UNIVERSIDAD NACIONAL DE ASUNCION

FACULTAD DE FILOSOFIA
ESTADISTICA APLICADA

DISTRIBUCIONES TEÓRICAS

VARIABLE ALEATORIA: es un evento numérico cuyo valor se determina mediante un

proceso al azar (experimento aleatorio).

DISTRIBUCIÓN DE PROBABILIDAD: es un modelo que asigna valores de probabilidad

a todos los valores numéricos posibles de una variable aleatoria X, ya sea mediante un
listado a través de una función matemática o valores puntuales. La suma de las
probabilidades para todos los resultados numéricos posibles debe ser igual a 1.

I) Para una variable aleatoria discreta: (que toman valores puntuales), se pueden listar
todos los valores numéricos. Los modelos más utilizados son: la distribución binomial y la
distribución de Poisson.
1- DISTRIBUCIÓN BINOMIAL: es una distribución discreta de probabilidad aplicable
como modelo a diversas situaciones de toma de decisiones, siempre y cuando pueda
suponerse que el proceso de muestreo se ajusta a un proceso de Bernoulli.
Se llama prueba de Bernoulli a la relación de un experimento aleatorio donde sólo son
posibles dos resultados (llamados tradicionalmente “éxito” y “fracaso”) mutuamente
excluyentes.
Si p es la probabilidad de “éxito” y q = (1 – p) es la probabilidad de “fracaso”.

Resumiendo:

X P(X)
"FRACASO" 0 P(0) q=1-p
"EXITO" 1 P(1) p

ESPERANZA MATEMÁTICA: medida numérica de tendencia central y promedio

representativo de la serie: E(x) = p

VARIANZA: Var (x) = 2(x) = p.q

Una variable aleatoria sigue una distribución binomial de Bernoulli si se verifica:

 En cada realización del experimento sólo son posibles dos resultados (éxito y fracaso).
 El resultado obtenido en cada realización es independiente de los obtenidos
anteriormente.
 La probabilidad del resultado A (éxito) y la probabilidad del resultado B (fracaso) no
varía a lo largo del experimento.
 Si “p” es la probabilidad de que se verifique el resultado A y “q” la probabilidad de que
se verifique el resultado B; entonces p + q = 1

Si el experimento dicotómico se repite varias veces:

Llamaremos n al número de veces que se repite el experimento.
La variable que representará el total de éxitos en n pruebas, denominaremos x.

Luego la función de frecuencias de la Distribución Binomial será:

n!
P( x)  n C x p x p ( n  x )  p x p ( n x)
x !(n  x)!
Esperanza matemática: E(x) = n.p
Varianza: Var (x) = 2(x) = n.p.q

Desviación Típica: (x) = n. p.q.

EJEMPLOS:
La probabilidad de que un prospecto de ventas elegido al azar realice una compra es de
0,20. Si un vendedor visita a seis prospectos, la probabilidad de que realice exactamente
cuatro ventas se determina de la sgte. manera:
6!
P(x= 4 /n =6,p =0.20)= 6C4 (0,20)4(0,80)2= (0,2) 4 (0,8) 2 (0,20)4(0,80)2= 0,015
2!(6  4)!
*OBS: Con frecuencia existe interés en la probabilidad acumulada de “x o más” éxitos o “x
o menos” éxitos en n ensayos. En este caso, debe determinarse la probabilidad de cada uno
de los resultados incluidos dentro del intervalo designado, y entonces sumar esas
probabilidades.
Con relación al ejemplo anterior calcular la probabilidad de que el vendedor logre cuatro o
más ventas:
P(x  4 / n=6, p=0,20)=P(x=4)+P(x=5)+P(x=6)= 0,01536+0,001536+0,000064 = 0,017
en donde P(x=4) = 0,01536
P(x=5) = 6C5(0,20)5(0,80)1 = 0,001536
P(x=6) = 6C6(0,20)6(0,80)0 = 0,000064

Con relación al ejemplo anterior calcular la probabilidad de que el vendedor logre tres o
menos ventas:
P(x  3 / n=6, p=0,20)= P(x=0) + P(x=1) + P(x=2)+ P(x=3)
en donde P(x=0) = 6C0(0,20)0(0,80)6 = 0,262144
P(x=1) = 6C1(0,20)1(0,80)5 = 0,393216
P(x=2) = 6C2(0,20)2(0,80)4 = 0,24576
P(x=3) = 6C3(0,20)3(0,80)3 = 0,08192
Para el ejemplo anterior calcular el número esperado de ventas (como promedio a largo
plazo) y la varianza asociadas con la realización de visitas a 15 prospectos:
E(x) = n.p = 15(0,20) = 3,0 ventas
V(x) = 2(x) = n.p.q = 15(0,20)(0,80) = 2,4

