DISTRIBUCIONES DE PROBABILIDAD

Presentaremos dos distribuciones discretas y dos distribuciones continuas utilizadas en

la estadstica aplicada y que tienen muchas aplicaciones en la solucin de problemas
reales en todas las disciplinas.
DISTRIBUCIN BINOMIAL
Se deriva de un ensayo de Bernoulli, conocido as en homenaje al matemtico suizo
James Bernoulli (1645-1705, quin realiz muchas contribuciones a la probabilidad.
Se produce un ensayo de Bernoulli, cuando slo pueden ocurrir dos resultados
mutuamente excluyentes. Son ejemplos de ensayos mutuamente excluyentes:
enfermo o sano, hospitalizado o no hospitalizado, defectuoso o bueno, hipertenso o
no hipertenso. Visit al mdico o no.
Proceso de Bernoulli. Una secuencia de ensayos de Bernoulli forma un proceso de
Bernoulli, si se cumplen las siguientes condiciones:
1. En cada ensayo ocurre uno de dos resultados posibles, mutuamente
excluyentes. Uno de los posibles resultados (el que nos interesa) se denota
como xito y el otro, como fracaso.
2. La probabilidad de xito, denota por p, permanece constante de un ensayo a
otro, y la probabilidad de fracaso se denota con , q = 1-p
3. Los ensayos son independientes, es decir, el resultado de algn ensayo en
particular no es afectado por el resultado de cualquier otro ensayo.
Distribucin Binomial. Una variable aleatoria discreta X, se dice que tiene una
distribucin binomial, si X es el nmero de xitos en una secuencia de n ensayos de
Bernoulli. La funcin de probabilidad de X est dada por:
p(x) = b(x; n, p) =

donde x= 0, 1, 2, 3, , n
siendo p la probabilidad de xito.
Ejemplo. Supongamos que en cierta poblacin el 15% son ambidextros. Si se elige una
muestra aleatoria de 5 personas,
a) Escriba la funcin de probabilidad de X
Del enunciado tenemos los datos:
n = 5 y p = 0.15
por lo tanto:
p(x) =

()

()

para x = 0, 1, 2, 3, 4, 5
b) Cul es la probabilidad de que dos personas de las elegidas sean ambidextras?
p(x) =

()

()

= 10 x 0.0225 x 0.614125
=

c) Cul es la probabilidad de que cuatro de las personas elegidas sean
ambidextras?
p(x) =

()

()

= 5 x 0.00050625x 0.85
=
d) Cul es la probabilidad de que a lo ms dos personas sean ambidextras?
P(X ) p(0) + p(1) + p(2) =
e) Cul es la probabilidad que por lo menos una sea ambidextra?
P( X 1 ) = 1 p(0) = 1 -

En la distribucin binomial, n y p, son los parmetros de la distribucin. Conocidos n y
p podemos obtener la funcin de probabilidad de X.
Caractersticas de la distribucin binomial.
Valor esperado de X:
E(X) = np
Varianza de X
V(X) = npq
Para nuestro ejemplo:
E(X) = 5 x (0.15) = 0.75
V( X ) = 5 x 0.15x 0.85 =
Ejercicios:
1. Segn informes de la oficina de estadstica el 27% de las personas adultas
tienen sobrepeso. Si se extrae una muestra aleatoria de 8 personas adultas,
cul es la probabilidad de que:
a. Exactamente tres tengan sobre peso?
b. Menos de tres tengan sobrepeso?
c. Ms de 6 personas tengan sobre peso
d. Entre 3 y 7 personas, inclusive
En la muestra de 8 personas ,cuntas personas con sobre peso se espera
encontrar?
2. La probabilidad de que una persona que sufre de migraa tenga alivio con un
frmaco especfico es de 0.8. Se selecciona aleatoriamente cuatro personas con
migraa, cul es la probabilidad del nmero de personas de que consigan alivio
con el frmaco sean:
a) Exactamente cero
b) Exactamente tres
c) Dos o menos
d) Ms de uno
3. Segn informes del INEI, el 30 por ciento de los adultos son fumadores. Se
extrae una muestra de 12 de adultos, cul es la probabilidad de que:
a) Cinco sean fumadores
b) Al menos 9 sean fumadores?
En la muestra de 12 adultos, cuntos adultos fumadores se espera
encontrar.
DISTRIBUCIN DE POISSON
Esta distribucin lleva el nombre en honor al matemtico francs Simen Denis
Poisson(1781-1840), quien tiene el reconocimiento por la publicacin de su
trabajo en 1837. Esta distribucin es ampliamente usada en medicina, biologa,
etc., como modelo de probabilidad.
La variable aleatoria X viene a ser el nmero de resultados que ocurren durante
un intervalo de tiempo dado o en una regin especfica. El intervalo dado
puede ser cualquier longitud como un minuto, un da, una semana o incluso un
ao. La regin especfica puede ser un segmento de recta, un rea, una pieza
de material, un metro cuadrado de cierta tela, etc.
Se deriva de un proceso de Poisson, que tiene las siguientes propiedades:
1. El nmero de resultados que ocurren en un intervalo o regin especfica es
independiente del nmero que ocurre en cualquier otro intervalo o regin.
2. La probabilidad de que ocurra un solo resultado durante un intervalo muy
corto o en una regin pequea es proporcional a la longitud del intervalo.
3. La probabilidad de que ocurra ms de un resultado en tal intervalo corto o
que caiga en tal regin pequea es insignificante.
La funcin de probabilidad de X tiene como distribucin de probabilidad a:

