SEMANA 8 – ESTADÍSTICA

ESTADÍSTICA

SEMANA 8
Modelos de probabilidad

Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No está
permitido copiar, reproducir, reeditar, descargar, publicar, emitir, difundir, poner a disposición del público ni
utilizar los contenidos para fines comerciales de ninguna clase.
IACC
1
SEMANA 8 – ESTADÍSTICA

APRENDIZAJES ESPERADOS
 El estudiante será capaz de resolver
ejercicios y problemas aplicados a
modelos de probabilidad.

IACC
2
SEMANA 8 – ESTADÍSTICA

APRENDIZAJES ESPERADOS ................................................................................................................. 2

INTRODUCCIÓN ................................................................................................................................... 4
1. MODELOS DE PROBABILIDAD...................................................................................................... 5
1.1. DEFINICIONES BÁSICAS ....................................................................................................... 5
2. DISTRIBUCIÓN O MODELO BINOMIAL ........................................................................................ 5
3. DISTRIBUCIÓN O MODELO NORMAL .......................................................................................... 8
4. MODELOS DE PROBABILIDAD CON EXCEL ................................................................................. 13
4.1. DISTRIBUCIÓN BINOMIAL.................................................................................................. 13
4.2. DISTRIBUCIÓN NORMAL.................................................................................................... 15
COMENTARIO FINAL.......................................................................................................................... 17
REFERENCIAS ..................................................................................................................................... 18

IACC
3
SEMANA 8 – ESTADÍSTICA
INTRODUCCIÓN
En las primeras semanas de esta asignatura
se definió la variable, la cual podía
clasificarse como cuantitativa o cualitativa y
discreta o continua. Asimismo, la mayoría de
las variables con las que se ha trabajado
están sometidas al azar, es decir, sus valores
son producto de procesos accidentales que
escapan de control. Por ejemplo: el sueldo
de un trabajador, la estatura de un
IACC
estudiante, etc. Es imposible conocer de
antemano la estatura de un estudiante
cualquiera, puede tomar un rango de valores
posibles. Puede ser 1,68 m o 1,73 m o
cualquier otro valor. Este tipo de variables,
cuyo valor es resultado del azar, se llaman
variables aleatorias, que servirán para
introducir los modelos de probabilidad.
4
SEMANA 8 – ESTADÍSTICA

1. MODELOS DE PROBABILIDAD
Los modelos de probabilidad tienen muchas aplicaciones en la vida cotidiana, además, con la
ayuda de Excel se pueden realizar los cálculos de una manera más óptima. Los modelos o
distribuciones de probabilidad permiten entender ciertos fenómenos naturales para poder
estudiar el comportamiento de las variables que se desean estudiar. Los modelos o distribuciones
que se analizarán son: distribución binomial y distribución normal.

1.1. DEFINICIONES BÁSICAS

a) Variable aleatoria: es aquella variable que relaciona un valor numérico para cada resultado de
un evento, experimento aleatorio o suceso. A continuación, ejemplos típicos:

 Lanzar dos monedas al aire, la variable aleatoria es el número de sellos obtenidos.

 Escoger un trabajador de cierta empresa, la variable aleatoria es el sueldo.
 Escoger una carta del naipe inglés o del español.

En todos estos casos, el valor de la variable no se puede predecir y está sujeto al azar.

b) Variable aleatoria discreta: es aquella que toma valores discretos (es decir, que se pueden
contar). Por ejemplo: número de hijos de una familia chilena, cantidad de computadores o
celulares de una familia, cantidad de ramos aprobados por un alumno, número de llamadas
recibidas en un lapso de tiempo.

c) Variable aleatoria continua: es aquella que toma valores continuos (no se pueden contar). Por
ejemplo: estatura de un estudiante, temperatura media de un día cualquiera, nivel de glucosa
en la sangre.

2. DISTRIBUCIÓN O MODELO BINOMIAL

Supóngase que un experimento aleatorio tiene las siguientes características:

 En cada prueba del experimento solo son posibles dos resultados: el suceso A (éxito) y su
contrario Ac (fracaso).

IACC
5
SEMANA 8 – ESTADÍSTICA

 El resultado obtenido en cada prueba es independiente de los resultados obtenidos

anteriormente.

 La probabilidad del suceso A es constante, representándose como p y no varía de una prueba a

otra. La probabilidad de Ac es (1 – p) y se representa por q.

 El experimento consta de un número n de pruebas.

