Estadística y Probabilidad

Dra. Sara Adelina Arana López

ESTADISTICA Y PROBABILIDAD

PROBABILIDADES

Dra. SARA ADELINA ARANA LOPEZ

LIMA, 2019
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

I. INTRODUCCION A PROBABILIDADES

En nuestra clase de estadística descriptiva hemos aprendido, a definir una población,

una muestra, la variable, el agrupamiento de las observaciones de los elementos de la
muestra en tablas y gráficos, así como, determinar un valor representativo de todo el
conjunto de muestras, la variabilidad de los datos, así, como el porcentaje de variación,
aplicando los métodos de las medidas de resumen o estadísticos. Es muy importante
de estos temas tener el conocimiento básico, para continuar con el enlace en
probabilidades.
En la gran mayoría de los casos nos vemos limitados a realizar una observación parcial
de la variable. Al conocer las características de toda la población, se intenta inferir su
comportamiento. Así una empresa antes de lanzar un nuevo producto estará interesada
en conocer cuál puede ser su cuota de mercado, para lo cual realizará un sondeo de
opinión entre algunos de sus potenciales clientes. Pero el resultado de ese sondeo,
basado en una muestra (observación parcial), no le permite concluir cuál será su
verdadera cuota de mercado. La decisión que tome respecto a ese producto estará
marcada por un cierto grado de incertidumbre
En nuestro día a día, el termino probabilidad esta en nuestro lenguaje, aunque, no
tengamos ningún conocimiento previo de la existencia de una teoría sobre
probabilidades. Probabilidad de llegar temprano al trabajo, probabilidad de no excederse
en los gastos, probabilidad de ganar un torneo, probabilidad de ser ser ascendido en
nuestro centro de trabajo, probabilidad de conseguir un trabajo, probabilidad de tener
incrementar las ventas, probabilidad que tiene una empresa de expandirse a nuevos
mercados, probabilidad de acceder a mercados externos que tiene una empresa, para
un estudiante, probabilidad de aprobar una materia, probabilidad de cambiar el proceso
de enseñanza – aprendizaje, probabilidad de ser aceptado en un grupo, para una ama
de casa probabilidad de que el presupuesto para su canasta de productos básicos sea
la adecuada . Es decir, hablar de probabilidad, es hablar de cierta incertidumbre el
desarrollo del evento.

3.1. DEFINICIÓN DE PROBABILIDAD

La probabilidad de un suceso, es una medida cuantificada de las ocurrencias del suceso

frente a los demás sucesos del experimento.
Grado de incertidumbre en la ocurrencia de los resultados de un experimento
La probabilidad es la medición de la posibilidad de que algo ocurra, y ese algo son los
posibles resultados (eventos o sucesos).
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

Esta medida cuantificable que toma valores entre cero y uno

0  P( A)  1

Cuando mayor sea la probabilidad de que ocurra un evento, su probabilidad asignada

estará más próxima a 1. La probabilidad de certeza plena es 1, mientras que la
Probabilidad de algo imposible será 0

Condiciones

1. P( A)  1 : suceso seguro
2. 0  P( A)  1 : suceso posible
3. P( A)  0 : sucesoimposible
 Obtener un seis al lanzar un dado honesto.
 Obtener un seis al lanzar un dado cargado.
 Que la tasa de crecimiento del PBI del país sea superior al 4%.

OBJETIVOS

1. Ccomprender y utilizar la información en base a una muestra elegida al azar de la

población
2. Usar reglas básicas para evaluar la posible ocurrencia de los diferentes fenómenos
3. Identificar si la muestra en estudio es discreta o continua
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

3.2. Defecciones de probabilidad: Clásica, por Frecuencia Relativa, Subjetiva

Para obtener esas probabilidades hay que recurrir a enfoque o definiciones

distintas. Los enfoques sirven para establecer reglas de asignación de
probabilidades a los sucesos más que para definir la probabilidad. Sin embargo
la definición de probabilidad se ha dado a través del tiempo de tres formas
diferentes de definir e interpretar probabilidad

DEFINICIONES DE
PROBABILIDAD

DEFINICION DEFINICION
CLASICA DEFINICION POR SUBJETIVA
FRECUENCIA
RELATIVA

A. Probabilidad Clásica o A Priori (Regla de Laplace).

El experimento (  ) que se está realizando da lugar a un espacio muestral

() , que es finito y cuyos resultados son conocidos de antemano y
equiprobables o simétricos, entonces, la probabilidad del suceso A

perteneciente a (  ) se define como el cociente de los resultados favorables

a respecto del total de resultados posibles

Número deresultados posibles

P ( A) 
Número de resultados favorables a ( A)

A esta expresión se le conoce como regla de Laplace. El concepto está ligado

a los juegos de azar. Satisface tres propiedades
1. No negatividad, P(A) diferente de cero.
2. Certeza, P(E) =1.
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

3. Aditividad. Si A y B son dos sucesos del espacio () y ambos son

mutuamente excluyentes, entonces la probabilidad de C será:

P(C) = (PA)+P(B)

B. Probabilidad Frecuencial o A Posteriori.

En este caso la probabilidad de un suceso A, se define como el límite de una

frecuencia relativa, cuando el experimento se realiza un número infinito de
veces.

n ( Ai)
P ( A)  lim n   , i 1,2,3,..., k
n
C. Probabilidad Subjetiva

Expresa un grado de creencia o confianza individual en relación con la

ocurrencia o no de un determinado suceso. Se trata de un juicio personal
sobre el resultado de un experimento aleatorio. Además se admite la
posibilidad de que distintos sujetos asignen probabilidades diferentes al
mismo suceso. no son aplicables ninguna de las dos definiciones dadas
anteriormente, por lo que no es posible asignar probabilidades mediante un
procedimiento objetivo, debiendo recurrir a procedimientos de tipo subjetivo,
a opiniones de expertos
Cumple con las tres condiciones de probabilidad

3.3. EXPERIMENTO ALEATORIO, ESPACIO MUESTRAL, EVENTO, SUCESO

 Experimentos o fenómenos aleatorios ( )