1- DISTRIBUCIÓN NORMAL o DISTRIBUCIÓN DE GAUSS: es una distribución

continua de probabilidad aplicable como modelo a diversas situaciones de toma de
decisiones.
IMPORTANCIA:
1º) Tiene propiedades que la hacen aplicable a muchisimas mediciones cotidianas de la vida
humana, donde es preciso hacer inferencias al seleccionar muestras. Ejemplo: peso, talla,
coeficiente intelectual, etc.)
2º) Se puede utilizar para aproximar varias distribuciones discretas de probabilidad y de ésta
forma evitar molestos cálculos.
Una variable aleatoria continúa sigue una distribución normal (de media “  “ y desviación
típica ““) cuando se verifica:
* La variable puede tomar todos los valores reales.
* La función de densidad es la expresión matemática de la curva de Gauss (Campana de
Gauss).
2
1 x   
1   
 
Y  f ( x)  e 2
 2

2
 siendo:
e = 2.718182.... (constante)
 = 3.141595.... (constante)
x = Abscisa de la curva
 = Media de la variable aleatoria x
 = Desviación típica de la variable aleatoria x
f(x) = Ordenada de la curva

PROPIEDADES DE LA FUNCIÓN DE DENSIDAD

* La curva tiene forma de campana (campaniforme), unimodal y simétrica respecto a la recta

vertical x =  . Por lo tanto la media = moda = mediana ( X  M o  M e ).
* La ordenada máxima se obtiene para X =  .
2
1 x   
1   
 
Y  f ( x)  e 2
 2
* Las 2 colas de una distribución normal de probabilidad normal se extienden de manera
indefinida y nunca tocan el eje horizontal.
* El área de recinto encerrado entre la campana y el eje x es igual a la unidad (un área igual a
0,5 a su izquierda y 0,5 a su derecha).
* Es siempre positiva la f(x) y tiene como asíntota horizontal el eje x.
* El número de clases de la distribución es infinito. Los intervalos de clase pueden ser tan
pequeños como se quiera. El intervalo total es limitado.
 Solo se puede calcular la probabilidad representada por un intervalo. Es la proporción
del área total que representa el área limitada por las ordenadas levantadas por los
extremos del intervalo.

FUNCION DE DISTRIBUCION DE LA DISTRIBUCION NORMAL

La función de la distribución correspondiente a la distribución normal está dada según los

valores acumulados y se obtiene el área por medio de la integral de la de densidad.

AREA BAJO LA CURVA: el área total bajo la curva normal es 1 y cuando interesa saber
que proporción de elementos se distribuye en la forma (  - k;  + k) siendo k el
número de desviaciones consideradas.
Para k = 1, el 68,3 % de las observaciones se encuentran en el intervalo
(  - ;  + )
Para k = 2, el 95.4 % de las observaciones se encuentran en el intervalo
(  -2;  + 2)
Para k = 3, el 99,7 % de las observaciones se encuentran en el intervalo
(  -3;  +3)

Distribución Normal Standard (o Distribución Normal Tipificada):

Dadas las infinitas distribuciones N (  , ), tiene especial interés la distribución

N(0, 1), (  = 0,  = 1) llamada distribución normal estándar.

Función de Distribución Normal Estándar o Tipificada:

Los valores de la función de la distribución normal no son fáciles de calcular mediante el

cálculo integral. Como consecuencia de ésta dificultad se recurre a la distribución normal
anteriormente expuesta, la Normal Estándar o Tipificada N(0,1), se puede estudiar cualquier

3
otra distribución N(  , ), mediante una transformación o cambio de variable (llamado
tipificación de la variable) que permite pasar de la N(  ,  ) a la N(0,1) y calcular las
probabilidades utilizando la Tabla para área bajo la curva de la Distribución Normal
Standard.

Tipificación de Variable:

Dado que N(0,1) está tabulado, se pueden obtener rápidamente las probabilidades asociadas
a ésta distribución. Debe tenerse en cuenta que:

* Prácticamente ningún fenómeno sigue exactamente esta distribución.

* Por otra parte es prácticamente imposible tabular todos los tipos posibles de distribución.

Se realiza entonces una transformación de la variable X que sigue una distribución N(  ,)
en otra variable z que siga la distribución N(0,1). Esta transformación es conocida como
tipificación de variable.

Pasos a realizar para la tipificación de variable:

* Centrar: Trasladar la media de la distribución al origen de coordenadas.

* Reducir: Reducir la desviación estándar a 1 (= 1). Equivalente a dilatar o contraer la
gráfica de distribución.

