TEMA III DISTRIBUCIONES TEORICAS DE PROBABILIDAD

Objetivos del Tema

Lograr que el estudiantes sean capaz de:
- Conocer los conceptos de variable aleatoria, variable aleatoria discreta y
continua y distribucin terica de probabilidad.
- dentificar y caracterizar las distribuciones probabilsticas: BNOMAL,
POSSON, Y NORMAL. Y calcular probabilidad haciendo uso de las tablas
correspondientes.
- Conocer las distribuciones Chi-Cuadrado, t de Student y F de Fisher y el clculo
de probabilidad haciendo uso de las tablas correspondientes.
Autopreparacin del Tema III
El alumno debe conocer que debe dominar lo que es una variable aleatoria, y
poder identificar las variables aleatorias discretas y continuas, as como dominar
que es una funcin de probabilidad y como a travs de ellas puede calcular
probabilidad. En el caso de las variables aleatorias discretas se calcula
probabilidad sumando, mientras que en el caso de las variables aleatorias
continuas se calcula probabilidad integrando. Debe saber que la funcin de
distribucin tiene marcada importancia en las variables aleatorias continuas ya
que permite el clculo de probabilidad a travs de las propiedades de la misma
sin necesidad de integrar.
Particular importancia tienen las distribuciones Binomial, Poisson y Normal, ya
que conociendo las caractersticas de estas distribuciones el clculo de
probabilidad se hace muy fcil utilizando las tablas que existen para cada
distribucin. Debe quedar muy claro para ustedes que en el caso de la
distribucin normal, que es una distribucin que corresponde a variable continua,
est tabulada la Funcin de distribucin, de ah la importancia de conocer sus
propiedades para el clculo de probabilidades.
En el caso de las distribuciones Chi-cuadrado y T'Student, el objetivo fundamental
est en el manejo de la tabla para el clculo de probabilidades ya que su
aplicacin se estudiar en la Estadstica Matemtica . Estas dos distribuciones
tambin son variables aleatorias continuas, por lo que, lo que est tabulada en la
tabla es la funcin de distribucin, por lo tanto es vlido lo planteado en el prrafo
anterior.
Los aspectos fundamentales de este tema son:
1. Determinar el espacio muestral de un experimento aleatorio mediante el uso
de variables aleatorios.
2. Calcular probabilidades utilizando las Funciones de Probabilidad y de
Distribucin.
3. dentificar las principales distribuciones probabilsticas.
4. Utilizar las Tablas para el Clculo de probabilidades.
80
TEMA III
SEMANA VII.- Tema III. Distribuciones Tericas !e "robabi#i!a!. De$inicin
!e Variab#e A#eatoria. De$inicin !e %uncin !e Probabi#i!a! Uni&aria!a.
Caso !iscreto ' continuo. Pro"ie!a!es. %uncin !e Distribucin.
Pro"ie!a!es. Va#or Es"era!o !e una &ariab#e a#eatoria.
Bib#io(ra$)a. Esta!)stica. Ca"itu#o * "a(inas ++,-.
En el Tema estudiamos las distribuciones empricas de frecuencias, que son
distribuciones obtenidas por observaciones tomadas de la experiencia.
En el Tema se establecieron varias reglas de probabilidad, en este Tema se
utilizar esta informacin para desarrollar el concepto de Esperanza matemtica
y explorar varios modelos de la probabilidad que representan fenmenos
discretos y continuos.
En este tema que se comienza ahora, se estudiarn las distribuciones tericas de
probabilidad las cuales son "MODELOS TEORCOS ESTABLECDOS", basados
en las probabilidades y que se utilizaran si las caractersticas del problema
planteado son las requeridas para el uso de estas.
Primeramente se vern algunas cuestiones bsicas, antes de estudiar los
modelos antes planteados, se comenzar con el concepto de Variable aleatoria.
VARIABLE ALEATORIA.
Una variable aleatoria "X" es una aplicacin definida en un espacio muestral S,
que toma valores reales, o sea es la transformacin del Espacio Muestral en un
conjunto numrico, mediante X.
Tambin se pudiera decir que una variable aleatoria es un fenmeno de inters
cuyas respuestas o resultados se pueden expresar numricamente.
Ejemplo. Experimento: lanzar una moneda dos veces.
Si lo que interesa es conocer la cantidad de caras que pueden aparecer. Cul
ser el espacio muestral?
S:[ CC EE CE EC ] X: nmero de caras que aparecen. X= 0, 1, 2
Las variables aleatorias se pueden clasificar en: discreta y continua DISCRETA/
Si toma un conjunto finito o infinito numerables de valores.
CONTINUA/ Si toma cualquier valor real de un intervalo.
FUNION !E "ROBABILI!A!. Es la correspondencia que hay entre el valor de
la variable y la probabilidad de ocurrencia de cada valor. Se denota por f (x).
Si la funcin de probabilidad [f (x)] es discreta se le denomina Funcin de
Cuanta. Para que sea una funcin de probabilidad, la funcin de cuanta, debe
cumplir las siguientes propiedades: n
1.- f (x) 0 2.- f (x) = 1

i = 1
Debemos sealarse que hay autores que la funcin de cuanta la representan por
p(x).
81
Ahora bien, si la funcin de probabilidad [f (x) ] es continua se le denomina
Funcin de densidad. Para que sea una funcin de probabilidad, la funcin de
densidad, deben cumplirse las siguientes propiedades:

1.- f (x) 0 2.- f x dx
xo
xn
( )

= 1 3.- p{a < x b} =

b
a
dx x f ) (
4.- P (X = Xk) = 0
Esta ltima propiedad nos indica que la probabilidad de un punto no existe por lo
tanto se cumplir, para las variables continuas lo siguiente:
f x dx
a
b
( )

= P{a x b} = {a < x b} ={a x < b} = {a < x < b}

es decir no se tiene en cuenta si es menor igual; menor, ya que da lo mismo;
mayor; mayor igual.
FUNION !E !I#TRIBUION$
Existe una funcin que est ntimamente relacionada con f (x), la cual se denota
por F(x) y se denomina Funcin de Distribucin, y se define como:
La "robabi#i!a! !e 0ue 121 tome &a#ores menores o i(ua#es a un &a#or
!etermina!o 3245. Es !ecir acumu#a 6asta un &a#or !etermina!o/
%325 7 P38 845
Si la funcin de distribucin corresponde a variable aleatoria discreta:
xk
F(x) = f (x)

x < xk
Toda funcin de distribucin de variable aleatoria discreta cumple las siguientes
propiedades:
1.- 0 F(x) 1 4.- F(x) es una funcin no decreciente
esto es si x1 x2 implica F(x1) F(x2)
2.- lim. F(x) = 0 5.- Si x1 < x2 entonces:
x - P(x1 < x x2) = F(x2) - F(x1)
3.- lim F(x) = 1
x
!e esta %ta propiedad se deriva&
"'() ( (*+, F'(*+ - F'()+ . / '()+
"'() < ( < (*+ , F'(*+ - F'()+ -/ '(*+
"'() ( < (*+ , F'(*+ - F'()+ . / '()+ - / '(*+
Y si la Funcin de distribucin corresponde a variable aleatoria continua:

F(x) = f x dx
x
xk
( )

