17/3//2021

Tema: Probabilidad
Probabilidad: es la medida numérica de la posibilidad de que un evento ocurra.
Es la parte de la matemática que se especializa en la formulación de un modelo para medir la
posibilidad de ocurrencia de aquellos fenómenos o experimentos cuyos resultados no son
previsibles de antemano.

Experimento: en probabilidad se define como un proceso que genera resultados bien definidos.

Resultado: acontecimiento final de un experimento.

Ej: En el lanzamiento de un dado, S = . Escribe dos eventos de ese experimento

a). Que salga un número par

P(A) = ó ó 0.5 ó 50%

b). Que salga 4, etc…

Cálculo de probabilidad.

Sea A un evento su probabilidad de ocurrencia se denota por P(A) se lee “ P de A

P(A) = ,

Ej: Si se lanza un dado, ¿cuál es la probabilidad de que:

a). salga un número par?

S = {1, 2, 3, 4, 5, 6}

Sea el evento A : salga un # par

P(A) = = = = 0.5 ó 50%

b). ¿salga un número primo? P(B) =

c). ¿salga un número menor de 5? P (C) = = 0.67 = 67%

d) ¿salga un múltiplo de 3? P(D) = = 0.33 = 33%

e). ¿salga 5? P(E) =

Reglas de Probabilidad

1. Complemento de un evento A

Sea P(A) la probabilidad de ocurrencia del evento A y P (A)c la probabilidad de no ocurrencia

del mismo evento

S: Espacio muestral
c
AA A P(A) + P(Ac) = 1
A
P(A) = 1 - P(Ac)
P(Ac) = 1 – P(A)
¿cuál es la probabilidad de que Juan no vaya al cine, sabemos que la probabilidad de que vaya al
cine es de 42%?
Prob de que vaya al cine :P(A) = 42% = 0.42
Prob de que no vaya P(Ac) = 1 – P(A) = 1 – 0.42 = 0.58 = 58%
La probab de que Juan no vaya al cine es de un 58%

Eventos mutuamente excluyentes: Dos eventos A y B son mutuamente excluyentes cuando en

la ocurrencia de uno el otro no puede ocurrir al mismo tiempo, es decir que no tienen puntos de
la muestra en común.

A AA B 2. Ley de la adición para eventos mutuamente

excluyentes excluyentes:
P (A U B) = P(A) + P(B)
A B=

Ej. ¿Cuál es la probabilidad de que al lanzar un dado salga 5 ó 6?

Evento A: salga 5 P(A) = 1/6
Evento B: Salga 6 P(B) = 1/6
P (A U B) = P(A) + P(B) = 1/6 + 1/6 = 2/6 = 0.33 = 33%
2. ¿Cuál es la probabilidad de que al lanzar un dado salga un número par o un número menor que
2?
Evento A: salga par ; P(A) = 3/6
Evento B: Salga < 2 ; P(B) =1/6
P (A U B) = P(A) + P(B) = 3/6 + 1/6 = 4/6 = 0.67 = 67%

Intersección de dos eventos

La intersección de dos eventos A y B es el evento que contiene los puntos de la muestra que
pertenecen tanto a A como a B y se denota A B
A y B no son mutuamente excluyentes, es decir que tienen
punto de puntos de muestra en común.
A B 3. P (A U B) = P(A) + P(B) - P (A B). Ley general de la adición.

Ej.
1. Al final de un período de evaluación del desempeño, el gerente de producción de una empresa
encontró que 5 de los 50 trabajadores terminó su trabajo con atraso, 6 de los 50 ensamblaron un
producto defectuoso y 2 de los 50, terminaron con atraso y ensamblaron un producto defectuoso.
¿Cuál es la probabilidad de que un empleado se califique con bajo rendimiento por terminar
tarde su tarea o por ensamblar un producto defectuoso?
Evento A: terminar con atraso, P(A) = 5/50

Evento B: ensamblar productos defect, P(B) = 6/50

P(A B) = 2/50
. P (A U B) = P(A) + P(B) - P (A B).
= 5/50 +6/50 – 2/50 = 9/50 = 18%
La prob de que un empleado califique con bajo rendimiento por atraso o por ensamblar
defectuosos es 18%
2. Un estudio realizado en una empresa reveló la causa por la que el personal dejó su trabajo en 2
años. Las causas fueron: 30% insatisfecho con el sueldo, 20% insatisfecho con el trabajo
asignado y 12% insatisfecho con el sueldo y el trabajo asignado. ¿Cuál es la probabilidad de que
un empleado abandone su trabajo por razones de sueldo o por el trabajo asignado?

