UNIVERSIDAD TECNOLÓGICA DE CANDELARIA

DIRECCIÓN DE DIVISIÓN DE CARRERA

LICENCIATURA EN PROTECCIÓN CIVIL Y EMERGENCIAS

PERIODO: ENERO-ABRIL 2021

ASIGNATURA: PROBABILIDAD Y ESTADÍSTICA

GRADO Y GRUPO: 8° A

PARCIAL 2: FEBRERO

UNIDAD 1: LA PROBABILIDAD Y SUS MODELOS

Competencias: Coordinar la operación de servicios de emergencia y de protección

civil, con base en el análisis de los riesgos de los agentes y fenómenos
perturbadores, planes y acciones de intervención, herramientas administrativas y la
normatividad aplicable, para disminuir la morbi-mortalidad y el impacto económico,
social y ecológico.

Objetivo General: El alumno modelará escenarios en materia de protección civil a

través de los métodos y modelos estadísticos para contribuir a la toma de decisiones
ante emergencias y desastres.

Objetivo de la unidad: El alumno elaborará modelos probabilísticos para

determinar acciones de respuesta ante situaciones de emergencias y desastres.

Elaboró: Lic. Bruno Luciano De La Cruz

 UNIDAD II. LA PROBABILIDAD Y SUS MODELOS
PROBABILIDAD
Conceptos Básicos De Probabilidad
Espacio muestral (S): Es el conjunto de todos los resultados posibles de un
experimento
Ejemplos: Al lanzar una moneda
S={caras, cruces}
Arrojar un dado
S={1,2,3,4,5,6}

Evento: Es un subconjunto de un espacio muestral.

Sea E1 el evento de que al lanzar un dado caiga par.
S={1,2,3,4,5,6} y E1={2,4,6}

Probabilidad: Es una medida cuantitativa de qué tan posible es que ocurra un

evento, se usa la letra P para representar la probabilidad.

Axiomas o leyes de la probabilidad

1. Sea S un espacio muestral. Entonces P(S)=1
2. Para cualquier evento A, 0 ≤ P(A) ≤1
3. Si A y B son eventos mutuamente excluyentes entonces
P A  B  P( A)  P( B) . De forma más general, si A1 , A2 , A3 ... son eventos
mutuamente excluyentes, entonces
P A1  A2  A3  ...  P( A1 )  P( A2 )  P( A3 )  ....

Si S es un espacio muestral que contiene N resultados igualmente probables y si A

es un evento que contiene k resultados, entonces:
k
P( A) 
N
es decir la probabilidad de A es igual al número de casos favorables entre el total
de casos.
Variables Aleatorias
Definición: Una variable aleatoria asigna un valor numérico a cada resultado en un
espacio muestral.
Se denomina variable aleatoria, a una variable estadística cuantitativa definida en
un espacio muestral (S).

DISTRIBUCIONES DE PROBABILIDAD
Distribución Discreta De Probabilidad
Definición: El conjunto de pares ordenados (x, f(x)) es una función de
probabilidades, una función masa de probabilidad o una distribución de probabilidad
de una variable aleatoria discreta X si, para cada resultado posible de x,
1. f(x)≥0,
2.  f ( x)  1 ,
x

3. P(X=x)=f(x)

Distribución de Bernoulli
Definición. Se denomina prueba o ensayo de Bernoullí a todo experimento
aleatorio que consiste de sólo dos resultados posibles mutuamente excluyentes,
generalmente llamados: éxito (E) y fracaso (F). Por ejemplo, son ensayos de
Bernoullí, lanzar una moneda al aire con los resultados: cara o sello. Elegir al azar
un objeto fabricado, con los resultados: defectuoso o no defectuoso, etc..
El espacio muestral asociado al experimento aleatorio de Bernoullí se puede escribir
como el conjunto: S = {E,F}
Distribución Binomial
Definición. Se denomina experimento binomial a un número fijo, n, de
repeticiones independientes de un experimento aleatorio de Bernoullí, y por lo tanto,
se caracteriza por qué:
1. Las n pruebas son estadísticamente independientes.
2. Los resultados de cada prueba son dos mutuamente excluyentes, éxito (E) y
fracaso (F).
3. La probabilidad p de éxito es invariante en cada una de las pruebas.
Definición. - Se dice que la variable aleatoria X definida como el número de
éxitos que ocurren en las n pruebas de Bernoullí, tiene distribución binomial
con parámetros n y p y se escribe X ~ B ( n , p ) , si su función de probabilidad es:
n
f (k )  P( X  k )    p k q nk , k  0,1,2,..., n
k 
n
 n  k nk
   p q  1
k 0  k 

donde
n n!
  
 k  k!n  k !
k!  k * k  1 * k  2 * ... * 1
Si X ~ B(n, p ) , entonces,

a) La media es µ= E { X ) = np,
b) varianza es σ2 =Var ( X) = np ( 1 - p ) .