Todo experimento que tenga estas características se dirá que sigue el modelo de la distribución
binomial. Y a la variable x que expresa el número de éxitos obtenidos en cada prueba del
experimento, se le llamará variable aleatoria binomial.

La variable binomial es una variable aleatoria discreta, por lo que solo puede tomar los valores 0,
1, 2, 3, 4, ..., n, suponiendo que se han realizado n pruebas. Como hay que considerar todas las
maneras posibles de obtener y (n – k) fracasos, estas se calculan por combinaciones (número
combinatorio n sobre k, es decir:

n
 
k 

Por su parte, la distribución binomial se suele representar por B(n, p) siendo n y p los parámetros
de dicha distribución.

Probabilidad de obtener k-éxitos:

 n
P( X  k )     p k  q n k
k 

Observación:

q=1–p

Sea X una variable aleatoria discreta correspondiente a una distribución binomial, se tiene que:

- P( X  k )  k , donde k: número de éxitos entre 0 y n.

- B(n, p)  , donde n: número de pruebas, con n > 0 y p: es la probabilidad de éxito, con 0 ≤ p ≤
1

IACC
6
SEMANA 8 – ESTADÍSTICA

Ejemplos:

1) Una máquina fabrica ampolletas y se sabe que produce 7 ampolletas defectuosas por cada
1.000, es decir: 0,007. Encontrar la probabilidad de que al examinar 50 ampolletas solo haya
una defectuosa.

Solución:

Se trata de una distribución binomial de parámetros B(50; 0,007) por lo que hay que calcular la
probabilidad P(X = 1), o sea de que solo haya una pieza defectuosa entre 50.

 n
De acuerdo a la fórmula: P( X  k )     p k  q n k
k 

Donde:

n: 50
k: 1
p: 0,007
q: 1 – p = 0,993

Entonces,

 50 
P( X  1)     0,0071  0,99349  50  0,007  0,99349  0,248
1

Luego, existe un 24,8% de probabilidad de que al examinar 50 ampolletas haya una defectuosa.

2) La probabilidad de éxito de una determinada inyección contra la gripe porcina es 0,72. Calcular
la probabilidad de que una vez administrada a 15 pacientes:

a) Ninguno sufra la enfermedad.

b) Todos sufran la enfermedad.
c) Dos de ellos contraigan la enfermedad.

Solución:

Se trata de una distribución binomial de parámetros B(15; 0,72; 0,28).

IACC
7
SEMANA 8 – ESTADÍSTICA

15 
a) P( X  15)     0,7215  0,280  1  0,7215  0,280  0,00724
 
15
15 
b) P( X  0)     0,72 0  0,2815  1  0,72 0  0,2815  5,097  10 9
0
15 
c) P( X  13)     0,7213  0,28 2  105  0,7213  0,28 2  0,11503
 
13

3) La Fundación Paz Ciudadana realizó una encuesta el año 2015 a un grupo de dueñas de casa de
Santiago, preguntándoles si han sido víctimas de un asalto en su domicilio alguna vez. En la
encuesta un 18% ha sido víctima de asalto. Luego, un diario realizó un estudio y entrevistó a 15
dueñas de casa. Donde X es el número de dueñas de casa que han sido asaltadas en su hogar.
Determine:

¿Cuál es la probabilidad de que 4 dueñas de casa hayan sido víctimas de asalto en su casa?

Solución:

Los datos necesarios para resolver el problema son B(15; 0,18; 0,82), luego:

15 
P( X  4)     0,184  0,8211  0,1615
4

Hay un 16% de probabilidad de que 4 dueñas de casa tengan un asalto.

4) Un vendedor de seguros vende 6 pólizas a personas de la misma edad. La probabilidad de

que una persona viva 20 años o más es de 0,75. Encontrar la probabilidad de que
transcurrido 20 años vivan al menos 4 personas.

𝑃(𝑋 ≥ 4) = 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5) + 𝑃(𝑋 = 6) =

6 6 6
( ) ∗ 0,754 ∗ 0,252 + ( ) ∗ 0,755 ∗ 0,25 + ( ) ∗ 0,756 = 0,8305
4 5 6

La probabilidad es de un 83%.

3. DISTRIBUCIÓN O MODELO NORMAL

IACC
8
SEMANA 8 – ESTADÍSTICA

Este tipo de distribución es frecuentemente utilizado en las aplicaciones estadísticas. Su propio

nombre indica su extendida utilización, justificada por la frecuencia o normalidad con la que
ciertos fenómenos tienden a parecerse en su comportamiento a dicha distribución.

