UNIDAD 4. Leyes y Distribuciones de Probabilidad (Apuntes)

UNIDAD 4.
LEYES Y DISTRIBUCIONES DE PROBABILIDAD

1. EXPERIMENTO ALEATORIO Y ESPACIO MUESTRAL
Un experimento aleatorio se produce si, a pesar de conocer los posibles resultados, no se puede
predecir con certeza cuál de estos resultados se va a obtener durante la realización de dicho experimento.
El espacio muestral es el conjunto de todos los posibles resultados (sucesos aleatorios) del experimento.
Ejemplos:
- Experimento 1  lanzar un dado, E = {1,2,3,4,5,6}
- Experimento 2  lanzar una moneda, E = {cara, cruz}
2. DEFINICIÓN DE PROBABILIDAD Y REGLA DE LAPLACE

Si definimos la frecuencia relativa del suceso A como:
número de veces que aparece A
fr (A) =
número de veces que se realiza el experimento
La probabilidad de un suceso es el número al que tiende la frecuencia relativa asociada al suceso a
medida que el número de veces que se realiza el experimento crece.
Si E = {x1, x2, …, xk} y P(x1) = P(x2) = … = P(xk), entonces:

número de casos favorables al suceso A
REGLA DE LAPLACE P(A) = número de casos posibles
Ejercicio. Se realiza un estudio para estudiar el diagnóstico de seropositividad en VIH según los valores
de T4-T8, obteniéndose la siguiente
tabla:
1. Describe el espacio muestral
asociado a la variable VIH
2. Calcula la probabilidad de cada uno
de los sucesos
Soluciones:
1. El espacio muestral consta de tres sucesos, que son las tres categorías de la variable VIH 
E = {(S-), (S+ ≤30), (S+ >30)}
2. Las probabilidades asociadas con cada suceso son:
- P(S-) = 62/100 = 0.62
- P (S+ ≤30) = 14/100 = 0.14
- P (S+ >30) = 24/100 = 0.24
Podemos observar como cumplen las propiedades de la probabilidad, cada una de las probabilidades es
mayor que 0 y menor que 1, y la suma de todas las probabilidades es 1 (0.62+0.14+0.24 = 1).
3. OPERACIONES CON DOS SUCESOS ALEATORIOS A Y B

 Unión (A ∪ B)  es el suceso formado por todos los elementos de A y todos los elementos de B.
 Intersección (A ∩ B)  es el suceso formado por todos los elementos que son, a la vez, de A y de
B.
 Diferencia (A - B)  es el suceso formado por todos los elementos de A que no son de B.
 Suceso contrario o complementario (Ā = E – A se llama complementario de A)
Dos sucesos A y B se llaman incompatibles o mutuamente excluyentes cuando no tienen ningún
elemento común. Es decir, cuando A ∩ B = Ø
LEYES DE MORGAN
Ejercicio. Al estudiar el grupo sanguíneo en una muestra de pacientes, observamos que el 42% pertenece
al grupo O, un 43% al grupo A, un 11% al grupo B y el 4% restante al grupo AB.
1. Calcula la probabilidad de que una persona pertenezca al grupo A o al AB (a cualquiera de los
dos).
Solución. P (A) = 0.43 P (AB) = 0.04 / A y AB son sucesos excluyentes o disjuntos
P (A ∪ B) = P (A) + P (AB) = 0.43 + 0.04 = 0.47
2. Calcula la probabilidad de pertenecer a cualquiera de los dos grupos A, B o AB.
Solución. P (A ∪ B ∪ AB) = P (A) + P (B) + P (AB) = 0.43 + 0.11 + 0.04 = 0.58
3. Calcula la probabilidad de no pertenecer al grupo O.
Solución. P (0) = 0.42; P (Ō) = 1 – P (O) = 1 – 0.42 = 0.58
4. PROBABILIDAD CONDICIONADA
Sean A y B dos sucesos tal que P (A) ≠ 0, se llama probabilidad de B condicionada de A, P (B / A), a la
probabilidad de que ocurra B sabiendo que ha sucedido A.
P (B ∩ A) P ( A ∩B)
P (B / A) = P( A ) P (A / B) = P( B)
De esta igualdad se deduce  P (B ∩ A) = P (B / A) x P (A)
Ejemplo. Lanzar un dado. La probabilidad de obtener un 3 sabiendo que ha salido un número impar.
- Solución. A = {sacar un 3}, B = {1,3,5}, entonces P (A / B) = 1/3, puesto que si sabemos que ha
sido impar, ahora son 3 los casos posibles y uno solo el favorable al suceso A.
Decimos que dos sucesos A y B son independientes entre sí si la ocurrencia de uno de ellos no modifica
ni influye en la probabilidad del otro, es decir, si P (B / A) = P (B) o P (A / B) = P (A).
Como consecuencia de la definición, dos sucesos A y B son independientes si se cumple:
P (A ∩ B) = P (A) x P (B)
Decimos que dos sucesos A y B son dependientes entre sí si la ocurrencia de uno de ellos modifica la
probabilidad del otro, es decir, si P (B / A) ≠ P (B) o P (A / B) ≠ P (A).
Ejercicio. Se realiza un estudio para estudiar el diagnóstico de seropositividad en VIH según los valores
de T4-T8, obteniéndose la siguiente tabla:
1. ¿Son sucesos independientes ser
seropositivo y tener T4-T8 baja?
2. Calcula la probabilidad de ser
seronegativo si tenemos un valor
bajo de T4-T8.
Soluciones:
1. P (T4-T8 bajo ∩ S+) = (10+22) / 100 = 0.32
Si fueran independientes  P (T4-T8 bajo ∩ S+) = P (T4-T8 bajo) x P (S+),
P (T4-T8 bajo) x P (S+) = 0.4 x 0.38 = 0.152 ≠ 0.32, por tanto son sucesos
dependientes
P (B ∩ A) P (S−∩T 4−T 8 bajo)