Se consigue haciendo el cambio de la variable:

X 
Z


Ejemplo: Calcular el valor tipificado de la variable x = 60 distribuido normalmente con

media igual a 50 y desviación típica igual a 5.

X  60  50
Z = 2
 5

Teorema del Límite Central: al aumentar el tamaño de la muestra, la distribución muestral

de la media se aproxima a la forma de la distribución normal sin importar la forma de la
distribución de las mediciones individuales de la población.

La Distribución Normal como Aproximación a la Binomial

Si x es una variable aleatoria que sigue una distribución binomial de parámetros n y p,
entonces esta distribución puede ser aproximada por una distribución normal
N(  , ) = N(  = n.p ;  = n.p.q)

* La aproximación será buena si n > 30 (n grande), si p toma valores próximos a 0,5.

* Es buena aproximación cuando la diferencia entre el área encerrada por los rectángulos de
la binomial y el área de la normal en el mismo intervalo es muy pequeña.

En la práctica, y cumpliéndose los requisitos para “n” y “p” para que se pueda aproximar por
la normal, los pasos a seguir son:

B(n.p); N (n.p; n.p.q)

que se tipifica con el cambio de variable:

X  np
Z
n pq

4
Cualquier variable aleatoria normal X se convierte en una variable aleatoria normal
estandarizada x, mientras que la información original de la variable aleatoria x tenia una
media de  y desviación estándar  = 1. Una distribución normal estándar es aquella cuya
variable aleatoria Z siempre tiene como media  = 0 y como desviación estándar  = 1.
Por lo tanto siempre se puede convertir cualquier grupo de datos distribuidos en forma
normal a su forma estandarizada y después determinar sus probabilidades deseadas a partir
de la tabla de distribución normal estándar.

Ejemplos:

1-Calcular del área bajo la curva normal de los sgte. casos:

a) entre z = 0 y z = 1,2

b) entre z = -0,68 y z = 0

c) entre z = -0,46 y z = 2,21

d) entre z = 0,81 y z = 1,94

e) a la izquierda z = -0,6

f) a la derecha z = 1,28

g) a la derecha z = 2,05 y a la izquierda z = -1,44

2-Se sabe que el tiempo útil de un componente eléctrico tiene una distribución normal con
media de 2000 horas y desviación estándar de 200 horas. Calcular las sgte. probabilidades:
a) de que un componente elegido al azar dure más de 2200 horas.
P(x>2200)= P( z> -1) = 0,5 + A(-1) = 0,5 + 0,3413 = 0,8413

2200  2000
Z  1
200

b) calcular la probabilidad de que un componente elegido al azar dure menos de 2400 horas

P(x < 2400) = p(z< 2) = 0,5 + A(2) = 0,5 + 0,4772 = 0,9772

2400  2000
Z 2
200

c) calcular la probabilidad de que un componente elegido al azar dure entre 2200 y 2400
horas.
P(2200< x < 2400) = P(-1 < x < 2) = A(-1) + A(2) = 0.3413 + 0.4772 = 0.8185

2200  2000 2400  2000

Z1  1 Z2  2
200 200

Ejercicios propuestos

5
1) Supóngase que el 40% de los empleados a destajo de una empresa están a favor de tener
representación sindical, se entrevista una muestra aleatoria de 10 de ellos y se les solicita una
respuesta anónima. ¿Cuál es la probabilidad de que:
a) la mitad responda que está a favor.
b) más de la mitad respondan su conformidad.
c) menos de la mitad respondan su conformidad.

2) Un vendedor de seguros vende pólizas a 5 hombres, todos de la misma edad y con buena
salud. De acuerdo con las tablas actuariales, la probabilidad de que un hombre de edad viva
30 años más es 2/3. Hallar la probabilidad de que a los 30 años vivan: a) los 5 hombres, b) al
menos 3, c) solamente 2, d) al menos 1.

3) En los últimos 20 años, sólo 3% en promedio de los cheques endosados a la American

Heart Association fueron rechazados. Este mes, la asociación recibió 200 cheques. ¿Cuál
es la probabilidad de que:
a) Exactamente 10 de ellos sean rechazados?
b) Exactamente 5 de ellos sean rechazados?
c) Menos de 2 de ellos sean rechazados?

4) Reginald Dunfey, presidente de la British World Airlines, está muy orgulloso

del porcentaje de puntualidad de su empresa, sólo 2% de sus vuelos llegan con más de 10
minutos de retraso o anticipación. En su próximo discurso, ante el consejo de
administración, quiere incluir la probabilidad de que ninguno de los 200 vuelos
programados para la siguiente semana tengan un retraso o adelanto mayor de 10 minutos.
¿Cuál es la probabilidad de eso?
¿Cuál es la probabilidad de que exactamente 10 vuelos
lleguen con 10 minutos de anticipación o retraso?

