Sei sulla pagina 1di 37

Instituto Tecnolgico Superior Purhpecha

Probabilidad y Estadstica

58
4 DISTRIBUCIONES MUESTRALES
Competencias especificas a desarrollar: Identificar las distribuciones Binomial,
Hipergeomtrica, Poisson, Normal, T-Student, Chi-cuadrada y F de Fisher para su
aplicacin. Adems aplicar las distribuciones de probabilidad, basndose en datos de
situaciones reales o simuladas que impliquen eventos aleatorios.
INTRODUCCIN
La relacin entre los sucesos del espacio muestral y el valor numrico que se les asigna
se establece a travs de variable aleatoria.
Una variable aleatoria es una funcin que asigna un valor numrico a cada suceso
elemental del espacio muestral, es decir, una variable aleatoria es una variable cuyo
valor numrico est determinado por el resultado del experimento aleatorio. La variable
aleatoria la notaremos con letras en mayscula X, Y, ... y con las letras en minscula x, y,
... sus valores.

La variable aleatoria puede tomar un nmero numerable o no numerable de valores,
dando lugar a dos tipos de variables denominadas: discretas y continuas.

Se dice que una variable aleatoria X es discreta si puede tomar un nmero finito o
infinito, pero numerable, de posibles valores.

Se dice que una variable aleatoria X es continua si puede tomar un nmero infinito (no
numerable) de valores, o bien, si puede tomar un nmero infinito de valor es
correspondientes a los puntos de uno o ms intervalos de la recta real.

4.1 Funcin de probabilidad

4.1.1 Variables aleatoria discreta

Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

59

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
nmero finito de ellos.


Ejemplos:
a) X Variable que nos define el nmero de fallas anuales en un programa de
cmputo que son generadas por diversos factores.
x0, 1, 2, 3, 4, 5, fallas anuales

b) XVariable que nos define el nmero de productos defectuosos en un lote de 25
productos.
x0, 1, 2, 3,....,25 productos defectuosos en el lote

c) X Variable que nos define el nmero de alumnos aprobados en la materia de
probabilidad en un grupo de 40 alumnos.
x0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en probabilidad

Con los ejemplos anteriores nos damos cuenta claramente que los valores de la variable
x siempre sern enteros, nunca fraccionarios. Es la caracterstica principal de las
variables discretas

Por lo tanto la distribucin de probabilidad discreta, es generada por una variable
discreta (x), que solo toma valores enteros (x = 0, 1, 2, 3, 4, 5, 6, 7, 8,... etc.)

Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o
iguales a cero, es decir, p (x
i
)>0.

Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

60
La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x debe
ser igual a 1, es decir, p (x
i
) = 1
Se puede decir por tanto que una v.a. X discreta, est caracterizada por su funcin de
probabilidad o distribucin de probabilidad P(x) y tambin por su funcin de distribucin
F(x).

4.1.2 Variables aleatoria continuas

1. 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 nmero infinito de ellos.

Ejemplos:

xVariable que nos define las dimensiones de una pantalla de computo en pulgadas
x5.0, 4.99, 4.98, 5.0, 5.01, 5.0, 4.96

xVariable que nos define la longitud de un cable utilizado en una computadora
x2.5 cm, 2.1, 2.0, 1.8, 2.4,6, 3.0, 2.8. . .

xVariable que nos define las horas de uso de una computadora
x14.55hrs, 12.13, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8

Como se observa en los ejemplos anteriores, una variable continua puede tomar
cualquier valor, entero o fraccionario, una forma de distinguir cuando se trata de una
variable continua es que esta variable nos permite medirla o evaluarla, mientras que una
variable discreta no es medible, es una variable de tipo atributo, cuando se inspecciona
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

61
un producto este puede ser defectuoso o no, blanco o negro, cumple con las
especificaciones o no cumple, etc, etc.

Las variables descritas anteriormente nos generan una distribucin de probabilidad, las
que pueden ser.

1) Distribucin de probabilidad discreta.
2) Distribucin de probabilidad continua.

Las caractersticas de cada una de las distribuciones anteriores se mencionarn a
continuacin:


DISTRIBUCIN DE PROBABILIDAD DISCRETA.
Caractersticas:
1. Es generada por una variable discreta (x).

xVariable que solo toma valores enteros
x0, 1, 2, 3, 4, 5, 6, 7, 8, ... etc,etc.

2. p (xi)>0 Las probabilidades asociadas a cada uno de los valores que toma x deben
ser mayores o iguales a cero.

3. Ep(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los valores que
toma x debe ser igual a 1.

DISTRIBUCIN DE PROBABILIDAD CONTINUA.
Caractersticas:
1. Es generada por una variable continua (x).

x Es una variable que puede tomar tanto valores enteros como fraccionarios.
x 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, .....,

2. f(x)>0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser
mayores o iguales a cero. Dicho de otra forma, la funcin de densidad de probabilidad
deber tomar solo valores mayores o iguales a cero. La funcin de densidad de
probabilidad slo puede estar definida en los cuadrantes I y II.
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

62

3. La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x
debe ser igual a 1. El rea definida bajo la funcin de densidad de probabilidad
deber ser de 1.





4.2 Distribucin Binomial
Supongamos que un experimento aleatorio tiene las siguientes caractersticas:
a) En los experimentos que tienen este tipo de distribucin, siempre se esperan dos
tipos de resultados. Por ejemplo: Defectuoso, no defectuoso, pasa, no pasa.
b) Las probabilidades asociadas a cada uno de estos resultados son constantes, es
decir no cambian.
c) Cada uno de los ensayos o repeticiones del experimento son independientes entre s.
d) El nmero de ensayos o repeticiones del experimento (n) es constante.

La formula de la distribucin Binomial es:

Donde:
p(x, n, p) = probabilidad de obtener en n ensayos x xitos, cuando la probabilidad de
xito es p

Por ejemplo se lanza una moneda tres veces, determine la probabilidad de que caigan
dos guilas. Sabemos que se trata de una distribucin Binomial, ya que el evento cumple
las caractersticas, es decir del evento se esperan dos resultados, la probabilidad entre
una moneda y otra no cambia y el resultado de cada moneda es independiente. Por lo
}


=1 dx ) x ( f
x n x
x n n
q p C ) p , x , n ( p

=
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

63
tanto se trata de una distribucin Binomilal, por lo tanto se puede utilizar la formula
,
donde
n = 3, x = 2, p =

Al sustituir los valores se tiene:



Para calcular la media y la desviacin estndar de un experimento que tenga una
distribucin Binomial usaremos las siguientes frmulas:
Media o valor esperado:

Donde:
n = nmero de ensayos o repeticiones del experimento
P = probabilidad de xito o la probabilidad referente al evento del cual se desea calcular
la media que se refiere la media
Q = complemento de P
Desviacin estndar:

Por ejemplo se dice que el 75% de los accidentes de una planta se atribuyen a errores
humanos. Si en un perodo de tiempo dado, se suscitan 5 accidentes, determine la
probabilidad de que; a) dos de los accidentes se atribuyan a errores humanos, b) como
mximo 1 de los accidentes se atribuya a errores de tipo humano, c) tres de los
accidentes no se atribuyan a errores humanos.