Evento A insat. Con sueldo: P(A) = 30%

Evento B: insat. Con el trab: P(B) = 20%
P(A B) = 12%
P (A U B) = P(A) + P(B) - P (A B).
= 30% + 20% - 12% = 38%
La probab. de que un empleado abandone su trabajo por sueldo o trabajo asignado es de un 38%.

3. Sean P(A) = 2/5 ; P(B) = 2/5 y P(A B) = 1/5. Halle:

a). P (Ac) = 1 – P(A) = 1 – 0.4 = 0.6 = 60%
b). P (A U B) = P(A) + P(B) – P(A B) = 2/5 + 2/5 – 1/5 = 3/5 = 0.6= 60%

4. Sean P(A) = 0.3; P(Bc) = 0.4; P(AUB) = 0.5 Halla:

a) . P(Ac) = 1 – P(A) = 1 – 0.3 = 0.7 ó 70%
b). P(B) = 1 – P(B)c = 1 – 0.4 = 0.6
c). P(A B) = P(A) + P(B) – P(AUB) = 0.3 + 0.6 -0.5 = 0.4 = 40%

Eventos independientes.
La probabilidad de ocurrencia de un evento no tiene efecto en la probabilidad de ocurrencia de
otro evento.
Para dos eventos A y B la probabilidad de que ocurra A y B se obtiene por:
P(A B) = P(A) x P(B) Regla especial de la multiplicación
Si P(A B) P(A) x P (B), entonces los eventos son dependientes
Ej. Si se lanzan dos monedas al aire ¿Cuál es la probabilidad de que ambas caigan cara?
S = {CC, EC, EE, CE}
1ra. Moneda P(A) = ½
2da. Moneda P(B) = ½
P(A B) = P(A) x P(B) = (½.)(1/2) = ¼ = 0.25= 25%
Suponga que P(A) = 0.5; P(B) = 0.6 y P(A B) = 0.4 ¿son A y B eventos independientes? ¿Por
qué?
P(A B) = P(A) x P(B)
0.4 = (0.5)(0.6)
0.4 , por tanto estos eventos no son independientes.

Probabilidad condicional.
Sea P(A) la probabilidad de un evento A y B un evento relacionado da lugar a una nueva
probabilidad del evento A, llamada probabilidad condicional y se escribe P(A/B) se lee:
Probabilidad de A dado que B ocurrió.

Ley general de la multiplicación: P(A B) = P(B) x P(A/B) ó P(A B) = P(A) x P(B/A)

Entonces despejando 1). P(A/B) = ; 2). P(B/A) = . El denominador del

paréntesis es la prob. Del denominador

Ej. En una caja hay 10 rollos de película, 3 de ellos están defectuosos. Si se seleccionan 2 rollos
de manera sucesiva de la caja, con reemplazamiento. ¿Cuál es la probabilidad de que el primero
salga defectuoso y el segundo también lo sea?
Con reemplazamiento
Evento A: salir defect: P(A) = 3/10
2da Extracción: P (B/A) = 3/10
P(A B) = P(A) x P(B/A) = 3/10 x 3/10 = 9/100 = 0.09 = 9%
Sin reemplazamiento
1ra Extracción: Evento A: salir defect: P(A) = 3/10
2da Extracción: P (B/A) = 2/9
P(A B) = P(A) x P(B/A) = 3/10 x 2/9 = 6/90 = 0.07 = 7%
Probabilidad Conjunta
Mide la posibilidad de que dos eventos ocurran en forma simultánea

Sea M: oficial hombre

W: oficial mujer
A: oficial promovido
Ac : oficial no promovido

Calcule:

a). P(A/W) = = = 0.15

b). P(A/M) = = = =0.3

c) P (A Ac) =

Ej:
2. El personal de una empresa está organizado en tres departamentos y el estado civil de los
mismos, como se muestra en la tabla siguiente.