f(x) =

x = 0, 1, 2, 3,

donde es el nmero promedio por unidad de tiempo o espacio.
Ejemplo. En promedio en cierta interseccin ocurren tres accidentes de
trnsito por mes. Cul es la probabilidad de que para cualquier mes dado
en esta interseccin
a) Ocurran exactamente cinco accidentes?
b) Ocurran menos de tres accidentes
c) Ocurran al menos dos accidentes
Solucin:
= 3
la funcin de probabilidad es entonces:
f(x) =

x = 0, 1, 2, 3,

a) f(5) = =

=
b) P( X < 3) = P( X ) = P( X = 0) + P(X= 1) + P( X = 2)
c) P( X ) = 1 P(X 1)
Ejemplo. Suponga que se sabe que en cierta rea de una gran ciudad el
nmero promedio de ratas por manzana es de cinco. Suponga que el
nmero promedio de ratas sigue una distribucin de Poisson, y calcule
la probabilidad de que en una manzana elegida aleatoriamente existan:
a) Exactamente cinco ratas
b) Ms de cinco ratas
c) Menos de cinco ratas
d) Entre cinco y siente ratas
Caractersticas de la distribucin de Poisson
E(x) = y V(X) =
Ejercicios
1. Si el nmero promedio de accidentes graves por ao en una fbrica
grande es de cinco, calcule la probabilidad de que en el ao en curso
hay
a) Exactamente siete accidentes
b) Diez o ms accidentes
c) Cero accidentes
d) Menos de cinco accidentes
2. En cierta poblacin, cada ao se diagnostica un promedio de 13
nuevos casos de cncer esofgico. Si la incidencia anual de este tipo
de cncer sigue una distribucin de Poisson, calcule la probabilidad
de que en un ao determinado el nmero de nuevos casos
diagnosticados de cncer sea:
a) Exactamente 10
b) Al menos ocho
c) No ms de doce
d) Entre nueve y quince, inclusive.
DISTRIBUCIN NORMAL
Es la distribucin ms importante de la estadstica. A esta distribucin frecuentemente
se le llama distribucin de Gauss en homenaje a Karl Gauss (1777 - 1855), uno de los
matemticos que la estudi. Corresponde a una variable aleatoria cuantitativa continua. Tiene
como parmetro a la media y a su varianza
2
. La grfica de la variable aleatoria X con
distribucin normal tiene forma de campana.



Las caractersticas ms importantes de la distribucin normal son las siguientes:
1.- Es simtrica con respecto a su media .
2.- La media, mediana y moda son iguales.
3.- El rea total bajo la curva sobre el eje X es igual a 1. Debido a la simetra ya mencionada,
0.50 de rea se encuentra a la derecha de y 0.5 a la izquierda de .
4.- Si se levantan perpendiculares a una distancia de una desviacin estndar a ambos lados de
la media, el rea delimitada por esas perpendiculares, el eje x y la curva es de 0.68. Si los
lmites laterales se extienden a dos desviaciones estndar a ambos lados de la media, el rea
incluida es de aproximadamente 0.95, y extendindolo a 3 desviaciones estndar, se tiene un
rea de 0.997 aproximadamente.
5.- Los parmetros y
2
determinan completamente la distribucin normal. En otras palabras,
para cada valor diferente de y
2
se especifica una distribucin diferente. Los valores
diferentes de trasladan la grfica de la distribucin a lo largo del eje x. Los valores de
2

determinan el grado de aplanamiento o levantamiento de la grfica de la distribucin.