a) n = 5
x = variable que nos define el nmero de accidentes debidos a errores humanos
x = 0, 1, 2,...,5 accidentes debidos a errores de tipo humano
p = p(xito) = p(un accidente se deba a errores humanos) = 0.75
q = p(fracaso) = p(un accidente no se deba a errores humanos) = 1-p = 0.25



x n x
x n n
q p C ) p , x , n ( p

=
8
3
8
1
3
2
1
4
1
1 2
3
2 1 2 1 2 1 2 3
2 3 2
2 3
= = = = = = =

* * *
! !
!
) / ( ) / ( C ) / p , x , n ( p
nP =
nPQ = o
08789 0 015625 0 5625 0 10 25 0 75 0 75 0 5 2
2 5 2
2 5
. ) . )( . )( ( ) . ( ) . ( C ) . p , n , x ( p = = = = = =

Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

64
b)


c) En este caso cambiaremos el valor de p y n =5
x = variable que nos define el nmero de accidentes que no se deben a errores de tipo
humano
x = 0, 1, 2,...,5 accidentes debidos a errores humanos
p = p (probabilidad de que un accidente no se deba a errores humanos) = 0.25
q = p (probabilidad de que un accidente se deba a errores humanos) = 1-p = 0.75


La probabilidad de que el nivel de ruido de un amplificador de banda ancha exceda de 2
dB (decibeles) es de 0.15, si se prueban 10 amplificadores de banda ancha, determine la
probabilidad de que; a) en solo 5 de los amplificadores el nivel de ruido exceda los 2 dB,
b) por lo menos en 2 de los amplificadores, el ruido exceda de 2 dB, c)que entre 4 y 6
amplificadores no se excedan de los 2 dB, d)encuentre el nmero esperado de
amplificadores que se exceden de un nivel de ruido de 2dB y su desviacin estndar.

Solucin:
a)n =10
x =variable que nos define el nmero de amplificadores de banda ancha que su nivel de
ruido excede de 2 dB
x = 0, 1, 2,...,10 amplificadores en los que el nivel de ruido excede de los 2 dB
p = P(un amplificador exceda su nivel de ruido de 2 dB) = 0.15
q = p(un amplificador no exceda su nivel de ruido de 2 dB =1-p= 0.85
0.00849
b) p(x=2,3,...,10, n=10, p=0.15)= 1- p(x = 0,1) =

= 1 |(0.19687+(10)(0.15)(0.231617)|=1-0.544296 = 0.455705
c) n=10
x= variable que nos define el nmero de amplificadores de banda ancha que su nivel de
ruido no excede de 2 dB
+ = = + = = = = =
0 5 0
0 5
25 0 75 0 1 0 75 0 5 1 0 ) . ( ) . ( C ) x ( p ) x ( p ) . p , n , , x ( p
015624 0 014648 0 000976 0 25 0 75 0
1 5 1
1 5
. . . ) . ( ) . ( C = + =

08789 0 5625 0 015625 0 10 75 0 25 0 25 0 5 3


3 5 3
3 5
. ) . )( . )( ( ) . ( ) . ( C ) . p , n , x ( p = = = = = =

= = = = = =

) . )( . )( ( ) . ( ) . ( C ) . p , n , x ( p 4437053 0 00007593 0 252 85 0 15 0 15 0 10 5
5 10 5
5 10
| |
1 10 1
1 10
0 10 0
0 10
85 0 15 0 85 0 15 0 1

+ = ) . ( ) . ( C ) . ( ) . ( C
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

65
x= 0, 1, 2,...,10 amplificadores que su nivel de ruido no excede de los 2 dB
p = p(un amplificador no exceda su nivel de ruido de 2 dB) = 0.85
q = p(un amplificador exceda su nivel de ruido de 2 dB) = 1- p = 0.15


= (210)(0.522)(0.00001139)+(252)(0.4437)(0.000075937)+(210)(0.3771495)(0.00005063)=
=0.001249 + 0.00849 + 0.00400997 = 0.01374897
d) n=10, p=0.15, q=1-p=0.85

Interpretacin:
Se espera que 2 de los 10 amplificadores probados se excedan de un nivel de ruido de
2Db

Interpretacin:
Este experimento puede variar en 2 1 amplificador, esto es, de 1 a 3 amplificadores
que se excedan de un nivel de ruido de 2 dB


4.3 Distribucin Hipergeomtrica.

Los experimentos que tienen este tipo de distribucin tienen las siguientes
caractersticas:
a) Al realizar un experimento con este tipo de distribucin, se esperan dos tipos de
resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son constantes.
c) Cada ensayo o repeticin del experimento no es independiente de los dems.
d) El nmero de repeticiones del experimento (n) es constante.

= + + = = = =
6 10 6
6 10
5 10 5
5 10
4 10 4
4 10
15 0 85 0 15 0 85 0 15 0 85 0 085 0 10 6 5 4 ) . ( ) . ( C ) . ( ) . ( C ) . ( ) . ( C ) . p , n , , , x ( p
ores amplificad . ) . )( ( np 2 5 1 15 0 10 ~ = = =
or amplificad . ) . )( . )( ( npq 1 1291 1 85 0 15 0 10 ~ = = = o
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

66
Por ejemplo en una urna o recipiente hay un total de N objetos, entre los cuales hay una
cantidad a de objetos que son defectuosos, si se seleccionan de esta urna n objetos al
azar, y sin reemplazo, cul es la probabilidad de obtener x objetos defectuosos?

Donde:
p(x,n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados
muestras de n objetos en donde hay x que son defectuosos y n-x buenos
todas las muestras posibles de seleccionar de n objetos tomadas de entre N
objetos en total = espacio muestral

Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son defectuosos,
si de seleccionan 4 objetos al azar, cul es la probabilidad de que 2 sean defectuosos?

Solucin:
N = 10 objetos en total
a = 3 objetos defectuosos
n = 4 objetos seleccionados en muestra
x = 2 objetos defectuosos deseados en la muestra


Donde:


Probabilidad asociada a cada muestra de 4 objetos que se seleccionaron,
con lo que se demuestra que las probabilidades no son constantes

Formas o maneras de obtener 2 objetos defectuosos entre los 4 seleccionados =
muestras de 4 objetos entre los que 2 son defectuosos

n N
x n a N x a
C
C * C
) n , x ( p

=
=
x n a N x a
C * C
= =o
n N
C
=


= = = = =

! )! (
!
! )! (
!
*
! )! (
!
C
C * C
C
C * C
) n , x ( p
4 4 10
10
2 2 7
7
2 2 3
3
4 2
4 10
2 7 2 3
4 10
2 4 3 10 2 3
= = = =
! !
!
*
x x x
x x x
! !
! x x x x
! !
! x x
*
! !
! x x
! !
!
! !
!
*
! !
!
2 2
4
7 8 9 10
6 7 2 3
4 6
6 7 8 9 10
2 5
5 6 7
2 1
1 2 3
4 6
10
2 5
7
2 1
3
=
7 8 9 10
6 7 2 3
x x x
x x x
=
! !
!
2 2
4
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

