24E+1

4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3

1,3699E
+31
6,7152E
+31
2,0392E
+32
4,3227E
+32
6,816E+
32
8,296E+
32
8,0476E
+32
6,24E+3
2
3,9168E
+32
2,2403E
+32
8,4448E
+31
2,884E+
31
7,9968E

3,12E03
1,53E02
4,65E02
9,85E02
1,55E01
1,89E01
1,83E01
1,42E01
8,92E02
5,10E02
1,92E02
6,57E03
1,82E-

3
1
4
1
5
1
6
1
7
1
8
1
9
2
0

9
40
9
40
9
40
9
40
9
40
9
40
9
40
9

0
2
0
2
0
2
0
2
0
2
0
2
0
2
0

3
13
3
13
3
13
3
13
3
13
3
13
3
13
3

276

276

276

276

276

276

276

7
3,06E+1
8
2,42E+1
9
1,79E+2
0
1,23E+2
1
7,94E+2
1
4,80E+2
2
2,73E+2
3

3
5,81E+1
1
1,28E+1
0
2,36E+0
8
3,46E+0
6
37950
276
1

3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3
4,39E+3
3

+30
1,7779E
+30
3,0976E
+29
4,2244E
+28
4,2558E
+27
3,0132E
+26
1,3248E
+25
2,73E+2
3

03
4,05E04
7,06E05
9,62E06
9,69E07
6,86E08
3,02E09
6,22E11

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

Valid

Missing
Total

si
no
Total
System

Frequency
5
15
20
56
76

Percent
6,6
19,7
26,3
73,7
100,0

Valid Percent
25,0
75,0
100,0

Cumulative
Percent
25,0
100,0

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

e-()

()k

K!

()k/K!

e()
()k/K!

5,6E-09

5,6E-9

5,6E-09

19

19

1,06E-7

5,6E-09

361

180.5

1,01
E-6

5,6E-09

6859

41154

6,40E-6

5,6E-09

130321

24

3127704

3,04E-5

5,6E-09

2476099

120

2,9E08

1,15E-4

5,6E-09

4704588
1

720

3,3E10

3,65E-4

5,6E09

8938717
39

5040

4,50E12

9,93E-4

5,6E-09

1,6E10

40320

2,22E-3
6,45E14

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
1
6
1
7
1
8

5,6E-09
5,6E-09
5,6E-09
5,6E-09

1,51E19

1,30767E+
12

1,96E31

0,0650

2,88E20

2,09228E+
13

6,01E33

0,0771

5,48E21

3,55687E+
14

1,94E35

0,

1,04E23

6,40237E+
15

6,65E38

0,091

086

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:
K

10
11
0
12
1
13
2
14
3
15
4
16
5
17
6
18
7
19
8
20
9

Nk

0
0
0
1
0
1
0
0
0
1
2
0
0
1
2
0
1
2
1
0
12
Donde 1215 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.
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
0

NK

e()

10
2
15
3
86

39

16

15
3
17
2
11
7
64

19

95

32

0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025

()k

K!

()k/K!

1,82

1,82

3,3124

1,6562

6,028568

10,97199
38
19,96902
86
36,34363
21
66,14541
05
120,3846
47
219,1000

24

1,004761
33
0,457166
41
0,166408
57
0,050477
27
0,013124
09
0,002985
73
0,000603

120
720
5040
40320
362880

e()
()k/K!
0,162025
75
0,294886
87
0,268347
05
0,162797
21
0,074072
73
0,026962
47
0,008178
62
0,002126
44
0,000483
77
9,7828E-

1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0

50

13

17

60

43
1

78
8

75
0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025
75
0,162025
75

58
398,7621
3628800
05
725,7470
39916800
31
1320,859 479001600
6
2403,964 622702080
47
0
4375,215 871782912
33
00
7962,891 1,30767E+
9
12
14492,46 2,09228E+
33
13
26376,28 3,55687E+
31
14
48004,83 6,40237E+
53
15
87368,80 1,21645E+
02
17
159011,2 2,4329E+1
16
8

Grfica correspondiente:

78
0,000109
89
1,8181E05
2,7575E06
3,8605E07
5,0187E08
6,0894E09
6,9266E10
7,4156E11
7,498E12
7,1823E13
6,5359E14

05
1,7805E05
2,9459E06
4,4679E07
6,2551E08
8,1316E09
9,8663E10
1,1223E10
1,2015E11
1,2149E12
1,1637E13
1,059E14

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

=2

P(x>3)= P(x>2)
=1-P(x>2)
=1-0.9772

Por lo tanto el 97.72% de

los encuestados, han estado
desempleados por mas de 3
aos

P(x>3)= 1-0.0228
=0.9772
97.72%

=1

2.28%

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
1
2
3
4
5
6
7

0.0322
0.0934
0.2148
0.3974
0.4013
0.3775
0.2177
0.0951

DISTRIBUCIN GAMMA

2
2
2
2
2
2
2
2
2
2
2
2
2

)
2
2
2
2
2
2
2
2
2
2
2
2
2

1
1
1
1
1
1
1
1
1
1
1
1
1

f(y)
0
1
2
3
4
5
6
7
8
9
10
11
12

0.9826
0.8924
0.7184
0.5404
0.3886
0.2699
0.1817
0.1185
0.0742
0.04374
0.023
0.00921
0

Donde:
F(Y)=

()=
=2
0<y<12

(n)=(n-1)!

=2

parmetros

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%.