Pueden dar lugar a varios resultados, sin que pueda ser previsible enunciar con
certeza cuál de éstos va a ser observado en la realización del experimento.
“es decir los resultados no se pueden predecir”

Ejemplo:

 Lanzar un dado y observar el lado superior

 Obtener un seis en un dado cargado
 Que la tasa de crecimiento del PBI del Pais sea superior al 4%
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

 Espacio Muestral 

Es el conjunto de todos los resultados posibles del experimento aleatorio

 Eventos: A,B,…

Es un subconjunto del espacio muestral. Se utiliza las primeras letras del

alfabeto para definir un evento: A, B, C, …

Suceso

Son todos los elementos del espacio muestral

  1 ,  2 , 3 , .. . , 8 

Espacio Muestral
Es el conjunto de todos los resultados
posibles del experimento aleatorio

Eventos: A,B,…
Es un subconjunto del espacio muestral. Se
utiliza las primeras letras del alfabeto para
definir un evento: A, B, C, …

Suceso
Son todos los elementos del espacio
muestral
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

EJEMPLO:

(  ): Lanzar una moneda tres veces y observar los resultados

SOLUCION

Lanzar Una Moneda Tres Veces

PROBABILIDADES - EXPERIMENTO ALEATORIO

LANZAR UN DADO TRES VECES

O
T
N
IE
W 1 / 8

M
C

A
Z
N
A
L
3º
O
T
N
IE

C
M
A
Z
N
A
L
2º

W W 1 / 8
S
C
1 / 4
O
NT
IE

W
1 / 8
AM

W
C
NZ
LA

1 / 2
S
1º

W
W 1 / 8
S
1 / 4

W 1 / 8
C

W 1 / 8
S C
1 / 4

W W 1 / 8
C

1 / 2

W 1 / 8
C
W

1 / 4
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

  cccc, css, ccs, csc, scc, ssc, scs, sss

X: Caras SUCESOS fi P(x)
0 {sss} 1 1/8
1 {css, scs, ssc} 3 3/8
2 {ccs, csc, scc} 3 3/8
3 {ccc 1 1/8
Total 8 sucesos 8

Evento A: que en la cara superior de la moneda aparezcan dos caras

A = {CCS), (C,S,C), (S,C,C) }

El número de resultados posibles es N(A) = 3.

N(A) 3
P(A)    0,375
N() 8

SUCESOS 
   1,  2,  3,  4,  5,  6,  7,  8 

3.4. ALGEBRA DE EVENTOS

En la definición de evento se pudo apreciar que un evento es un conjunto, por lo

que los eventos heredan las propiedades y teoría general de los conjuntos:

Unión de Eventos
Sean A y B dos eventos cualesquiera del espacio de eventos. La unión de los
eventos A y B es el evento que consta de los elementos que pertenecen tanto a A
como a B y se representa por (A  B).

  1

B
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

 A  B    I   /  I  A o  I  B

Complemento de Eventos
Intersección de Eventos

 1
A B ( A B)

 A  B    I   /  i  A y B
A      / 
c
I i no  B 

Igualdad de Eventos
Inclusión de Eventos

A  B, si w  A  w  B. A = B, si A  B y B  A.
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

Eventos Mutuamente Excluyentes

Diferencia de Eventos

Sean A y B eventos de , entonces:

A – B = { w   / w  A y w  B }. AB=

ANÁLISIS COMBINATORIO

Principio de Adición

Si se tiene los eventos A1, A2, ..., Ak, la cantidad de resultados posibles de ocurrencia
del evento A1 o del evento A2 ... o del evento Ak, está determinado por:
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

PRINCIPIO DE MULTIPLICACIÓN

Si se tiene los eventos A1, A2, ..., Ak; y el evento A1 puede ocurrir de n(A1) maneras;
el evento A2 puede ocurrir de n(A2) maneras; y así sucesivamente, hasta el evento AK
que puede ocurrir de n(Ak) maneras; entonces, el número de maneras en que pueden
ocurrir simultáneamente o consecutivamente los evento A1, A2, ..., Ak, está dado por

PERMUTACIONES

Si se tiene un conjunto de “R” elementos diferentes, una permutación de “r” de ellos, es

una ordenación de los “r” elementos; y el número de permutaciones u ordenaciones de
“R” elementos tomados de “r” en “r” , está dado por

Seleccionar al azar un lote; y luego, del lote seleccionado, se eligen al azar, uno tras
otro, sin reemplazo y con interés en el orden, dos pozos.
¿Cuál es el número de casos posibles? Describa el conjunto de casos posibles

7!
si se selecciona el lote A  p27   42
7  2!
5!
si se selecciona el lote B  p25   20
5  2!
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

COMBINACIONES

Si se tiene un conjunto de “R” elementos diferentes, una combinación de “r” de ellos

(r<=R) es un subconjunto de los “r” elementos; y el número de combinaciones posibles
de “R” elementos tomados de “r” en “r”está dado por:

De cada zona, se seleccionan al azar, sin reemplazo y sin interés en el orden, dos
contribuyentes.
¿Cuál es el número de casos posibles? Describa el conjunto de casos posibles.

Casos posibles: Lote A

Casos posibles: Lote B

Casos posibles: Lote A Casos posibles: Lote B

 Estadística y Probabilidad
Dra. Sara Adelina Arana López

3.5. AXIOMAS, TEOREMAS

Axioma 1: Axioma 2: Axioma 3:

0  P A  1 P 1
   P A 
K
P K
i 1 Ai  i
i 1

TEOREMAS

TEOREMA 1:
P  P  P 
TEOREMA 2:

 
P AC  1  P A
TEOREMA 3

P A  Bi   P( A)  P( B)  P( A  B)

TEOREMA 4: TEOREMA CONDICIONAL

P( A  B)
P  A / Bi  
P( B)

TEOREMA 5: TEOREMA DE BAYES

P A / Bi  
P( A) P( A / B)
P( A1 ) P( A / B1 )  P( A2 ) P( A / B2 )  ...  P( An ) P( A / Bn )
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

3.6. VARIABLE ALEATORIA: DISCRETA, CONTINUA

A. VARIABLE ALEATORIA

Es una función que asigna a cada elemento del espacio muestral uno y solo un número
real.
X  X ( )

Variable aleatoria discreta:

Una variable aleatoria X, es discreta si, los valores que toma la variable son
enumerarles.