Estado Departamento
Civil A B C Total
Soltero (S) 50 20 70 140
Casado (T) 30 50 20 100
Total 80 70 90 240

Complete la tabla de probabilidad conjunta

Estado Departamento
Civil A B C Total
Soltero (S) 0.21 0.08 0.29 0.58
Casado (T) 0.13 0.21 0.08 0.42
Total 0.33 0.29 0.38 1

Determine:
a). P (A C) = P(A) + P(C) =0.33 + 0.38 = 0.71 ó 71%

b). P (A/T) = = = 0.31

c). P (T B) = 0.21

d). P (T/A) = = = 0.39

e). P (T S) =
Ejercicio
1. Las secciones circulares de una ruleta están numeradas del 1 al 16. ¿cuál es la probabilidad de
que, al hacerla girar la aguja se detenga en un número:

a). factor de 6? P(A) = = 0.25 = 25%

b). mayor que 10? P (B)= =0.38 = 38%

c). cubo perfecto? P (C)= = 0.125 = 12.5%

2. Si la probabilidad de que Juan vaya al cine es 62% y de que vaya Verónica es de 46%,
entonces ¿Cuál es la probabilidad de que
a). no vaya Juan y Verónica sí?
b). ninguno de los dos vaya al cine?
Eventos
Juan vaya al cine: P(J) = 62%
Juan no vaya: P(J)c = 100% - 62% = 38%
Verónica Vaya: P(V) = 46%
Verónica no vaya: P(V)c = 100% - 46% = 54%
a). P((J)c v) = 0.38 x 0.46 = 0.17
b). P((J)c (V)c) = P(J)c x P(V)c = 038 x 0.54 = 0.21 = 21%

3. En una caja hay 20 botones, de ellos 5 son blancos, 7 son negros y 8 rojos. ¿Cuál es la
probabilidad de que al extraer un botón de la caja este sea:
a). blanco o negro?
b). negro o rojo?
Blanco: P(B) = 5/20
Negro: P(N) = 7/20
Rojo: P(R) = 8/20
a). P (B N) = P(B) + P(N) = 5/20 + 7/20 = 12/20 = 0.6 = 60%
b). P (N R)= P(N) + P(R) = 7/20 + 8/20 = 15/20 = 0.75 = 75%
4. En una funda hay 20 papelitos numerados el 1 al 20, si se extrae un papelito de la funda, ¿Cuál
es la probabilidad de que salga un número divisible exactamente por 4 ó 5?
Divisible por 4: P(D) = 5/20
Divisible por 5: P (C) = 4/20
P(D 1/20

P(D = P(D) + P (C) - P(D = 5/20+4/20-1/20 = 8/20 = 2/5

5. Si se lanzan dos monedas al aire, ¿Cuál es la probabilidad de que ambas caigan escudo?

6. En una urna hay 10 bolas, de ellas 3 amarillas y 7 verdes. Si se sacan dos bolas sucesivamente
de la urna, con reemplazamiento, ¿Cuál es la probabilidad de que:
a). ambas sean amarillas?
b). la primera sea verde y la segunda amarilla?

7. Realiza el ejercicio 6, tomando en cuenta que sea sin reemplazamiento

8. Sean P(A) = 0.3, P(Bc) = 0.4, P(A ) = 0.3

Halle:
a). P(Ac)
b). P(B)
c). P (A )

9. Suponga que tenemos dos eventos A y B, con P(A) = 0.50; P(B)= 0.60 y P (A ) = 0.40
Calcule:
a). P(A/B)
b). P(B/A)
Los eventos A y B son independientes? Porqué?
10). Suponga que los resultados finales de las notas de los alumnos de MAT335T del semestre
anterior, están dados en la siguiente tabla de contingencia. Si se elige un/una estudiante
cualquiera al azar, halle las probabilidades debajo del cuadro.

Sexo F D C B A Total
H 16 10 15 20 20 81
V 18 15 15 15 20 83
Total 34 25 30 35 40 164

Construya una tabla de probabilidad conjunta.

Determine:

a) P (H)_____________ d) P(C/H)________________

b) P (D)_____________ e) P(V  A)_______________

c) P(V/A)____________
VARIABLE ALEATORIA

Una variable aleatoria es una descripción numérica de los resultados de un experimento

aleatorio.
Se clasifica en discreta o continua en función de los valores numéricos que asume.

