UNEFA PROBABILIDAD Y ESTADÍSTICA Hoja Nº 3

DISTRIBUCIÓN DE PROBABILIDAD
Toda distribución de probabilidad es generada por una variable aleatoria x, la que puede ser de dos tipos:
1. Variable aleatoria discreta (x). Se le denomina variable porque puede tomar diferentes valores, aleatoria,
porque el valor tomado es totalmente al azar y discreta porque solo puede tomar valores enteros y un número finito de
ellos.

2. Variable aleatoria continua (x). Se le denomina variable porque puede tomar diferentes valores, aleatoria,
porque los valores que toma son totalmente al azar y continua porque puede tomar tanto valores enteros como
fraccionarios y un número infinito de ellos.

CALCULO DE MEDIA Y DESVIACIÓN ESTANDAR

MEDIA: La media o valor medio de una distribución de probabilidad se representa por miu, y se define por:

En estas dos fórmulas f(x) es la función de probabilidad y la función densidad de probabilidad respectivamente de la
variable aleatoria X en consideración. Conviene mencionar que la media se conoce como esperanza matemática de X o,
esperanza de X, y se representa por E(X).

VARIANZA: La varianza de una distribución se representa mediante y se define por

donde f(X) representa a la función de probabilidad y a la función densidad de probabilidad, respectivamente, de la

variable aleatoria. A la raíz cuadrada positiva de la varianza la llamamos desviación estándar y se denota s. En
palabras, la varianza es una medida de dispersión o variabilidad que no tiene interpretación física ya que está en
unidades cuadradas.

Ejercicio:
1. Según estadísticas la probabilidad de que el motor de un auto nuevo, de cierto modelo, y marca sufra de algún
desperfecto en los primeros 12 meses de uso es de 0.02, si se prueban tres automóviles de esta marca y
modelo, encuentre el número esperado de autos que no sufren de algún desperfecto en los primeros doce meses
de uso y su desviación estándar.
X 0 1 2 3
P(x) 0,000008 0,001176 0,057624 0.941192

Modelos:
Distribución binomial
Sea un experimento aleatorio en el que sólo puedan darse dos posibilidades: que ocurra un determinado suceso A, que
llamaremos éxito, o que no ocurra dicho suceso, o sea que ocurra su complementario, que llamaremos fracaso. Se
define la variable aleatoria Binomial: X: “nº de veces que ocurre el suceso A (nº éxitos) en n realizaciones independientes
del experimento” , p= probabilidad de éxito; q= probabilidad de fracaso 1- p
X → B(n;p)

Lcda. Thaimar Zurita 1-2018

 Ejemplo:
1. Con objeto de estudiar el número de salmones de cierto río que llegan vivos al mar se marca el 20% de la
camada en el lugar de nacimiento. Posteriormente, en una estación de seguimiento río abajo, se registra el
paso de 10 salmones de dicha camada. ¿Cuál es la probabilidad de que se registren 3 de los marcados?
2. El 80 % de un universo potencial ha visto un exitoso programa de televisión. Al juntarse 4 amigas aficionadas
al tema:¿Cuál es la probabilidad de que 2 amigas del grupo hayan visto el programa?
3. La probabilidad de que cierto antibiótico presente una reacción negativa al administrarse a un ave rapaz en
recuperación es de 0.15. Si se les ha administrado dicho antibiótico a 10 aves, calcúlense las probabilidades
de que haya reacción negativa: a. En dos aves b. En ningún ave c En menos de 4 aves

Distribución normal:
Se llama distribución normal, de Gauss, gaussiana o distribución de Laplace-Gauss, a una de las distribuciones
de probabilidad de variable continua. La gráfica de su función de densidad tiene una forma acampanada y es
simétrica respecto de un determinado parámetro estadístico.
La distribución normal es una distribución con forma de campana donde las desviaciones estándar sucesivas con
respecto a la media establecen valores de referencia para estimar el porcentaje de observaciones de los datos.
Estos valores de referencia son la base de muchas pruebas de hipótesis, como las pruebas Z y t.

Cálculo de probabilidades en distribuciones normales:

La tabla da las probabilidades de P(z ≤ k), siendo z la variable tipificada. Estas probabilidades nos dan la función
de distribución Φ(k). Φ(k) = P(z ≤ k) En la tabla de valor de k se ubican las unidades y décimas en la columna de la
izquierda y las centésimas en la fila de arriba. La tabla muestra P(Z < a); cuando se busca P(Z >a)= 1- P(Z < a) y cuando
se busca P(Z< -a)= 1 − P(Z< a); P(a < Z ≤ b ) = P(Z ≤ b) − P(Z ≤ a); P(−b < Z ≤ −a ) = P(a < Z ≤ b ) y
P(−a < Z ≤ b ) = P(Z ≤ b) − [ 1 − P(Z ≤ a)]
Ejemplo
1. La temperatura durante septiembre está distribuida normalmente con media 18,7ºC y desviación
standard 5ºC. Calcule la probabilidad de que la temperatura durante setiembre esté por debajo de
21ºC. R: la probabilidad es de 0,6772.( 67,72 %)
2. La media de los pesos de 5000 estudiantes de un colegio es 70 kg y la desviación típica 3 kg.
Suponiendo que los pesos se distribuyen normalmente, “hallar cuántos estudiantes” pesan menos de
60 kg. R: Son 2 estudiantes.
3. E n un a ciud ad se e st ima q ue la t e mpe ra tu ra má xi ma en e l me s de jun io sig ue un a
d ist rib u ció n n o rma l, con me d ia 23 ° y de svia ció n t íp ica 5 °. Ca lcu la r e l n ú me ro d e
d ía s de l me s en lo s q ue se e sp e ra alca n za r má xima s e nt re 21 ° y 2 7° R: Son 13

Distribución de Poisson:

Esta distribución es una de las más importantes distribuciones de variable discreta. Sus principales aplicaciones
hacen referencia a la modelización de situaciones en las que nos interesa determinar el número de hechos de cierto tipo
que se pueden producir en un intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y ciertas
circunstancias restrictivas

e=2.71828

Ejemplo:
1. Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las probabilidades de que reciba, cuatro
cheques sin fondo en un día dado R:0,13392
2. En la inspección de hojalata producida por un proceso electrolítico continuo, se identifican 0.2 imperfecciones en
promedio por minuto. Determine las probabilidades de identificar una imperfección en 3 minutos R:0,3293

Lcda. Thaimar Zurita 1-2018