Toda funcin de distribucin de variable aleatoria continua cumple las siguientes
propiedades:
82
1.- lim F(x) = 0 4.- P(x1< x x2)= F(x2) - F(x1)
x - y como P(X = Xk) = 0 entonces:
2.- lim F(x) = 1 P(x1 < x x2) = P(x1 x x2)=
x P(x1 < x < x2)=P(x1 x < x2)
3.- F(x) es una funcin no 5.- La derivada parcial de F(x) decreciente,
esto es si: respecto a x es igual f (x)
x1 x2 entonces F(x1) F(x2)
De su definicin y sus propiedades se puede concluir que para calcular
probabilidad a partir de la funcin de distribucin sera:
P(x xk) = F(x)
P(x > xk) = 1 - F(x)
P(x1 < x x2) = F(x2) - F(x1)
Las desigualdades de mayor, o mayor igual se tendrn en cuenta si se le aplica a
variables discretas. En variables continuas recuerden que no es necesario, ya
que no existe la probabilidad de un punto.
E9em"#os/
1.- Un determinado experimento aleatorio tiene como funcin de probabilidad la
relacin:
f (x) = (1+x)/10 para x=0, 1, 2, 3
Se pide:
a.- Verifique las propiedades de f(x)
b.- P(x >1)
c.- F(1)
!.- Probabilidad de que x tome por lo menos valor 1
e.- Probabilidad de que x tome a lo sumo valor 2
$.- F(3)
So#ucin/
a.- Pro"ie!a! $ 325 :
f (x0)= 1/10; f (x1)= 2/10; f (x2)= 3/10; f (x3)= 4/10; por tanto f (x) > 0
Pro"ie!a! 0ue #a suma !e $ 325 !es!e : a ; 7 <
f (x)= 1/10[(1+0)+(1+1)+(1+2)+(1+3)] = 10/10 = 1
3
b.- P(x > 1) = f (x) = (1+2)/10 + (1+3)/10 = 3/10 + 4/10 = 7/10=0.7

x = 2
c.- x f (x) F(x)
0 1/10 1/10 F(1) = 3/10 = 0.3 esto nos indica que x es menor
1 2/10 3/10 igual a 1.
2 3/10 6/10
3 4/10 10/10
Deben fijarse que F(x), se determina y representa lo mismo que Ni, es decir las
frecuencias absolutas acumuladas.
3
d.- P(x 1) = f (x) = 1 - f (x=0) = 1 - 1/10 = 9/10 = 0.9

x = 1

83
Tambin se podra hacer, sumando, en vez de por el complemento:
= 1/10[(1+1) + (1+2) + (1+3) ] =
= 1/10 (2 + 3 + 4) = 9/10 = 0.9
2
e.- P(x 2) = f (x) = 1 - f (x=3) = 1 - 4/10 = 6/10 = 0.6

x = 0
Tambin se podra hacer sumando en vez de por el complemento:
= 1/10[(1+0) + (1+1) + (1+2)] =
= 1/10 (1 + 2 + 3) = 6/10 = 0.6
f.- F(3)= 1 Esto indica que x es menor o igual a 3.
..-Sea f (x) = 1/18(3 + 2x) una funcin de densidad para 2 < x < 4
a.- Verifique si se cumplen las propiedades de f (x)
b.- Calcule P(x < 3)
c.- P(x 3)
d.- P(x = 3)
e.- Halle F(x)
f.- Calcule P(2 < x 3) haciendo uso de la F(x)
So#ucin/
a.- f (x) = 1/18 (3 2x)dx +

2
4
= 1/18[ 3x + 2x
2
/2 ]= 1/18[(12+16) - (6+4)]
= 1/18 (28 - 10) = 18/18 = 1
b.- P(x < 3)= 1/18 ] ( ) / 3 2 2
2
3
+

x dx = 1/ 18(3x + 2x = 1/ 18[(9 + 9) - (6 + 4)]

2
= 1/18 (18 - 10) = 8/18 = 4/9 = 0.44
c.- P(x 3)=1/18 ( ) / ] 3 2 2
3
4
+

x dx = 1/ 18(3x + 2x = 1/ 18[(12 +16) - (9 + 9)]

2

=1/18(28 -18) = 10/18 = 5/9 = 0.55
d.- P(x=3) = 0
e.- F(x) = 1/18 ( ) ) 3 2
2
+

x dx k
xk
= 1/ 18(3x + 2x / 2] = [(3x + x - (6 + 4)]
2
k
2
= 1/18(3xk + x
2
k - 10) por tanto F(x) ser
%325 7 <,<+ 32
.
= ;2 - <:5
f.- P(2 < x 3) = F(3) - F(2)
= [1/18(9+9-10) ] - [1/18(4+6-10) ]
= 1/18(8 - 0) = 8/18 = 4/9 = 0.44
ARATERI#TIA# NU0ERIA# !E UNA VARIABLE ALEATORIA
Las caractersticas numricas son medidas que permiten sintetizar la informacin
de forma tal que ofrecen las caractersticas generales del fenmeno en estudio,
84
es decir, sus rasgos principales. Tambin se conocen como parmetros de las
variables aleatorias.
Las caractersticas fundamentales que se estudiarn son: Media y varianza
El valor medio de una Variable aleatoria, se denomina valor esperado
esperanza matemtica se denota por E 325.
E# &a#or es"era!o !e una &ariab#e a#eatoria se "ue!e consi!erar como su
"rome!io "on!era!o sobre to!os #os resu#ta!os "osib#es sien!o #as
1"on!eraciones1 #a "robabi#i!a! re#aciona!a con ca!a uno !e #os
resu#ta!os.
El clculo del valor esperado est en dependencia si se est trabajando con
variables aleatorias discretas o continuas. En el caso de las variables aleatorias
discreta, esta medida de resumen se puede obtener multiplicando cada resultado
posible de xi por su probabilidad correspondiente P(xi) y despus sumando los
productos resultantes. Por lo tanto el valor esperado de la variable aleatoria
discreta xi se puede expresar de la siguiente forma:
N
= E 325 = 2i $ 325

i 7 <
En el caso de las variables aleatorias continuas, esta medida de resumen se
obtiene integrando desde x0 hasta xn el producto de la variable x por su funcin de
probabilidad. Por lo tanto el valor esperado de la variable aleatoria continua xi se
puede expresar de la siguiente forma:
= E 325 7

xn
x
dx x xf
0
) (

"RO"IE!A!E# !EL VALOR E#"ERA!O
1.- La esperanza de una constante es igual a la propia constante.
E 345 7 4
2.- La esperanza del producto de una constante por una variable es igual a la
constante por la esperanza de la variable.
E 3425 = 4 E 325
3.- Si x1, x2 , ... , xn son variables aleatorias entonces:
n n
E 3 2i 5 7 E 325

i 7< i 7 <
4.- La esperanza de la suma (o resta) de una constante y una variable es igual a
la constante mas la suma (o resta) de la esperanza de x.
E 34 25 7 4 E 325
5.- Si la media poblacional es igual a la esperanza de x, entonces la esperanza de
las desviaciones con respecto a la media es igual a cero
Si 7 E 325 entonces #a E 32 -57 :
6.- Si x e y son variables aleatorias independientes entonces, la esperanza del
producto de "x" e "y" es igual al producto de la esperanza de "x" y de la esperanza
de "y".
85
E 32'5 7 E 325 E 3'5
7.- La esperanza del producto de la suma de n, variables y constantes es igual a
la suma del producto de las "n" constantes por las esperanza de las variables.
E 3C<2< = C.2. = ...= Cn2n 5 7 C< E 32<5= C. E 32.5= ...= Cn E 32n5
VARIAN>A
La &arian?a es i(ua# a #a es"eran?a !e #as !es&iaciones con res"ecto a #a
me!ia@ a# cua!ra!o/
V325 7 E 32 - 5
.

Tambin se simboliza por
2
(sigma al cuadrado, letra griega). Esta definicin
hace un tanto difcil el clculo de la varianza, ya que como se dijo anteriormente
en el clculo de la esperanza, la variable, es lo que est dentro del parntesis, y
en este caso lo que est dentro del parntesis, es (x - )
2
.
Por lo tanto para el clculo de la varianza para una variable aleatoria discreta
sera (x - )
2
f(x) y en el caso de variables aleatorias continuas sera
( ) ( ) x f x dx

2
.
Haciendo transformaciones matemticas se puede llegar a obtener una frmula
de clculo para la varianza que es mucho ms cmoda.
V325 7 E 32
.
5 - AE 325B
.
en el caso de la variable discreta la:

E32
.
5 7 2
.
$ 325 y en el caso de variables continua E 32
.
)= x f x dx
x
xn
2
1

