6.1.
Distribuciones de probabilidad
6.1.1. ¿Qué es una distribución estadística?
Una distribución de probabilidad que contiene una variable aleatoria, es una función
usada para definir todas las probabilidades que ocurren sobre la variable de que
dicho suceso ocurra, es decir, la distribución de probabilidad se define sobre el
conjunto de todos los sucesos de la variable aleatoria.
Una distribución de probabilidad se usa para describir todos los posibles sucesos
dados como resultado de un experimento llevado a cabo.
Para las variables discretas se utilizan las distribuciones de probabilidad:
1. Distribución Binomial.
2. Distribución de Poisson.
3. Distribución Hipergeométrica.
6.2. Distribuciones para variables aleatorias discretas
Una variable aleatoria discreta, es aquella que toma un número finito de valores
cuantificables que se pueden designar por medio de un valor numérico entero y al
que se le puede asignar resultados de probabilidad. Para la aplicación de una
distribución de probabilidad, se hace uso de modelos matemáticos asociados al tipo
de distribución de probabilidad.
6.2.1. Distribución Binomial
La distribución Binomial, hace referencia a los experimentos aleatorios que indica
en cada uno de sus ensayos, dos posibles resultados mutuamente excluyentes,
denominados probabilidad de éxito o acierto (p) y probabilidad de fracaso (q). No
obstante, hablar de probabilidad de éxito, no necesariamente indica que el resultado
obtenido es algo bueno, lo que indica es que se ha obtenido un resultado esperado
al experimentar.
Propiedades:
1-El experimento aleatorio consiste en un total de ensayos o pruebas repetidas, e
idénticas que se hacen con reemplazo.
2-Cada uno de los ensayos, arroja uno de los dos resultados posibles: éxito ó
fracaso, el otro de intuye realizando una resta así: q = 1 − p para obtener la
probabilidad de fracaso se resta al total de probabilidad que es 1, el resultado de la
probabilidad de éxito.
3-La probabilidad de éxito o acierto (p), permanece constante para cada ensayo.
4- Cada experimento realizado en la distribución de probabilidad, se repite en
idénticas condiciones y sus probabilidades son independientes una de otra.
Ejemplos sobre probabilidad de éxito y fracaso
Después de asistir a una consulta, a un paciente le recetan 2 medicamentos, los
cuales los encuentra en comprimidos por unidad, el primer medicamento consta de
3 pastillas de color blanco y el segundo medicamento consta de 2 comprimidos de
color azul, si el despachador los guarda en una bolsa y el mismo día el paciente
debe tomarse un comprimido del primer medicamento, cual es la probabilidad de
que al escoger un comprimido de la bolsa donde están guardados, escoja un
comprimido de los que le corresponda. En este ejemplo se tiene:
Muestra: n = 5
3
Probabilidad de escoger un comprimido del medicamento 1: p(m1) =
5
correspondiente a la probabilidad de éxito.
2
Probabilidad de escoger un comprimido del medicamento 2: p(m1) =
5
correspondiente a la probabilidad de fracaso.
Ejemplo
Seis personas se escogen para concursar por el puesto de gerente regional, dos
mujeres y 4 hombres, si se guardan en una bolsa los nombres de las seis personas.
¿Cuál es la probabilidad de escoger el nombre de una mujer?
Lo primero que hay que hacer es determinar:
a. La cantidad de personas mujeres que hay en el grupo de las seis personas.
Existen dos mujeres, se describirá éste total así: x = 2
b. La cantidad de personas escogidas para el cargo de gerente regional, indica
la muestra seleccionada y que se describe así: n = 6
c. Se determina la probabilidad de éxito, como la probabilidad de escoger el
x
nombre de una mujer. P(m), aplicando la fórmula de probabilidad: p( x) = n
2
p(m) = 0.3333 = 33.33%
6
Probabilidad de acierto 0,3333 o 33.33%, mientras que la probabilidad de fracaso
se obtiene al restar de la probabilidad total (1), la probabilidad de acierto:
2 4
q ( h ) = 1 − p ( m) = 1 − = = 0.66666 = 66.66%
6 6
El modelo matemático que sirve para determinar las probabilidades en las
distribuciones de probabilidad binomial, combina los resultados de acierto y
fracaso.