2. P (B / A) = P( A )  P (S- / T4-T8 bajo) =
P (T 4−T 8 bajo) = 0.08 / 0.4 = 0.2
P (S- ∩ T4-T8 bajo) = 8/100 = 0.08; P (T4-T8 bajo) = 40/100 = 0.4
5. VARIABLES ALEATORIAS
Una variable aleatoria es una función que asigna valores numéricos a los posibles resultados de un
experimento aleatorio. Permite describir la probabilidad de que se obtengan los distintos valores.
- Una variable aleatoria es discreta si toma un conjunto finito de valores, {x1, x2, …, xk}.
- Una variable aleatoria es continua cuando toma valores en cualquier punto de un intervalo (a, b)
de valores reales.
5.1. VARIABLES ALEATORIAS DISCRETAS

 Distribución uniforme discreta si el experimento presenta un conjunto finito de resultados
distintos, todos ellos con la misma probabilidad.
 Distribución de Bernouilli  el experimento aleatorio tiene dos únicos resultados, generalmente
llamados “éxito” y “fracaso”.
 DISTRIBUCIÓN BINOMIAL  es un experimento de Bernouilli realizado un número de n veces,
con cada prueba del experimento independiente en su resultado de la anterior.
 Distribución de Poisson  se aplica en ocasiones en que se tiene una distribución binomial con
n grande y baja probabilidad de que ocurra el suceso en cuestión, modelizando la probabilidad de
que ocurra un determinado número de eventos durante un período de tiempo.
DISTRIBUCIÓN BINOMIAL
Un experimento aleatorio se dice que sigue una distribución binomial cuando:
- Cada prueba del experimento es un experimento de Bernouilli. Hay un suceso llamado “éxito” y
otro “fracaso” que son los posibles resultados en cada una de esas pruebas.
- El resultado obtenido en cada prueba es independiente de los casos anteriores.
La distribución normal se denota como Bi (n, p), donde n es el número de veces que se realiza el
experimento y p la probabilidad de éxito.
En cada prueba del experimento, solo son posibles dos resultados  el suceso A (éxito) y su
complementario Ā (fracaso). La probabilidad del suceso A es constante, la representamos por p y no
varía de una prueba a otra. La probabilidad de Ā es 1 – p. El experimento consta de un número n de
pruebas.
A la variable aleatoria X que expresa el número de éxitos obtenidos en cada prueba del experimento la
llamamos variable aleatoria binomial.
 Media  µ = np
 Varianza  σ2 = np (1-p)
 Desviación típica  σ = √ np ( 1− p )
La probabilidad de obtener k éxitos en un experimento que sigue una distribución binomial es:
5.2. VARIABLES ALEATORIAS CONTINUAS