Ejemplo: Al probar cierta clase de neumático para camión en un terreno

accidentado, se encuentra que 25% de los camiones no completaban la prueba de
recorrido sin ponchaduras. De los siguientes 15 camiones probados, encuentre la
probabilidad de que:

 Exactamente tenga 3 camiones ponchaduras

 Menos de 4 camiones tengan ponchaduras
 De 3 a 6 camiones tengan ponchaduras
 Mas de 5 camiones tengan ponchaduras
 Encontrar la media y la desviación estándar de X
Solución:
 X= v.a. (variable aleatoria) número de camiones con ponchaduras
 n=15
 p= 0.25 (probabilidad de éxito)
 q=1-p=0.75 (probabilidad de fracaso)

a)
15 
P X  3    * 0.25 * 0.75  0.2252
3 12

3

b)
 
3 15
P X  4  P X  3     * 0.25 k * 0.7515k
k 0  k 

 P X  0  P X  1  P X  2  P X  3
15  15  15  15 
   * 0.250 * 0.7515    * 0.251 * 0.7514    * 0.25 2 * 0.7513    * 0.253 * 0.7512
0 1 2 3
 0.013363  0.06681  0.15591  0.225199
 0.46128

c)
6
15 
P3  X  6     * 0.25 k * 0.7515 k
k 3  k 

 P X  3  P X  4  P X  5  P X  6
15  15 
   * 0.253 * 0.7512  ...    * 0.256 * 0.759
3 6
 0.70729
d)
5
15 
P X  5  1  P X  5  1     * 0.25 k * 0.7515 k
k 0  k 

 15  15  
 1     * 0.250 * 0.7515  ...    * 0.255 * 0.7510 
 0  5 
 1  0.8516312
 0.1483688
e)
  E  X   np
 15 * 0.25
 3.75
   2  V  X   npq
 15 * 0.25 * 0.75
 1.677051
Ver video
https://youtu.be/HJgJGYDXojk

Ejercicios propuestos 1
1. Supóngase que el 24% de los individuos de una población tiene el grupo
sanguíneo B. Para una muestra de tamaño 20 extraída de esta población,
encuentre la probabilidad de que
a) Se encuentre exactamente tres personas con el grupo sanguíneo B
b) Se encuentre tres o más personas con las características de interés
c) Se encuentre menos de tres
d) Se encuentre exactamente cinco
2. Supóngase que se sabe que la probabilidad de recuperación de cierta
enfermedad es de 0.4. Si 15 personas contraen la enfermedad (considérese
esto como una muestra aleatoria) ¿Cuál es la probabilidad de que
a) Tres o mas se recuperen?
b) Cuatro o mas?
c) Cinco o mas?
d) Menos de tres?

Distribución De Poisson
Definición. Se dice que la variable aleatoria discreta X, cuyos valores posibles son:
0,1,2..... tiene distribución de Poisson con parámetro λ ( λ > 0 ) y se escribe
X~P(λ), si su función de probabilidad es:
 e   x
f ( x )  P X  x   , x  0,1,2,...
x!

e   x
x x!  1
Si X~P(λ), entonces:
a) Su media µ= E { X ) = λ
b) Su varianza σ2 =Var ( X) = λ

La distribución de Poisson se aplica a problemas donde la variable

aleatoria es el número de eventos independientes que ocurren en un intervalo de
tiempo, o en una región plana (con un promedio dado), por ejemplo, entre otros:
 Número de llamadas que recibe una central telefónica en el período de un
minuto.
 Número de accidentes de trabajo que ocurren en una fábrica durante una
semana.
 Número de fallas en la superficie de una cerámica rectangular.
 Número de bacterias en un volumen de un m3 de agua.

Ejemplo: Suponga que llegan en forma aleatoria una serie de llamadas a una
central telefónica con un promedio de tres llamadas por minuto. Calcular la
probabilidad de que en el periodo de un minuto
a) No ocurra llamada alguna
b) Ocurran al menos cuatro llamadas
c) Calcula la probabilidad que curran exactamente 20 llamadas en un periodo
de 10 minutos

Solución:

X= V.a de número de llamadas

λ= 3 (tres llamadas por minuto)
a)
e 3 * 30
P X  0   0.04978
0!
b)
P X  4  1  P X  4
1  P X  0  P X  1  P X  2  P X  3
3
e 3 * 3 x
 1 
x 0 x!
 e 3 * 30 e 3 * 33 
 1    ...  
 0! 3! 
 1  0.64723
 0.3527
c)
  30 (30 llamadas en 10 minutos)
e 30 * 30 20
P X  20  
20!
 0.01341
Ver video
https://youtu.be/x9jF11I5x-g

Ejercicios propuestos 2
1. Suponga que durante un periodo de varios años el numero promedio de
muertes debidas a cierta enfermedad no contagiosa ha sido de diez. Si el
número de muertes debido a esta enfermedad sigue la distribución de
Poisson. ¿Cuál es la probabilidad de que durante el año que transcurre:
a) Mueran exactamente siete personas debido a la enfermedad?
b) Mueran cinco o más personas debido a la enfermedad?
c) Nadie muera debido a la enfermedad?

