ESTADSTICA APLICADA

Probabilidad. Distribuciones de Probabilidad.

SEMANA 02 Dr(c) Luis Antonio Durand Romero

 VIDEOS:
Distribucin Normal campana de gauss

Distribucin Normal. La campana de Gauss

Recuperado, de
http://www.youtube.com/watch?v=xfsg57PhalY

Distribucin Normal SPSS Recuperado, de

http://www.youtube.com/watch?v=TRNyyZcuAtM

Dr(c) Luis Antonio Durand Romero

 Caso problematizador
Una cadena de pizzas ha observado que los das
Mircoles son los das que menos vende, para ello ha
optado implementar una promocin: si el tiempo que
transcurre desde el pedido hasta la entrega es de ms
de k minutos la pizza se entrega gratis. El jefe de
operaciones est interesado en establecer el tiempo
mximo para implementar la promocin con la condicin
que devolver tan slo al 10% de las pizzas vendidas.

Despus de tabular los tiempos

de entrega establece que la
forma de la distribucin de
los datos es simtrica con
media 12 minutos y desviacin
estndar 2 minutos.

Dr(c) Luis Antonio Durand Romero

 Objetivos
1. Definir correctamente las
distribuciones de probabilidad de
variables discretas. Binomial y
Poissn.
2. Definir correctamente las
distribuciones de probabilidad de
variables continuas. Normal y Normal
estndar.
3. Uso de tablas.
4. Casos de aplicacin.

Dr(c) Luis Antonio Durand Romero

Distribucin Binomial
La distribucin binomial se utiliza en
situaciones cuya solucin tiene
Dos posibles resultados.

Al nacer un(a) beb puede ser:

Hombre o Mujer.

En el deporte un equipo
puede: Ganar o Perder.

En pruebas lgicas slo hay dos

alternativas: Verdadero o Falso
Dr(c) Luis Antonio Durand Romero
Cuando es de Utilidad
Se utiliza cuando el resultado se
puede reducir a dos opciones.

Un tratamiento mdico puede ser:

Efectivo o Inefectivo.

La meta de produccin o ventas

del mes: Se pueden o no Lograr.

En pruebas de seleccin mltiple, aunque hay

cuatro o cinco alternativas, se pueden
clasificar como correcta o incorrecta.
Estos ejemplos los podemos considerar como
Dr(c) Luis Antonio Durand Romero
experimentos de Bernoulli
Propiedades

1.- En cada prueba del experimento slo

hay dos posibles resultados: xitos o
fracasos.

2.- El resultado obtenido en cada prueba

es independiente de los resultados
obtenidos en pruebas anteriores.

Dr(c) Luis Antonio Durand Romero

Propiedades
3.- La probabilidad de un suceso es
constante: se representa por p, y no vara
de una prueba a otra.
La probabilidad del complemento es:
(1 - p) y la representamos por q .

Si repetimos el experimento
n veces podemos obtener
resultados para la construccin
de la distribucin binomial.

Dr(c) Luis Antonio Durand Romero

Construccin
Para construirla necesitamos:

1.- La cantidad de pruebas n

2.- La probabilidad de xitos p
3.- Utilizar la funcin matemtica.

DISTRIBUCION
DE
PROBABILIDAD
DISCRETA

Dr(c) Luis Antonio Durand Romero

La funcin Bernoulli: P(x=k)
La distribucin de Bernoulli se representa
por (funcin matemtica):
!
= = . . (1 )
! !

k = es el nmero de aciertos.
n = es el nmero de experimentos.
p = es la probabilidad de xito, por ejemplo,
que salga "cara" al lanzar la moneda.
1-p = tambin se le denomina como q

Dr(c) Luis Antonio Durand Romero

Caso 1
Cul es la probabilidad de obtener 6
caras al lanzar una moneda 10 veces?
k es 6(El nmero de aciertos,caras).
n es 10 (El nmero de experimentos, lanz)
p=0,50 (La probabilidad de xito p, es
decir, que salga "cara)
La frmula
10!
=6 = .0,56 . (1 0,5)106
6! 10 6 !
Es decir, que la probabilidad de obtener 6
caras al lanzar 10 veces una moneda es de 20.5%
Dr(c) Luis Antonio Durand Romero
Distribucin Poisson
Permite determinar la probabilidad de
ocurrencia de un suceso con resultado
discreto.

Es muy til cuando la muestra o segmento

n es grande y la probabilidad de xitos
p es pequea.

Dr(c) Luis Antonio Durand Romero

Cuando es de Utilidad
La llegada de un cliente al negocio
durante una hora.
Las llamadas telefnicas que se reciben en
un da.
Los defectos en manufactura de papel por
cada metro producido.
Los envases llenados fuera de los lmites
por cada 100 galones de producto
terminado.

La distribucin de Poisson se emplea para

describir procesos con un elemento en
comn, pueden ser descritos por una
variable aleatoria discreta.
Dr(c) Luis Antonio Durand Romero
Propiedades
1.La probabilidad de observar exactamente
un xito en el segmento o tamao de
muestra n es constante.