Variable aleatoria discreta

Es aquella que puede asumir cualquier número finito de valores o una sucesión
infinita de valores como 0, 1, 2, . .

Experimento Variable aleatoria (x)

variable aleatoria
Llamar a cinco clientes Número de clientes que hacen un pedido 0, 1,
2, 3, 4, 5

Inspeccionar un embarque de 50 radios Número de radios defectuosos 0, 1,

2, . . . , 49, 50

Encargarse de un restaurante por un día Número de clientes 0, 1,

2, 3, . . .

variable aleatoria continua es la que asume cualquier valor numérico en un intervalo o

conjunto de intervalos.

Valores posibles de la
Experimento Variable aleatoria (x) variable aleatoria

Operar un banco Tiempo entre las llegadas de los x≥0

clientes, en minutos

Llenar una lata de refresco Cantidad de onzas 0 ≤ x ≤ 12.1

(máx. = 12.1 onzas)

Probar un proceso químico nuevo Temperatura a la que ocurre la 150 ≤ x ≤ 212

reacción (mín. 150 °F; máx. 212 °F)
Valor Esperado o Esperanza Matemática

La esperanza matemática o valor esperado de una variable aleatoria discreta es la

suma del producto de la probabilidad de cada suceso por el valor de dicho suceso.

Los nombres de esperanza matemática y valor esperado tienen su origen en los juegos de azar
y hacen referencia a la ganancia promedio esperada por un jugador cuando hace un gran número
de apuestas.
Si la esperanza matemática es cero, E(x) = 0, el juego es equitativo, es decir, no existe ventaja
ni para el jugador ni para la banca.

Ejemplos

1. Un jugador lanza dos monedas. Gana 1 peso si aparece una cara ó 2 pesos si aparecen dos
caras. Pierde 5 pesos si no aparece cara. Determinar la esperanza matemática del juego y si éste
es favorable.
S = {CC, CE, EC, EE}

Datos
X1 = 1 peso , 2/4 E(x)= 1 (2/4) + 2(1/4) – 5(1/4)
X2 = 2 pesos, ¼ E(x) = 0.5 + 0.5 – 1.25 = -0.25
X3 = -5 pesos, ¼

Distribución Probabilística

Es la enumeración de todos los resultados de un experimento, junto con la probabilidad asociada

a cada uno.
Distribución de probabilidad de una variable aleatoria
Describe cómo se distribuyen las probabilidades entre los valores de la misma.
Para una variable aleatoria discreta x, la distribución de probabilidad se define por medio de
una función de probabilidad, denotada por f (x). La función de probabilidad proporciona la
probabilidad para cada valor que puede asumir la variable aleatoria.
Suponga la venta de vehículos en una agencia x, es una variable aleatoria discreta que puede
asumir los valores 0,1, 2, 3, … n. En la notación de la función de probabilidad, f (0) es la
probabilidad de vender 0 unidades, f (1) es la probabilidad de vender 1 automóvil, y así
sucesivamente…
Cuando se desarrolla una función de probabilidad para una variable aleatoria discreta, se
deben satisfacer las dos condiciones siguientes:

Observa la siguiente distribución:

a) ¿Es válida esta distribución de probabilidad para variable aleatoria discreta? Por qué?
b) ¿Cuál es la probabilidad de que x = 3? 0.14
c) ¿Qué probabilidad existe de que x sea menor o igual que 2? 0.81
d) ¿Cuál es la probabilidad de que x sea mayor que 3? 0.05

La media es un valor representativo que sirve para representar una distribución probabilística.
También es el valor promedio a largo plazo de la variable aleatoria. Se le llama también valor
esperado, es decir:

= E(X)

Grado de dispersión o variación en una distribución probabilística

2
Fórmula de la varianza: V(x) = = ∑ [(X – f(x)]
Ej: Calcula el valor esperado de las ventas de vehículos de un día en Espaillat Motors. Interpreta el
resultado obtenido

¿Qué significa este resultado?

Significa que Espaillat M. anticipa vender un promedio diario de 1.50 vehículos. Este valor se
usa para pronosticar el promedio de ventas mensuales, es decir, si un mes tiene 30 días de
operación, entonces 30(1.50) = 45 vehículos.
Se espera vender 45 vehículos por mes.