 Función de probabilidad

Es la función que a cada valor de la variable aleatoria X le asigna su probabilidad de

ocurrencia.

P ( xi )  P  X  xi 
 Condiciones de la función de probabilidad

1. 0  P ( x) 1

2.  P ( xi 1)

 Representación de la función de probabilidad

 Estadística y Probabilidad
Dra. Sara Adelina Arana López

Tabla :

x x1 x2 x3 . . . xk

P ( xi )  P X  xi  P ( x1 ) P ( x2 ) P ( x3 ) . . .

Grafico

p ( xi )

p ( x3 )

p ( x2 ) p ( x4 )

p ( x15 )
p ( x1 ) p ( x6 )

x1 x21 x3. x4 x5 x6 X

Valor esperado de la variable aleatoria

k
E ( xi )   xi p  xi 
i 1
Donde
E(x): valor esperado
P(x): probabilidad de X
xi : valores de la variable

Varianza de la variable aleatoria

k
V ( xi )   ( xi  E ( x)) 2 p  xi 
i 1

Ejemplo

Veamos el caso del experimento de lanzar una moneda 3 veces, para calcular el
valor esperado y la varianza de la variable aleatoria X
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

Tabla: de distribución de probabilidad discreta

X 0 1 2 3 Total

P ( xi )  1/8 3/8 3/8 1/8 1

E ( xi ) 0*1/8 1*3/8 2*3/8 3*1/8 1.5

V ( xi ) 0  1.52 *1 / 8 1  1.52 * 3 / 8 2  1.52 *3 / 8 3  1.52 *1 / 8 …..

Gráfico: de distribución de probabilidad discreta

B. VARIABLE CONTINUAS

Una variable aleatoria es continua, si su proceso se efectúa bajo el área de una

curva. Es decir si el rango de la variable aleatoria es un intervalos o un conjunto
de intervalos

x

 Estadística y Probabilidad
Dra. Sara Adelina Arana López

PRACTICA DOMICILIARIA

Es el 28 de enero y Tomás Róbalo consultor jurídico de ECOPETROL afronta un difícil problema.

Parece que la empresa se enfrenta a dos litigios correlacionados con el ministerio del medio
ambiente por daños generados por derrames de crudo. Para ambos litigios tiene la opción de un
arreglo directo, de lo contrario se irían a juicio. La fecha del juicio número 1 está programada
para el 15 de julio y el juicio número 2 para el 8 de octubre. Los costos de preparación de un
juicio se estiman en $50 millones; sin embargo si la empresa prepara ambos el precio del
segundo será de $30 millones. Esto puede evitarse mediante un arreglo directo. Para el primer
litigio el arreglo directo consiste en pagar una multa de $400 millones, y para el litigio 2 de $250
millones. Estas multas ya le fueron notificadas por el ministerio de medio ambiente. Si la empresa
va al juicio 1 y lo gana, no pagará la multa; pero si lo pierde, la penalización puede ser de $1000,
$1500 o $2000 millones respectivamente. Tomas considera que la probabilidad de ganar el juicio
número 1 es del 50%. El juicio número 2 puede tener uno de los siguientes resultados: a) que
gane la empresa, en cuyo caso no pagará la penalización, b) que la empresa sea declarada
culpable sin intención (CS), y deberá pagar la multa, c) que la empresa sea declara culpable con
alta responsabilidad (CC), por lo cual puede ser condenada a pagar $1000, $800 o $500 millones,
con probabilidades del 60%,30% y 10%, respectivamente. Los resultados del juicio 2 están
condicionados por el resultado del juicio 1, pues el juez lo considera como un precedente muy
importante. Tomás ha valorado las posibilidades de los resultados del juicio 2 bajo las
condiciones del juicio 1 mediante el teorema de Bayes. Las probabilidades se encuentran
resumidas en la siguiente tabla. ¿Encuentre la estrategia óptima para la empresa?

Resultado del J2 No Gana Pierde

hubo J1 J1
J1
Gane 0.3 0.7 0.1
Culpable sin 0.3 0.2 0.5
responsabilidad
Culpable con 0.4 0.1 0.4
responsabilidad

PROPUESTA 2
El taller de bombas de subsuelo de la Superintendencia del Río de la Gerencia Magdalena Medio
de Ecopetrol S.A , desea optimizar y programar el mantenimiento y reparación de las bombas
utilizadas para el levantamiento artificial por bombeo mecánico del petróleo que se produce en
los campos que administra y opera. Allí se realiza el mantenimiento y la reparación de dos tipos
de bombas de subsuelo: THC, RHAC, algunas de las cuales han sido acondicionada con
cámaras laterales para el venteo de gas (CLVG). La siguiente tabla resume la proporción de ella
que tienen o no el sistema de venteo, de acuerdo a su tipo:

Tipo de Con Sin Totales

bomba CLVG CLVG
THC 0.003 0.017 0.020
RHAC 0.003 0.97 0.980
TOTALES 0.006 0.994 1.00

Del total de bombas de los campos de la Superintendencia del Río, la probabilidad de que una
bomba tenga cámara lateral de venteo es P(A) = 0.006 y la probabilidad de que sea del tipo THC
y que tenga cámara lateral de venteo es P(A Π B) = 0.003.

a. Dado que una bomba seleccionada al azar sea del tipo THC. ¿Cuál es la probabilidad de que
tenga cámara lateral de venteo?
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

b. Cuál es la probabilidad de que las bombas tengan cámaras laterales para el venteo de gas
o sin cámaras laterales para el venteo de gas
c. Cuál es la probabilidad de que la bomba sea de tipo RHAC y no este acondicionada con
cámaras laterales para el venteo de gas
d. Cuál es la probabilidad de que la bomba sea del tipo RHAC, dado que este acondicionada
con cámaras laterales para el venteo de gas
e. Cuál es la probabilidad de que la bomba sea de tipo THC o no este acondicionada con
cámaras laterales para el venteo de gas?