( )
"RO"IE!A!E# !E LA VARIAN1A
1.- La varianza de una variable es igual o mayor que cero.
V325 :
2.- La varianza de una constante es igual a cero.
V345 7 :
3.- La varianza del producto de una constante por una variable es igual a la
constante al cuadrado por la varianza de la variable.
V3425 7 4
.
V325
4.- La varianza de la suma de una constante ms una variable es igual a la
varianza de la variable.
V34=25 7 V325
5.- Si x1 , x2 , ...xn son variables aleatorias independientes, entonces la varianza
de la suma de "n" variables es igual a la suma de las varianza de las variables.
n n
V3 2i5 7 V32i5

i 7 < i 7 <
6.- La varianza de la suma del producto de "n" variables por "n" constantes es
igual a la suma del producto de las "n" constantes al cuadrado por las varianzas
de las variables.
V3C< 2< = C. 2. = ... = Cn 2n5 7 C
.
< V32<5 = C
.
. V32.5 = ... = C
.
n V32n5
86
E9ercicios.-
E9em"#o <.- La funcin de una variable aleatoria x, esta dado por:
x = 1 2 3 4
f(x)=1/6 1/3 1/6 1/3
Calcular el valor esperado de x y su varianza.
So#ucin/ Primeramente se debe definir si es una variable aleatoria discreta o
continua ya que en dependencia del tipo de variable as ser su clculo. En este
caso es discreta, se sabe, porque la variable toma valores definidos: 1, 2, 3, y 4
Para ello se debe buscar x f (x) y x
2
f (x)
x f (x) = 1/6 2/3 3/6 4/3
x
2
f (x)= 1/6 4/3 9/6 16/3
E (x)= = x f (x) = 1/6 + 2/3 + 3/6 + 4/6 = (1+4+3+8)/6 = 16/6
= 2,66
V(x)= E(x
2
) - [E(x)]
2
E(x
2
) = x
2
f (x)
= 8.33 - 2,66
2
= 1/6 + 4/3 + 9/6 + 16/3
= 8.33 - 7.07 = (1+ 8 + 9 + 32)/6 = 50/6 = 8.33
= 1.26
E9em"#o ..- Si f (x) = x/2 para 0 < x < 2
a.- Cul ser el valor de la varianza de x?
b.- Hallar E (x+3)
c.- Hallar E (2x
2
)
d.- Cul ser el valor de V(2x)?
e.- Cul es el valor de la desviacin tpica de x?
Solucin: Qu tipo de variable es esta? La forma de presentar el recorrido de la
variable x, indica que es una variable continua.

a.- E (x) = 1 2 3
0
2
/ ( ) / ) x f x dx dx = 1/ 2 x = 1/ 2[x = 1/ 2(8 / 3 - 0)
2
0
2
3

=8/6 = 4/3 = 1.33

E (x
2
)= 1 2 1 2 4 1 2 16 4 16 8 2
2
0
2
4
/ ( ) / ( / ) / ( / ) / x f x dx dx x = 1/ 2 x
3
0
2

= = = =
V(x) = E (x
2
) - [E (x)]
2
= 2 - 1.33
2
= 2 - 1.77 = 0.23
b.- E(x+3) = E (x) + 3 = 1.33 + 3 = 4.33
c.- E(2x
2
) = 2 E(x
2
) = 2 . 2 = 4
d.- V(2x) = 2
2
V(x) = 4 (0.23) = 0.92
e.-
= =
2
0 23 ,
= 0,48
Recuerde que la desviacin tpica se representa por la letra griega sigma y que
es la raz cuadrada positiva de la varianza (V(x) =
2
)
Deben hacer los ejercicios del Laboratorio desde la pagina 95/102, los ejercicios
139/140, 142/144, 145e/148 excepto el d, el 150 de la pagina 108 a la 110 los
ejercicios 153/155 158.Desde la pagina 155 a la 1!1 los ejercicios 210/211, 213,
87
215, 219/225 Desde la pagina 154 a 1!0 los ejercicios 208, 209, 212, 214, 215,
21", 220 22!.
AUTOE8AMEN
<.- Qu entiende por variable aleatoria?
..- A que se denomina funcin de probabilidad?
;.- Cmo se denomina a la funcin de probabilidad de variable aleatoria discreta
y continua y como se denota.
C.- Cmo se define la Funcin de Distribucin?
*.- A partir de la definicin de Funcin de distribucin como determinara las
siguientes probabilidades para una variable aleatoria discreta y para una variable
aleatoria continua: (utilizando F(x))
a.- P(x xk)
b.- P(x > xk)
c.- P(x1 x < x2)
!.- P(x1< x x2)
e.- P(x1 < x < x2)
$.- P(x1 x x2)
D.- Se conoce la funcin de densidad f (x)= c(4+6x-3x
2
) para 0 < x < 2
Calcular:
a.- El valor de C
b.- La funcin de distribucin.
c.- P(x >1)
!.- P(x < x < 1.5)
e.- P(x > 1.9)
E.-El tiempo en trimestres que transcurre entre dos perturbaciones ciclnicas, se
ha podido determinar, que tiene la siguiente funcin de densidad:
f (x) = 4/9(x - x
3
) para 1 < x < 2 se pide:
a.- Calcule el tiempo esperado que debe transcurrir entre dos ciclones.
b.- De una medida de la desviacin tpica con que ocurren stos.
SEMANA VIII. Distribucin Binomia#. Uti#i?acin !e tab#as esta!)sticas.
Distribucin !e Poisson. Uti#i?acin !e tab#as esta!)sticas.
BIBLIOFRA%IA/ Esta!)stica. Ca")tu#o * "G(inas -;,-E.
En la semana anterior vimos como usar las probabilidades estudiadas en
Las variables aleatorias, as como para desarrollar el concepto de Esperanza
matemtica y llegar a los MODELOS como sntesis de los resultados anteriores
en un plano de mayor nivel.
88
Esto es, los modelos se producen a partir de un riguroso estudio de los ms
importantes resultados del comportamiento de diferentes procesos aleatorios
(experimentos), y para todo aquello que pueda presentarse como analoga a las
caractersticas que exige dicho modelo, adems de que brindan una aplicacin
simplificada de la realidad.
Se debe sealar que todo modelo contiene:
Caractersticas del experimento: Condiciones que tienen que cumplirse para
su aplicacin.
Definicin de la variable aleatoria y su recorrido.
f(x) ....Su funcin de probabilidad.
F(x) ....Su funcin de distribucin.(destacando importancia en V.A.C )
Parmetros (caractersticas numricas) al menos y
2
Para lograr una identificacin con las distribuciones (o modelos) fundamentales
en este Tema, los mencionaremos y marcaremos con un asterisco (* ) los que
estudiaremos.

Bernoull Como resumen de los experimentos
Binomial (* ) estudiados en el Tema 2 Probabilidades
V.A.Discreta Hipergeomtrica

_______________________________________________________
Poisson (* ) Como inters formativo para la teora de
las Colas y empleo en la asignatura
Programacin Matemtica.
Exponencial

________________________________________________________
V.A.Continua Normal (* )
Chi-Cuadrado (* ) Plataforma para el estudio de la
T'Student (* ) nferencia Estadstica.

!I#TRIBUION BINO0IAL
La distribucin Binomial es una de las distribuciones discretas ms utilizadas. Su
nombre se debe a la relacin que tiene la misma con el desarrollo del binomio:
(p+q)
n
= C
x
n
p
x
q
n - x

89
Esta distribucin est relacionada con la distribucin de Bernoull, que es la
distribucin de la variable aleatoria x, que toma solamente valores cero y uno
(fracaso y xito), cuando se realiza un solo experimento.
Sin embargo existen con frecuencia experimentos de carcter repetitivos en que
interesa registrar la ocurrencia o no ocurrencia de un suceso.
Considrese que "p" es la probabilidad de que el suceso ocurra, esto es, l xito.
Y que "q" es la probabilidad de que el suceso no ocurra, es decir el fracaso y
donde q =1- p
Si se realizan "n" repeticiones independientes del experimento en cuestin y se
representa por x, el nmero de xitos obtenidos en las n repeticiones del
experimento entonces se puede decir que la probabilidad de que ocurran "x"
xitos, viene dada por:
f (x) = C
x
n
p
x
q
n - x
donde X= 0, 1, ... , n
Distribucin Binomia#/ Antecedentes: los experimentos son con reposicin e
independientes (del Tema 2)
<.- Caracter)sticas:
- Que el resultado del experimento se pueda clasificar en una de dos
categora mutuamente excluyentes y colectivamente exhaustiva conocidas por
xito y fracaso (donde p = probabilidad de xito y q = probabilidad de fracaso
siendo p conocida).
- Qu se realicen "n" pruebas (finitas)
- Que las pruebas sean independientes.
- Que la probabilidad de xito sea constante de una observacin a otra.
..- De$inicin !e #a &ariab#e:
X # de veces que ocurren los xitos en n pruebas.
X = 0, 1, 2, ... , n
;.- %uncin !e Probabi#i!a!: f(x) = C
x
n
p
x
q
n - x