2. El evento debe considerarse un

suceso raro.

3.El evento debe ser aleatorio e

independiente de otros eventos.

Si repetimos el experimento n veces

podemos obtener resultados para la
construccin de la distribucin de
Poisson.
Dr(c) Luis Antonio Durand Romero
Propiedades
4. La muestra n es grande y la
probabilidad de xito p en cada ensayo es
baja, es aqu donde aplica el modelo de
distribucin de Poisson.

Se tiene que cumplir

que:

p < 0.10
p * n < 10
Dr(c) Luis Antonio Durand Romero
La funcin Poisson: P(x=k)
La funcin de probabilidad de la
distribucin de Poisson.

()
= =
!
Donde:
= n.p (ocurrencia promedio por unidad
tiempo, volumen, rea, etc)
e= 2.711828 ,
K es el nmero de xitos por unidad

Dr(c) Luis Antonio Durand Romero

Caso 2
La probabilidad de que haya un accidente en
una compaa de manufactura es de 0.02 por
cada da de trabajo. Si se trabajan 300 das
al ao, cul es la probabilidad de tener 3
accidentes?
P=0.02< 0.1(El nmero de aciertos,caras).
=n.p=300*0.02=6
Entonces, aplicamos el modelo de distribucin
de Poisson:

Al realizar el cmputo tenemos que P(x = 3) =

0.0892.
Dr(c) Luis Antonio Durand Romero
DISTRIBUCIN NORMAL
Constituye una de las herramientas de
mayor uso en las centros de investigacin
y organizaciones para describir
situaciones donde podemos recopilar datos,
apoya el proceso de toma decisiones en
comunin con las metas y objetivos.

Reconocida por 1ra

Abraham de Moivre
vez (1667-1754).

Estudios ms a fondo.
Campana de Gauss Carl Friedrich Gauss
(1777-1855)
Dr(c) Luis Antonio Durand Romero
 DISTRIBUCION NORMAL - NOTACION

Fuente: Coordinacin de Estadstica Aplicada

Dr(c) Luis Antonio Durand Romero

CARACTERSTICAS

La curva de la distribucin normal tiene

forma de campana.
El rea bajo la curva es igual a 1.
Es simtrica con respecto a la media de
la distribucin.
La normal queda completamente
determinada por los parmetros y .
Decrece uniformemente en ambas
direcciones.

Dr(c) Luis Antonio Durand Romero

DISTRIBUCION NORMAL

Dr(c) Luis Antonio Durand Romero

 DISTRIBUCION NORMAL ESTANDAR

Ubicar el punto Z
dada la
Tabla probabilidad
N(0,1)

Dada la
Distribucin probabilidad
Normal Estndar
ubicar Z

Problemas

Fuente: Coordinacin de Estadstica Aplicada

Dr(c) Luis Antonio Durand Romero

USO DE TABLA NORMAL ESTNDAR
Para facilitar la construccin y uso de la
distribucin normal, se ha elaborado una
tabla. Esta tabla ha sido estandarizada a
fin de hacerla aplicable a cualquier
problema que incluya una distribucin
normal.
Para utilizar la tabla, la variable X debe
transformarse en una medida ESTNDAR
Z, la cual se halla mediante la formula:

x
Z

Dr(c) Luis Antonio Durand Romero
P(Z a)

EJEMPLO: P(Z 1.47) = 0.9292

P(Z > a) = 1 - P(Z a)

EJEMPLO: P(Z > 1.47) = 1 P(Z 1.47) = 1 0.9292 = 0.0708

Dr(c) Luis Antonio Durand Romero

 P(a < Z b ) = P(Z b) P(Z a)
EJEMPLO: P( 0.45 <Z 1.47) = P(Z 1.47) P(Z 0.45)
= 0.9292 0.6736 = 0.2556

P(a < Z b ) = P(Z b) [ 1 P(Z a)]

EJEMPLO: P(-1.47 < Z 0.45) = P(Z 0.45) [ 1 P(Z 1.47)]
= 0.6736 (1 0.9292) = 0.6028

Dr(c) Luis Antonio Durand Romero

 ACTIVIDAD
1) Utilizando la Tabla de distribucin normal estandarizada (Z).
Hallar:
a) P ( Z 1,56 ) b) P ( Z - 1,28 )
c) P ( 0,80 Z 1,95 ) d) P ( -1,72 Z 1,84 )
e) P ( Z -1,20 ) f) P ( Z -0,68 )

2) El peso de los artculos producidos por una fbrica tiene distribucin

normal con una media de 50 gr. y una desviacin estndar de 5 gr.
a) Calcule la probabilidad que un artculo elegido al azar tenga un peso de
ms de 60 gr.
b) Calcule la proporcin de los paquetes que tendran un peso entre 46 y
54 gr.

Dr(c) Luis Antonio Durand Romero

ACTIVIDAD EN EL AULA

Formar Grupos de 4 estudiantes.

Resolver las preguntas de

la Hoja de trabajo
N 02

Dr(c) Luis Antonio Durand Romero

Dr(c) Luis Antonio Durand Romero