Gráficamente, muchas variables aleatorias continuas presentan una función de densidad con
forma de campana.

La importancia de la distribución normal se debe sobre todo a que hay muchas variables asociadas
a fenómenos naturales que siguen el modelo de la normal, como de tipo morfológicos de
individuos (personas, animales, plantas, etc.) de una especie, por ejemplo: tallas, pesos,
envergaduras, diámetros, perímetros, etc.; fisiológicos, tales como: efecto de una misma dosis de
un fármaco o de una misma cantidad de abono; sociológicos, como: consumo de cierto producto
por un mismo grupo de individuos, puntuaciones de examen; psicológicos, por ejemplo: cociente
intelectual, grado de adaptación a un medio, etc.

Características de la distribución normal:

1) La curva tiene un solo máximo, por consiguiente es unimodal. Presenta una forma de campana.

2) La media de una población distribuida normalmente se encuentra en el centro de su curva

normal.

3) A causa de la simetría de la distribución normal de probabilidad, la mediana y la moda de la

distribución también se hallan en el centro, por tanto en una curva normal, la media, la
mediana y la moda poseen el mismo valor.

4) Las dos colas (extremos) de una distribución normal de probabilidad se extienden de manera
indefinida y nunca tocan el eje horizontal.

IACC
9
SEMANA 8 – ESTADÍSTICA

Áreas bajo la curva normal:

El área total bajo la curva normal será de 100%, ya que es la suma de todas las probabilidades, por
lo cual se puede considerar que las áreas bajo la curva son probabilidades.

Las variables aleatorias distribuidas de manera normal asumen muchas unidades diferentes de
medición, por lo que se hablará de forma estándar y se le simbolizará como Z.

Ejemplo:

Se sabe que el peso de los sujetos de una determinada población sigue una distribución
aproximadamente normal, con una media de 80 kilogramos y una desviación estándar (típica) de
10 kilogramos. Determine:

a) ¿Cuál es la probabilidad de que una persona, elegida al azar, tenga un peso superior a 100
kilogramos?

b) ¿Cuál es la probabilidad de que el peso de una persona esté entre 60 y 100 kilogramos?

Solución:

a) Sea X = peso de los individuos en esta población, la que sigue una distribución normal con
media de 80 (  ) y desviación estándar de 10 (  ). Al no ser una distribución con media 0 y
desviación 1, se debe normalizar la variable, es decir, ocupar la variable:

X 
Z


Así, reemplazando:

X  80
Z
10

IACC
10
SEMANA 8 – ESTADÍSTICA

Luego:

 100  80   20 
P( X  100)  P Z    P Z    P( Z  2)  1  P( Z  2)
 10   10 

Esta última probabilidad puede ser fácilmente obtenida a partir de la tabla distribución normal,
resultando ser: PZ  2  0,9772 . Por lo tanto, la probabilidad de que una persona elegida
aleatoriamente de esa población tenga un peso mayor de 100 kilogramos, es:

P X  100  1  PZ  2  1  0,9772  0,0228

Es decir, aproximadamente de un 2,3%.

b) Se tiene lo siguiente:

 60  80 100  80 
P(60  X  100)  P Z   P(2  Z  2)  P( Z  2)  P( Z  2)
 10 10 

 P(Z  2)  (1  P(Z  2))  0,9772  1  0,9772  0,9544

IACC
11
SEMANA 8 – ESTADÍSTICA

Tabla de distribución normal

IACC
12
SEMANA 8 – ESTADÍSTICA

4. MODELOS DE PROBABILIDAD CON EXCEL

4.1. DISTRIBUCIÓN BINOMIAL

Considerar los datos que están en el archivo BASE CONTENIDOS SEMANA 8 DISTRIBUCION
BINOMIAL.xlsx para desarrollar ejercicios con la ayuda de Excel de una distribución binomial.

La base de datos BASE CONTENIDOS SEMANA 8 DISTRIBUCION BINOMIAL.xlsx contiene la

información de una multitienda llamada Falaferia, sobre sus clientes. Las variables consideradas
son: sexo, forma de pago y monto de venta. Para el siguiente análisis, la variable aleatoria X será
sexo.

Primero hay que calcular la tabla de distribución de frecuencias relativas (porcentajes) de la

variable sexo, para saber la probabilidad que tiene cada uno:

Luego, calcular los siguientes ejercicios de probabilidades:

1) Si ingresan 8 clientes a la tienda y realizan una compra, ¿cuál es la probabilidad de que 5 de

ellos sean mujeres?

