2/7/2023

Curso
Análisis de Datos I
Distribuciones de Probabilidad
Binomial, Poisson, Normal
Analizadas desde minitab

Propiedades de la función de probabilidad

Propiedades de la función de probabilidad discreta

1. f(x)  P(X  x) (la función f(x) da la probabilidad).
2. f(x)  0
3.  f (x) 1
x

Ej: distribuciones discretas: binomial,

geométrica, hipergeométrica y de Poisson

Propiedades de la función de densidad de probabilidades de la v.a. continua X;

para cualquier intervalo de números reales [a, b], se cumple:

1. f(x) ≥ 0

Ej: distribuciones
2. continuas: uniforme,
 f (x)dx 1
 b gausiana, ji-cuadrado, t-
3. Pa  X  b    f (u )du student y Fisher
a

1
 2/7/2023

Distribuciones de Probabilidad

¿Cómo se clasifican?

Empíricas Teóricas

A partir de la frecuencia de Comportamientos teóricos ya

ocurrencia de los datos reales conocidos que siguen las
variables bajo estudio

Función • Variables
aleatorias
densidad continuas

Función de • Variable
discreta
aleatoria
Cuantía

2
 2/7/2023

Ejemplo: Empíricas
Tiempo entre llegadas P {ai <= X <= bj} F(x)
(minutos) f(x)
0-2 0.08 0.08
2-4 0.22 0.30
4-6 0.44 0.74
6-8 0.16 0.90
8-10 0.10 1-00

¿Qué conclusiones se pueden extraer de esta distribución? (114)

R/ se concluye que la probabilidad de que el tiempo de llegada
sea entre 4 y 6 minutos es de 0.44; o bien de que hay una probabilidad
de 0.30 de que el tiempo de llegada no sea superior a 4 minutos

Definición

• Se define una variable aleatoria continua

como aquella que puede tomar cualquier
valor de entre dos valores dados tan cercanos
como se quiera. Cualquier variable aleatoria
que no cumpla con esta condición se define
como variable aleatoria discreta.
• Tip para diferenciarlas, ¿cuál puede ser? (116)

3
 2/7/2023

Distribuciones Discretas de
Probabilidad

Las más importantes son:

• Distribución Uniforme Discreta

• Distribución Bernoulli
• Distribución Binomial
• Distribución Multinomial
• Distribución Hipergeométrica
• Distribución Poisson
• Aproximaciones

4
 2/7/2023

Algunas consideraciones

Discretas

Beta

Expon
Continuas encial

Normal

Combinaciones

5
 2/7/2023

Distribución binomial (n, p)

Proporciona la probabilidad de observar x éxitos en una secuencia de n exp.

Bernoulli independientes con una probabilidad constante p de éxito (muestreo con
remplazo).

Graphs/Probability
Distribution
• Un proceso produce 5% de piezas defectuosas. Sea X el número de piezas
defectuosas en las siguientes 20 piezas producidas.
•En la prueba final de artículos electrónicos se tiene un historial de que 1%
tiene alguna falla que es necesario reparar antes de liberarlo. Sea X la cantidad
de artículos con fallas en los siguientes 50 inspeccionados. 11

Combinaciones

6
 2/7/2023

Distribución Binomial

Ejemplo 1

7
 2/7/2023

Ejemplo 2
Una máquina fabrica una determinada pieza y se
sabe que produce un 7 por 1000 de piezas
defectuosas. Hallar la probabilidad de que al
examinar 50 piezas sólo haya una defectuosa.

Se trata de una distribución binomial de parámetros

b(50, 0.007) y debemos calcular la
probabilidad p(x=1).

Ejemplo
La probabilidad de éxito de una determinada vacuna es
0,72. Calcular la probabilidad de que una vez administrada la
vacuna a 15 pacientes:
1. Ninguno sufra la enfermedad
2. Todos sufran la enfermedad
3. Dos de ellos contraigan la enfermedad

8
 2/7/2023

Distribución de Poisson
Expresa, a partir de una frecuencia de ocurrencia media, la probabilidad que
ocurra un determinado número de eventos durante cierto periodo de tiempo.

E( X )   Var ( X )  

k : número de ocurrencias del evento (la función nos da la probabilidad de que el

evento suceda precisamente k veces).
λ: parámetro positivo que representa el número de veces que se espera que ocurra
el fenómeno durante un intervalo dado.
e: base de los logaritmos naturales (e = 2,71828...)
x P( X = x )
Ej: en una empresa se reciben en promedio 5 0 0,0067379
quejas diarias por mal servicio. Si el número de
quejas por día se distribuye Poisson con λ = 5,
¿cuál es la probabilidad de no recibir quejas en
un día?
17

Distribución de Poisson
• Los experimentos Poisson son aquellos experimentos que dan
resultados a la variable aleatoria X en un intervalo o en una
región específica. El intervalo puede ser de cualquier longitud,
desde un minuto hasta un año. Se semeja a Binomial pero se
diferencia en que se usa cuando el número “n” de
repeticiones del experimento tiende a ser muy grande y la
probabilidad de obtener un éxito en cada prueba tiende a ser
muy pequeño.