67
Como se observa en el desarrollo de la solucin del problema, la pretensin es
demostrar que las probabilidades asociadas a cada uno de los resultados no son
constantes.
Luego la probabilidad de obtener 2 objetos defectuosos entre los 4 seleccionados al azar
sera:



Ejercicio. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas
de narctico en una botella que contiene 9 pldoras de vitamina que son similares en
apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para
analizarlas, a) Cul es la probabilidad de que el viajero sea arrestado por posesin de
narcticos?, b) Cul es la probabilidad de que no sea arrestado por posesin de
narcticos?
a) N = 9+6 =15 total de tabletas
a = 6 tabletas de narctico
n = 3 tabletas seleccionadas
x = 0, 1, 2, o 3 tabletas de narctico = variable que nos indica el nmero de tabletas de
narctico que se puede encontrar al seleccionar las 3 tabletas

p(viajero sea arrestado por posesin de narcticos) = p(de que entre las 3 tabletas
seleccionadas haya 1 o ms tabletas de narctico)


Otra forma de resolver;
p(el viajero sea arrestado por posesin de narcticos) = 1 p(de que entre las tabletas
seleccionadas no haya una sola de narctico)


b) p(no sea arrestado por posesin de narcticos)
30 0
20160
6048
4
24
5040
252
2 2
4
7 8 9 10
6 7 2 3
. *
! !
!
*
x x x
x x x
= = = =
= + + = = = =
3 15
0 9 3 6
3 15
1 9 2 6
3 15
2 9 1 6
3 3 2 1
C
C * C
C
C * C
C
C * C
) n ; tabletas , x ( p
81538 0
455
371
455
20 135 216
455
1 20
455
9 15
455
36 6
.
) )( ( ) )( ( ) )( (
= =
+ +
= + + =
= = = = =
3 15
3 9 0 6
1 3 0 1
C
C * C
) n ; x ( p
815385 0 184615 0
455
84 1
1 . .
) )( (
= = =
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

68
(1)(84)/455=0.18615
De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3
proyectiles defectuosos que no explotarn, cul es la probabilidad de que, a) los 4
exploten?, b) al menos 2 no exploten?

a) N = 10 proyectiles en total
a = 7 proyectiles que explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el nmero de
proyectiles que explotan entre la muestra que se dispara

b) N = 10 proyectiles en total
a = 3 proyectiles que no explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2 o 3 proyectiles que no explotan

p(al menos 2 no exploten) = p( 2 o ms proyectiles no exploten) = p(x = 2 o 3; n=4) =


Ejercicio para resolver: Una compaa manufacturera utiliza un esquema para la
aceptacin de los artculos producidos antes de ser embarcados. El plan es de dos
etapas. Se preparan cajas de 25 para embarque y se selecciona una muestra de 3 para
verificar si tienen algn artculo defectuoso. Si se encuentra uno, la caja entera se
regresa para verificarla al 100%. Si no se encuentra ningn artculo defectuoso, la caja
se embarca. a)Cul es la probabilidad de que se embarque una caja que tiene tres
artculos defectuosos?, b)Cul es la probabilidad de que una caja que contiene solo un
artculo defectuoso se regresa para verificacin?




= = = = =
3 15
3 9 0 6
3 0
C
C * C
) n ; x ( p
16667 0
210
35
210
1 35
4 4
4 10
0 3 4 7
.
) )( (
C
C * C
) n ; x ( p = = = = = =
333333 0
210
70
210
7 63
210
7 1 21 3
4 10
1 7 3 3 2 7 2 3
.
) )( ( ) )( (
C
C * C C * C
= =
+
=
+
=
+
=
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

69
4.4 Distribucin De Poisson.

Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de rea,
tiempo, pieza, etc, etc,:
- # de defectos de una tela por m
2

- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc.
- # de bacterias por cm
2
de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.

Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o
producto, la frmula a utilizar sera:

Donde:
p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia
de ellos es
= media o promedio de xitos por unidad de tiempo, rea o producto
c = 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra

Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad
de tiempo, rea o producto es totalmente al azar y que cada intervalo de tiempo es
independiente de otro intervalo dado, as como cada rea es independiente de otra rea
dada y cada producto es independiente de otro producto dado.

Por ejemplo si un banco recibe en promedio 6 cheques sin fondo por da, cules son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques
sin fondos en cualquiera de dos das consecutivos?


Solucin:
a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco
en un da cualquiera = 0, 1, 2, 3,....., etc., etc.
! x
) , x ( p
x
c


=
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

70
= 6 cheques sin fondo por da
c = 2.718

b) x= variable que nos define el nmero de cheques sin fondo que llegan al banco
en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das
consecutivos
Nota: siempre debe de estar en funcin de x siempre o dicho de otra forma, debe
hablar de lo mismo que x.


En la inspeccin de hojalata producida por un proceso electroltico continuo, se
identifican 0.2 imperfecciones en promedio por minuto. Determine las probabilidades de
identificar a) una imperfeccin en 3 minutos, b) al menos dos imperfecciones en 5
minutos, c) cuando ms una imperfeccin en 15 minutos.

a) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3
minutos = 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

b) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5
minutos = 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata

=1-(0.367918+0.367918) = 0.26416

13392 0
24
00248 0 1296
4
718 2 6
6 4
6 4
.
) . )( (
!
) . ( ) (
) , x ( p = = = = =

104953 0
3628800
000006151 0 10 1917364 6
10
718 2 12
12 10
12 10
.
) . )( . (
!
) . ( ) (
) , x ( p =
E
= = = =

329307 0
1
548845 0 6 0
1
718 2 6 0
6 0 1
6 0 1
.
) . )( . (
!
) . ( ) . (
) . , x ( p
.
= = = = =

=
|
|
.
|

\
|
+ = = = = = =

!
) . )( (
!
) . ( ) (
) , , x ( p ) .... etc , , , x ( p
1
718 2 1
0
718 2 1
1 1 1 0 1 1 4 3 2
1 1 0

Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

71
c) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 15
minutos = 0, 1, 2, 3, ....., etc., etc.
= 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata

= 0.0498026 + 0.149408 = 0.1992106


4.5 Esperanza Matemtica

Calculo de media (esperanza matemtica) y desviacin estndar para una
distribucin discreta

Para determinar la media o valor esperado de x de la distribucin discreta se utiliza la
siguiente frmula:
) ( ) ( * x E p
x x i i
= =


Donde:
= media de la distribucin
x
i
= valores que toma la variable
p (x
i
) = probabilidad asociada a cada uno de los valores de la variable x
E(x) = valor esperado de x

La formula para determinar la desviacin estndar en una distribucin de discreta es la
siguiente:
) ( *
) (
x x i
p
i

o

=
2

Donde:
o = desviacin estndar
x
i
= valores que toma la variable x
= media o valor esperado de x
p (x
i
) = probabilidad asociada a cada uno de los valores que toma x


Calculo de media y desviacin estndar para una distribucin continua

Para calcular la media o valor esperado de una distribucin de probabilidad continua se
utiliza la siguiente frmula:
= + = = = + = = = = =

!
) . ( ) (
!
) . ( ) (
) , x ( p ) , x ( p ) , , x ( p
1
718 2 3
0
718 2 3
3 1 3 0 3 1 0
3 1 3 0

Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

72

Donde:
= E(x) = media o valor esperado de la distribucin
x = variable aleatoria continua
f(x) = funcin de densidad de la distribucin de probabilidad

La frmula para determinar la desviacin estndar de una distribucin continua es la
siguiente:

Luego: y determinamos la desviacin estndar

Ejercicio
1. Sea la siguiente funcin;
Cuando 0s x s 3, f(x) = 0 para cualquier otro valor

De acuerdo a lo anterior indique lo siguiente:
a) Diga si esta funcin nos define una distribucin de probabilidad continua.
b) Si la funcin define una distribucin de probabilidad continua, entonces, determine
su media y desviacin estndar.
c) Determine la probabilidad de que 1s x < 2.