El modelo matemático de la distribución de probabilidad Binomial es:
n!
P( X = x / n, p) = p x (1 − p)n− x
x!(n − x)!
Los símbolos indican:
a. P( X = x / n, p) , Probabilidad de obtener un evento, conociendo la muestra (n) y
la probabilidad de acierto (p).
b. (n) valor de la muestra.
c. (p) probabilidad de acierto
d. (1-p) probabilidad de fracaso.
e. (x) número de éxitos en la muestra, el cual puede ser cero, si no existe
probabilidad de que suceda el evento analizando, hasta el valor de la muestra,
cuando la probabilidad de acierto es del 100%.
f. El signo de admiración ( ! ) presente en la fórmula se denomina Factorial. El
factorial indica que hay que realizar multiplicaciones sucesivas desde el número que
acompaña al signo hasta el número uno disminuyendo de a una unidad cada
operación.
Ejemplo
Determinar:
a) 5! = 5 4 3 2 1 = 120
b) (10 − 7)! = 3! = 3 2 1 = 6
Nota: El factorial de cero y el factorial de uno es igual: 0!= 1!= 1 .
Para el ejemplo anterior, donde se busca determinar la probabilidad de escoger el
nombre de una mujer, de un grupo de seis personas, al aplicar la distribución de
probabilidad Binomial queda:
6!
p(2 / 6, 0.3333) = 0.33332 (1 − 0.3333) 6−2 = 6 0.33332 0.66664 = 0.1316
2!(6 − 2)!
Es decir, la probabilidad de sacar el nombre de una mujer de un grupo de seis
personas, teniendo en cuenta aciertos y fracasos, es del 13.16%.
Características de la distribución Binomial
1. El valor de la probabilidad de acierto no es muy pequeño p 0.05 .
2. La muestra debe ser finita y no muy grande.
3.Cuenta con tabla de resultados de probabilidad.
4.La media aritmética de la distribución binomial se puede obtener al multiplicar el
tamaño de la muestra por la probabilidad de acierto.
=np
5.La desviación estándar se calcula por medio del modelo matemático:
x = n.p(1 − p)
Los resultados de probabilidad que se pueden obtener con la distribución de
probabilidad binomial se basan en el análisis del evento solicitado, es así que se
pueden observar el análisis de un único evento, cuando la probabilidad que se pide
está determinada por p( x = a ) , es decir se solicita un único evento, o cuando los
eventos que se piden analizar están dados por intervalos así:
1. p( x a ) , todos los eventos menores o iguales al valor de a.
2. p( x a ) , todos los eventos menores al valor de a.
3. p( x a ) , todos los eventos mayores al valor de a.
4. p( x a ) , todos los eventos mayores o iguales al valor de a.
5. p(a x b) , todos los eventos entre los valores a y b inclusive.
6. p(a x b) , todos los eventos entre los valores a y b.
La diferencia que existe entre el punto 5 y el punto 6, es que en el cinco, se analizan
los eventos de x = a y de x = b, mientras que en el punto 6, solo se buscan analizar
los eventos comprendidos entre los valores de a y b.
Ejemplo
La probabilidad de que una vacuna no evite que una persona adquiera una
enfermedad es del 5%, si se toma una muestra de 10 personas a las que se les
aplica la vacuna ¿cuál es la probabilidad de que?:
a. A ninguno le sirva la vacuna.
b. A dos personas no le sirva la vacuna.
c. A más de ocho personas no le sirve la vacuna.
d. A menos de tres personas no le sirva la vacuna.
Pasos a seguir para resolver cualquier ejercicio de Distribución Binomial:
1. Determinar el valor de la muestra (n) y el valor de la probabilidad simple de acierto
(p); para el Ejemplo
n = 10 y p = 0.05
2. Determinar si la probabilidad que se pide es una sola, como lo indican el punto “a
y b”, donde lo que se solicita determinar es un evento especifico, o por el
contrario es el conjunto de varios resultados, como lo indican los puntos “c y d”.
