1
Actividad 4.
Distribución de probabilidad discreta y continua
Vanesa Martínez Fernández
Corporación Universitaria Iberoamericana
Psicología
Docente: David Forero
Colombia
05 de Mayo de 2024
2
1. Realice un recuadro donde diferencia distribuciones de probabilidad discreta y
continua. (describa cuáles son para cada una dentro de este recuadro).
Característica Distribución Discreta Distribución Continua
Variables aleatorias que Variables aleatorias que
Tipo de Variables toman valores específicos y pueden tomar cualquier valor
contables, como números dentro de un rango continuo.
enteros o contadores.
Distribución de Poisson, Distribución Normal,
Ejemplos Distribución Binomial, Distribución Exponencial,
Distribución de Bernoulli. Distribución Uniforme.
Se define mediante una Se define mediante una
función de masa de función de densidad de
Función de probabilidad, donde se asigna probabilidad, que describe la
Probabilidad una probabilidad a cada valor probabilidad de que la
específico que puede tomar la variable aleatoria caiga en un
variable aleatoria. rango particular de valores.
Ejemplos de Para la distribución de
Para la distribución normal:
Funciones de Poisson:
x −μ x−μ
Probabilidad μ ∙e z=
P ( x )= σ
x!
La probabilidad de que la
La probabilidad de que la variable aleatoria tome un
Probabilidad de un variable aleatoria tome un valor específico es
valor específico valor específico es mayor que teóricamente cero (aunque
cero. puede ser significativa dentro
de un rango muy pequeño).
Representa la probabilidad
No se aplica, ya que la
Área bajo la curva acumulada hasta cierto valor
distribución consiste en puntos
o rango de valores, ya que la
discretos.
distribución es continua.
2. Defina que es la función de masa de probabilidad y proponga cinco ejemplos
La función de masa de probabilidad es una función que asigna una
probabilidad a cada posible valor discreto que puede tomar una variable
3
aleatoria. Describe la distribución de probabilidad de una variable aleatoria
discreta mediante la asignación de probabilidades a cada uno de sus posibles
valores. La suma de todas las probabilidades asignadas por la masa de
probabilidad debe ser igual a 1.
Ejemplos:
Distribución de Bernoulli: se lanza una moneda. Sea x la variable
aleatoria que representa el resultado del lanzamiento, donde X=1 si
obtienes cara y X=0 si obtienes cruz. La probabilidad de obtener cara
en un solo lanzamiento es P=0.5. La función de masa de probabilidad
para este experimento sería:
{
P ( X=x ) = 0.5 Si x =1
0.5 Si x=0
Distribución Binomial: lanzamos un dado cuatro veces y contamos el
número de veces que obtenemos un número par. Sea X la variable
aleatoria que representa el número de veces que obtienes un número
par en cuatro lanzamientos. La probabilidad de obtener un número par
en un lanzamiento es P=3/6=0.5, y realizamos n=4 ensayos. La función
de masa de probabilidad para este experimento sería:
( )( )
x 4− x
1 1
P ( X=x ) = 4 (1− )
x 2 2
Distribución Geométrica: Supongamos que jugamos un juego de
lanzamiento de dardos, y la probabilidad de acertar en una diana
particular es P=0.2. Sea X la variable aleatoria que representa el
número de lanzamientos necesarios para acertar en la diana por
primera vez. La función de masa de probabilidad para este juego sería:
k−1
P ( X=k )=(1−0.2) ∗0.2
Distribución de Poisson: se está estudiando la cantidad promedio de
llamadas telefónicas recibidas por una centralita durante un período de
5 minutos, y encuentras que la tasa promedio es de 3 llamadas por
período. Sea X la variable aleatoria que representa el número de
llamadas recibidas en un período de 5 minutos. La función de masa de
probabilidad para este escenario sería:
4
x −3
3 ∙e
P ( X=x ) =
x!
Distribución Hipergeométrica: se tiene una baraja de 52 cartas, de las
cuales 4 son ases. Si tomas una muestra aleatoria de 5 cartas de la
baraja, sea X la variable aleatoria que representa el número de ases en
la muestra. La función de masa de probabilidad para este experimento
sería:
P ( X=x ) =
( x )( 5−k )
4 48
(525)
A través del concepto de función de distribución para variables discretas, resuelva los
siguientes ejercicios:
3. Sea X una variable aleatoria discreta con la siguiente distribución acumulada
Calcule las siguientes probabilidades directamente con la función de
probabilidad acumulativa:
a. P(X=15)
b. P(X=30)
c. P(X=35)
d. P(X>15)
e. P( 20<X<40)
f. P (15 ≤ 𝑋 ≤ 35)
Solución:
Probabilidad acumulativa
P ( X=x ) =F ( x )−F ¿
a . P ( X=15 )=F ( 15 ) −F ¿
5
b . P ( X=30 )=F ( 30 )−F ¿
c . P ( X =3 5 )=F (3 5 )−F ¿
d . P ( X> 15 )=1−P ( X ≤ 15 )=1−F ( 15 ) =1−0.06=0. 94
e . P ( 20< X< 40 ) =P ( X <40 )−P ( X <20 ) =F ( 40 )−F ( 2 0 ) =1−0. 39=0. 61
f . P ( 15 ≤ X ≤ 35 )=P ( X ≤ 35 )−P ( X < 15 )=F ( 35 )−F ¿
4. Una empresa vende boletos de más (sobre boletaje) en cada uno de sus
vuelos como forma de protección contra los pasajeros que no se presentan
para el abordaje. Para un determinado vuelo el avión asignado tiene 100
asientos y se han vendido 105 boletos. En un estilo previo se determinó que el
número de pasajeros que realmente aparecen para el vuelo se ajusta a la
siguiente distribución de probabilidad:
Empleando la tabla de distribución de frecuencias responder:
a. ¿cuál es la probabilidad de que al menos un pasajero que aparezca no
pueda abordar el vuelo?
b. ¿cuál es la probabilidad de que todos los pasajeros aborden el vuelo?
c. ¿cuál es la probabilidad de que más de siete pasajeros con boleto no
aborden el vuelo?
d. ¿cuál es la probabilidad de que entre dos y cinco pasajeros con boleto no
aborden el vuelo?
e. ¿cuál es la probabilidad de que entre dos y cinco pasajeros con boleto no
puedan abordar el vuelo?