xk
C.- %uncin !e Distribucin/ F(x) = f ( x)

x = 0
*.- ParGmetros/
n
7 E(x) = x f (x) = np
.
7 V(x) = E(x
2
) - [E(x)]
2
= npq

x = 0

D.- Re"resentacin/ X B (n, p)
La distribucin BNOMAL ha sido utilizada en numerosas aplicaciones:
- EN JUEGOS DE AZAR.
Qu probabilidad hay que aparezca el color azul al girar 15 veces o ms la
rueda de una ruleta?.
- EN EL CONTROL DE LA CALDAD DE UN PRODUCTO.
90
Qu probabilidad hay de que en una muestra de 20 conos de hilo del mismo
tipo ninguno est, defectuoso, si el 10% de todos los conos de hilo producido en
cierta planta son defectuosos?
- EN LA EDUCACON.
Qu probabilidad tiene un estudiante de aprobar un examen de 5 preguntas de
opcin mltiple (cada una de ellas contiene 4 opciones) si adivina en cada
pregunta? (Aprobar se define como lograr correcto el 60% de las preguntas; es
decir, acertar por lo menos 3 preguntas)
- EN LAS FNANZAS.
Cul es la probabilidad de que cierta accin mostrar un aumento en su precio
al cierre, en una base diaria durante 10 sesiones (consecutivas) de operaciones,
si en realidad los cambios de precios en el mercado accionario son aleatorios?.
Fgense que esta distribucin queda definida por dos parmetros "n" y "p" y cada
vez que se especifican estos parmetros se puede presentar una distribucin de
probabilidad Binomial particular.
FORMA.
Una distribucin binomial puede ser simtrica sesgada. Siempre que
p = 0.5, la distribucin binomial ser simtrica, sin tomar en cuenta que tan
grande o pequeo sea el valor de "n. Sin embargo, cuando "p es diferente de
0.5, la distribucin ser sesgada. Cuanto ms cerca se encuentre "p de 0.5 y
mayor sea el nmero de observaciones "n, menos sesgada ser la distribucin,
por otra parte, con una "p pequea la distribucin tendr un gran sesgo a la
derecha y para una "p muy grande la distribucin tendra un gran sesgo a la
izquierda.
Los clculos de probabilidad a partir de la funcin, pueden llegar a ser muy
tediosos, en especial cuando aumenta "n, sin embargo se pueden obtener las
probabilidades directamente de la tabla Binomial, que est en la Seleccin de
tablas estadsticas y de esta forma evitar clculos fatigosos. Esta tabla
proporciona, para diversas combinaciones de n y p, las probabilidades de que la
variable aleatoria binomial tome valores x = 0, 1, 2, ..., n
Sin embargo debe tenerse en cuenta que no estn todos y cada uno de los
valores de "p que se necesitan, y hay casos en que sera necesario invertir la
probabilidad de xito por la de fracaso y volver a enunciar la variable y buscar en
la tabla los valores equivalentes de x que piden, esto se ver concretamente en
un ejercicio.
HCmo estG estructura!a esta tab#aI
Tiene en la primera fila los valores de "p; en la primera columna los valores de
"n y en la segunda columna los valores de x, pero estn representados en ella
por una k.
91
Y as sucesivamente.
Si se quiere tener el resultado de la probabilidad se combinan los valores de n y p
y dentro de ellos se busca el valor de x que se necesita digamos que se tiene una
distribucin binomial donde n = 2 y p = 0,15 y quiere obtener la P(x = 1) donde se
interceptan estos valores se obtiene la probabilidad, que en este caso es igual a
0.2550.
E9em"#o.
En la industria "rayonera" de Matanzas se est realizando una investigacin
acerca de la disciplina laboral.
Las estadsticas demuestran que el 5% de los obreros son ausentistas, si se
selecciona una muestra aleatoria de 5 trabajadores. Calcule la probabilidad que:
a.- 2 de ellos sean ausentistas.
b.- entre 3 y 5 sea ausentistas.
c.- de que todos asistan.
d.- al menos 4 sean ausentistas
Aqu se puede observar que la distribucin binomial se ajusta, ya que:
- el resultado se puede clasificar en xito y fracaso (ausentistas y no ausentistas
respectivamente)
- las pruebas son independientes, es decir que un obrero sea ausentista es
independiente de que otro lo sea.
- n es finito, 5 trabajadores ausentistas.
92
- p es constante, el 5% de los trabajadores son ausentistas.
Por tanto puedo decir que X B(5, 0.05)
So#ucin
X: nmero de obreros ausentistas de 5
a.- P (x = 2) = f(2) = = = ) 8574 . 0 )( 0025 . 0 ( 10 95 . 0 05 . 0
3 2 5
2
C 0.0214
ya que
10
! 3 * 1 * 2
! 3 * 4 * 5
! 2 !* 3
! 5
! )! (
!
5
2
= = = =

= C
x x n
n
C
n
x
Sin embargo esto se resuelve muy fcil utilizando la tabla, buscando para n=5, y
para una p=0.05 y dentro de ellos x = 2 donde se interceptan se obtiene este
valor encontrado, es decir 0.0214. Luego podemos concluir que nicamente ser
necesario hacer el clculo a travs de la funcin de probabilidad cuando no exista
en la tabla la probabilidad de xito que se tiene (p)
b.- P(3 x 5) = f(3) + f(4) + f(5)
= 0.011 + 0 + 0
=0.011
c.- P (x=0) = f(0) = 0.7738
d.- P (x 4) = f (4) + f (5)
= 0 + 0
= 0
Tambin si no se tuviese la tabla habra que sustituir en la funcin de probabilidad
los valores y resolverla.
E9em"#o.
La probabilidad de que un avin de combate regrese de una misin sin sufrir
daos es de 0.85 y se envan 4 aviones a una misin, hallar la probabilidad de
que:
a.- De 2 a 4 regresen sin sufrir averas.
b.- Al menos 3 regresen sin sufrir daos.
c.- A lo sumo dos regresen sin sufrir daos.
d.- Promedio de aviones sin sufrir daos.
e.- Probabilidad de que todos regresen daados.
Se aprecia en este ejercicio que cumple las caractersticas de una distribucin
binomial, no obstante llegue Ud. a sus propias conclusiones.
8/ nJmero !e a&iones !e combate 0ue re(resan sin su$rir !aKos.
n = 4 y p = 0.85 q = 0.15. Como en la tabla no est p = 0.85 tendra que usar la
funcin y sustituir los valores en ella para calcular las probabilidades que piden.
No obstante existe otra opcin para utilizar la tabla y sera nombrar la variable
invertida es decir plantear como probabilidad de xito, lo que tal como dan la
informacin es la de fracaso, que es igual a 0.15, que si est en la tabla. Pero
esto a su vez implicara buscar una equivalencia entre lo que pide el problema y
la forma en que est expresada la variable.
Y esto se hace as sencillamente para no hacer el clculo de la probabilidad a
travs de la funcin, que sin lugar a dudas es un tanto fatigoso, y poderlo hacer a
travs de la tabla.
93
8/ L !e a&iones !e combate 0ue re(resan !aKa!os
n = 4 p = 0.15 y q = 0.85 Para BUSCAR la equivalencia entre lo que
pide el problema y como se tiene expresada la variable se debe hacer una tabla
que ayude a ver claramente lo que se va a calcular.
sin sufrir qu regrese 1 avin sin sufrir dao? no es lo
daos daados mismo que decir que regresen 3 daados?
Qu regresen 3 aviones sin sufrir dao? no
0 4 es lo mismo que decir que regrese 1 avin
1 3 daado?
2 2 Es decir se busca la equivalencia entre lo que
3 1 pide el problema y la forma en que se tiene
4 0 enunciada la variable
a.- p(2 x 4) p(x 2) = f (0) + f (1) + f (2)
= 0.5220 + 0.3685 + 0.0975
= 0.9880
b.- p(x 3) p(x 1) = f (0) + f (1)
= 0.5220 + 0.3685
= 0.8905
c.- p(x 2) p(x 2) = f(2) + f(3) + f(4)
= 0.0975 + 0.0115 + 0.0005
= 0.1095
d.- np = 4(0,85) = 3.4 =
npq = 0.85(0.15)(4) = 0.1275(4) = 0.51 =
2
e.- p(x = 4) = 0.005 Esta pregunta est realizada tal como est designada
la variable, de ah que no haya que buscar equivalen-
cia. De haber estado formulada la variable como al ini-
cio, habra que haber buscado p(x=0).
Realizar los ejercicios 251 al 268, del Laboratorio de Estadstica Matemtica que
estn en las pginas 181 a 186.
!I#TRIBUION !E "OI##ON$
Esta distribucin se refiere a aquellas situaciones en las cuales el suceso ocurre
repetidamente, pero al azar, es decir sin seguir una periodicidad dada, se produce
aleatoriamente.
A la ocurrencia del suceso se le denomina CAMBO.
Estos cambios pueden ocurrir en el tiempo, o en puntos aleatorios, o en una lnea
de espera. Es decir pueden formularse en funcin del tiempo, unidades de
longitud, rea o volumen etc..
El inters estar centrado en: nmero de cambios que ocurren en un intervalo
dado. E9em"#o/ Nmero de barcos que llegan al puerto de la Habana en una
semana. E9em"#o/ Nmero de negocios que cierran, por semana, en Ciudad de la
Habana.
94
La variable aleatoria discreta: 87 L !e M2itos "or uni!a! (es decir, por intervalo
de tiempo, longitud, rea, etc.).
Se dice que se da un proceso de Poisson si se pueden observar sucesos o
eventos discretos, en un intervalo continuo (de tiempo, longitud, rea etc.), de
forma tal que si se acorta el intervalo lo suficiente:
1.- La probabilidad de observar exactamente un cambio un xito en el intervalo,
es estable.
2.- La probabilidad de observar dos o ms cambios xitos en el intervalo es
cero.
3.- La ocurrencia de un cambio xito en cualquier intervalo es estadsticamente
independiente de sucesos en cualquier otro intervalo.
E9em"#o/ Supngase que se estudian las llamadas recibidas por hora en la
Central telefnica de una estacin de polica. Cualquier llamada que se reciba es
un evento discreto en un punto determinado durante un intervalo continuo de una
hora.
#n $na hora se recibir%n 180 lla&adas co&o pro&edio. 'hora si se di(idiera el
inter(alo de $na hora en 3!00 inter(alos consec$ti(os de $n seg$ndo, se tendr)a*
= 180/3600 = 0.05/segundos
1.- La cantidad esperada ( promedio) de llamadas recibidas en cualquier
intervalo de un segundo sera 0.05, es decir sera estable.
2.- La probabilidad de recibir ms de una llamada en cualquier intervalo de un
segundo es cero.
3.- Recibir determinada llamada en cualquier intervalo de un segundo no tiene
efecto (es decir es estadsticamente independiente) sobre recibir una llamada en
cualquier otro intervalo de un segundo.
<.- CARACTERISTICAS/ Sin antecedentes, importancia para su uso en
programacin Matemtica.
- Nmero de observaciones finitas pero no numerables, n
- Se observa si ocurre un suceso que se denomina cambios
- Las observaciones de cambios asociados a un intervalo t
(esto es, el suceso ocurre repetidamente en el tiempo, pero al azar sin seguir
una periodicidad dada, se produce aleatoriamente)
..- De$inicin !e #a Variab#e/
x: # de cambios que se producen en un intervalo "t"
X : 0, 1, 2, ...,
95
;.- %uncin !e "robabi#i!a!/ f (x) = e