Cálculo de la varianza y desviación típica de la tabla anteriór

Luego la desviación típica o estándar es:

Ejercicio
La tabla siguiente proporciona una distribución de probabilidad para la variable aleatoria x.
a) Calcule E(x) (el valor esperado de x).
b) Estime σ2 (varianza de x)
c) Calcule σ (desviación estándar de x).

x f(x)
3 0.25
6 0.50
9 0.25

La tabla siguiente proporciona una distribución de probabilidad para la variable aleatoria y.

Calcule:
a). E(y). Valor esperado de Y b). Calcule σ2 y σ.
Y f(Y)
2 0.20
4 0.30
7 0.40
8 0.10
Distribución de Probabilidad Binomial
La distribución de probabilidad binomial: es una distribución de probabilidad discreta que

proporciona muchas aplicaciones. Se asocia con un experimento de múltiples pasos que se

llama experimento binomial.

PROPIEDADES DE UN EXPERIMENTO BINOMIAL

1. El experimento consiste en una secuencia de n ensayos idénticos.

2. En cada ensayo hay dos resultados posibles. A uno de ellos se le llama éxito y al
otro, fracaso.

3. La probabilidad de éxito, denotada por p, no cambia de un ensayo a otro. Por

consiguiente, la probabilidad de fracaso, denotada por 1 - p, tampoco cambia de
un ensayo a otro

4. Los ensayos son independientes.

Ejemplo. Considere el experimento de lanzar una moneda cinco

veces y en cada lanzamiento observe si la moneda cae con cara o cruz en el lado superior.

Suponga que queremos contar el número de caras que aparecen durante los cinco lanzamientos.

¿Este ejemplo muestra las propiedades de un experimento binomial?

Veamos:

1. El experimento consta de cinco ensayos idénticos; cada uno consiste en el lanzamiento

de una moneda.

2. En cada ensayo hay dos resultados posibles: cara o cruz. Se puede designar cara como
un éxito y cruz como un fracaso.

3. La probabilidad de obtener cara y la probabilidad de obtener cruz son iguales para cada
ensayo, con P = 0.5 y q =1 - P = 0.5.

4. Los ensayos o lanzamientos son independientes debido a que el resultado de cualquier

ensayo no se ve afectado por lo que ocurre con otros ensayos o lanzamientos.
Ejemplo #2
Considere a una vendedora de seguros que visita a 10 familias seleccionadas
al azar. El resultado asociado con cada visita se clasifica como un éxito si la familia compra
un seguro y un fracaso si no lo compra. A partir de su experiencia, la vendedora sabe que la
probabilidad de que una familia seleccionada al azar compre un seguro es de 0.10.
Al revisar las propiedades de un experimento binomial se observa que:
1. El experimento consta de 10 ensayos idénticos; cada uno consiste en visitar a una familia.
2. En cada ensayo hay dos resultados posibles: la familia compra el seguro (éxito) o no lo
compra (fracaso).
3. Se asume que las probabilidades de que haya una compra o no la haya son iguales para
cada visita, con P = 0.10 y 1 - P = 0.90.
4. Los ensayos son independientes, porque las familias se eligen al azar.

La distribución probabilística Binomial se describe por la fórmula:

P(r)= Pr q n-r

Donde:

n es el número de ensayos

r es el número de éxitos observados

p es la probabilidad de éxito del ensayo

q es la probabilidad de fracaso que se obtiene de 1 – P

Ejercicio.

1. Encuentre la probabilidad en cada una de las siguientes situaciones binomiales

a). n = 5 y P = 0.20 para r = 1 y r = 3;

1ro con r = 1

Prob de fracaso. q = 1 – 0.20 = 0.80

P(r)= Pr q n-r

P(1) = (0.20)1 (0.80) 5-1

P(1) =
(0.20)1 (0.80) 4 = 5(0.20)(0.41) =0.41

Nota: la parte de la expresión usada para resolver situaciones binomiales es la fórmula

de combinación. nCr en este caso, 5C1 y se puede hallar fácilmente en la calculadora.