PROPUESTA 3
Una compañía de servicio de lodos para la perforación de pozos petroleros está considerando
introducir dos nuevos tipos de lodos base aceite al mercado local. El gerente cree que la
posibilidad de éxito es alrededor del 50% para el primero y 75% para el segundo. ¿Cuál es la
probabilidad de que ambos productos tengan éxito? Ambas probabilidades son subjetivas porque
están basadas en la opinión del gerente al no haber aún estadísticas de ventas. También se hace
suposición de que el éxito de los dos tipos de lodos es independiente el uno del otro.

PROPUESTA 4
Una empresa petrolera tiene tres campos(A, B, C) productores de crudo pesado donde algunos
pozos tienen problemas de parafinas. Los campos A, B y C tienen respectivamente el 50%,30%
y 20% de los pozos activos totales, cuyos registros de producción se archivan conjuntamente. El
porcentaje de pozos con el problema de parafinas, en cada campo es 3%,4% y 5%
respectivamente. Si se selecciona una carpeta de un pozo al azar y éste muestra problemas de
parafinas.

a. ¿Cuál será la probabilidad de que pertenezca al campo C o A?

b. ¿Cuál es la probabilidad que pertenezca al grupo B dado que tiene parafina?
c. ¿Cuál es la probabilidad que pertenezca al grupo A o tiene parafina?

PROPUESTA 5
Una empresa que tiene cuatro sucursales tiene mayor o menor afluencia de clientes. Se realiza
una encuesta para conocer el nivel de satisfacción de los Clientes, en el trato que recibieron en
cada sucursal. Los datos se registran en la siguiente tabla.

Sucursal No satisfecho Indiferente Satisfecho Total

Norte 120 50 100 270
Sur 100 30 465 295
Este 35 75 85 195
Oeste 70 80 90 240
Total 325 235 440 1000

a. ¿Cuál es la probabilidad de tomar una encuesta y que esta corresponde a los clientes
encuestados en la sucursal del norte?
b. ¿Cuál es la probabilidad de seleccionar una encuesta y esta corresponda a clientes que
respondieron estar satisfechos?
c. ¿Cuál es la probabilidad de seleccionar una encuesta y esta corresponda clientes que
asistieron a la sucursal sur, responde que le es indiferente la atención?
d. ¿Cuál es la probabilidad de encontrar una persona que opine no estar satisfecho cuando
asistió a la sucursal este?.
e. ¿Cuál es la probabilidad de encontrar un cliente que asistió a la sucursal norte o sur?
f. Halle la probabilidad de que una persona sienta que es indiferente o satisfecha con la
atención
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

g. ¿Cuál es la probabilidad de que un cliente haya asistido a la sucursal sur o lo hayan

tratado bien?
h. Calcular la probabilidad de que un cliente asistió a la sucursal este y no esta satisfecho.
i. ¿Cuál es la probabilidad de que un cliente opine que esta satisfecho dado que se sabe
que fue a la sucursal sur?

PROPUESTA 6

Una fábrica de bebidas tiene 5 máquinas, la primera produce 1000 cajas y 50 salen en mal
estado, la segunda produce el doble de la primera y la misma probabilidad de defectuosos que
la cuarta, la tercera produce la mitad de la quinta y el 2% sale en mal estado, la cuarta maquina
produce el triple que la primera y la misma proporción de defectuosos que la tercera, mientras
que la quinta produce el cuádruple de la primera y ninguno en mal estado.
El lote que la fábrica envió a un país vecino fue la producción total del mes pasado. La máquina
1 trabajo 30 días, la 2 y la 3 25 días, la cuarta 20 días, y la quinta 22 días.

a. De cuantas cajas consto el lote enviado

b. Si el cliente se queja, porque una caja estaba en mal estado. ¿Cuál es la probabilidad que la
bebida haya sido producida por al cuarta maquina?
c. Si una maquina ha estado en buen estado. ¿Cuál es la probabilidad de que las bebidas hayan
sido producidas por la tercera maquina?

PROPUESTA 7
En un establecimiento cuenta con tres agentes de ventas (Luis, José, Julio), Luis la semana
anterior visito tres establecimientos, José visito 2 y Julio 5. Luis tuvo un 80% de éxito en sus
visitas (clientes satisfechos), José 75% y Julio el 90%. Un cliente vino a reclamar que su
insatisfacción por la visita de los agentes que lo visito la semana pasada.
a. ¿Cuál es la probabilidad de que el cliente insatisfecho haya sido atendido por José?
b. ¿Cuál es la probabilidad de que el cliente satisfecho haya sido atendido por Julio?

PROPUESTA 8
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

PROPUESTA 9:

PROPUESTA 10
Una empresa de productos de exportación informa que el número de productos defectuosos es
una variable aleatoria y se mantiene en la escala de 0 a 5 artículos, cuya distribución de
probabilidad se registra en la siguiente tabla.

Producto
defectuosos 0 1 2 3 4 5
X

P(X) 1/10 2/10 3/10 2/10 1/10 1/10

PROPUESTA 11
Una empresa de teléfonos alquila el tiempo (t) de servicio de computo de un tipo especial de
computadora a la Facultad de Ciencias Económicas de una universidad de la capital, la empresa
con la finalidad de plantear su presupuesto ha estudiado el tiempo de empleo y uso de la
computadora en la Universidad, mostrando el tiempo semanal de alquiler (en horas) en una tabla
de distribución de probabilidades, que a continuación se detalla.
Tiempo
X 2 4 6 8 total

P(X) 0.2 0.35 0.30 0.15 1.00

a. Calcule la función de distribución de empleo del computador y grafique
b. Determine el tiempo esperado del uso del computador en la semana
c. Determine la varianza y desviación estándar del tiempo en horas del uso del computador
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

d. Halle la varianza y la desviación estándar de la variable tiempo, utilice la función

generadora de momentos.
e. En base a los resultados interprete si es conveniente o no para la empresa.