Solucin:

a) Para verificar que la funcin nos define una distribucin de probabilidad, es
necesario que cumpla con las caractersticas que se haban mencionado.

1 S es una variable continua porque x puede tomar cualquier valor entre 0 y 3

2 f(x)> 0, Esto se puede comprobar si damos diferentes valores a x para ver que
valores toma f(x).
x -2 0 0.5 1.0 1.4 2.1 2.7 3.0
f(x)
0.44444 0.0 0.02778 0.11111 0.21778 0.49 0.81 1.0
Dado lo anterior nos damos cuenta de que efectivamente f(x) solo toma valores
mayores o iguales a cero.
}


= dx ) x ( xf
}


= dx ) x ( f * ) x (
2
2
o
2
o o =
2
9
1
x ) x ( f =
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

73
3 Para comprobar que la sumatoria de las probabilidades que toma cada valor de x es
de 1, se integra la funcin de 0 a 3 como se muestra a continuacin:
| | 1
27
27
0 3
27
1
1 2 9
1
9
1
9
1
) (
3 3
1 2
3
0
3
0
2
3
0
2
= = =
+
= = = =
(

} } }
+


x
x x
dx dx dx x f A
A = rea bajo la funcin
Con las operaciones anteriores comprobamos que la funcin
x
2
9
1
s nos define una
distribucin de probabilidad continua.


b) Clculo de media y desviacin estndar.
| | | | 25 . 2
36
81
0 81
36
1
0 3
36
1
1 3 9
1
9
1
9
1
) ( *
4 4
1 3
3
0
3
0
3
3
0
2
= = =
+
= = |
.
|

\
|
= =
(

} } }
+


x
x x
dx dx x dx x f x
( )
} } }
=
+
= |
.
|

\
|
=

=


3
0
2
2
3
0
2
2
2
2
)
9
1
9
1
( *
) 0625 . 5 5 . 4 (
* ) 25 . 2 ( ) ( * dx
x x
dx x dx x f
x
x
x
o

= + =
(
(

+ + =
}
=
27
6875 . 136
8
81
45
243
27
0625 . 5
8 45 9
0625 . 5
2 9
) 3 (
3 3
) (
3
4 5
3
0
2
3 4
dx
x
x x

o
o
= = = = = + = 5809 . 0 3375 . 0 3375 . 0 0625 . 5 125 . 10 4 . 5
2

Los corchetes nos indican la evaluacin de la integral entre 0 y 3.

c) 2963 . 0
27
8
3
8
*
9
1
3 9
1
3
9
1
9
1
) 2 1 (
2
3
3
2
1
2
2
1
= = =
(
(

= = = > s
(

}
x
x
dx x p
Los corchetes nos indica la evaluacin de la integral de 1 a 2.


Con las operaciones anteriores nos damos cuenta que para evaluar probabilidades para
variables de tipo continuo, es necesario evaluar la funcin de densidad de probabilidad
en el rango de valores que se desea; que vendra siendo el rea que se encuentra entre
f(x) y el eje de las x y entre el rango de valores definidos por la variable x.




Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

74
4.6 DISTRIBUCIN NORMAL
Esta distribucin es de suma importancia en la probabilidad de las variables continuas,
ya que en las prcticas se ha utilizado en las variables altura, peso de personas,
coeficientes de inteligencia, incremento en dimetro de los rboles, precipitaciones, entre
otras actividades. Para utilizar esta distribucin de probabilidad se requiere que la
variable sea continua, aunque se puede llegar a aproximaciones cuando la variable es
discreta.

La distribucin normal de la probabilidad es la curva de campana, determinado por dos
parmetros: la media poblacional y la desviacin poblacional. El primero nos indica el
lugar y el segundo la forma de la distribucin.









Caractersticas de la distribucin normal

1. Cada distribucin normal se distingue por su media (

) y su distribucin estndar (

).

2. El punto ms alto de la curva es la media, que tambin es la mediana y la moda de la
distribucin.

3. La media de la distribucin puede ser cualquier valor numrico: negativo, cero o positivo. A
continuacin se presentan tres curvas normales con la misma desvi acin estndar, pero con
tres medias distintas (-20, 0, 20).





4. La distribucin normal es simtrica, y su forma a la izquierda de la media es una imagen
semejante a la derecha de la media. Los extremos (colas) de la curva se prolongan al
infinito en ambas direcciones, y tericamente nunca tocan el eje horizontal.



Media poblacional



Desviacin
estndar


-20 0 20
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

75
5. La desviacin estndar determina el ancho de la curva. A valores mayores de la desviacin
estndar se tienen curvas ms anchas, mostrando una mayor dispersin de los datos. A
continuacin presentamos dos distribuciones normales con la misma media, pero con
distintas desviaciones estndares.








Es evidente que cambios en los valores

no alteran la forma de la distribucin pero si


afectan la posicin de la curva en el eje x, mientras que cambios en la

2
puede modificar
drsticamente la forma de distribucin o dispersin.
6. El rea bajo la curva de la distribucin normal de probabilidad es uno. Valido para todas las
distribuciones continuas.
7. La probabilidad de la variable aleatoria normal se determina con las reas bajo la curva. La
probabilidad de ciertos intervalos que ms se usan son:
a. El 68.26% de las veces, que es el valor aproximado de una desviacin estndar
respecto a su media.
b. El 95.44 % de las veces, que es el valor aproximado de dos desviaciones
estndar respecto a su media.
c. El 99.72 % de las veces, que es el valor aproximado de una desviacin estndar
respecto a su media.









=10





=5






+3


+2


+1





















+1








+2


+3




99.72%
95.44%
68.26%
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

76
La funcin de densidad normal de probabilidades se puede calcular, cuando la variable
aleatoria X se distribuye normalmente, con la siguiente funcin de densidad:
fx =
( )
e

x
2
1
2
/
2
2


Donde:
Fx; Funcin de densidad normal de probabilidad de x.

; Media poblacional.

; Desviacin estndar

; 3.14159
e ; 2.71828

Como se puede observar en la formula anterior definir la densidad de una variable
aleatoria normal es complicada y por lo tanto es difcil calcular probabilidades sobre ella.
Por lo tanto para evitarnos la complicada tarea de elaborar tablas para cada par de
valores de

2
. La solucin a este problema es transformar estas probabilidades de
un miembro particular de la familia Normal de Densidades en una distribucin normal
estndar.