x
/ x ! donde = promedio
(histrico)de cambios en una unidad "t" y "e es una constante (2.71828)
xk
C.- %uncin !e Distribucin/ F(x) = f(x)

x = 0
*.- ParGmetros/
= Coinciden numricamente aunque por supuesto ,

2
= est expresada en unidades lineales y
2
en unida-
des cuadrticas.
D.- Simb#icamente se e2"resa como/
X P ( )
Esta distribucin queda definida por un solo parmetro, " .
%ORMA/
La distribucin de Poisson estar sesgada hacia la derecha cuando es
pequea.
Se acercar a la simetra (con su punto ms alto en el centro) segn aumente .
De la misma forma que se plante en la distribucin binomial que el clculo de
probabilidad se haca fatigoso a travs de la funcin, sucede con esta
distribucin, pero esta distribucin tambin est tabulada, encontrndose su tabla
en la Seleccin de Tablas estadsticas.
HCmo estG estructura!a #a tab#aI
Tiene en la primera fila los valores de , y en la primera columna los valores de x
designados en esta tabla por k.
En ella aparecen grupos de valores para valores de desde 0.1 hasta 8, estando
estos grupos definidos hasta donde "x" puede tomar valores, proporciona los
valores de con aproximacin hasta la dcima.
96
Se debe sealar que para ejercicios con valores de mayores de 8 se debe usar
la tabla de "e a la menos x" que est en la pagina 20 de la Seleccin de tablas
estadsticas; sustituyendo en la frmula de la funcin los valores
correspondientes.
E9ercicio.L<
Una pizarra telefnica recibe 480 llamadas en una hora, pero no puede recibir
ms de 12 llamadas en un minuto.
Determine:
a.- La probabilidad de que se produzcan 10 llamadas en un minuto.
b.- La probabilidad de que la pizarra quede saturada en un minuto dado.
c.- La probabilidad de que se produzcan a lo sumo 1 llamada en un minuto.
d.- La probabilidad de que se produzcan mas de 2 llamadas en un minuto.
e.- El nmero de llamadas esperadas en un minuto.
x: # de llamadas que se reciben en un minuto
= 480/hora Se tiene que llevar a las mismas unidades que
piden la probabilidad: en minutos.
97
Se puede hacer a travs de una simple regla de 3
480 ------ 60 mts
------ 1 mt 480/60 = 8 por mt
= 8 /mt
Ahora se va a la tabla y se busca un = 8, y dentro de este grupo se busca el
valor de la X o las X que se necesitan.
a.- P(x=10) = f (10) = 0.0993
b.- P(x > 12) = Porque como la pizarra no puede recibir ms de 12 llamadas en
un minuto, quedara saturada si recibe ms de 12 llamadas
P(x >12) = 1 - P(x 12)
= 1 - [p(x=0)+ p(x=1)+ p(x=2)+ p(x=3)+ .... +p(x=12)
= 1 - 0.9362
= 0.0638
Deben darse cuenta que en la distribucin de Poisson "x" toma valores desde 0
hasta , por tanto NUNCA SE PUEDE CALCULAR p(x > p(x que un valor
cualquiera directamente, sino que siempre en estos casos hay que trabajar con el
complemento. Y tener en cuenta que si la igualdad est en la parte izquierda de
la expresin no debe estar en la derecha si la igualdad no est en la parte
izquierda deber estar en la derecha, esto es, debe estar en uno de los dos lados
de la expresin.
c.- P(x 1) = f (0) + f (1)
= 0.0003 + 0.0027
= 0.0030
d.- P(x >2) = 1 - P(x 2)
= 1 - [f (0)+ f (1)+ f (2)]
= 1 (0.0030 + 0.0027 + 0.0107
= 1 0.0137 = 0.9860
e.- = = 8 en un minuto.

E9ercicios L.
Sea f (0)= e
-
/0! = 0.00674
Se pide:
a.- Hallar el valor de
b.- calcule la probabilidad de que X=5 , en 1.5t
So#ucin/
a.- Se sabe que en ( )
! 0
0
0


= f ,
0
= 1; 0! = 1 por propiedades de los
factoriales.