Existen muchas variables aleatorias continuas que tienen distribucin normal y otras
que se aproximan a la distribucin normal.
Distribucin normal estndar.
La ltima caracterstica de la distribucin normal implica que la distribucin normal es
realmente una familia de distribuciones en la que un miembro de la familia se diferencia de
otro segn los valores de y
2
. El miembro ms importante de esta familia es la distribucin
normal estndar o distribucin normal unitaria, llamada as porque tiene como media a cero y
como varianza a uno. A partir de cualquier variable X con distribucin normal de media y
varianza
2
, se puede obtener la distribucin normal estndar mediante la transformacin:
Z =

X

Para calcular probabilidad de que Z tome un valor entre dos puntos del eje z, por
ejemplo entre z
1
y z
2
, debe calcularse el rea limitada por las perpendiculares levantadas en
esos puntos, la curva y el eje horizontal. reas bajo la curva de una distribucin continua se
calculan integrando la funcin de densidad de Z entre los dos valores de la variable.
Por fortuna no es necesario efectuar esta operacin, pues existen tablas con
resultados de todas las integraciones. Como cualquier variable con distribucin normal puede
ser convertida a la distribucin normal estndar mediante la transformacin:
Z =

X

Podemos tambin determinar probabilidades o reas limitadas entre dos valores cualesquiera
de X.
Entre qu valores se encuentran las reas debajo de la distribucin estndar de acuerdo a la
caracterstica 4 de una distribucin normal general?
Uso de la tabla de la distribucin normal estndar
La tabla nos proporciona el rea a la izquierda de un valor de la variable Z. Por ejemplo para
hallar el rea a la izquierda de 1.28, consideramos 1.2 en la primera columna de la tabla y al
decimal 0.08 en la primera fila de la tabla, el rea se encuentra en la interseccin de la fila de
1.2 y la columna de 0.08, es decir es 0.8997. Se puede escribir:
P (Z < 1.28) = 0.8997
Para hallar el rea a la izquierda de -0.35 buscamos el nmero que se encuentra en la
interseccin de la fila de -0.3 y la columna de 0.05 y es 0.3632. Se escribe
P (Z < -0.35) = 0.3632
Para determinar rea a la derecha de un valor de la variable Z o el rea entre dos valores de Z
consideramos las propiedades de que el rea debajo de la curva es igual a 1 y la simetra de la
distribucin.

P (Z > 1.67) = 1 P (Z < 1.67) = 1 0.9525 = 0.0475

P (Z > -1.74) = 1- P (Z < -1.74) = 1 0.0409 = 0.9591

P (1.15 < Z < 2.63) = P (Z < 2.63) P (Z < 1.15) = 0.9957 0.8749 = 0.1208

P (-1.54 < Z < 2.38) = P (Z < 2.38) P (Z < -1.54) = 0.9913 0.0618 = 0.9295

Tambin se pueden hallar los puntos que delimitan reas. Ejemplos: Hallar z

P (Z < z) = 0.9881 z = 2.26

P (Z < z) = 0.3300 z = -0.44

P (Z > z) = 0.4721

P (Z < z) = 1 P (Z > z) = 1 0.4721
P (Z < z)= 0.5279 z = 0.07

P (Z > z) = 0.9744

P (Z < z) = 1 P (Z > z) = 1 0.9744
P (Z < z) = 0.0256 z = -1.95

P (-z < Z < z) = 0.9476
P (Z < z) = 0.9738 z = 1.94

P (-z < Z < z) = 0.9488
P (Z < z ) = 0.9744 z = 1.94

Ejemplo 1.- Dada una distribucin normal con = 30 y = 6, encuentre el rea de la curva
normal
a) a la derecha de x = 17;
b) a la izquierda de x = 22;
c) entre x = 32 y x = 41;
Solucin:
a) P (X > 17) = P (

X
>
6
30 17
) = P (Z > -2.17) = 1 P (Z < -2.17)
= 1 0.0150 = 0.9850
b) P (X < 22) = P (

X
<
6
30 22
) = P (Z < -1.33) = 0.0918
c) P ( 32 < X < 41) = P (
6
30 32
<
6
30 X
<
6
30 41
) = P ( 0.33 < Z < 1.83)
= P( Z < 1.83) P (Z < 0.33) = 0.9664 0.6293 = 0.3371

Ejemplo 2.- En el problema anterior hallar
a) el valor de x que tiene 80% del rea de la curva normal a la izquierda;
b) los dos valores de x equidistantes de la media que contienen 75% central del rea de la
curva normal.
Solucin:
a) P (X < x) = 0.8000
P (
6
30 X
<
6
30 x
) = P (Z < z) = 0.8000 z = 0.85

6
30 x
= 0.85 x = 35.1
b) P (x
1
< X < x
2
) = 0.7500
P (- z < Z < z) = 0.7500 donde z =
6
30
1

x
y z =
6
30
2

x

P (Z < z) = 0.8750 z = 1.15

6
30
2

x
= 1.15 x
2
= 36.9

6
30
1

x
= -1.15 x
1
= 23.1
los valores son 23.1 y 36.9