La probabilidad es de un 23,48%.

2) Si ingresan 5 clientes a comprar a la tienda, ¿cuál es la probabilidad de que, al menos, 3 de ellos

sean hombres?

IACC
13
SEMANA 8 – ESTADÍSTICA

La probabilidad
es de un
13,36%.

3) Si ingresan 10 personas a comprar a la tienda, ¿cuál es la probabilidad de que a lo más 6 de

ellos sean mujeres?

La probabilidad es de 28,94%.

4) Si ingresan 6 clientes a comprar a la tienda, ¿cuál es la probabilidad de que sean más de 3

hombres?

La probabilidad es
de 5,35%.

5) Si ingresan 20 clientes a comprar a la tienda, ¿cuál es la probabilidad de que entre 8 y 15 de

ellos sean hombre?

La probabilidad
es de 7,33%.

6) Si ingresan 12 clientes a comprar a la tienda, ¿cuál es la probabilidad de que menos de 7 de

ellos sean mujeres?

IACC
14
SEMANA 8 – ESTADÍSTICA

La probabilidad es de 8,44%.

4.2. DISTRIBUCIÓN NORMAL

Considerar los datos que están en el archivo BASE CONTENIDOS SEMANA 8 DISTRIBUCION
NORMAL.xlsx para desarrollar ejercicios con la ayuda de Excel de una distribución.

La misma tienda del ejercicio para la distribución binomial desea conocer algunos aspectos del
comportamiento de los montos de las compras de sus clientes. Para este análisis, se dispone de
todos los datos recogidos durante una semana de ventas, donde se registró el número de boleta,
el sexo de la persona que realizó la compra, el modo de pago que utilizó, el monto de la compra y
el día que la hizo. Antes de las preguntas de ejemplo, se debe tener el valor de la media y
desviación estándar poblacional:

Media o promedio = 118,60136

Desviación estándar poblacional = 38,95366172

Luego, calcular:

1) ¿Cuál es la probabilidad de que el monto de la compra sea de $99.990 o menos?

La probabilidad es de un 31,6%.

IACC
15
SEMANA 8 – ESTADÍSTICA

2) ¿Cuál es la probabilidad de que el monto de la compra sea de a lo más $63.450?

La probabilidad es de un 7,8%.

3) ¿Cuál es la probabilidad de que el monto de la compra sea mayor a $149.000?

La probabilidad es de un 21,8%.

4) ¿Cuál es la probabilidad de que el monto de la compra sea mayor a $85.490 y menor o igual a
$199.000?

La probabilidad es de un 78,3%.

5) ¿Cuál es la probabilidad de que el monto de la compra esté entre $72.500 y $135.000?

La probabilidad es de un
54,5%.

IACC
16
SEMANA 8 – ESTADÍSTICA

COMENTARIO FINAL
Los programas computacionales para estadística son muy útiles para poder desarrollar distintos
problemas o cálculos necesarios para poder tomar decisiones, ya que se gana en tiempo,
optimizando los recursos con que se puede contar. Con respecto a los programas que se pueden
utilizar el más práctico es Excel, no solo por su “gratuidad”, sino por su fácil manejo. Hay otros
programas más poderosos, como SPSS, R-Project, E-Views, etc. Para un desarrollo más confiable
hoy en día, el uso de un buen computador se hace primordial, ya que es la herramienta que realiza
los cálculos, por lo que cometer algún error es mínimo, sin embargo es el profesional a cargo el
verdadero responsable de entender e interpretar los resultados, por lo que conocer los conceptos
estadísticos es básico para un desarrollo correcto y exitoso de los valores que se obtengan y ser un
aporte en la información que se consiga al analizar los distintos tipos de datos.

IACC
17
SEMANA 8 – ESTADÍSTICA

REFERENCIAS
Anderson, D; Sweeney, D. y Williams, T. (2008). Estadística para administración y economía. 10ª

edición. México: Cengage Learning.

Devore, J. (1998). Probabilidad y estadística para ingeniería y ciencias. México: International

Thomson Editores.

Levin, R.; Rubin, D.; Balderas, M.; Del Valle, J. C. y Gómez, R. (2004). Estadística para

administración y economía. 7ª edición. México: Pearson, Prentice-Hall.

Ross, S. (1997). A first course in probability. Berkeley: Universidad de California.

IACC
18
SEMANA 8 – ESTADÍSTICA

IACC
19