Se debe indicar antes de dar comienzo a la solución del problema, cual es el evento
a analizar, para el ejemplo es determinar el valor de “x”.
Para:
a) x = 0.
b) x = 2.
c) x > 8, esto indica que hay que determinar no solo una probabilidad, hay que
determinar la probabilidad de escoger nueve y diez personas a las que no les sirvió
la vacuna, como son varias resultados (dos en este problema), se deben aplicar dos
veces el modelo de distribución de probabilidad binomial y sumar los resultados
obtenidos.
d) x < 3, esto indica que hay que determinar la probabilidad de que se escoja el
nombre de 2 personas que no les sirvió la vacuna, determinar la probabilidad de
que a una persona no les sirvió la vacuna y determinar la probabilidad de que a
ninguna persona le sirvió la vacuna, el resultado es la suma de estas probabilidades.
Solución:
a) Conociendo: n = 10; x = 0; p = 0,05
n!
P( X = x / n, p) = p x (1 − p)n− x
x!(n − x)!
10!
p( X = 0 /10, 0,05) = 0,050 (1 − 0,05)10−0 = 0.5987
0!(10 − 0)!
La probabilidad de que entre diez personas vacunadas a ninguna le sirva la vacuna
es del 0,5987 o 59,87%.
b) Conociendo: n = 10; x =2; p = 0,05
10!
p( X = 2 /10,0,05) = 0,052 (1 − 0,05)10−2 = 0.0746
2!(10 − 2)!
La probabilidad de que entre diez personas vacunadas a dos personas no le sirva
la vacuna es de 0,0746 o 7,46%.
c. Conociendo: n = 10; x > 8 (9 y 10); p = 0,05
Se saca la probabilidad de que se escoja el nombre de nueve y diez personas a las
que no les sirva la vacuna, lo cual se hace en forma independiente una respecto a
la otra y se suman sus resultados así:
10!
P(X = 9 / 10, 0,05) = 0,059 (1 − 0,05)10−9 = 1,85−11
9!(10 − 9)!
10!
P(X = 10 / 10, 0,05) = 0,0510 (1 − 0,05)10−10 = 9.77 −14
10!(10 − 10)!
P(X = 9/10, 0,05) + P(X=10/10, 0,05) = 1,87 −11
La probabilidad de que en una muestra de diez personas escogidos al azar a las
cuales se les aplico una vacuna, nueve o diez de ellas no les sirva (recuerde que
los valores negativos de los exponentes, indican que la coma se debe correr hacia
el lado izquierdo tantas veces como lo indique el exponente negativo) es del
0.0000000000187 ≈ 0%
d) Conociendo: n = 10; x < 3 (0, 1 y 2); p = 0,05
Se realizan por aparte las probabilidades de que de la muestra de diez personas
escogidas al azar y a los que se les aplicaron una vacuna, se escojan dos o una o
ninguna persona a la que le sirva la vacuna y sumando los tres resultados (La
probabilidad de que no salga ninguna persona a la que le sirva la vacuna o la
probabilidad de escoger dos personas a las que no les sirva la vacuna, ya se tienen
en los numerales a y b ya están realizados en los puntos anteriores, luego9 se
determina la probabilidad de escoger una persona a la que no le sirva la vacuna y
sumar estos resultados.
1!
P(X = 1 / 10, 0,05) = 0,051 (1 − 0,05)10−1 = 0.3151
1!(10 − 1)!
