Unidad 4

VARIABLES ALEATORIAS Y DISTRIBUCIONES

DE PROBABILIDAD.
¿Qué es una distribución de probabilidad?

Es el listado de todos los resultados de un experimento y la

probabilidad asociada con cada resultado. (Es similar a una
distribución de frecuencias relativas)

Retomemos el ejemplo de los 3 lanzamientos de una moneda,

nos interesa el número de soles que aparecen en estos. ¿Cual es
la distribución de probabilidad del número de soles?
Probabilidad
No. De soles del resultado
0
1
2
3
En la distribución de probabilidad discreta está permitido
considerar sólo un número limitado de valores. Ejemplo: la
probabilidad de que alguien haya nacido en un mes dado es
discreta, puesto que sólo hay 12 posibles valores.
 Variables aleatorias
 Una variable es aleatoria si toma diferentes valores como
resultado de un experimento aleatorio. Una variable
aleatoria es una especie de valor o magnitud que cambia
de una ocurrencia a otra sin seguir una secuencia
predecible. Cada valor de la variable aleatoria se
relaciona con una probabilidad que indica la posibilidad
de un resultado determinado. Pueden ser cuantitativas o
cualitativas
(Cantidad que resulta de un experimento que, por azar,
puede adoptar diferentes valores)

VARIABLE ALEATORIA DISCRETA: Variable aleatoria que

adopta solo valores claramente separados.
- Si pesamos tres lingotes de acero, los pesos pueden ser de 2
492 libras, 2 497 libras, 2 506 libras. El peso es una variable
aleatoria.
- En una clínica no se tiene manera de saber con exactitud
cuántas mujeres van a ser atendidas en un día cualquiera, de
modo que el número de mujeres del día siguiente es una
variable aleatoria.

Número de mujeres
examinadas diariamente
durante 100 días
Valor esperado (Media)
Para obtener el valor esperado de una variable aleatoria
discreta, multiplicamos cada valor que la variable puede tomar
por la probabilidad de ocurrencia de ese valor y luego sumamos
los productos.
¿Qué significa esto? Significa que en un periodo largo, el
número de mujeres examinadas diariamente deberá tener un
promedio de aproximadamente “ “
Recordemos que un valor esperado de “ “ no significa que
mañana “ “ mujeres asistan a la clínica.

La persona encargada de la clínica podría basar sus decisiones

en el valor esperado del número de mujeres examinadas
diariamente debido a que éste es un promedio ponderado de los
resultados que espera en el futuro. Conforme van cambiando
las condiciones, se podría recalcular el valor esperado de los
exámenes diarios y utilizar el nuevo resultado como base para
tomar decisiones.
Uso del valor esperado en la toma de decisiones

Combinación de probabilidades y valores monetarios

 Ejemplo: Hay un vendedor al mayoreo de frutas y

legumbres que comercia con frambuesas. Este producto
tiene una vida útil muy limitada: si no se vende el día que
llega, ya no tiene valor. Una caja de frambuesas cuesta $20
y el vendedor recibe $50 por ella. Éste no puede especificar
el número de cajas que un cliente pedirá en cualquier día
dado, pero su análisis de registros pasados ha producido la
información siguiente:
Ventas durante 100 días

 El vendedor al mayoreo ha sufrido dos tipos de pérdidas: 1)

pérdidas por obsolescencia, ocasionadas por tener en
existencia demasiada fruta en un día y tener que tirarla al
siguiente, y 2) pérdidas de oportunidad, ocasionadas por no
tener en existencia el producto al momento en que un cliente
lo solicita (los clientes no esperan más allá del día en que
solicitan una caja de frambuesas).
Tabla de perdidas condicionales

 Las cifras que se encuentren por encima de un cero

cualquiera representan las pérdidas sufridas al tener que
tirar la fruta.
 Los valores que se encuentran debajo de los ceros
representan las pérdidas de oportunidad derivadas de
pedidos que no se pueden cumplir.
Perdida esperada al tener en existencia 10, 11, 12 o 13 cajas
 La distribución binominal

 Una característica de una distribución binomial consiste en

que solo hay dos posibles resultados en determinado
intento de un experimento, que son resultado de un
experimento conocido como proceso de Bernoulli. Los
resultados son mutuamente excluyentes.