Por tanto se busca e
-
= 0.00674 en la tabla de e
-x
que est en la pagina 20 de la
seleccin de tablas estadsticas.
Y se obtiene que e
-5
= 0.00674 lo que implica que = 5
b.- P(X=5) = f (5) = 0.0141 para un =1.5
98
Pueden hacer los ejercicios desde el 286 a 303 del Laboratorio de Estadstica
Matemtica , que estn en las pginas desde la 202 a 206.
AUTOE8AMEN
<.- Cuales son las caractersticas de una distribucin Binomial?
..- Qu parmetros define la distribucin Binomial?
;.- Cuales son las caractersticas de una distribucin de Poisson?
C.- Qu parmetros define la distribucin de Poisson?
*.- Diga cul es la media y la varianza en la distribucin Binomial?
D.- Diga cul es la media y la varianza en la distribucin de Poisson?
E.- Estas dos variables, corresponde a variables aleatorias discretas o
continuas?
+.-HQu representa en la distribucin de Poisson?
-.- Diga que expresa la variable X en la distribucin binomial, y cual es su
recorrido.
<:.-Diga que expresa la variable X en la distribucin de Poisson, y cul es su
recorrido.
<<.- Sobre la base de la experiencia anterior, la impresora principal del centro de
cmputo de cierta universidad funciona adecuadamente el 90% del tiempo. Si se
hace una muestra aleatoria de 10 inspecciones:
a.- Cul es la probabilidad de que la impresora principal funcione en forma
apropiada...
a.<.- exactamente nueve veces?
a...- por lo menos nueve veces?
a.;.- cuando ms 9 veces?
a.C.- ms de 9 veces?
a.*.- menos de 9 veces?
b.- Cuantas veces se puede esperar que funcione en forma apropiada la
impresora principal?
<..- El nmero promedio de automviles que se detienen por minuto para tomar
gasolina en cierta gasolinera perteneciente a CUPET de Ciudad de la Habana es
1.2. Cul es la probabilidad de qu en determinado minuto se detengan ...
a.- menos de dos automviles?
b.- ms de tres automviles?
c.- menos de dos automviles ms de tres?
!.- dos tres automviles para tomar gasolina?
e.- al menos dos automviles?
99
Ahora se pasar a estudiar las distribuciones correspondientes a variables
aleatorias continuas que se imparten en este programa, se comenzar por la
distribucin Normal.
SEMANA I8.- Distribucin Norma#. Uti#i?acin !e tab#as esta!)sticas.
Distribucin Ni-Cua!ra!o ' TOstu!ent. Uti#i?acin !e tab#as esta!)stica !e
ambas !istribuciones.
BIBLIOFRA%IA/ Esta!)stica ca"itu#o * "G(inas !e #a -+,<:+
!I#TRIBUION NOR0AL
Luego de estudiar dos distribuciones de probabilidad discreta se prestar
atencin a las funciones continuas de densidad de probabilidad, las que se
producen por algn proceso de medicin en diversos fenmenos de inters.
Los modelos continuos tienen aplicaciones importantes en los negocios y en las
ciencias sociales, adems de en la ngeniera y la Fsica.
Muchas de las tcnicas utilizadas en estadstica aplicada se basan en la
distribucin Normal o de Gauss.
1.- CARACTERSTCAS.
- Tiene la forma de una campana boca a bajo.
- Es simtrica con respecto a X =
- La funcin est definida en todo el eje X
- La funcin tiene un mximo en X = = Me = Md
- Tiene dos puntos de inflexin en + y -
- Su variable aleatoria asociada tiene rango infinito ( < < )
= Me = Md +
2.- FUNCON DE PROBABLDAD

f x ( ) / = 1 2
e
x 1 2
2
/ ( / )
donde: e=2.71828 y

=3.14159

3.- FUNCON DE DSTRBUCN
F(x) = f x dx
xk
( )

La funcin de distribucin tiene una marcada

importancia en las distribuciones continuas ya que a partir de sus propiedades es
factible calcular fcilmente probabilidad, adems de que las tablas estadsticas lo
que tiene tabulada es la Funcin de distribucin.
Para calcular P(X Xk) = F(X)
P(X > Xk) = 1 - F(X)
P(a < X b) = F(b) - F(a) Recuerde que en variables continuas no
interesa si es < , > , ya que no existe la probabilidad de un punto.
100
4.- PARAMETROS. La media en esta distribucin es y la varianza es
2
por lo
que la misma queda definida por estos dos parmetros ya que "e" y "

" son
constantes matemticas.
5.- REPRESENTACON
X (, )
Por lo tanto habr tantas curvas normales, como valores o combinaciones
Particulares de , y haya.
Como es una variable continua para calcular probabilidad se tendra que integrar
la funcin de X, en el intervalo que se quiere hallar la probabilidad.
HCmo se "o!r)a 6acer una tab#a@ "ara no tener 0ue inte(ra#I
La nica forma de hacer una tabla para evitar este clculo sera estandarizando la
variable, es decir cualquier variable aleatoria normal X, se convierte en una
variable aleatoria estandarizada "Z" que siempre tendra como media cero y
desviacin tpica 1; y as se tendra la posibilidad de tabular los resultados.

Pues bien Z N(0,1) y su funcin de probabilidad es:
2
2
1
2
1
) (
z
z f

donde: Z
x
=

Toda distribucin normal con media y desviacin tpica tiene la caracterstica

de tener el rea bajo la curva de su funcin de densidad, distribuida de la
siguiente forma:
a.- P( < < +) = 68.27% del rea bajo la curva normal
b.- P( 2 < < +2) = 95.45% " " " " " "
c.- P( 3 < < +3) = 99.73% " " " " " "
A estas tres expresiones se les llaman comnmente propiedades de las 3sigmas,
las cuales representan reas bajo la curva de la funcin de la distribucin normal.
ESTRUCTURA P MANENO DE LA TABLA/
La tabla de esta distribucin est en las pginas 15 y 16 de la seleccin de tablas
estadsticas.
Su estructura es la siguiente: En la primera columna tienen los valores de Z, hasta
la aproximacin de la dcima y en la primera fila la aproximacin de la centsima.
En la hoja #15 estn tabulados los valores de Z negativos, y en la hoja #16 los
valores de Z positivos. Como se dijo anteriormente en esta tabla estn registrados
los valores de la funcin de distribucin, por tanto son valores acumulados, es
decir acumula desde menos infinito(-) hasta el valor de Z que se busca, de ah la
importancia de aplicar las propiedades de la funcin de distribucin planteadas
anteriormente para buscar las probabilidades. En el cuerpo de la tabla estn las
probabilidades correspondientes.
Los valores de Z negativos, corresponden a la cola izquierda, y los valores de Z
positivos corresponden a la cola derecha, tenga en cuenta que Z puede tomar
valores negativos positivos QPERO LA PROBABILIDAD SIEMPRE ES
POSITIVAR
101
As para una Z = -2.82 la probabilidad acumulada hasta ese valor es .0024 es
decir desde menos infinito hasta donde est ubicado Z=-2.82
102
ENERCICIOS/
Ejemplo. 324 pag.223 del Laboratorio
En una distribucin normal con = 23 y
2
= 25, hallar:
a.- P(X < 23,5) e.- P(25 < X < 30)
b.- P(X > 10) f.- P(X < 20)
c.- P(X >23) g.- P(X < 25)
d.- P(8 < X < 21) Se le recomienda al estudiante hacer el grfico de lo que le
piden en cada caso.
Solucin: TENGA EN CUENTA QUE LE DAN EL VALOR DE LA VARANZA, Y UD
DEBE TRABAJAR CON LA DESVACON TPCA (RAZ CUADRADA DE LA
VARANZA).
a.- P(X < 23,5) = P(Z < (23,5 - 23)/5) = P(Z < 0,5/5) = P(Z < 0,1) =
= Fz(0,1) = 0,5398
b.- P(X > 10) = 1 - P(X < 10)= 1 - P(Z < (10-23)/5)= 1 - P(Z < -13/5)
= 1 - P(Z < -2,6) = 1 - Fz(-2.6) = 1 - 0.0047 = 0.9953
c.- P(X > 23) = 0.50 Esto no hay ni que buscarlo en la tabla porque el rea bajo la
curva es 1 por tanto de la mitad al final de la distribucin ser la mitad, (0.50)
103
pero adems, en este punto "Z" es igual a cero, y buscando Z=0 dara tambin
Fz(0) = 0.50
d.- P(8 < X < 21) = P[(8-23)/5 < Z < (21-23)/5]= P(-15/5 < Z < -2/5)=
= P(-3 < Z < -0.4)= Fz(-0.4) - Fz(-3) =
= 0.3446 - 0.0013 = 0.3433
e.- P(25 < X < 30) = P[(25-23)/5 < Z < (30-23)/5]= P(2/5 < Z < 7/5)=
= P(0.4 < Z < 1.4) = Fz(1.4) - Fz(o.4) =
= 0.9192 - 0.6554 = 0.2638
f.- P(X < 20) = P(Z < (20-23)/5) = P(Z < -3/5) = P(Z < -0.6) =
= Fz(-0.6) = 0.2743
g.- P(X < 25) = P(Z < (25-23)/5) = P(Z < 2/5) = P(Z < 0.4) =
= Fz(0.4) = 0.6554
Ejemplo. 332 pgina 226 del Laboratorio
La Empresa de Jabonera y perfumera tiene una mquina para llenar cajas de
polvo facial. En un informe del departamento de control estadstico, se plantea
que la variable, llenar cajas con polvo facial, est distribuida normalmente con
media igual a 15 onzas y desviacin tpica (
Estndar) igual a 0.8.
.- Qu proporcin de las cajas tendr pesos netos mayores que 14 onzas?
b.- Qu proporcin de las cajas tendr pesos netos entre 13 y 14 onzas?.
c.- Cul es el peso mnimo del 20% de las cajas ms pesadas?.
Solucin: En este caso a pesar de que el clculo de la distribucin normal est
enmarcada en el contexto de una situacin concreta, se hace igual al ejercicio
anterior, segn sea el caso, excepto el ltimo inciso que como se ver no pide
probabilidad, si no el nmero, esto se explicar en el propio inciso. Se debe
significar tambin qu cuando le piden proporcin slo multiplican por 100 la
probabilidad y as obtienen dicha proporcin.
a.- P(X > 14) = 1 - P(X < 14) = 1 - P(Z < (14-15)/0.8) =
= 1 - P(Z < -1/0.8) = 1 - P(Z < -1.25)=
= 1 - Fz(-1.25) = 1 - 0.1056 = 0.8944 el 89.4% de las cajas tendr
pesos netos mayores de 14 onzas.
b.- P(13 < X < 14) = P[(13-15)/0.8 < Z < (14-15)/0.8] =
= P(-2/0.8 < Z < -1/0.8)= P(-2.5 < Z < -1.25) =
= Fz(-1.25) - Fz(-2.50)=
= 0.1056 - 0.0062= 0.0994 el 9.94% el 10% de las cajas
tendrn pesos netos entre 13 y 15 onzas.
c.- En este inciso, piden el peso mnimo del 20% de las cajas ms pesadas.
Dnde estn las cajas ms pesadas? En la parte izquierda o derecha de la
curva? por supuesto que en la parte derecha de la curva, dibuje o sombree esa
punta:
104