Al sumar los resultados se obtiene:
P(X= 0/10, 0,05) + P(X= 1/10, 0,05) + P(X= 2/10, 0,05) = 0.5987 + 0.3151 + 0.0746
= 0.9884
La probabilidad de que en una muestra de diez personas escogidas al azar que han
sido vacunas, a menos de tres de ellas no les sirva la vacuna es de 0.9884 o 98.84%
3. La tabla 65, muestra los resultados puntuales para este ejemplo:
Autos Probabilidad Binomial
0 59,87%
1 31,51%
2 7,46%
3 1,05%
4 0,10%
5 0,01%
6 2,67E-06
7 8,04E-08
8 1,59E-09
9 1,8554688E-11
10 9,77E-14
Sumatoria 100,00%
Ejemplo
Ante la gran variedad de enfermedades relacionadas con problemas psicológicos,
se desea dar a disposición de las personas los CTP (Consultorios para tratamiento
Psicológico), que se buscan ubicar en diferentes puntos de la ciudad. Existen
estudios anteriores donde se ha buscado realizar estas propuestas y se ha
encontrado que de cada 100 personas encuestadas sobre las bondades de los
consultorios 58 de ellas aceptan su implementación y el resto es escéptica ante su
uso. Ante estos resultados históricos, se decide montar un estante en una de las
grandes ferias exposiciones que se hacen en la ciudad, para mostrar sus bondades
a través de una encuesta. Al finalizar la feria se colocan los nombres de todas las
personas que participaron en la encuesta y que dieron su opinión al respecto, de las
cuales se escogen al azar 20 nombres de estas personas. Cuál sería la probabilidad
de escoger entre esta muestra que:
a. A ninguna persona le disgusta la idea de crear los CTP.
b. A todos les guste la idea de crear los CTP.
c. A más de la mitad les guste la idea de crear los CTP.
d. Solo a 12 les guste la idea de crear los CTP.
e. Como máximo a ocho personas les guste la idea de crear los CTP.
f. Entre 13 y 16 personas gusten la idea de crear los CTP.
Pasos para solucionar el punto “a”
1.La muestra y la probabilidad de aceptación de productos similares son:
58
( n = 20 y p= = 0.58 = 58% )
100
2. La probabilidad buscada es para un valor exacto de la variable:. X=0
3. Aplicación del modelo matemático.
n!
P( X = x / n, p) = p x (1 − p)n− x
x!(n − x)!
20!
P( X = 0 / 20,0,58) = 0,580 (1 − 0,58)20−0 = 2,92−8
0!(20 − 0)!
La probabilidad de que a ninguna persona le gusta la idea de crear los CTP es del:
0.000000292 = 0.00000292% 0% .
Pasos para solucionar el punto “b”
1.La muestra y la probabilidad de aceptación de la idea de crear los CTP:
58
( n =20 y p= = 0.58 = 58% )
100
2. La probabilidad buscada es para un valor exacto de la variable X = 20
3. Aplicación del modelo matemático.
n!
P( X = x / n, p) = p x (1 − p)n− x
x!(n − x)!
20!
P( X = 20 / 20,0,58) = 0,5820 (1 − 0,58)20−20 = 1,96−5
20!(20 − 20)!
La probabilidad de que a todas las personas les guste la idea de crear los CTP es
del: 0.000196 = 0.0196% .
Pasos para solucionar el punto “c”
1.La muestra y la probabilidad de aceptación de la idea de crear los CTP:
58
( n = 20 y p= = 0.58 = 58% )
100
2.Cuando se establece que el deseo de la probabilidad no es definir un único
resultado como en los puntos a y b anteriores, es necesario que se lea bien lo que
se está pidiendo realizar, en este caso, el lenguaje cotidiano nos indica que hablar
de una probabilidad de más de la mitad de la muestra dada, nos manifiesta que se
pide determinar la probabilidad de que se cumpla el evento X = 11, el evento X =
12, el evento X = 13, hasta el evento X = 20 en forma independiente y después de
tener los resultados de estas probabilidades, es necesario sumar sus resultados:
p(X = 11) o p(X = 12) o p(X = 13)+ ………….+p(X =20), aplicando las leyes de
probabilidad el proceso se escribe así:
P(x>10) = P(11) + P(12) + P(13) + ...+P(20).
Se calculan los valores puntuales de probabilidad para cada evento y se suman, la
sumatoria da la probabilidad que se está buscando.