Se clasifican los dos posibles resultados como éxito y

fracaso. Sin embargo, esta clasificación no implica que un
resultado sea bueno y el otro malo.
 Por ejemplo, un producto se clasifica como aceptable o
inaceptable por el departamento de control de calidad;
un trabajador se clasifica como empleado o
desempleado, y una llamada da como resultado que el
cliente compre el producto o no lo compre.

Otra característica de la distribución binomial es el hecho

de que la variable aleatoria es el resultado de conteos. Es
decir, se cuenta el numero de éxitos en el numero total de
pruebas.

Por ejemplo: selecciona 10 trabajadores y enlista cuantos

tienen mas de 50 años, o selecciona 20 cajas de Kellogs y
cuenta el número de cajas que pesan mas de lo que indica
el paquete.
Una tercera característica de una distribución binomial
consiste en que la probabilidad de éxito es la misma de una
prueba a otra.

 Por ejemplo: La probabilidad de que adivine la primera

pregunta de una prueba de verdadero o falso (éxito) es de
un medio. Esta constituye la primera prueba. La
probabilidad de que adivine la segunda pregunta (segunda
prueba) también es de un medio; la probabilidad de éxito
en la tercera prueba es de otro medio, y así
sucesivamente.

La ultima característica de una distribución de probabilidad

binomial consiste en que cada prueba es independiente de
cualquiera otra. Que sean independientes significa que no
existen patrones en las pruebas. El resultado de una prueba
en particular no influye en el resultado de otra prueba.
 Proceso de Bernoulli

Podemos utilizar el resultado del lanzamiento de una moneda un

cierto número de veces como ejemplo:

 Cada intento (cada lanzamiento, en este caso) tiene solamente

dos resultados posibles: sol o águila, sí o no, éxito o fracaso.
 La probabilidad del resultado de cualquier intento (lanzamiento)
permanece fijo con respecto al tiempo. Con una moneda, la
probabilidad de obtener sol siempre es 0.5 para cada
lanzamiento, independientemente del número de veces que se
lance la moneda.
 Los intentos son estadísticamente independientes, es decir, el
resultado de un lanzamiento no afecta el resultado de cualquier
otro lanzamiento.
Para construir una probabilidad binomial en particular se necesita:
 1) el número de pruebas;
 2) la probabilidad de éxito de cada prueba.

 Por ejemplo, si un examen al termino de un seminario de

administración incluye 20 preguntas de opción múltiple, el
numero de pruebas es de 20. Si cada pregunta contiene
cinco elecciones y solo una de ellas es correcta, la
probabilidad de éxito en cada prueba es de 0.20.
p = probabilidad de tener éxito
q = 1- p probabilidad de fracaso
r = número de éxitos deseados
n = número de intentos hechos
Ejemplo:
Las máquinas de rellenado están diseñadas para trabajar de
manera eficiente y con una alta confiabilidad. Estos
mecanismos pueden llenar tubos de pasta dental con una
escala de precisión de 0.1 onzas el 80% de las veces. Un
visitante de la planta que observa cómo los tubos ya llenos son
empaquetados en una caja (6 piezas), pregunta: ¿Cuáles son
las posibilidades de que exactamente la mitad de los tubos de
una caja seleccionada al azar esten llenos con una precisión de
0.1 onzas del nivel deseado?
Ejercicios:
1. US Airways tiene cinco vuelos diarios de Pittsburgh a
Bradford, Pennsylvania. Suponga que la probabilidad de que
cualquier vuelo llegue tarde sea de 0.25. ¿Cual es la
probabilidad de que ninguno de los vuelos llegue tarde hoy? .
Cual es la probabilidad de que exactamente uno de los vuelos
llegue tarde hoy?

2. Es frecuente que los empleados lleguen tarde a trabajar a

una farmacia y hay siete empleados en ella. El propietario ha
estudiado la situación durante cierto periodo y determinó que
hay una probabilidad de 0.4 de que cualquier empleado llegue
tarde y que las llegadas de los mismos son independientes
entre sí. ¿Cuáles son las probabilidades de que 0, 1, 2, 3, 4 o
5 empleados lleguen tarde simultáneamente?
 Uso de las tablas de probabilidades binomiales

¿Cuál es la probabilidad de que 4 de 15 votantes empadronados

no puedan votar en las elecciones preliminares, si la
probabilidad de que cualquier individuo no pueda votar es de
0.30, y si las personas deciden de manera independiente si
votan o no?