 Distribución uniforme continua  si la función de densidad o probabilidad es constante en el
intervalo en el que se encuentran todos los valores.
 Distribución exponencial  se utiliza para representar tiempo de funcionamiento o de espera (ej.,
entre dos llamadas telefónicas, tiempo de espera en urgencias, etc.).
 DISTRIBUCIÓN NORMAL  muchos de los fenómenos naturales, sociales y biológicos se ajustan
a esta distribución (ej., peso de niños recién nacidos, la talla a una determinada edad durante la
adolescencia, etc.).
 Otras distribuciones continuas  chi-cuadrado de Pearson, t de Student, F de Snedecor.
DISTRIBUCIÓN NORMAL
Se dice que una variable continua X sigue una distribución normal de media µ y desviación típica σ, y se
designa por N (µ, σ), si se cumplen las siguientes condiciones:
- La variable aleatoria toma valores en toda la recta de números reales.
- La función de densidad tiene forma de campana (campana de Gauss) y es simétrica respecto a la
media:
Sea µ la media de la distribución, su valor coincide con el de la moda (máximo de la función de densidad o
probabilidad) y mediana.
Existen tablas que permiten consultar la probabilidad de que una variable aleatoria normal tome valores
mayores o menores a un valor dado. Dichas tablas corresponden a la distribución normal tipificada, de
media 0 y desviación típica 1. Por ello, si tenemos una normal X con otros parámetros, lo más útil puede
ser tipificar la distribución.
Ejemplo. Consideremos que el peso de recién nacidos se distribuye normalmente, con un peso medio al
nacer de 3.25 kg y una desviación típica de 0.85 kg. ¿Cuál es la probabilidad de que el peso de un niño al
nacer sea superior a 4 kg?
- Solución. Tenemos una variable aleatoria X que sigue una distribución normal de media µ = 3.25 y
desviación típica σ = 0.82. Para poder hacer uso de las tablas anteriormente referidas, debemos
tipificar esta variable X, es decir, transformarla en una variable aleatoria que siga una distribución
normal de media 0 y desviación típica 1.
Donde Z sigue una distribución normal de media 0 y desviación típica 1,

y entonces sí que podemos buscar el valor de P (Z>0.91) en la tabla de
distribuciones. Dicho valor sería 0.1814, y por las igualdades de la
ecuación tenemos entonces que la probabilidad de que un niño al
nacer pese más de 4 kg es 0.1814.
EJERCICIOS
Resuelve. En una planta de pacientes ingresados, el 40% está recibiendo rehabilitación. Elegidos al azar
8 pacientes de esa planta, se pide:
a) Calcular la probabilidad de que exactamente cinco de ellos estén recibiendo rehabilitación.
b) Calcular la probabilidad de que alguno de los 8 esté recibiendo rehabilitación.
Selecciona la opción correcta. La probabilidad de presentar hipertensión en una población es 0.25,

mientras que la probabilidad de tener sobrepeso es 0.35. Sabemos además que la probabilidad de
presentar hipertensión y tener a la vez sobrepeso es 0.15. ¿Cuál es la probabilidad de presentar al menos
uno de los dos sucesos (ser hipertenso o tener sobrepeso)?
a) 0.60
b) 0.75
c) 0.45
d) 0.35
Selecciona la opción correcta. La puntuación en un test sensorial sigue una distribución normal de media
50 y desviación típica 6. ¿Cuál es la probabilidad de que una persona obtenga una puntuación inferior a 56
en este test?
a) 0.8413
b) 0.1587
c) 0.0071
d) 0.9929

UNIDAD 4. Leyes y Distribuciones de Probabilidad (Apuntes)

Cargado por

Copyright:

Formatos disponibles

UNIDAD 4. Leyes y Distribuciones de Probabilidad (Apuntes)

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

UNIDAD 4. Leyes y Distribuciones de Probabilidad (Apuntes)

Cargado por

Copyright:

Formatos disponibles

UNIDAD 4.

LEYES Y DISTRIBUCIONES DE PROBABILIDAD

2. DEFINICIÓN DE PROBABILIDAD Y REGLA DE LAPLACE

Si E = {x1, x2, …, xk} y P(x1) = P(x2) = … = P(xk), entonces:

3. OPERACIONES CON DOS SUCESOS ALEATORIOS A Y B

P (B ∩ A) P (S−∩T 4−T 8 bajo)

5.1. VARIABLES ALEATORIAS DISCRETAS

5.2. VARIABLES ALEATORIAS CONTINUAS

Donde Z sigue una distribución normal de media 0 y desviación típica 1,

Selecciona la opción correcta. La probabilidad de presentar hipertensión en una población es 0.25,

También podría gustarte