5) Un abogado que trabaja para una institución de ayuda legal estima que, en promedio, 7 de
las personas que llegan a la oficina fueron desalojadas injustamente. Más aún, estima
que en promedio 5 de los que acuden diariamente son inquilinos cuyos caseros les
aumentaron ilegalmente el alquiler.
a) ¿Cuál es la probabilidad de que 6 de los clientes diarios se quejen de un desalojo ilegal?
b) ¿Cuál es la probabilidad de que 8 clientes diarios les hayan aumentado ilegalmente el
alquiler?
6) La probabilidad de que una jugadora de golf haga hoyo en un lanzamiento a una distancia
determinada es de 0,2, si lo intenta 5 veces, calcular la probabilidad de que:
a) no acierte ninguna
b) acierte alguna
c) acierte dos
d) cuál será el número promedio de aciertos y cuál será su desviación típica

7) Se ha estudiado que el 1/3 de los alumnos de secundaria no lee la prensa diariamente.

Tomando una muestra al azar de 10 alumnos estudiar las probabilidades sgte.:
a) que 2 alumnos no lean la prensa.
b) más de 3 alumnos lean la prensa.
c) por lo menos 5 alumnos no lean la prensa.

8) En una gasolinera la llegada de vehículos sigue la distribución de Poisson de parámetro

1,6. Calcular las probabilidades de los sgte. sucesos:
a) que el número de vehículos que llegue a la gasolinera sea 3.
b) que el número de vehículos esté comprendido entre 2 y 5.
c) que llegue algún vehículo

9) La probabilidad de dar en el blanco de un proyectil es de 1/200. Si se efectúan 379

disparos, calcular la probabilidad de dar en el blanco una vez por lo menos.

6
10) Se ha estudiado que la probabilidad de que una persona muera entre 50 y 60 años es de
0,00001. Una compañía tiene 200 asegurados con éstas características. Cuál es la
probabilidad que tiene de afrontar 4 o más siniestros de este tipo?

11) Un banco emprendió hace poco un nuevo programa de crédito. Los clientes que reúnen
ciertos requisitos obtienen una tarjeta de crédito que es aceptada por los comerciantes del
área y que recibe un descuento. Las cifras de los registros anteriores, muestran que 25% de
las solicitudes son rechazadas. Si la aceptación o rechazo de la solicitud de crédito es un
proceso de Bernoulli, ¿cuál es la probabilidad entre 14 solicitudes que:
a) Exactamente 4 sean rechazadas?, b) Exactamente 8?
c) Exactamente 3?, d) Menos de 3?

12) En una distribución Normal Standard N(0,1); calcular:

a) p(z < 2,43) d) p( z > - 2,4)
b) p(z > 0,74) e) p( 1,55 < x < 2,48)
c) p(z < -1,45) f) p(-1,53< x < 0,81)

13) La estatura de 1000 estudiantes está distribuida normalmente con media de 168 cm y
una desviación típica de 5 cm. Calcular:
a) el número de estudiantes con estatura entre 165 y 175 cm.
b) el número de estudiantes con estatura mayor de 180 cm.

14) Se lanza una moneda 12 veces. Calcular la probabilidad de que el número de caras que
salgan esté entre 4 y 7 inclusive, de aproximación de la normal a la binomial.

15) Si la probabilidad de que haga blanco en una competición de tiros a una cierta distancia
es 0,3, si se dispara 200 veces y se mantiene ésta probabilidad, qué probabilidad hay de que
acierte al menos 70 veces.

Bibliografía

7
Básico.

1. Probabilidad y Estadística.( 1991) Teoría y 760 Problemas

resueltos. Murray R.Spiegel. Serie Schaum. Editorial Mc Graw
Hill.
2. Estadística.( 1991) Teoría y 760 Problemas resueltos. Murray
R.Spiegel. Serie Schaum. Editorial Mc Graw Hill.
3. Berenson, M. (1996). Estadística básica en
administración, conceptos yaplicaciones. 6ª. Ed.
Mexico, MX: Hispanoamericana.
4. Jay L. Devore (2019) Fundamentos de Probabilidad y
Estadística Primera Edición- Ed. México, MX: Prentice-Hall
Hispanoamericana.

Complementaria
1. Freund, J. (1994). Estadística Elemental. 8ª. Ed. México,
MX: Prentice-HallHispanoamericana.
2. Canavos, George C. (1998). Probabilidad y Estadística:
aplicaciones y Métodos. Madrid,ES: Mc Graw Hill. 651 p.