6
Solución:
a . 1−P ( X =100 )=1−0.15=0.85
b . P ( X=100 )=0.1 5
c . P ( X > 7 )=0.10+ 0.12+0.14+ 0.17+0.15+ 0.12+ 0.08+0.05+0.04 +0.01=0.9 8
d . P ( 2 ≤ X ≤5 )=0.0 2+0.1 0+0.1 2+0.1 4=0. 3 8
e . P ( 2 ≤ X ≤ 5 )=0.3 8
5. Una prueba de embarazo realizada por un laboratorio reconocido de la ciudad
michi tiene un margen de error del 4%. Si en un día se realizaron 45 pruebas
de embarazo ¿cuál es la probabilidad de:
a. Cinco pruebas salgan erróneas
b. Ninguna prueba salga errónea
c. Todas las pruebas salgan erróneas
d. Cuántas pruebas espera el laboratorio que salgan erróneas
Solución:
( )
a . P ( X=5 )= 4 5 ∙ ( 0.04 ) ∙ ( 1−0.04 )
5
5
( )
4 5−5 45
5
=
45 !
5 ! ( 45−5 ) !
=
45× 44 × 43 × 42× 41
5 × 4 ×3 ×2 ×1
=1221759
5 45−5
P ( X=5 )=( 1221759 ) ∙ ( 0.04 ) ∙ ( 1−0.04 ) P ( X=5 )=0.0244=2.44 %
b . Haremos la probabilidad de que al menos una salga erronea y luegorestamos 1
P ( X ≥1 )=1−P ( X =0 ) P ( X ≥1 )=1− (450) ⋅ ( 0.04 ) ⋅ ( 1−0.04)
0 45
P ( X ≥1 )=1−1 ×1 × ( 0.96 )
45
P ( X ≥1 )=0.8407P ( X=0 )=1−P ( X ≥ 1 ) P ( X=0 )=1−0.8407P ( X=0 )=0.1593=15.93 %
45 −63
c . P ( Todas erroneas )=0.04 =1.2379∗10
d . Numero esperadode pruebas erroneas=45∗0.04=1.8
7
6. Un estudiante de Psicología sabe que alrededor del 30% de los estudiantes
universitarios sufren estrés. Si se toma una muestra de 350 estudiantes de los
distintos programas que ofrece la u:
a. ¿Cuál es la probabilidad que exactamente 100 estudiantes sufran de
estrés?
b. ¿Cuál es la probabilidad de que ningún estudiante sufra de estrés?
c. ¿Cuál es la probabilidad de que al menos 100 estudiantes sufran de estrés?
d. ¿Cuál es la probabilidad de que como mucho 50 estudiantes sufran de
estrés?
e. Calcule el número de estudiantes que se esperara sufran de estrés
Solución
( )
a . P ( X=100 )= 35 0 ∙ ( 0.3 0 ) ∙ ( 1−0.30 )
100
100 3 5 0−100
=1.377
b . P ( X=0 )=( 3 50 ) ∙ ( 0.3 0 ) ∙ ( 1−0. 30 )
0 3 5 0−0
=6.085 c . P ( X ≥ 100 )=1−P ( X <100 )
0
P ( X ≥100 ) ≈ 1−0.1184=0.8816=88.16 %
d . P ( X ≤ 50 )=P ( X =0 ) + P ( X =1 )+ …+ P ( X=50 ) P ( X ≤50 )=0.1052=10.52 %
e . Nuˊmero esperadode estudiantes con estres=n ⋅ p=350 ⋅0.30=105
7. Suponga que en un estudio realizado por estudiantes de Psicología se
determinó que la probabilidad de que un medicamento para disminuir los
niveles de estrés tenga efectos secundarios es de 0.002. Suponga también
que dicho medicamento es suministrado a 500 estudiantes de la Universidad y
resulta de interés estimar: a. qué tan probable es que a más de un estudiante
el medicamento le produzca efectos secundarios? b. ¿qué tan probable es
que a ningún estudiante el medicamento le produzca efectos secundarios? c.
¿qué tan probable es que solo a cinco estudiantes les produzca efectos
secundarios? d. ¿A cuántos estudiantes se espera que el medicamento les
produzca efectos secundarios?
8
Solucion:
a.
b.
c.
d.
=10
8. Un análisis estadístico de 1000 llamadas telefónicas atendidas por un call
center determinó que la duración de estas (llamadas) se distribuye
normalmente con media de 7 minutos y desviación típica de 105 segundos.
Con el fin de mejorar el sistema de asignación de llamadas la directora del
centro decide responder las siguientes inquietudes: a. ¿qué porcentaje de
estas llamadas duró menos de 180 minutos? b. ¿cuál es la probabilidad de
que una llamada particular dure entre 200 y 300 minutos? c. ¿cuál es la
probabilidad de que una llamada particular dure más de 250 segundos?
Solución:
a.
=98.85
b.
=110.28
=167.42
9
c.
=138.85