2do con r = 3 Inténtelo

P(r)= nCr Pr q n-r

P (3) = 5C3 (0.20)3 (0.80)5-3 = 10(0.008)(0.64) = 0.05

b). n = 4 y P = 0.25 para r = 2

c).
n = 5 y P = 0.4 para r = 4

Problemas sobre distribución de probabilidad binomial

1. En una facultad, la probabilidad de que un alumno apruebe el semestre es de un 80%. Si consideramos 8

alumnos. ¿Cuál es la probabilidad de que 2 exoneren?

n=8
r=2
P = 0.80 ; q = 1- 0.80 = 0.2

P(r)= Pr q n-r

P(2) = (0.8)2 (0.2) 8-2 = 28(0.64)(0.000064)= 0.0011

2. Un examen está formado por 4 preguntas de verdadero falso. Se sabe que la respuesta a una pregunta de
verdadero o falso es correcta o incorrecta; es decir que adivinar una forma correcta es 0.5 de probabilidad.
¿Cuál es la probabilidad de:
a). No obtener ninguna de las 4 preguntas correctas
b). Obtener una sola correcta.

a).
n=4
r=0
P = 0.5 éxito
q = 1 – 0.5 = 0.5 fracaso

P(r)= nCr Pr q n-r

P (0) = 4C0 (0.5)0 (0.5)4-0 = 1(1)(0.0625)= 0.0625

b).
n=4
r=1
P = 0.5
q = 1 – 0.5 = 0.5

P (1) = 4C1 (0.5) (0.5)4-1 = 4(0.5)(0.125)= 0.25

Problema de función de distribución binomial acumulada

Ej. Si el 20% de los estudiantes de una escuela pierden el año escolar y se toma al azar un grupo de 6
estudiantes ¿Cuál es la probabilidad de que máximo 2 estudiantes no vuelvan a la escuela?
n=6
Fracaso q = 0.20
éxito P = 1 – q ; P= 1- 0.20 = 0.80
r = 0, 1, 2

P(r)= Pr q n-r

P(0) + P(1) + P (2)

P (0) = 6C0 (0.8)0 (0.2)6-0 = 0.000064

P(1) = 6C1 (0.8) (0.2)6-1 = 0.001536
P(2) = 6C2 (0.8)2 (0.2)6-2 = 0.01536
P(0) + P(1) + P (2) = 0.01696

Valor esperado y Varianza de una distribución binomial

Valor esperado:
q

Varianza: Var(x) =
Ej Se lanza una moneda al aire 3 veces. Encuentre el valor esperado y la varianza de este experimento.
n= 3
éxito(cara): P = 0.5
Fracaso (Escudo) : q = 0.5
E(x) = n x p
E(x) = 3 x 0.5 = 1.5

0.75 Varianza

0.87 desv típica

En una clase de 20 alumnos el profesor decide preguntar a sus alumnos sobre el tema distribución
binomial. La probabilidad de que un estudiante responda correctamente es 0.3

a). Modela el problema

b). Probabilidad de que preguntando a los alumnos, menos de 3 respondan correctamente

c). Probabilidad de que entre 5 y 7 respondan correctamente, incluyendo ambos números

d). Valor esperado de alumnos que responden correctamente al preguntarle al profesor

e). Varianza y desviación típica de la distribución.

a) Modelando el problema

n = 20 estudiantes

Éxito: P = 0.3

Fracaso: q = 1 – 0.3 = 0.7

b). r = 0,1,2

P (r < 3) = P(0) + P(1) + P (2)

P(r)= Pr q n-r

P(0) = 20 C 0 (0.3)0 (0.7)20-0 = 1 (1)(0.0008) = 0.0008

P(1) = 20 C 1 (0.3)1 (0.7)20-1 = 20(0.30)(0.0011) = 0.007

P(2) = 20 C 2 (0.3)2 (0.7)20-2 = 190(0.09)(0.0016) = 0.027

P (r < 3) = 0.0008 + 0.007 + 0.027= 0.0348

c). r = 5, 6 y 7

c) . P(5 r 7) = P(5) + P(6) + P (7) (terminar)

d). E(x) = n x p

=(20)(0.3) = 6

e).

= (20)(0.3)(0.7) = 4.2

= 2.05 desviación típica.