Encontrar la probabilidad de que cuatro o más votantes

empadronados no voten.

hallar la probabilidad de que menos de cuatro votantes no

voten.
 Distribución de probabilidad hipergeométrica

 Por ejemplo, si la población consta de 20 elementos, la probabilidad

de seleccionar un elemento de dicha población es de 1/20. Si el
muestreo se realiza sin reemplazos, solo quedan 19 elementos
después de la primera selección; la probabilidad de seleccionar un
elemento en la segunda selección es de 1/19 solamente. En la
tercera selección, la probabilidad es de 1/18, etc. Esto supone que
la población es finita
 Play Time Toys, Inc., tiene 50 empleados en el departamento
de ensamble. Cuarenta empleados pertenecen a un sindicato, y
diez, no. Se eligen al azar cinco empleados para formar un
comité que hablara con la empresa sobre los horarios de inicio
de los turnos. ¿Cual es la probabilidad de que cuatro de los
cinco empleados elegidos para formar parte del comité
pertenezcan a un sindicato?

 Obtener la probabilidad para 0,1,2,3,4 y 5 empleados

sindicalizados en el comité.
 Una empresa hace planes para contratar este año a 5 analistas
financieros. Hay un grupo de 12 candidatos aprobados, y el
propietario, decide elegir al azar a quienes va a contratar. De
los solicitantes aprobados, 8 son hombres y 4 mujeres. .Cual
es la probabilidad de que 3 de los 5 contratados sean
hombres?
 Distribución de probabilidad de Poisson

 La distribución de Poisson se utiliza para describir ciertos tipos

de procesos, entre los que se encuentran la distribución de
llamadas telefónicas que llegan a un conmutador, las solicitudes
de pacientes que requieren servicio en una institución de salud,
las llegadas de camiones y automóviles a una caseta de cobro, y
el número de accidentes registrados en cierta intersección.

 La distribución de probabilidad de Poisson describe el

número de veces que se presenta un evento durante un intervalo
especifico. El intervalo puede ser de tiempo, distancia, área o
volumen.
 La distribución se basa en dos supuestos. El primero consiste
en que la probabilidad es proporcional a la longitud del
intervalo. El segundo supuesto consiste en que los intervalos
son independientes. En otras palabras, cuanto mas grande sea
el intervalo, mayor será la probabilidad, y el número de veces
que se presenta un evento en un intervalo no influye en los
demás intervalos.
En la mayoría de los vuelos no se pierden maletas; en algunos
se pierde una, etc. Supongamos que una muestra aleatoria de
1000 vuelos arroja un total de 300 maletas perdidas. De esta
manera, la media aritmética del número de maletas perdidas por
vuelo es de 0.3, que se calcula al dividir 300/1000.
¿Cuál es la probabilidad de que no se pierda ninguna maleta?

¿Cuál es la probabilidad de que se pierda exactamente una

maleta?
Supongamos que estamos investigando la seguridad de una
peligrosa intersección. Los registros policiacos indican una
media de cinco accidentes mensuales en esta intersección. El
número de accidentes está distribuido de acuerdo con una
distribución de Poisson, y el Departamento de Seguridad de
Tránsito desea que calculemos la probabilidad de que en
cualquier mes ocurran exactamente 0, 1, 2, 3 o 4 accidentes
 Distribuciones de Probabilidad Continuas

En los temas anteriores se vieron tres distribuciones de

probabilidad discreta: binomial, hipergeometrica y de Poisson.
Estas distribuciones se basan en variables aleatorias discretas,
que solo adoptan valores claramente separados. Además, el
resultado se determina al contar el numero de éxitos.