PROPUESTA 12
Se desea realizar un estudio sobre el número de crías en una camada. Sea la v.a. X :“Número
de crías en una camada”
X toma los valores x = 0, 1, 2, 3, con probabilidades
a. Calcule la función de distribución del estudio sobre el número de crías de una camada y
grafique
b. Determine el valor esperado del número de crías
c. Calcule la varianza para el numero de crías
d. Cual es la probabilidad de que una camada tenga dos crías?
e. ¿Cuál es la probabilidad de que el número de crías en una camada sea mayor o igual a
2.2?
f. ¿Cuál es el número de crías que divide a las camadas en dos partes iguales?
g. Interprete los resultados

3.7. Distribuciones de probabilidad discretas (Binomial, Poisson,

Hipergeométrica)

DISTRIBUCIÓN BINOMIAL

Es una distribución que provienen de un experimento que consiste en “n” pruebas o

ensayos de Bernuolli.

CARACTERISTICAS

a. Se realizan “n” pruebas y todas deben ser idénticas e independientes (el resultado
de cualquier ensayo particular no afecta el resultado de cualquier otro ensayo
b. Cada ensayo debe dar lugar a dos posibles resultados, llamados éxito (E) o
fracaso (F), que deben ser mutuamente excluyentes.
c. “p” es la probabilidad de éxito en cada prueba y debe ser invariante, y la
probabilidad de fracaso es q = 1-p
d. Los valores de la variable aleatoria varían desde cero hasta “n”.

Se define la variable aleatoria Binomial:

X : Nº de éxitos en “n” pruebas o ensayos
Rx = 0, 1, 2,3,……..,n
p = probabilidad de éxito
1 – p = probabilidad de fracas (1 – p = q)

Función de Probabilidad

 n
 n, x, p     p x q n x
 x
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

Donde

 n, x, p : Distribución Binomial

n: tamaño de la muestra
x: observación seleccionada
p= probabilidad de éxito
q: probabilidad de fracaso

EJEMPLO 1:

El tratamiento de la gripe con vitamina C produce un efecto curativo

en 75% de los casos. Se seleccionan 6 pacientes al azar. ¿Cuál es
la probabilidad de que, luego del tratamiento?
a. Ninguno este curado
b. A lo más 1 este curado
c. Al menos cinco estén curado

SOLUCION

X: N° de pacientes curados
n: 6 pacientes

X  B (n  6; p  0.75)
Rx  0,1,2,3,4,5,6

a. P( X  0)  C06 0.750 0.256  2.4414 x10 4

La probabilidad de que ningún paciente se cure es 0.0002441

b. P( X  1)  P( X  0)  P( X  1)  C06 0.7500.256  C16 0.7510.255 

 4.6387 x103

La probabilidad de que a lo mas uno sea curado es 0.00464

c. P( X  5)  P( X  5)  P( X  6)  C56 0.755 0.251  C66 0.756 0.250 

 0.5339
La probabilidad de que al menos cinco estén curados es : 0.534
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

EJEMPLO 2

Supongamos que la probabilidad de que una pareja tenga un hijo o una hija es igual.
Calcular la probabilidad de que una familia con 6 descendientes tenga 2 hijos.

SOLUCION

Éxito = E = “tener hijo” y p(E) = 0’5.

Fracaso = F = “tener hija” y p(F) = q = 1-P = 0’5.
Binomial B(6; 2 ;0’5)

6
p( x)    * (0.5) 2 * (0.5) 4  0.2344
 2
La probabilidad de que la familia tenga dos hijos es 0.2344

DISTRIBUCIÓN DE POISSON

Un ensayo de Poisson, es un experimento en el que el número de ocurrencias de un

evento es observado en un intervalo de tiempo.
Una variable aleatoria X tiene una distribución de Poisson con parámetros , si su
función de cuantía esta definido

 x
e 
p ( x) 
x!
Donde:

p (x ) : Probabilidad de X
 : Promedio
e : Constante (2.71828)
x : Observaciones seleccionadas

EJEMPLO:

El gerente de un establecimiento desea conocer la probabilidad de que exactamente

cinco clientes lleguen en una hora determinada al trabajo. Tiene conocimiento de que
en las últimas 80 horas entraron al establecimiento 800 clientes, si promedio es 10
clientes por hora
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

Solución :

p ( x)  4 :
 : 10 clientes por hora
e : (2.71828)
x : 5 clientes

10 5 (2.71828) 10
p ( x)   0.378  0.4
5!
La probabilidad que durante la próxima hora lleguen cinco clientes es 0.4, o un 4% hay
de posibilidad que en la próxima entren al establecimiento 5 clientes.

DISTRIBUCION HIPERGEOMETRICA

Suponga que tenemos “N” artículos de los cuales “A” son éxitos y “N-A” son
fracasos.
El experimento “Hipergeométrico” consiste en escoger al azar una muestra de tamaño
“n”, uno por uno sin Sustitución o Reemplazamiento

Se define la v.a.con distribución Hipergeométrica

Función de Probabilidad
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

 M  N M  
 
 
n x 
 
 X    , x  0,1,2,..., min( n, M ) 
 N 
 
n 
 
   
 
P ( X  x)  
0 en otros casos 
 
 
 
 

 


P (x ) : probabilidad de x
N: Población ( se divide en dos clases)
X: Nº de éxitos en la muestra (de los éxitos en M)
M (A): Elementos de éxito de una clase de la población
N – M: elementos de fracaso en la otra clase de la población
n: tamaño de la muestra

EJEMPLO

Una empresa que se dedica a la comercialización de carros de fabricación extranjera,

tienen 10 automóviles para la venta, pero saben que cuatro de ellos presentan cierta
falla. Cuál es la probabilidad de elegir una muestra de 3 automóviles en la cual 2 de
ellos presenten la falla?