Utilice la tabla de distribución binomial de:

B(3, 0.1); P(r = 2) # de éxitos observados

# de ensayos(n) Prob. De éxito (p)

Distribución de probabilidad de Poisson
La forma límite de una distribución binomial cuando la probabilidad de éxito es muy pequeña y
n es grande se llama distribución de probabilidad de Poisson. Llamada también ley de eventos
improbables, porque la probabilidad p de que suceda un evento específico es bastante pequeña.
Es una función probabilística discreta. Es decir que considera una variable aleatoria discreta que
a menudo es útil para estimar el número de ocurrencias en un intervalo específico de tiempo o
espacio.
Por ejemplo, la variable aleatoria de interés podría ser el número de llegadas a un centro de
lavado automotriz en una hora, el número de reparaciones necesarias en 10 millas de una
autopista o el número de fugas en 100 millas de tubería. Si las dos propiedades siguientes se
satisfacen, el número de ocurrencias es una variable aleatoria descrita por la distribución de
probabilidad de Poisson.

PROPIEDADES DE UN EXPERIMENTO DE POISSON

1. La probabilidad de ocurrencia es la misma para cualesquiera dos intervalos de
igual longitud.

2. La ocurrencia o no ocurrencia en cualquier intervalo es independiente de la ocurrencia

o no ocurrencia en cualquier otro intervalo.

Es decir, el número de éxitos que ocurren por unidad de tiempo, área o producto es totalmente al
azar y que cada intervalo de tiempo es independiente de otro intervalo dado, así como cada área
es independiente de otra área dada y cada producto es independiente de otro producto dado.

Función de probabilidad de Poisson

P(x) =

Donde:

Media aritmética del número de ocurrencias (éxitos) en un intervalo de tiempo dado.

e : Constante 2.71828 (Base del sistema logarítmico Neperiano)
x: Número de ocurrencias
P(x): probabilidad que se va a calcular para un valor dado de x
Para la distribución de probabilidad de Poisson, x es una variable aleatoria discreta que
indica el número de ocurrencias en el intervalo. Como no hay un límite superior establecido
para el número de ocurrencias, la función de probabilidad P(x) es aplicable para los valores
x = 0, 1, 2, . . . sin límite.

E número medio de ocurrencias en un intervalo =nxp

La varianza en esta distribución también es igual a , es decir = =nxp

La distribución de Poisson es una buena aproximación de la distribución binomial cuando n es

igual o mayor que 20 y P es igual o menor que 0.05

Ejemplos

1.La media muestral de los errores encontrados en una caja de facturas correspondientes un mes
de ventas en una farmacia es 0.3 ¿Cuál es la probabilidad de que no aparezcan errores en las
facturas?
Datos

= 0.3

e = 2.71828

X=0

p(x) = O p(x) = = = 0.74

2. En una distribución de Poisson = 0.4. ¿Cuál es la probabilidad de :

a). X = 0

b). X = 1

3. Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuál es la probabilidad de que
reciba:
a) 4 cheques sin fondo en un día cualquiera?
b). 10 cheques sin fondo en cualquiera de dos días consecutivos?

a)
Datos
Sea X número de cheques sin fondo que llegan al banco en un día cualquiera
= 6 promedio de cheques sin fondos, por día
e = 2.718
x=4
Solución
p(x) =

b)
Datos
= 6 cheques sin fondo por 1 día entonces en 2 días será 6 x2 = 12 = 12
e = 2.718
x = 10
Terminar

4. En la inspección de hojalata producida por un proceso electrolítico continuo, se identifican 0.2

imperfecciones en promedio por minuto. Determine las probabilidades de identificar 1
imperfección en 3 minutos.

Datos
x = 1, (# de imperfecciones).
n =3min
= 0.2 x 3 = 0.6 imperfecciones, en promedio por cada 3 minutos.

p(x) =

=
Distribución de Probabilidad Normal

La distribución de probabilidad más importante para describir una variable aleatoria continua es
la distribución de probabilidad normal. Ésta se ha utilizado en una amplia variedad de
aplicaciones en las cuales las variables aleatorias son la altura, el peso de las personas, las
calificaciones de los exámenes, las mediciones científicas, la precipitación pluvial y otros valores
parecidos. También tiene un uso muy extendido en la inferencia estadística.

Curva Normal
La forma de la distribución normal se ilustra por medio una curva con forma de campana.
Así:

El punto más alto de una curva normal se encuentra sobre la media, el cual coincide con la
mediana y la moda de la distribución.
La desviación estándar determina qué tan plana y ancha es la curva normal. Los valores
grandes de la desviación estándar dan como resultado curvas más anchas y planas,
mostrando mayor variabilidad en los datos.