Una distribución de probabilidad continua resulta de medir algo,

como la distancia de un dormitorio, el peso de un individuo, etc.
Una variable aleatoria continua tiene un numero infinito de
valores dentro de cierto intervalo particular.
 Características de la distribución normal de
probabilidad
1. Tiene forma de campana y posee una sola cima en el
centro de la distribución. La media aritmética, la mediana y la
moda son iguales, y se localizan en el centro de la distribución.
El área total bajo la curva es de 1.00. La mitad del área bajo la
curva normal se localiza a la derecha de este punto central, y la
otra mitad, a la izquierda.
2. Es simétrica respecto de la media. Si hace un corte vertical,
por el valor central, a la curva normal, las dos mitades son
idénticas.
3. Desciende suavemente en ambas direcciones del valor
central. Es decir, la distribución es asintótica. La curva se
aproxima mas y mas al eje X, sin tocarlo en realidad. En otras
palabras, las colas de la curva se extienden indefinidamente en
ambas direcciones.
 4. La localización de una distribución normal se determina
a través de la media, μ. La dispersión o propagación de la
distribución se determina por medio de la desviación
estándar, σ. No solo existe una distribución de probabilidad
normal, sino una familia. La mayor parte de las
poblaciones reales no se extienden de manera indefinida en
ambas direcciones; pero para estas poblaciones, la
distribución normal es una aproximación conveniente.
La gráfica muestra la distribución de los pesos de las cajas de tres
cereales. Los pesos tienen una distribución normal con diferentes
medias e idénticas desviaciones estándares.
 En la gráfica se comparan la
distribuciones de probabilidad del
tiempo de servicio de los empleados de
tres diferentes plantas. Las medias son
las mismas, pero las desviaciones
estándares difieren.

La gráfica muestra tres distribuciones.

Estas muestran la distribución de fuerzas
de tensión, medidas en libras por pulgada
cuadrada (psi) para tres clases de cables.
No importa cuáles sean los valores de la media y la desviación
para una distribución de probabilidad normal, el área total
bajo la curva es 1.00, de manera que podemos pensar en áreas
bajo la curva como si fueran probabilidades.
Matemáticamente es verdad que:
 Uso de la tabla de distribución de probabilidad
normal estándar

No es posible ni necesario tener una tabla distinta para cada

curva normal posible. En lugar de ello podemos utilizar una
distribución de probabilidad normal estándar para encontrar
áreas bajo cualquier curva normal. Con esta tabla podemos
determinar el área o la probabilidad de que la variable
aleatoria distribuida normalmente esté dentro de ciertas
distancias a partir de la media. Estas distancias están definidas
en términos de desviaciones estándar.
En la tabla se muestra el área bajo la curva normal entre la
media y cualquier valor de la variable aleatoria normalmente
distribuida. El valor de z se deriva de la fórmula:

donde,
x = valor de la variable aleatoria que nos preocupa
= media de la distribución de la variable aleatoria
= desviación estándar de la distribución
z = número de desviaciones estándar que hay desde x a la
media de la distribución.
Las variables aleatorias normalmente distribuidas tienen
muchas unidades diferentes de medición: pesos, pulgadas,
partes por millón, kilogramos, segundos. Como vamos a
utilizar la tabla, hablamos en términos de unidades estándar
(que en realidad significa desviaciones estándar), e
identificamos a éstas con el símbolo z. Da los valores de
únicamente la mitad del área bajo la curva normal empezando
con 0.0 en la media. Como la distribución normal de
probabilidad es simétrica los valores correspondientes a una
mitad de la curva corresponden también a la otra.
 Ejemplo

 Tenemos un programa de entrenamiento diseñado para

mejorar la calidad de las habilidades de los supervisores de
línea de producción. Debido a que el programa es
autoadministrado, los supervisores requieren un número
diferente de horas para terminarlo. Un estudio de los
participantes anteriores indica que el tiempo medio para
completar el programa es de 500 horas, y que esta variable
aleatoria normalmente distribuida tiene una desviación
estándar de 100 horas.
- ¿Cuál es la probabilidad de que un participante elegido al azar
requiera más de 500 horas para completar el programa?
- ¿Cuál es la probabilidad de que un participante elegido al azar
se tome entre 500 y 650 horas para completar el programa de
entrenamiento?
- ¿Cuál es la probabilidad de que un candidato elegido al azar se
tome más de 700 horas en completar el programa?
- Supongamos que el director del programa de entrenamiento
desea saber la probabilidad de que un participante escogido al
azar requiera entre 550 y 650 horas para completar el trabajo
requerido en el programa.
- ¿Cuál es la probabilidad de que un candidato elegido al azar se
tomará menos de 580 horas para completar el programa?
- ¿Cuál es la probabilidad de que un candidato escogido al azar
se tome entre 420 y 570 horas para completar el programa?
ejercicios
 Se ha fabricado un nuevo neumático, los directivos piensan que la
garantía de duración será un factor importante en la aceptación del
neumático. De acuerdo con las pruebas realizadas al neumático, los
ingenieros estiman que la duración media en millas es μ =36 500
millas y que la desviación estándar es σ = 5000. Además, los datos
recogidos indican que es razonable suponer una distribución
normal.