2
2
2
2
2
2
2
2
2
2
2
2
2

)
2
2
2
2
2
2
2
2
2
2
2
2
2

1
1
1
1
1
1
1
1
1
1
1
1
1

f(y)
0
1
2
3
4
5
6
7
8
9
10
11
12

0.9826
0.8924
0.7184
0.5404
0.3886
0.2699
0.1817
0.1185
0.0742
0.04374
0.023
0.00921
0

Donde:
F(Y)=
()=
=4
1<y<12

(n)=(n-1)!

=2

parmetros

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%.

()

f(y2)

2
2
2

6
6
6

1
1
1

0
1
2

2
2
2
2
2
2
2
2
2
2

6
6
6
6
6
6
6
6
6
6

1
1
1
1
1
1
1
1
1
1

3
4
5
6
7
8
9
10
11
12

0
0.032
0.03200
1
0.03198
0.03186
0.03147
0.0305
0.02866
0.02561
0.02117
0.01533
0.0081
0

Donde:
F(Y)=
()=
=8
1<y<12

(n)=(n-1)!

=2

parmetros

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
3

2
3
6
2
3

A = ln x

3
3
2
2
2

ln x = ln(2.72) 0.924 = 0.0766

1
1 +
4A

4A
+1 = 6.69
3

3
4
3
3
1

2
4
3
5
1

x 2.72
B= =
= 0.4065
6.69

DISTRIBUCIN BETA

En una muestra de 431 desempleados se procedi a realizar y6 intervalos

con las edades, quedando los intervalos como la siguiente tabla.
Edades

Rang Cantidad
o
11
0 a 17 aos 1

18 a 20
aos
21 a 25
aos
26 a 30
aos
31 a 35
aos
Mayores de
36 aos

Porcentaje

Porcentaje
de rango

Porcentaje
acumulativo

2.6

2.6

2.6

59

13.7

13.7

16.2

117

27.1

27.1

43.4

84

19.5

19.5

62.9

31

7.2

7.2

70.1

129

29.9

29.9

100.0

Total

431

100.0

100.0

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

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
0
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
0.55
0.60
0.65
0.70
0.75
0.80
0.85
0.90
0.95
1.00

F(x)=
0
1.2217
1.9683
2.3490
2.4576
2.3730
2.1609
1.8743
1.5552
1.2353
0.9375
0.6766
0.4608
0.2926
0.1701
0.0878
0.0384
0.0129
0.0027
1.7812E-4
0

0
0.032773
0.114265
0.223515
0.344640
0.466064
0.579825
0.680920
0.766720
0.836432
0.890625
0.930801
0.959040
0.977678
0.989065
0.995361
0.998400
0.999601
0.999945
0.999998
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 S2=3.35.

2 =

( n 1) S 2

( 30 1)( 3.35) = 39.17

2.48

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)

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

17

23

31

23

29

23

18

23

14

23

16

23

20

23

35

23

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.
f ( x) =

e x para _ x o __ ( x =1, 2 , 3..., n )

0 ___ de _ otro _ mod o

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

la funcin de densidad.

F ( x) = P ( X x) =

0 ___ para _ x 0
1 e x ___ para _ x 0

Valor esperado y varianza

E[ x ] =

Solucin:

V ( x) =

1
2

Calculamos las funciones antes mencionadas para obtener el

comportamiento de las funciones y saber si son exponenciales.

f(x)=e-x

11.2

11.2

11.2

1.53E-04

0.999986325

11.2

2.04E-09

0.999999999

11.2

2.86E-14

0.999999999

11.2

3.91E-19

0.999999999

11.2

5.35E-24

0.999999999

11.2

7.32E-29

0.999999999

11.2

1.00E-33

0.999999999

11.2

1.36E-38

0.999999999

11.2

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

x -

e-1=(x)F

En la siguiente tabla podemos apreciar que si son exponenciales

1
0.9
0.8

f(x)

0.7

F(x)

0.6
0.5

0.3
5

0.2
8

10

0.1
11

12

0
13

14

15

F(x)

f(x)

0.4

En esta tabla podemos observar bien el rea bajo la funcin de distribucin que
deja la funcin de densidad.

Obtenemos el valor esperado esperanza:

E[ x] = 1.401 2 = 0.510204
Despus obtenemos la Varianza:

V ( x) = 1.140 = 0.714285
Entonces concluimos que sea p el nmero de personas que buscan trabajo, tenemos
que:

P[T 14] =1 e 11.2 (14 ) =1

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

E[ x ] =

V ( x) =

1
2

Solucin:
Calculamos las funciones antes mencionadas para obtener el comportamiento de las
funciones y saber si son exponenciales.

100/531
100/531
100/531
100/531
100/531
100/531

x
0
1
2
3
4
5

f(x)=e-x
188.3239E-03
155.9974E-03
129.2199E-03
107.0388E-03
88.6652E-03
73.4455E-03

En la siguiente tabla podemos apreciar que si son exponenciales

x -

e-1=(x)F
0
171.6536E-03
313.8423E-03
431.6237E-03
529.1876E-03
610.0043E-03

1
0.9
0.8

f(x)

0.7

F(x)

0.6
0.5

0.3
5

0.2
8

10

0.1
11

12

0
13

14

15

F(x)

f(x)

0.4

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, H0:

El estadstico t ser:

= 30

t = x / * n

Hiptesis alternativa, H 1:

> 30

= 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:

X2 = (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 X20.99 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:

0
1
2
3
4
5
6
7
8
9
1
0

g(x)
0
0.364
0.151
0.079
0.048
0.033
0.023
0.018
0.014
0.011
9.031e-3

Grafica de la Distribucin F con d1 = 100, d2 = 2 grados de libertad