La distribucin estndar de probabilidad

Cuando la distribucin normal presenta media cero y desviacin estndar uno tiene
distribucin normal estndar de probabilidad. Casi siempre se utiliza la letra z con la
finalidad de indicar que la variable normal es especial. Tiene el mismo aspecto general
que otras distribuciones normales, pero con las propiedades especiales de

=0 y

=1.







Por ejemplo considrese una variable aleatoria x con media

x y

2
, esta se puede
definir con la siguiente ecuacin:

x
x x
z

=

Por lo tanto la probabilidad de z es:



=1





=0


Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

77
0 ) (

1
) P(


P P(z) = X X
X
= X X
X
=
|
.
|

\
|
X
X X
=

y la varianza de z es:

1
x

(var(x))
x

1
x) var(x
x

1
x
x x
Var Var(z)
2
2
2 2
= = = =
|
.
|

\
|
=

Ahora sea x una variable aleatoria distribuida N(

2
) la variable aleatoria es:
s
x x
z

=


Tiene funcin de distribucin N(0,1)Su funcin de distribucin es:

fx =
e
z
2 /
2
2
1


Sin embargo no es necesario su calculo, ya que se encuentran diferentes tablas para
obtener las reas bajo la curva, denominadas tabla proporcional en el rea bajo la curva.
Las ms utilizadas son las que calculan el rea bajo la curva entre la media y el valor de z.

Empezaremos por demostrar como calcular la probabilidad de acuerdo al valor de z =
0.00 y 1.00,esto es P(0.00 s z s 1.00).

Dado que las tablas nos proporcionan la probabilidad entre la media cero (0, entonces
buscaremos el valor correspondiente de uno (1). Por lo tanto primero localizamos 1.0 en
la columna izquierda de la tabla, y despus localizaremos a .00 en el rengln superior, en
la interseccin de estos dos valores encontramos el valor 0.3413 que es la probabilidad
buscada entre el intervalo 0.00 y 1.00. Nos indica la probabilidad bajo la curva.






P (0.00 s z s1.00) = 0.3413




0 1
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

78

A continuacin veremos una parte de la tabla donde nos indica el procedimiento para
localizar la probabilidad.
z .00 .01
.
.
.9 .3159 .3186
1.0 .3413 .3438
1.1 .3643 .3665
Siguiendo el mismo mtodo podemos encontrar o determinar todos los valores buscados
de z.

Por ejemplo:
P(0.00 s z s 3.00) = 0.4986
P(0.00 s z s 2.09) = 0.4817
P(zs 1.77) = 0.9616
P(z> 1.77) = 1- 0.9616 =0.0384
P(-1.00 s z s 1.00) = 0.6826

Recuerde que ya calculamos la P(0.00 s z s1.00) = 0.3413, y tambin sabemos que la
distribucin normal es simtrica. Por lo tanto la Probabilidad de (-1.00 s z s0.00) es
tambin de 0.3413. En consecuencia, la probabilidad de un valor de -1.00 s z s 1.00 =
0.3413 + 0.3413 = 0.6826

A continuacin calcularemos P(z > 1.58). Comenzamos en el rengln z = 1.5 y la
columna 0.08, para encontrar la P(0.00 s z s 1.58)= 0.4429. A continuacin hacemos una
simple resta, como sabemos que la mitad de la curva vale 0.5 o 50%, entonces el resto
del rea es la probabilidad buscada. Por lo tanto 0.5000-0.4429 = 0.0571.

Otro ejemplo: determinaremos P(z s -0.55). Para este clculo realizamos la suma de dos
probabilidades: P(-0.55 s z s 0.00) + P(z > 0.00) = 0.2088 + 5.0000 = 0.7088
Ahora calcularemos la probabilidad de obtener un valor de z entre 1.22 y 1.58; esto es,
P(1.22 s z s 1.55). Entonces primero calculamos P(zs 1.55) = 0.4394, posteriormente
calculamos P (z s 1.22) = 0.3888. Por consiguiente la (1.22 s z s 1.55) = 0.4394 - 0.3888
= 0.0506.

Como ejemplo final determinaremos un valor de z tal que la probabilidad de obtener un
valor mayor de uno slo sea 0.1000.

Este ejemplo es el inverso a los ejemplos anteriores, ya que s esta dando la
probabilidad del 10 % pero que sea mayor de uno (1), y nos piden el valor de z, entonces
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

79
lo que hacemos es restar 0.5000 0.1000 y el resultado buscarlo en las tablas para la
distribucin estndar normal que es la probabilidad de 0.4000, y la probabilidad que ms
se acerca a nuestro valor es el 0.3997, que corresponde el valor de z = 1.280. Esto nos
indica que hay un 10% de que el valor de z sea mayor que 1.280.

Aplicaciones de la curva normal estandarizada.

En una investigacin realizada por los alumnos del ITSP, se encontr que en Mxico DF,
Existe una perdida de empleos, que tiene una funcin de distribucin normal, con una
media de 253 362 y con una desviacin estndar de 60 000.

a) Cul es la probabilidad de que la cantidad de empleos perdidos sea de 160 000 a
300 000?
b) Cul es la probabilidad de que la prdida sea menor de 100 000?
c) S queremos asegurar con una probabilidad de 0.95 95% Cul seria el nmero
mnimo de prdidas de empleo?
Datos:
x
= 253 362
s = 60 000

Respuestas:
a) Calculamos el valor de z de la media al valor de x = 160 000, sustituyendo tenemos:
s
x x
z

=
=
000 60
362 253 - 000 160
z =
= -1.56. Localizamos la probabilidad de z = -1.57 en la
tabla de reas de distribucin normal, que nos da un valor de probabilidad = 0.4406.

Ahora calculamos el valor de z de la media al valor de x = 300 000
s
x x
z

=
=
000 60
362 253 - 000 300
z =
= 0.78 lo que nos arroja una probabilidad de 0.2823. Por lo
que nicamente nos toca hacer una sumatoria para calcular la probabilidad total, de la
siguiente manera: 0.4406 + 0.2823 = 0.7729. Por consiguiente podemos concluir que la
probabilidad de que la cantidad de empleos perdidos sea de 160 000 a 300 000 es de
77.29%.

b) Para esta pregunta, ahora calculamos z con x = 10 000, sustituyendo los valores
tenemos lo siguiente:
s
x x
z

=
=
000 60
362 253 - 000 100
z =
= -2.56, que equivale a una probabilidad de 0.4948. Pero
como lo que estamos buscando es el que la perdida de empleos sea menor de 100 000,
por lo que nicamente nos toca hacer una simple resta: 0.5000 0.4948 = 0.0052. Por lo
que concluimos que solamente existe una probabilidad de 0.52 % de que se pierdan
menos de 100 000 empleos.
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

80

c) Para contestar esta pregunta lo primero que hacemos es restar el 0.50 ya que la
tabla nicamente nos proporciona probabilidades menores de 0.50. Esta operacin
nos da como resultado de 0.45, el valor lo localizamos en las tablas de probabilidad
de distribucin normal estandar, y obtenemos el valor de z que es igual de 1.645.
Posteriormente buscamos el valor de X con un sencillo despeje en la formula de z.
s
x x
z

=
=
000 60
362 253 - x
645 . 1 =
=(60 000)1.645 +253 362= x =352 062 empleos
Por lo que podemos concluir que se perdern 352 062 empleos, con una probabilidad de
0.95 95%.