 ¿cuál es la probabilidad de que la duración de los neumáticos sea

superior a 40 000?
 Se está considerando una garantía que dé un descuento en la
sustitución del neumático original si éste no dura lo que asegura la
garantía. ¿Cuál deberá ser la duración en millas especificada en la
garantía si se desea que no más de 10% de los neumáticos alcancen
la garantía?
La compañía Quickie Sales acaba de recibir dos estimaciones
de ventas para el trimestre que se avecina contradictorias entre
sí. La estimación I dice que las ventas (en millones de dólares)
estarán normalmente distribuidas con = 325 y = 60. La
estimación II dice que las ventas estarán normalmente
distribuidas con = 300 y = 50. El consejo directivo
encuentra que cada estimación parece, a priori, ser igualmente
fidedigna. Con el fin de determinar cuál estimación deberá
utilizarse para hacer predicciones, la junta ha decidido reunirse
al final del trimestre y utilizar información actualizada sobre las
ventas para tomar una determinación sobre la credibilidad de
cada estimación.
a) Suponiendo que la estimación I es precisa, ¿cuál es la
probabilidad de que la compañía tenga ventas trimestrales
mayores a 350 millones de dólares?
b) Rehaga el inciso anterior suponiendo que la estimación II es
la correcta.
 Distribución de probabilidad exponencial

La distribución de probabilidad exponencial se aplica a

variables como las llegadas de automóviles a un lavado de
coches, los tiempos requeridos para cargar un camión, las
distancias entre dos averías en una carretera, etc.
Como ocurre con cualquier distribución de probabilidad
continua, el área bajo la curva correspondiendo a un intervalo
da la probabilidad de que la variable aleatoria tome algún valor
en ese intervalo.
La fórmula aporta la probabilidad acumulada de obtener
un valor de la variable aleatoria exponencial que sea menor
o igual que algún valor específico denotado por x0. La
distribución exponencial tiene la propiedad de que la
media de la distribución y la desviación estándar de la
distribución son iguales.
Ejemplo

Supongamos que x representa el tiempo que se necesita

para cargar un camión en un área de carga, y que este
tiempo de carga sigue una distribución exponencial. Si el
tiempo de carga medio o promedio es 15 minutos (μ = 15)
¿Cuál es la probabilidad de que cargar un camión necesite
6 minutos o menos P (x <=6)?
¿Cuál es la probabilidad de que el tiempo de carga sean 18
minutos o menos P (x <=18)?
¿Cuál es la probabilidad de que el tiempo de carga esté
entre 6 y 18 minutos P (6<= x <=18)?
 El tiempo requerido para pasar por la inspección en los aeropuertos
puede ser molesto para los pasajeros. El tiempo medio de espera en
los periodos pico es de 12.1 minutos. Supongamos que los tiempos
para pasar por la inspección de seguridad tienen una distribución
exponencial.

a. ¿Cuál es la probabilidad de que durante los periodos pico se

requieran menos de 10 minutos para pasar la inspección de
seguridad?
b. ¿De que durante los periodos pico se requieran más de 20 minutos
para pasar la inspección de seguridad?
c. ¿De que durante los periodos pico se requieran entre 10 y 20
minutos para pasar la inspección de seguridad?
d. Son las 8 de la mañana (periodo pico) y usted se acaba de formar
en la fila para la inspección de seguridad. Para alcanzar su avión,
tiene que estar en la puerta de arribo en no más de 30 minutos. Si
necesitara 14 minutos una vez pasada la inspección de seguridad
para llegar a la puerta de arribo, ¿cuál es la probabilidad de que
pierda el avión?