SOLUCIÓN
N: 10 autos
M : cuatro autos con falla
n: 3 autos
x: 2 autos fallados

 4  10  4 
   
 2   3  2 
P( x  2)   0.30
10 
 
3 
La probabilidad que 2 autos estén fallados es 0.30
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

PRACTICA DOMICILIARIA
Propuesta 1:
Si 6 de 18 proyectos de viviendas violan el código de construcción, ¿cuál es la probabilidad de
que un inspector de viviendas, que selecciona aleatoriamente a cuatro de ellas, descubra que:
a. Ninguna de las casas viola el código de construcción
b. Una viola el código de construcción
c. Dos violan el código de construcción
d. Al menos tres violan el código de construcción
Propuesta 2
Si una central telefónica recibe en promedio 4 llamadas por hora, calcular las siguientes
probabilidades:
a. Que en una hora se reciba una llamada
b. Que en una hora se reciban tres llamadas
c. Que en una hora se reciba, al menos, una llamada
d. Que en una hora se reciban, como mucho, 4 llamadas
e. Si la frecuencia que recibe las llamadas es relativamente constante, es decir, se mantiene
constante el promedio de llamadas recibidas por hora, calcular la probabilidad que en dos
horas se reciban exactamente 9 llamadas.
Propuesta 3:
Dos proveedores fabrican un engrane de plástico utilizado en una impresora láser. Una
característica importante de estos engranes es la resistencia al impacto la cual se mide en pies-
libras. Una muestra aleatoria de 10 engranes suministrados por el primer proveedor arroja los
siguientes resultados: y s1 = 12. Del segundo proveedor se toma una muestra aleatoria
de 16 engranes, donde los resultados son
y s2 = 45. ¿Existe evidencia que apoye la afirmación de que los engranes del proveedor 2 tienen
una mayor resistencia promedio al impacto. Use un nivel de significancia de 0.05.
Propuesta Nº4
Suponga que una máquina de bebidas esta calibrada de tal manera que la cantidad de líquido
entregado es aproximadamente normal con desviación estándar 0,15 decilitros (nota: 1 decilitro
es 0,1 litro).
a. Calcule un intervalo de 95% de confianza para la media de la cantidad de líquido entregado
basado en una muestra aleatoria de 36 vasos con promedio de 2,25 decilitros.
b. ¿Un intervalo de 90% de confianza será más ancho o más angosto que el calculado en la
parte (a)
Propuesta Nº5
El control de calidad una fábrica de pilas y baterías sospecha que hubo defectos en la producción
de un modelo de batería para teléfonos móviles, bajando su tiempo de duración. Hasta ahora el
tiempo de duración en conversación seguía una distribución normal con media 300 minutos y
desviación típica 30 minutos. Sin embargo, en la inspección del último lote producido, antes de
enviarlo al mercado, se obtuvo que de una muestra de 60 baterías el tiempo medio de duración
en conversación fue de 290 minutos. Suponiendo que ese tiempo sigue siendo Normal con la
misma desviación típica:
¿Se puede concluir que las sospechas del control de calidad son ciertas a un nivel de
significación del 2%?

Propuesta 1:
Pat es un estudiante que toma un curso de estadística. Por desgracia, Pat no es un buen
estudiante. Pat no leer los libros de texto antes de la clase, no hace la tarea, y pierde
regularmente clase. Pat tiene la intención de confiar en la suerte de pasar al siguiente
cuestionario. El cuestionario consta de 10 preguntas de opción múltiple. Cada pregunta tiene
cinco posibles respuestas, las cuales sólo una es correcta. Pat planea adivinar la respuesta a
cada pregunta
a. ¿cuál es la probabilidad de que la patente no obtiene respuesta correcta?
b. ¿Cuál es la probabilidad de que la patente obtiene dos correcta?
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

Propuesta 2
Según una encuesta realizada marzo 5 hasta 7, 20, 52% de los adultos estadounidenses cree
que la protección del medio ambiente debe tener prioridad sobre el desarrollo de los
departamentos (regiones) los suministros de energía. Treinta y seis por ciento (36%) piensa que
el desarrollo de la energía suministrada es más importante, y el 6% cree que los dos son igual
de importación. El resto no tiene opiniones. Supongamos que una muestra de 100 adultos
estadounidenses se interrogó sobre el tema. ¿Cuál es la probabilidad de que el suceso siguiente
a. cincuenta o más piensan que proteger el medio ambiente se debe dar prioridad
b. treinta o menos creo que el desarrollo de los suministros de energía es más importante
c. Cinco o menos no deben emitir opiniones

Propuesta 3:
Un médico cirujano se especializa en cirugías estéticas. Entre sus pacientes, el 20% se realizan
correcciones faciales, un 35% implantes mamarios y el restante en otras cirugías correctivas. Se
sabe además, que son de género masculino el 25% de los que se realizan correcciones faciales,
15% implantes mamarios y 40% otras cirugías correctivas. Si se selecciona un paciente al azar,
determine:
a. Determine la probabilidad de que sea de género masculino
b. Si resulta que es de género masculino, determine la probabilidad que se haya realizado una
cirugía de implantes mamarios

Propuesta 4:
El 1% de la población de un determinado lugar padece una enfermedad. Para detectar esta
enfermedad se realiza una prueba de diagnóstico. Esta prueba da positiva en el 97% de los
pacientes que padecen la enfermedad; en el 98% de los individuos que no la padecen da
negativa. Si elegimos al azar un individuo de esa población:
a. ¿Cuál es la probabilidad de que el individuo dé positivo y padezca la enfermedad?
b. Si sabemos que ha dado positiva, ¿cuál es la probabilidad de que padezca la
enfermedad?