Otro ejemplo de aplicacin: El Ciber-caf internet @, tiene una distribucin normal de
ingresos semanales de $614.00 en promedio y desviacin estndar $307.00.
a) Cul es la probabilidad de que los ingresos semanales sean de $ 800.00 a
1 200.00?
b) Cul es la probabilidad de que los ingresos semanales sea menor de $500?
c) Qu valor de corte dar como resultado una probabilidad 0.9484 94.84% de
que los ingresos no sea mayor de ese valor?

Respuestas:
a) Calculamos el valor de z de la media al valor de x = 160 000, sustituyendo
tenemos:
s
x x
z

=
=
307.00
614.00 - 800.00
z =
= 0.61. Localizamos la probabilidad de z = 0.61 en la tabla
de reas de distribucin normal, que nos da un valor de probabilidad = 0.2291.

Ahora calculamos el valor de z de la media al valor de x = 1 200.
s
x x
z

=
=
307.00
614.00 - 200.00 1
z =
= 1.91 lo que nos arroja una probabilidad de 0.4719. Por lo
tanto la probabilidad de que los ingresos semanales flucten de $800.00 a $1 200.00, es
de 0.4719 0.2291 = 0.2428 o 24.28%.

b) Primero calculamos z con x = 500.00, sustituyendo los valores tenemos lo siguiente:
s
x x
z

=
=
307.00
614.00 - 500.00
z =
= -0.37, que equivale a una probabilidad de 0.1443.
Entonces para calcular ingreso menores de $500.00, restamos 0.5000 0.1443 =
0.3557. Por lo que concluimos que existe una probabilidad de 35.57 % de que el ingreso
sea menor de $500.00.

c) Localizamos 0.4484, que se encuentra en z = 1.63. Ahora buscamos el valor de X
con un sencillo despeje en la formula de z.

s
x x
z

=
=
307.00
614.00 - x
63 . 1 =
=(307.00)1.63 +614.00= x = 1114.41
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

81
Entonces podemos asegurar con un 94.84 % de que los ingresos no sern mayor de $1
114.41


4.7 DISTRIBUCIN T
La distribucin t es una familia de distribuciones, parecida a la distribucin normal de
probabilidades, se utiliza en muestras pequeas menor de 30 datos, se utiliza para
calcular los intervalos de confianza, siempre y cuando los datos presenten una
distribucin normal. Una distribucin t especifica depende de un parmetro llamado
grados de libertad que se determina con (n-1) = grados de libertad = gl.

Caractersticas de la distribucin t
a) Tiene una media de cero, es unimodal.
b) Es simtrica en torno a la media.
c) En general tiene una varianza mayor de uno, pero sta tiende a uno a medida que
aumenta el tamao de muestra.
d) La variable t va de - a
e) La distribucin t es una familia de distribuciones, ya que tiene una distribucin distinta
por cada valor muestral (n-1) tal como se muestra a continuacin.





f) Comparada con la distribucin normal, la distribucin t es menos puntiaguda en el
centro y tiene las colas ms altas, tal como se muestra a continuacin.



g) La distribucin t se aproxima a la distribucin normal a medida que n-1 se aproxima al
infinito.





gl = 30
gl = 2
gl = 5





Distribucin normal
Distribucin t
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

82
h) La distribucin t al igual que la distribucin normal se ha tabulado para determinar las
reas bajo la curva.
El valor de t, al igual que el z, el nmero de desviaciones con respecto a la media de un
conjunto de datos y se utiliza para calcular el valor de la media de una poblacin, por
medio de una muestra, esto, bajo cierta probabilidad de cometer el error tipo II conocido
como alfa (). La formula para calcular el valor de t, es la siguiente:
s
x
t

=
Adems el valor de t, se utiliza para realizar pruebas de hiptesis para una poblacin y
dos poblaciones independientes para muestras pequeas siempre que los datos
provengan de poblaciones normales.

Para utilizar la tabla t, se tiene que determinar los grados de libertad que siempre es igual
n-1, este valor se localiza en la primera columna y el valor de alfa o en su defecto la
probabilidad del rea bajo la curva, se ubica en la primera fila. En el lugar donde se
cruzan ambos datos es el valor de t.

Por ejemplo si tenemos una muestra de 16 elementos y queremos una confiabilidad de
distribucin acumulada de 95%, tendremos un valor de t = 1.753, es decir la probabilidad
de que el valor de t sea menor o igual a 1.753 con 10 gl es igual a 95%.

Si se tiene un tamao de muestra igual 12 y se requiere una confiabilidad acumulada de
99%

4.8 DISTRIBUCIN X
2

La distribucin ji-cuadrada es la distribucin muestral de la varianza (s
2
), es decir, si se
extraen todas las muestras posibles de una poblacin normal y a cada muestra se le
calcula su varianza, se obtendr la distribucin muestral de varianzas.
Para estimar la varianza poblacional o la desviacin estndar, se necesita conocer el
estadstico X
2
. Si se elige una muestra de tamao n de una poblacin normal con
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

83
varianza , el estadstico: tendr una distribucin muestral que es una distribucin ji-
cuadrada con gl = n-1 grados de libertad y se denota X
2
que esta dado por:

Donde n es el tamao de la muestra, s
2
la varianza muestral y la varianza de la
poblacin de donde se extrajo la muestra. El estadstico ji-cuadrada tambin se puede
dar con la siguiente expresin:

Propiedades de las distribuciones ji-cuadrada
1. Los valores de X
2
son mayores o iguales que 0.
2. La forma de una distribucin X
2
depende del gl = n-1. En consecuencia, hay un
nmero infinito de distribuciones X
2
.
3. El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
4. Las distribuciones X
2
no son simtricas. Tienen colas estrechas que se extienden a
la derecha; esto es, estn sesgadas a la derecha.
5. Cuando n>2, la media de una distribucin X
2
es n-1 y la varianza es 2(n-1).
6. El valor modal de una distribucin X
2
se da en el valor (n-3).
La siguiente figura ilustra tres distribuciones X
2
. Note que el valor modal aparece en el
valor (n-3) = (gl-2).




La funcin de densidad de la distribucin X
2
esta dada por:
Para x>0
Sin embargo para calculara las probabilidades bajo la curva normalmente se utilizan l as
tablas de , la cual da valores crticos (gl) para veinte valores especiales de .
Para denotar el valor crtico de una distribucin X
2
con gl grados de libertad se usa el
smbolo (gl); este valor crtico determina a su derecha un rea de bajo la curva
gl =3
gl =5
gl =10
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

84
X
2
y sobre el eje horizontal. Por ejemplo para encontrar X
2
0.05
(6) en la tabla se localiza 6
gl en el lado izquierdo y a o largo del lado superior de la misma tabla.