Distribución de probabilidad normal estándar

Se dice que una variable aleatoria que muestra una distribución normal con una media de cero y
una desviación estándar de uno tiene una distribución de probabilidad normal estándar. La
letra z se usa comúnmente para designar esta variable aleatoria normal.
la gráfica general de la distribución normal estándar, la cual tiene la misma apariencia que otras
distribuciones normales, pero con las propiedades especiales de μ = 0 y σ =1.
Para encontrar la probabilidad de que una variable aleatoria normal esté dentro de cualquier
intervalo específico, debe calcularse el área bajo la curva normal en ese intervalo.
Para la distribución normal estándar, las áreas bajo la curva normal ya se han estimado
y están disponibles en tablas que se utilizan para el cálculo de probabilidades.
Manipulación de la tabla de distribución normal
Ej Se quiere buscar el valor 1.45 en tabla normal
Busque en la columna Z el valor 1.4 y lo intercepta con la columna 0.05 el valor es 0.4265
Busca los valores
2.45
1.72
0.18

Los tipos de probabilidades que se necesita calcular incluyen:

1

2.
3.

4.

Ejemplos
Calcula el área o probabilidad en los siguientes intervalos:
a). P (Z

1ro dibuja la curva correspondiente

De acuerdo al gráfico se usará

2doAhora busca Z1 en tabla del valor 2.44

Resultado en tabla: 0.4927
3roLuego buscas P(x) = Z1 + 0.5
P(x) = 0.4927 + 0.5 = 0.9927
b). P (Z

P(x)= 0.5 – Z1

c). P ( Z

Busca en tabla Z1 y Z2
Z1 = 0.4943
Z2 = 0.4750
P(x) = 0.4943 + 0.4750 = 0.9693

d). P ( Z

Busca en tabla Z1 y Z2
Z1 = 0.4943
Z2 = 0.4990
P(x) = Z2 – Z1
P(x) = 0.4990 – 0.4943 = 0.00047
Ejercicio
Calcule las siguientes probabilidades y represente la gráfica en cada caso.
a). P (Z
b). P ( Z )
c). P ( Z )
d). P (Z
e). P ( Z )

Cálculo de probabilidad para cualquier distribución de probabilidad normal

Cuando se tiene una distribución normal con cualquier media , cualquier desviación estándar
las preguntas de probabilidad acerca de la distribución se responden, convirtiendo primero la
distribución normal estándar, luego se usa la tabla de probabilidad normal y los valores de Z
apropiados para obtener la probabilidad buscada.

Fórmula: Z =

Ej: Si = 10, = 2 ¿Cuál es la probabilidad de que la variable aleatoria X esté entre 10 y 14?
Busca Z para X = 10

Z=

Z= = =0

Busca Z para X = 14

Z=

Z= = =2

Ahora representar y buscar en tabla P (0

2. Si X= 40,000 ; = 36,500; = 5,000 .Encuentre Z y P (
P(Z 0.7)

Aproximación normal de la probabilidad Binomial

Z=

Ej.

P (X
=nxp
= 60
= = = 7.3485

Z= = = = -2.04

P (X = P (Z Representar y buscar en tabla

2. Los archivos de una clínica demuestran que el 30% de los pacientes no cumplen con el pago
de sus cuentas. Suponga que se toma una muestra aleatoria de 15 pacientes, encuentre la
probabilidad de que:
a). Por lo menos 10 cuentas tengan que ser condonadas
b). a lo más 12 tengan que ser condonadas
c). De 7 a 10 inclusive, tengan que ser condonadas.

Datos
N = 15
q = 40% = 0.4
P = 1 – q = 1 - 0.4 = 0.6

1roComprobación para saber si se puede aproximar a la dist. norm

n x p = 15 x 0.6 = 9 > 5
n x q = 15 x 0.4 = 6 > 5

2do =nxp
= 15 x 0.6 = 9

3ro = = = 1.9

a) P (X 10)

Z= = = 0.53
P (X 10) = P (X 0.53)

b) P (X 12)
 Z=

c). P (7 )
Para X = 7

Z=

Para X = 10

Z=