Propuesta 5:
En la sala de pediatría de un hospital, el 60% de los pacientes son niñas. De los niños el 35%
son menores de 24 meses. El 20% de las niñas tienen menos de 24 meses. Un pediatra que
ingresa a la sala selecciona un infante al azar.
a. Determine el valor de la probabilidad de que sea menor de 24 meses.
b. Si el infante resulta ser menor de 24 meses. Determine la probabilidad que sea una niña.

POISSON
Propuesta 5:
Un instructor de estadísticas ha observado que el número de errores tipográficos en las nuevas
ediciones de los libros de texto Aries considerablemente de libro. Después de un análisis, se
concluye que el número de errores se distribuye Poisson con una media de 1,5 por cada 100
páginas. El instructor selecciona al azar 100 páginas de un libro nuevo.
a. ¿Cuál es la probabilidad de que no hay errores tipográficos?
b. . ¿Cuál es la probabilidad de que hay 4 errores tipográficos?
c. ¿Cuál es la probabilidad de que haya a lo más 6 errores tipográficos?
d. ¿Cuál es la probabilidad de que haya 10 errores tipográficos?

Propuesta 6:
Si un barco recibe en promedio 6 cheques sin fondos por día, ¿Cuál es la probabilidad de que
reciba…..?
a. Cuatro cheques sin fondo en un día dado
b. 10 cheques sin fondo en cualquiera de los dos días consecutivos

Propuesta 7:
En la inspección de hojalata producida por un proceso electrolito continuo, se identifican 0.2
imperfecciones en promedio por un minuto. Determinar las probabilidades de que identificar:
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

a. Una imperfección en 3 minutos

b. Al menos dos imperfecciones en 5 minutos
c. Cuando más una imperfección en 15 minutos

HIPERGEOMETRICA

Propuesta 8:
Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narcótico en
una botella que contiene 9 píldoras de vitamina que son similares en apariencia. Si el oficial de
la aduana selecciona 3 tabletas aleatoriamente para analizarlas,
a) ¿Cuál es la probabilidad de que el viajero sea arrestado por posesión de narcóticos?
b) ¿Cuál es la probabilidad de que no sea arrestado por posesión de narcóticos?

Propuesta 9:
Una caja contiene 24 artículos de las cuales se sabe que 8 tienen algún defecto, si en una
inspección de calidad el inspector selecciona al azar 6 piezas, hallar la probabilidad de que:
a) encuentre uno defectuoso
b) la caja sea rechazada (esto sucede si se encuentran dos o más artículos defectuosos
en la muestra)

Propuesta 10:
Nos piden la probabilidad de dos o más es decir X= 2, 3, 4, 5 y 6, por simplicidad calculamos su
complemento es decir X= 0 y 1, y como ya tenemos la de X = 1 solo nos falta la de X = 0.

3.8. DISTRIBUCIONES DE PROBABILIDAD CONTINUAS (NORMAL, T,

CHI-CUADRADA, F)

NORMAL

Es la distribución más importante de probabilidades y la estadística inferencial, se aplica

a innumerable procesos en diversas especialidades como: medicina, biología,
ingeniería, farmacia, economía, ..etc. sobre esta distribución se sustentan las otras
distribuciones continuas.
Se puede aplicar en casos puntuales como una aproximación en el empleo de variables
discretas
Característica

 Se distribuye desde menos infinito a mas infinito

 Tiene la forma de campana
 Es simétrica. Las colas se prolongan hasta el infinito (nunca tocan el eje de las x)
 El punto más alto es la media
 La media puede ser cualquier valor numérico
 Hay familias de distribuciones normales. Cada una se identifica por su media y su
desviación estándar
 Las desviaciones estándares determinan el ancho de la curva
 El área total es 1
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

La función de densidad de la normal

La función de densidad de la distribución norma se expresa como


 x   2
1
f ( x)  e 2 2

 2

 : promedio ó media de la población

 : desviación s tan dar
N  ,  

DISTRIBUCION DE DISTRIBUCION NORMAL ESTANDAR

 Cuando tenemos una distribución normal con media 0 y desviación estándar 1 se

habla de una distribución normal estándar
 El valor de z indica la variable aleatoria normal

FUNCIÓN DE DENSIDAD
2
1 -x
f(x) = e 2 ; -  < x < +
2π

PROPIEDADES
a
1. P( x  a)  P 
  
a
2. P( x  b)  1  P 
  
b  a
3. P(a  x  b)  P   P 
     

Uso de Tablas: Normal Acumulativa

 Estadística y Probabilidad
Dra. Sara Adelina Arana López

Z F(Z) Z F(Z) Z F(Z)

–4 0.00003 0.0 0.50000 1.64 0.94950
– 3.9 0.00003 .. ..
– 3.5 0.00023 0.5 0.69146 ..
–… 1.96 0.9750
– .. .. ..
– 1.96 0.02500 .. 2.00 0.97725
– .. 1.00 0.84134 ….
– .. 1.5 0.93319 3.99 0.99997
– -1.64 0.05050 1.59 0.94408 4 0.99997

En las tablas como las del modelo la distribución normal estándar, se distribuye desde
Z = - 4 hasta Z = 4, frente a cada valor de Z se observa a su respectiva probabilidad.

Ejemplo:

La probabilidad para Z = - 4 es 0.00003

Probabilidad para Z = 4 es 0.99997
Como podemos observar, si sumamos las dos probabilidades de los valores de Z esta
suma es 1; tal como observamos en el ejemplo, la suma de las probabilidades cuando
Z toma los valores de – 4 y cuando es + 4, es 1.

Es decir como la distribución normal es simétrica, al encontrar la probabilidad para un

valor de Z (+), automáticamente se halla la probabilidad para el valor inverso de Z(-), es
decir su complemento

P(Z = -1.64) = 0.05050 P(Z = 1.64) = 0.9495

Teorema del límite central

Es importante porque justifica la importancia de la distribución normal.

Sea X 1 , X 2 , X 3 , , X n una sucesión de n – variables aleatorias independientes,
idénticamente distribuidas. Con media y varianza conocidas y finitas.