Clculo de Probabilidad
El clculo de probabilidad en una distribucin muestral de varianzas nos sirve para saber
como se va a comportar la varianza o desviacin estndar en una muestra que proviene
de una distribucin normal.
Ejemplos:
1. Suponga que los tiempos requeridos por un cierto autobs para alcanzar un de sus
destinos en una ciudad grande forman una distribucin normal con una desviacin
estndar =1 minuto. Si se elige al azar una muestra de 17 tiempos, encuentre la
probabilidad de que la varianza muestral sea mayor que 2.
Solucin:
Primero se encontrar el valor de ji-cuadrada correspondiente a s
2
=2 como sigue:

El valor de 32 se busca adentro de la tabla en el rengln de 16 grados de libertad y se
encuentra que a este valor le corresponde un rea a la derecha de 0.01. En
consecuencia, el valor de la probabilidad es P(s
2
>2)= 0.01
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

85

2. Encuentre la probabilidad de que una muestra aleatoria de 25 observaciones, de
una poblacin normal con varianza , tenga una varianza muestral:
a. Mayor que 9.1
b. Entre 3.462 y 10.745
Solucin.
a. Primero se proceder a calcular el valor de la ji-cuadrada:

Al buscar este nmero en el rengln de 24 grados de libertad nos da un rea a la
derecha de 0.05. Por lo que la P (s
2
>9.1) = 0.05
b) Se calcularn dos valores de ji-cuadrada:
y
Aqu se tienen que buscar los dos valores en el rengln de 24 grados de libertad. Al
buscar el valor de 13.846 se encuentra un rea a la derecha de 0.95. El valor de 42.98
da un rea a la derecha de 0.01. Como se est pidiendo la probabilidad entre dos valores
se resta el rea de 0.95 menos 0.01 quedando 0.94.
Por lo tanto la P (3.462 s
2
10.745) = 0.94





Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

86
4.9 DISTRIBUCIN F
Frecuentemente se desea comparar la precisin de un instrumento de medicin con la de
otro, la estabilidad de un proceso de manufactura con la de otro o hasta la forma en que
vara el procedimiento para calificar de un profesor universitario con la de otro. Entonces
la distribucin F se utiliza para probar si dos muestras proceden de poblaciones con
varianzas iguales o para comparar varias medias poblacionales que se denomina
analizas de varianza (ANOVA). Para aplicar estas pruebas las poblaciones donde se
extrae la muestra deben ser normales.
Por ejemplo Intuitivamente, podramos comparar las varianzas de dos poblaciones, y
, utilizando la razn de las varianzas muestrales s
2
1
/s
2
2
. Si el cociente de s
2
1
/s
2
2
es
casi igual a 1, se tendr poca evidencia para indicar que y no son iguales. Por
otra parte, un valor muy grande o muy pequeo para s
2
1
/s
2
2
, proporcionar evidencia de
una diferencia en las varianzas de las poblaciones.
Caractersticas de la distribucin F
1. Existe una familia de distribuciones definida por dos parmetros; los grados de
libertad (gl) del numerador y los grados de libertad del denominador tal como se
muestra a continuacin.




2. El valor de F no puede ser negativo y se trata de una variable con distribucin
continua.
3. La distribucin F, tiene sesgo a la derecha
4. Los valores de F, varan de 0 a . A medida que aumenta el valor de F, la curva se
aproxima al eje x, pero nunca lo toca.
La variable aleatoria F se define como el cociente de dos variables aleatorias ji -cuadrada
independientes, cada una dividida entre sus respectivos grados de libertad. Esto es,

gl = (6,6)
gl = (29,28)
gl = (19,6)
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

87
Donde U y V son variables aleatorias ji-cuadrada independientes con grados de libertad
1
y
2
respectivamente.
*Sean U y V dos variables aleatorias independientes que tienen distribucin ji cuadradas
con grados de libertad, respectivamente. Entonces la distribucin de la variable
aleatoria est dada por:


y se dice que sigue la distribucin F con grados de libertad en el numerador y
grados de libertad en el denominador.
La media y la varianza de la distribucin F son:
Para
Para

La variable aleatoria F es no negativa, y la distribucin tiene un sesgo hacia la derecha.
La distribucin F tiene una apariencia muy similar a la distribucin ji-cuadrada; sin
embargo, se encuentra centrada respecto a 1, y los dos parmetros proporcionan
una flexibilidad adicional con respecto a la forma de la distribucin.
Si s
1
2
y s
2
2
son las varianzas muestrales independientes de tamao n
1
y n
2
tomadas de
poblaciones normales con varianzas
1
2
y
2
2
, respectivamente, entonces:
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

88

Para manejar las tablas de Fisher del libro de Introduccin a la Inferencia Estadstica del
autor Genther, se tendr que buscar primero los grados de libertad dos para luego
localizar el rea correspondiente, relacionndola con los grados de libertad uno, para
calcular el valor de F.
Las tablas tienen la siguiente estructura:


P
1 2 3 . .. 500
6
0.0005


0.001


0.005


.

.

0.9995 30.4
El valor de 30.4 es el correspondiente a una Fisher que tiene 3 grados de libertad uno y 6
grados de libertad dos con un rea de cero a Fisher de 0.995. Si lo vemos graficamente:

Como nos podemos imaginar existen varias curvas Fisher, ya que ahora su forma
depende de dos variables que son los grados de libertad.
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

89
ACTIVIDADES UNIDAD IV
I. Seleccione un objeto e indique sus variables aleatorias o discretas
II. Llene el cuadro comparativo que se anexa al final de este documento y;
III. Resuelva los siguientes ejercicios:
1. En una cierta rea de la ciudad se da como una razn del 75% de los robos de
Laptops se debe a la necesidad de dinero para comprar estupefacientes. Encuentre
la probabilidad que dentro de los 5 prximos asaltos reportados en esa rea
a) exactamente 2 se debieran a la necesidad de dinero para comprar drogas;
b) cuando mucho 3 se debieran a la misma razn arriba indicada.
2. Al probar un programa de cmputo en 100 ocasiones, se encontr que en 25
ocasiones presentaron fallas de ejecucin. De los siguientes 15 ejecuciones del
programa encuentre la probabilidad de que:
a) de 3 a 6 presenten fallas de ejecucin;
b) menos de 4 presenten fallas de ejecucin;
c) ms de 5 presenten fallas de ejecucin
3. Un empresario afirma que 2/3 de sus computadoras tienen el virus viernes 13
(Jerusalem). Encuentre la probabilidad de que al inspeccionar 4 computadoras
a) las 4 tengan virus viernes 13
b) cualquier cantidad entre 1 y 3 est contaminada.
c) Determine la media y desviacin estndar
4. Un ingeniero de ventas reporta que el 75% de las computadoras que se venden en su
tienda departamental son de la marca Dell.
a) Cul es la probabilidad de que ms de 7 de l as siguientes 9 ventas no sean de
la marca Dell?
5. Una investigacin de los residentes de una ciudad de Estados Unidos mostr que
10% preferan un ipod blanco que de cualquier otro color disponible. Cul es la
probabilidad de que ms de la mitad de los siguientes 10 ipod que se vendan en esta
ciudad sean de color blanco? Encuentre la media y la varianza
6. Una compaa est interesada en evaluar sus actuales procedimientos de inspeccin
en el embarque de 50 artculos idnticos. El procedimiento es tomar una muestra de
5 piezas y autorizar el embarque si se encuentra que no ms de 2 estn defectuosas.
qu proporcin del 20% de embarques defectuosos sern autorizados?
7. En promedio, en una cierta interseccin ocurren 3 accidentes viales por mes Cul
es la probabilidad de que en un determinado mes en esta interseccin
a) ocurran exactamente 5 accidentes?
b) Ocurran menos de 3 accidentes?
8. Una cierta rea del este de Estados Unidos es afectada en promedio por 6 huracanes
al ao. Encuentre la probabilidad de que en un determinado ao esta rea sea
afectada por un huracn: a) menos de 4 huracanes y b) cualquier cantidad
entre 6 y 8 huracanes.
9. La probabilidad de que una persona muera debido a cierta infeccin respiratoria es
0.002. Encuentre la probabilidad de que mueran menos de 5 de las prximas 2000
personas infectadas.
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