2. Si el número promedio de accidentes graves por año en una fábrica grande

(donde el número de empleados permanece constante) es de cinco,
encuentre la probabilidad de que en el año en curso:
a) Haya exactamente 4 accidentes
 b) Ocurran 4 o más accidentes
c) No haya accidentes
d) Haya menos de cinco accidentes

Distribución Continua De Probabilidad

La función f(x) es una función de densidad de probabilidad(fdp) para la variable
aleatoria continua X, definida en el conjunto de números reales R, si
1. f(x)≥0 para toda x en R

2.  f ( x)dx  1


b
3. Pa  X  b    f ( x)dx
a

Distribución Normal
Se dice que la variable aleatoria continua X, que toma los valores reales, -∞<x< ∞,
se distribuye normalmente con parámetros µ y σ, y se describe por X~N(µ, σ2 ), si
su función de densidad es:
1  x 
2

1   
f ( x)  e 2    con    x  
 2
donde -     ,   0

Propiedades De La Distribución Normal

 1. Es simétrica con respecto al eje vertical X= µ
2. Tiene valor máximo en x= µ (su moda)
3. Tiene al eje X como una asíntota vertical
4. El área total que encierra a la curva y el eje X es igual a 1

Otras propiedades de la distribución normal

Distribución Normal Estándar

Si la variable aleatoria X tiene distribución normal N(µ, σ2 ), entonces, la variable
aleatoria estándar Z=(X-µ)/ σ, tiene distribución normal N(0,1). En efecto la variable
estándar Z tiene media igual a cero y varianza igual a 1.
La función de densidad y la función de distribución acumulada de la normal estándar
son respectivamente:
Tabla de la distribución normal acumulada
Para saber utilizarlo pueden ver el siguiente video
https://youtu.be/qQu549ACUiI
Ejemplo:
Suponga que el ingreso familiar mensual en una comunidad tiene distribución
normal con media $600 y desviación estándar $100. Calcular la probabilidad de que
el ingreso de una familia escogida al azar sea:
a) Menor que $467
b) Mayor de $735
c) Entre $577 y $692
d) Si el 5% de las familias con mayores ingresos deben pagar un impuesto, ¿a
partir de qué ingreso familiar se debe pagar el impuesto?
Solución:
Sea X la v.a. que representa los ingresos familiares mensuales.
Entonces X ~ N (600,100 2 )
a)
Primero estandariz amos la variable X para poder utilizar la tabla Z
 k
Para estandariz ar ocupamos la fórmula P X  k   P Z  
  
Por lo tanto
 467  600 
P X  467   P Z  
 100 
P( Z  1.33)  0.0918 De tablas
b)
 735  600 
P X  735   P Z  
 100 
 P( Z  1.35)  0.9115
c)
 577  600 692  600 
P577  X  692   P Z 
 100 100 
P 0.23  Z  0.92   0.4122

d) Se debe hallar k tal que P X  k   0.05 ó P X  k   0.95 , entonces,

  k  600 
0.95  P X  k   P z   , de donde resulta que de tabla
 100 
k  600
 1.645
100
Despejando
k=764.5
Ver videos:
https://youtu.be/2v_0AmKIuAA
https://youtu.be/KC4VqYCmiUo
https://youtu.be/9bPDt_1MEvY

Ejercicios propuestos 3
1. Suponga que las edades en las que se adquiere cierta enfermedad están
distribuidas en forma aproximadamente normal con una media de 11.5 años
y una desviación estándar de 3 años. Un niño acaba de contraer dicha
enfermedad. ¿Cuál es la probabilidad de que el niño tenga:
a) entre 8.5 y 14.5 años de edad?
b) más de 10 años de edad?
c) menos de 12?
2. En los estudios dactiloscópicos, una importante característica cuantitativa
es el número total de surcos para los 10 dedos de un individuo. Suponga
que los números totales de surcos de los individuos de cierta población
están en forma aproxiamdamente normal con una media de 140 y una
desviación estándar de 50. Encuentre la probabilidad de que un individuo
seleccionado al azar de dicha población tenga un número de surcos :
a) De 200 o más
b) Menor de 100
c) Entre 100 y 200
d) Entre 200 y 250
3. Investigar las distribuciones de t de student, chi cuadrada y la distribución F,
deberá contener las siguientes características:
a) Propiedades
b) Función de distribución
c) Graficas
d) Parámetros de la distribución
e) Ejemplos