• Como la distribución binomial, la distribución de Poisson se

utiliza para control de calidad, seguro de calidad y muestreo
de aceptación. Además, ciertas distribuciones continuas
importantes que se usan en la teoría de confiabilidad y teoría
de colas dependen del proceso de Poisson.

9
 2/7/2023

Fórmula Distribución de Poisson

Distribución de Poisson

La distribución de Poisson se define por un parámetro:

lambda. Este parámetro es igual a la media y la varianza.
A medida que lambda aumente, la distribución de
Poisson se acercará a una distribución normal.
Una variable sigue una distribución de Poisson si cumple
las siguientes condiciones:
– Los datos son conteos de eventos (enteros no negativos,
sin límite superior).
– Todos los eventos son independientes.
– La tasa promedio no cambia durante el período de interés.

10
 2/7/2023

Ejemplo de Poisson; 5.17

Ejemplo 5.17 Durante un experimento de laboratorio el numero promedio de

partículas radiactivas que pasan a través de un contador en un milisegundo es
4. ¿Cuál es la probabilidad de que entren 6 partículas al contador en un
milisegundo dado?

Ejemplo

Supóngase el Instituto Nacional de Seguros (INS) ha

determinado que el 0,04% de las personas de Costa
Rica muere cada año por causa de accidentes de
tránsito. Supóngase también que el total de
personas que el INS tiene actualmente aseguradas
contra ese tipo de accidente son veinte mil (20000).
Se necesita calcular la probabilidad de que el INS
tenga que hacer efectivas a lo más cinco (5) pólizas
de seguro contra accidentes de tránsito en un año.
Pág. 141 NR-MM

11
 2/7/2023

Ejemplo 5.19
En cierta fábrica los accidentes ocurren con muy
poca frecuencia. Se sabe que la probabilidad de un
accidente en cualquier día dado es de 0.005, y que
los accidentes son independientes entre sí.
a) ¿Cuál es la probabilidad de que en un día de
cualquier periodo determinado de 400 días
ocurra un accidente?
b) ¿Cuál es la probabilidad de que ocurra un
accidente a lo sumo en tres días de tal periodo?

Distribución normal

Es la distribución continua más importante, tanto en estadística teórica como aplicada. Si X

es una variable aleatoria normal, entonces su función de d.p. está dada por

donde μ (mu) es la media y σ (sigma) es la

desviación estándar (σ2 es la varianza).

Suponga una v.a . X~N(µ, σ2), para calcular la probabilidad de

que esta variable tome valores entre dos números a y b,
entonces se calcula el área bajo la curva entre a y b (mediante
métodos numéricos ya que la integral de la función de
distribución no tiene solución analítica).
Cuando es una distribución normal con parámetros µ = 0 y σ2 = 1, entonces a la distribución
se le conoce como distribución normal estándar (N(0, 1)) y los valores de las probabilidades
están ya tabulados.
Estandarizar una variable es fácil, puesto que si X tiene una distribución normal con E(X) = µ
y V(X) = σ2, entonces la variable (estandarizada) es

24

12
 2/7/2023

El Valor Z - Estandarizar
• En esta ecuación, m es la media, s es la desviación estándar, y x
es un valor que nos gustaría evaluar.
• x-m calcula que tan lejos se está de la media.
• Cuando se divide por s, se está calculando
cuantas desviaciones estándar se está de la media.
• Zona 1: m  1s
68.26% de los datos se esperan contener
dentro de una desviación estándar de la media.
• Zona 2: m  2 s
95.46% de los datos se esperan contener
dentro de dos desviaciones estándar de la
media.
• Zona 3: m  3s
99.73% de los datos se esperan contener
dentro de tres desviaciones estándar. Áreas bajo la curva de distribución normal
GRAPH/Prob.Distrib.Plot/View Prob/shaded area

Ejemplo
El tiempo de entrega de un producto se distribuye normal con media 60,5 y desv.
estandar 5,9. Si un tiempo de entrega es de 70, cuántas desviaciones estándar tiene
respecto de la media?

Si estamos considerando una zona con m  3s

entonces 1,61 desviaciones estándar de la
media está al interno del área de la zona.

Cuántas desviaciones estándar tiene el tiempo

de 100 respecto de la media?

Este valor esta muy lejos de la zona de

aceptación lo que indica que algún cambio
ha ocurrido en las operaciones normales
26
del proceso.

13
 2/7/2023

Ejemplo 6.5
Dado que X tiene una distribucion normal con μ = 300 y σ = 50, calcule la
probabilidad de que X tome un valor mayor que 362.

Ejemplo 6.8
Una empresa de material eléctrico fabrica bombillas de luz cuya duración, antes
de quemarse, se distribuye normalmente con una media igual a 800 horas y una
desviación estándar de 40 horas. Calcule la probabilidad de que una bombilla se
queme entre 778 y 834 horas.

Esta sería la forma tradicional de hacer los cálculos

respectivos.

14
 2/7/2023

Gracias

¿Hoy qué aprendí?

¿Hoy qué recordé?
¿Hoy qué quiero cambiar?

15