Como Z = (x - )/ y lo que interesa
es "x se puede buscar despejando
ya que se tiene el valor de y ; y
teniendo el rea (0.20), se puede
obtener Z en la tabla

= 15 ? x 0.20

" Se dir el rea que se busca est en la cola derecha, entonces el signo que
lleva Z, es positivo pero de donde se obtendra el valor de Z?. Del cuerpo de la
tabla, por qu? Porque si se tiene un rea qu es el 20% eso es equivalente a
una probabilidad igual a 0.20, por tanto se buscara en el cuerpo de la tabla (no
en la primera columna) una probabilidad igual o muy prxima a 0.20 y se toma la
Z que le corresponde, considerando hasta la aproximacin a la centsima, PERO
SN TOMAR EL SGNO QUE TENGA "Z" EN LA TABLA, ya que si el rea que se
busca est en la cola derecha, como se dijo anteriormente, Z llevar el signo
positivo y si est en la cola izquierda llevar el signo negativo, esto es muy
importante para llevar a cabo bien el clculo de "x". En este caso el valor que ms
se aproxima a 0.20 en el cuerpo de la tabla es la Z = -0.8, columna 4, por tanto es
-0.84, pero, porque digo que esto es una probabilidad de 0.20?, Porque
debemos de recordar que esta es una distribucin simtrica y nos da el rea
acumulada. Luego ya se tienen todos los elementos para sustituir en la formula;
en este caso se est trabajando con la cola derecha por lo tanto la Z es positiva
(0.84). Sustituimos:
Z + = x
0.84 (0.8) + 15 = X
0.672 + 15 = X
15.67 = X
Fjense que cuando el rea que se busca est a la derecha, evidentemente el
valor de X que se busca debe ser mayor que , mientras que si es el izquierdo
debe ser menor que
Se podra hacer otro inciso de este mismo corte:
Cul ser el peso mximo del 10% de las cajas menos pesadas?
Dnde se encontraran las cajas menos pesadas? A la izquierda a la
derecha? Una vez ubicado El valor de Z ser negativo positivo? El valor de X
ser mayor menor que 15?
Teniendo en cuenta todas estas interrogantes trata de resolver este inciso.
0.10
_______________________________
? =15
105
+$eden reali,ar los ejercicios desde el 321 al 338, -$e est%n en la paginas desde
la 221 a 229 del Laboratorio de #stad)stica .ate&%tica /.
!I#TRIBUION T2#TU!ENT 3 4I-UA!RA!O
El estudio de estas dos distribuciones se circunscribe al manejo de las tablas, ya
que su aplicacin se ver en la Estadstica Matemtica en el prximo semestre.
DSTRBUCN T'STUDENT.
Es una distribucin continua de considerable importancia prctica, muy utilizada
en la teora de muestras pequeas, con la que se trabajar en el campo de la
inferencia.
La distribucin t'student es la distribucin de la variable:

/ Y
X
t =
Donde es la letra griega nu, que es un entero positivo, conocida por grados de
libertad. Las variables "X" y "Y" son variables aleatorias independientes, donde
"X" est normalmente distribuida con media cero y desviacin tpica uno, y "Y"
sigue una distribucin Ji'Cuadrado con n grados de libertad.
Siendo su funcin de probabilidad:

f t
K
t
( )
( / )
( )/
=
+
+

1
2 1 2

K

Constante que depende de

En esta distribucin = 0 para

= 2, 3;
2
=

/(

- 2) para

=3, 4
Cuando

(nu) crece la variable t tiende a la distribucin normal con = 0 y =

1, es decir coincide con la normal estandarizada.
Esta distribucin es simtrica, como la normal, pero es un poco ms achatada que
ella.
Est tabulada la funcin de distribucin, como ustedes saben que acumula desde
- hasta un punto, en este caso la tabla de t'student que est en la seleccin de
tabla estadstica est tabulada desde menos infinito hasta la mitad positiva de t.
Aqu pasa lo mismo que en la distribucin normal que como = 0 los valores de t
a la izquierda son negativos y a la derecha son positivos, PERO LA
PROBABLDAD SEMPRE ES POSTVA.
La estructura de esta tabla es la siguiente: Tabla limitada para algunos valores de

(nu), no es posible el total de valores, que estn ubicados en la primera

columna. NOVEDAD: el rea se encuentra en la primera fila (las probabilidades),
y en el cuerpo de la tabla los valores de "t".
106
La razn apuntada anteriormente, de que est tabulada la funcin de
distribucin, pero slo los valores positivos de "t", lleva a tener que hacer algunas
transformaciones cuando aparece un percentil con signo negativo, es decir si se
tiene que buscar un rea que corresponde a la cola izquierda, evidentemente el
valor de "t" es negativo, en ese caso, se le cambia el sentido del signo de la
desigualdad, lo que est apoyado en la simetra de la distribucin. De la misma
forma si se trabaja con las propiedades de la funcin de distribucin y se tiene el
caso de una Ft evaluada para algn valor de "t" negativo, como en principio
cambia la desigualdad, entonces ser [1 - Ft (con el valor correspondiente
positivo)].
Ejemplo:
Se tiene una Variable aleatoria "x", con distribucin t'student, resuelva las
siguientes proposiciones:
a.- Represente grficamente y calcule P(t(17) > -0.392)
b.- Halle P(t(17) < 0.863)
c.- Resuelva P(-1.07 < t(17) < 2.9)
d.- Diga el valor de P(t(17) < - 0.534)
e.- Calcule P(-1.74 < t(17) < -0.257)
f.- Halle tk las que P(t(17) < tk) = 0.75
g.- Halle entre que valores t1 y t2 se encuentra una probabilidad central del 0.70 si
t(17).
Solucin:
107
a.- P(t(17) > -0.392) = P(t(17) < 0.392)
= Ft (0.392) = 0.65
Se busca en 17 grados de libertad un valor igual o prximo a 0.392 y el valor que
le corresponde ubicado en la primera fila es la probabilidad buscada.
Y as se procede en todos los casos.
Grficamente se puede observar segn figura A y B:
Fig. A Esto es lo que piden, el rea sombreada

t = -0.392
Sin embargo la fig. B muestra lo que calcula la tabla, el rea sombreada
en la cola izquierda.
= 0 t = 0.392