E X i    y Var ( X )   2
Si:
Yn  x1 , x2 , x3 , xn
Se tiene:
X 
Z  Tiene aproximación a N (0,1)
 n
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

3.9. Distribuciones Muestrales (media, proporción)

A. Distribución de la Media

Sea Yn  x1 , x2 , x3 , xn una muestra aleatoria de tamaño n de una variable

aleatoria X con media  y varianza  2 .
La distribución de la media muestral es aproximadamente una normal con:

2
x    Var ( xi ) , la variable aleatoria X  N (0,1) X
n

X 
Z   N (0,1)
 n

Ejemplo:

Un especialista en Psicologia, luego de realizado un estudio sobre el tiempo que tardan

un grupo de adolescentes en responder un test sobre vocación profesional, manifiesta
que estos tiempos se distribuyen normalmente, con media 12 minutos y desviación
estándar 6 minutos, obtenidos de una muestra de 10 empleados, se desea conocer:

a. ¿cuál es la probabilidad de que el tiempo promedio que usan los alumnos para
responder un test sea mayor de 15 y menor de 17 minutos?
b. Si los alumnos demoran en promedio 9 minutos en contestar el test, entonces los
primeros alumnos reciben una sorpresa: ¿Cuál es la probabilidad de que esto
suceda? Tarea para el alumno

Solución

X: tiempo que demoran los estudiantes en responder un test vocacional.

X-------- N(12,6)

n = 10 alumnos
Promedio= 12 minutos
Desviación estándar = 6 minutos

 17  12   15a  12 
P(15  x  17)  P   P 

 6   6 10 
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

B. Distribución de la Proporción

Para un tamaño de muestra grande, la distribución de la proporción de la muestra es

aproximadamente una normal.
Por lo tanto la probabilidad respecto a la proporción es:

p  p(  )
Z 
p (1  p )
n

p: proporción

Ejemplo:

En una instituto superior de enseñanza se conoce que de la población de mujeres, el

90%, tiene cierta incertidumbre sobre su futuro laboral, si se extrae de la población una
muestra de 200 mujeres.

a. ¿Cuál es la probabilidad de que la proporción de la muestra de las mujeres, que ha

tenido algún trabajo temporal sea menor de a0.85?

b. Cuál es la probabilidad de que la proporción de la muestra que no ha tenidos un

trabajo laboral sea 0.70?

Solución

p  0.90
pˆ  0.85
n  200

p  p(  ) 0.85  0.90
Z  Z    2.36
p (1  p ) 0.90(0.10)
n 200

p ( Z   2.3)  0.009
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

PRACTICA DOMICILIARIA

PROPUESTA I

PROPUESTA 2

PROPUESTA 3
Una empresa eléctrica fabrica lámparas que tienen una duración que se distribuye
aproximadamente en forma normal, con media de 800 horas y desviación estándar de 40 horas.
Calcular la probabilidad de que una m.a. de 16 lámparas tenga una
vida media de menos de 775 horas.
PROPUESTA 4

Propuesta Nº1:
Un proceso de producción tiene4% de unidades defectuosas producidas. Para controlar el
proceso, se revisa periódicamente una muestra de unidades producidas.
a. Calcule aproximadamente la probabilidad de que en una muestra al azar de 150 unidades
revisadas una por una se encuentre 6% defectuosas.
b. El proceso de producción se detiene al revisar una muestra al azar de 100 unidades
producidas, se encuentran menos 5% de unidades defectuosa. ¿Cuál es la probabilidad de
que el proceso se detenga si realmente esta produciendo 6% de unidades defectuosas del
total producido? (4p)

Propuesta Nº2:
Un auditor toma una muestra al azar de n= 100 cuentas por cobrar de una población de 500
cuentas por cobrar, cuya desviación estándar es 145 soles.
 Estadística y Probabilidad
Dra. Sara Adelina Arana López

¿Cuál es la probabilidad de que la media muestral difiera de la media poblacional (error muestral:

definido como la variable aleatoria ( E  x   ) es más de 26 soles? (2p)

Propuesta Nº3:
Un proceso automático empaqueta un determinado producto, en bolsas cuyo peso, en gramos,
tiene distribución normal con una desviación estándar de 20 gramos y con una media poblacional
que debe se bien regulada.
a. La media poblacional de proceso está bien regulada si solo el 1% de los pesos de todas las
bolsas producidas tienen pesos mayores a 546.6 gramos. ¿Cuánto vale la media de la
población bien regulada?
b. Con la media del proceso bien regulada, se programa el control del peso del producto de la
siguiente manera: cada hora se escogerá al azar 4 bolsas, si el promedio de los pesos no
está en el intervalo (480, 520) gramos, se para el proceso para realizar su mantenimiento, en
caso contrario, se continua con el proceso. ¿Cuál es la probabilidad de que se pare el proceso
cuando realmente está bien regulado?.
c. Si el proceso está bien regulado con que tamaño de muestra se consigue que el peso
promedio muestral sea a lo más 490.2 gramos con una probabilidad igual a 0.025? (6p)

Propuesta Nº4:
Un analista de investigación de mercados escogió una muestra aleatoria de 100 clientes de una
lista de 500 clientes de una tienda exclusiva, cuyos ingresos mensuales son mayores a 5000
soles, y encontró que gastaron por mes, un promedio de 2500 soles con una desviación estándar
de 300 soles. Si con estos valores el analista estima el gasto promedio de la población va de
2446 a 2554 soles ¿qué nivel de confianza utilizo? (3p)

Propuesta Nº5:
Para estimar la variedad de los contenidos de un producto que una empresa comercializa en
bolsa de 150 gramos, un analista de métodos cuantitativos escogió una muestra aleatoria de
10 unidades del producto resultando los siguientes pesos en gramos:
150.5, 150.7, 149.0, 150.4, 149.6, 151.0, 150.9, 149.2, 150.3, 149.3
Obtenga el intervalo de confianza para la varianza de los contenidos de todas las unidades del
producto en mención. Suponga que la población de estos contenidos se distribuye según el
modelo de la probabilidad normal