90
10. Suponga que en promedio 1 persona de cada 1000 comete un error numrico al
preparar su declaracin de impuestos. Si se seleccionan al azar 10 000 formas y se
examinan, encuentre la probabilidad de que 6, 7 u 8 formas tengan error.

11. La probabilidad de que un estudiante presente problemas de escoliosis (desviacin
lateral sufrida por la columna vertebral) en una escuela de la localidad es de 0.004.
De los siguientes 1875 estudiantes revisados encuentre la probabilidad de que
a) menos de 5 presenten este problema
b) 8, 9 o 10 presenten este problema
12. En un proceso de manufactura se seleccionan aleatoriamente 15 unidades diarias
de la lnea de produccin para verificar el porcentaje del nmero de defectos en el
proceso. A partir de informacin histrica se sabe que la probabilidad de que se
tenga una unidad defectuosa es 0.05. El proceso se detiene en cualquier momento
en que se encuentran dos o ms defectos. Este procedimiento se utiliza para
proporcionar una seal en caso de que la probabilidad de defectos se incremente.
a) Cul es la probabilidad de que en un determinado da el proceso de
produccin se detenga? (suponga un 5% de defectos)
b) Suponga que la probabilidad de que se tenga un defecto se incrementa a
0.07. Cul es la probabilidad de que en un determinado da el proceso de
produccin se detenga?
13. Se est considerando la produccin de una mquina automtica de soldar. Se
considerar exitosa si tiene una efectividad del 99% en sus soldaduras. De otra
manera, no se considerar eficiente. Se lleva a cabo la prueba de un prototipo y se
realizan 100 soldaduras. La mquina se aceptar para su fabricacin si no son
defectuosas ms de tres soldaduras.
a) Cul es la probabilidad de que una mquina eficiente sea rechazada?
b) Cul es la probabilidad de que una mquina ineficiente con 95% de
soldaduras correctas sea aceptada?
14. Una agencia que renta automviles en un aeropuerto local tiene disponibles 5 Ford,
7 Chevrolet, 4 Dodge, 3 Datsun y 4 Toyota. Si la agencia selecciona aleatoriamente
9 de estos vehculos para transportar delegados desde el aeropuerto hasta el centro
de convenciones en el centro de la ciudad, encuentre la probabilidad de que se
utilicen 2 Ford, 3 Chevrolet, 1 Dodge, 1 Datsun y 2 Toyota.
15. Las llamadas de servicio entran a un centro de mantenimiento de acuerdo con un
proceso de Poisson y en un promedio entran 2.7 llamadas por minuto. Encuentre la
probabilidad de que:
a) no ms de 4 llamadas entren en un minuto cualquiera;
b) menos de 2 llamadas entren en un minuto cualquiera;
c) ms de 10 llamadas entren en un periodo de 5 minutos.

16. Calcular la probabilidad de acuerdo a los siguientes valores de z y esquematizarlos.
P(0.00 s z s 2.18) ; P(0.00 s z s -0.14) ; P(zs -0.89); P(z> 0.55); P(-1.15 s z s 2.00)
P(1.55 s z s 2.38); P(-0.20 s z s -2.14); y P(-2.00 > z > 2.14)

Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

91
17. La empresa Compunet, desea ofrecer un contrato especial de servicio que cubra
el costo total de cualquier reparacin de una computadora. Segn la experiencia, el
gerente estima que los costos anuales de servicio tienen una distribucin normal,
con promedio de $1850.00 y desviacin estndar de $250.00.

a) Si la empresa ofrece el contrato de servicio a cliente con un costo anual de
$2500.00, Cul es la probabilidad de que los costos de servicio con algunos
de los clientes rebase el precio del contrato?
b) Cul es la ganancia esperada de la empresa por cada contrato de servicio?

18. La edad promedio que tiene una persona al casarse por primera vez en las
comunidades indgenas es de 17 aos, y tiene una distribucin normal, con una
desviacin estndar de 4 aos.
a) Cul es la probabilidad un alumno del Tecnolgico de 19 aos se case por
primera vez?
b) Cul es la probabilidad de que una persona que se casa por primera vez
tenga menos de 23 aos?
c) Cul es la probabilidad de que una persona que se casa por primera vez
tenga entre 20 y 30 aos de edad?
d) El 90% de las personas que se casan por primera vez a qu edad lo hacen?
19. Calcular la probabilidad de P (t
12
3.0545) y P (t
25
2.0595)
20. Determinar el valor de t
a) Si se tiene un tamao de muestra igual 17 y alfa = 0.05
b) Si se tiene un tamao de muestra igual 22 y alfa = 0.025
c) Si se tiene un tamao de muestra igual 18 y se requiere una confiabilidad
acumulada de 0.995






http://badoo.com/01116216177/












Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica

92
FUENTES DE INFORMACIN COMPLEMENTARIA:

1. Anderson, D.; Sweeney D.; Williams, T. Estadstica para Administracin y
Economa.10. Edicin. Cengage Learning Editores, Mxico. 2008.
2. Delgado de la Torre, R. Probabilidad y estadstica para ciencias e ingenieras, Delta
Publicaciones. Espaa. 2008
3. Devore, Jay L., Probabilidad y estadstica para ingeniera y ciencias, 7 Edicin,
Editorial Cengage Learning, Mxico, 2008.
4. Kazmier, L.; Daz Mata, A., Gmez Daz, G. Estadstica aplicada a la administracin y
la economa. 4a. edicin. Editorial McGraw Hill. Espaa. 2006
5. Larson, H. Introduccin a la teora de probabilidades e inferencia estadstica. LIMUSA.
Mxico. 1992.
6. Levin, R.; Rubin, D. Estadstica para administracin y economa. 7. Edicin. Pearson
Educacin. Mxico. 2004.
7. Levin, R.; Rubin, D.; Estadstica para Administradores. 6. Edicin. Ed. Prentice Hall.
Mxico. 1996.





Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica
58
Cuadro comparativo de las distribuciones muestrales
Distribucin Caractersticas Formula Observaciones
Binomial
Hipergeomtrica
Poisson
Normal
t-student
X
2

F
Instituto Tecnolgico Superior Purhpecha
Probabilidad y Estadstica
59