Fig. B
Esto es, la tabla calcula desde - hasta el rea positiva, gracias a la simetra de
la distribucin, el rea sombreada en cada figura son iguales por tanto se obtiene
de esta forma la probabilidad buscada.
b.- P(t(17) < 0.863) = Ft(0.863) = 0.80 POR DEFNCON DE Fx
c.- P(-1.07 < t(17) < 2.9) = Ft(2.9) - Ft(-1.07) por propiedad de Fx
= Ft(2.9) - [1 - Ft(1.07)] por ser "t" negativa
= 0.995 - (1 - 0.85)
= 0.995 - 0.15
= 0.845
d.- P(t(17) < -0.534) = P(t(17) > 0.534)
= 1 - Ft(0.534) por propiedad de Fx
= 1 - 0.70
= 0.30
e.- P(-1.74 < t(17) < -0.257) = Ft(-0.257) - Ft(-1.74) por propiedad de Fx
=[1 - Ft(0.257)] - [1 - Ft(1.74)] por estar las dos "t"
negativas = (1 - 0.60) - (1 - 0.95)=
= 0.40 - 0.05
= 0.35
f.- P(t(17) < tk) = 0.75 ====> tk = 0.689
g.- P(t1 < t(17) < t2) = 0.7 para buscar estos dos valores, se grafica la
distribucin, se dibuja un rea central igual a 0.70 y los 0.30 restantes se dividen
para las dos colas:
108
0.85

0.15 0.70 0.15
Buscando esta rea se obtiene el valor de "t" positivo en la tabla (es decir
de t2) y el valor de t1 es el mismo con signo negativo, debido a la simetra de la
distribucin.

t1 0 t2

De esta parte pueden hacer los ejercicios 368 a 376, que estn en la pagina 249
a 253.
DISTRIBUCION NI-CUADRADO
Esta distribucin fue introducida por Helmert en 1876.
Si X1, X2, ... Xv, son variables aleatorias normalmente distribuidas e
independientes con media cero y varianza 1, la suma de sus cuadrados, se
representan en general por
2
(Ji-Cuadrado Chi-cuadrado) y donde :

2
= X
2
1 + X
2
2 + ... + X
2
v
A la distribucin, se le llama distribucin de Ji-cuadrado, siendo su funcin de
densidad:
f x K ( )
( )/
=

e
-x/2 2 2
Cuando x > 0
y (x ) = 0 cuando x 0
En esta funcin (nu), es un entero positivo, que se le llama grado de libertad de
la distribucin y K es una constante que depende de
Para > 2 la curva de (x) tiene un mximo en x = ( - 2)
La distribucin
2
tiene como = y
2
=2
Cuando (nu) es grande ( > 30) la distribucin
2
se puede aproximar a la
distribucin normal. Observe que esta distribucin depende de un slo parmetro
(nu).
La funcin de distribucin viene dada por:

=
xk
dx x f x F
0
) ( ) (
Y est tabulada para distintos valores de los grados de libertad (el nmero de
variables independientes que intervienen en una expresin dada)
Es una distribucin deformada a la derecha:
109
0
Estructura de la tabla: Tabla limitada para algunos valores de (nu), no es posible
el total en el recorrido 0 < x <
Novedad: El rea o probabilidad se encuentra en la primera fila y en la primera
columna los grados de libertad, y en el cuerpo de la tabla estn los valores de ji-
cuadrado.
Como lo que est tabulado en la funcin de distribucin, la misma proporciona el
rea desde cero hasta un punto.
ENEMPLO/
Se conoce que una variable en estudio tiene una distribucin
2
, resuelva las
siguientes proposiciones:
a.- Calcule P (
2
(17) >10.1) y represente el rea en un grfico.
b.- Halle P(5.7 <
2
(17) < 21.6)
c.- Diga el valor de P(
2
(17) < 27.6)
d.- Hallar Xk si P(
2
(17) >
2
k) = 0.8
e.- Calcule la P(7.56 <
2
(17) < 16.3)
f.- Hallar los g.l. que satisfacen P(
2
> 8.9) = 0.99
g.- De la lectura de los valores en la tabla de F(x) diga que valores
2
1 y
2
2
alrededor de
2
(21) = 20.3 forman probabilidades de reas centrales.
Solucin:
110
a.- P(
2
17) > 10.1) = 1 - P(
2
(17) < 10.1)
= 1 - F
2
(10.1) se busca en la tabla a partir de = 17
= 1 - 0.10 el valor en esa lnea = 10.1 y el valor
= 0.90 que le corresponde en la primera fila
es la probabilidad buscada, resultando en este caso igual a 0.10. Y as se
procede en todos los casos. Esta tabla es similar a la de t'student en la forma de
proceder para obtener la probabilidad.
(Aqu en este inciso se aplic una de las propiedades de la F(x).
b.- P(5.7 <
2
(17) < 21.6) = F
2
(21.6) - F
2
(5.7) por propiedad de Fx
= 0.80 - 0.005 = 0.755
c.- P(
2
(17) < 27.6) = F
2
(27.6) = 0.95 por definicin de F(x)
d.- P(
2
(17) > Xk) = 0.8 ===> P(
2
(17) < Xk) = 0.20 por tanto Xk = 12
e.- P(7.56 <
2
(17) < 16.3) = F
2
(16.3) - F
2
(7.56)
= 0.50 - 0.025 = 0.475 por propiedad de Fx
f.- P(
2
> 8.9) = 0.99 ===> P(
2
< 8.9) = 0.01 por tanto = 21 esto se obtiene
recorriendo los valores de
2
0.01 y donde est 8.9 un valor prximo a l, y se
busca el grado de libertad que le corresponde a este valor.
g.- Puntos
2
1 y
2
2 simtricos que forman un rea central con
2
21 = 20.3 son:

2
1
2
2 Probabilidad rea
17.2 23.9 0.30 0.70 0.40
15.4 26.2 0.20 0.80 0.60
13.2 29.6 0.10 0.90 0.80
11.6 32.7 0.05 0.95 0.90
10.3 35.5 0.025 0.975 0.95
8.9 38.9 0.01 0.99 0.98
8.03 31.4 0.005 0.995 0.99
De esta distribucin puede hacer los ejercicios 360 a 366 del laboratorio de
Estadstica Matemtica en las pginas desde la 243 a 246.
Distribucin S%T !e %is6er
111
AUTOEVALUACION
<.- Cules son las caractersticas de la distribucin normal
..- Qu parmetros la definen?
;.- Qu distribucin tiene Z, y cules son su media y varianza?
112
C.- A qu tipo de variable corresponden estos tres modelos: Normal, T'Student y
Ji-Cuadrado?
*.- El anlisis estadstico de 1000 llamadas telefnicas de larga distancia
realizadas desde las oficinas centrales de la Corporacin Cimex, seala que la
duracin de estas llamadas est distribuida normalmente con = 240 segundos y
desviacin tpica igual a 40 segundos.
a.- Qu porcentaje de llamadas dur menos de 180 segundos?
b.- Cul es la probabilidad de que una llamada en particular durara entre 180 y
300 segundos?
c.- Cuantas llamadas duraron menos de 180 segundos ms de 300 segundos?
d.- Qu porcentaje de las llamadas dur entre 110 y 180 segundos?
e.- Cul es la duracin mnima del 1% de las llamadas ms largas?
D.- Determine el valor de Xo en cada uno de los siguientes casos:
a.- P(Xo < X < 26,2) = 0.98 conociendo que X sigue
2
12
b.- P(Xo < X < 2,76) = 0.98 conociendo que X sigue t (10)
E.- Calcule cada uno de los valores siguientes:
Con <* (ra!os !e #iberta!:
a.- t0.90 b.- t0.10 c.-t0.95 d.-t0.05 e.-t0.975 f.-t0.025
g.- t0.99 h.- t0.01 i.-t0.995 j.-t0.005
Con .* (ra!os !e #iberta!/
a.-
2
0.90 b.-
2
0.10 c.-
2
0.95 d.-
2
0.05 e.-
2
0.99 f.-
2
0.01
g.-
2
0.975 h.-
2
0.025 i.-
2
0.995 j.-
2
0.80
113