B.

Relacion entre la distribucion normal y dominal

v La distribución binomial o de Bernoulli

La distribución binomial está asociada a experimentos del siguiente tipo:

- realizamos n veces cierto experimento en el que consideramos solo la posibilidad
de éxito o fracaso.
- la obtención de éxito o fracaso en cada ocasión es independiente de la obtención
de éxito o fracaso en las demás ocasiones.
- la probabilidad de obtener éxito o fracaso siempre es la misma en cada ocasión.

v Estos son algunos ejemplos de la distribución binomial:

Si realizamos n veces un experimento en el que podemos obtener éxito, E, con
probabilidad p y fracaso, F, con probabilidad q (q = 1 − p), diremos que estamos
ante una distribución binomial de parámetros n y p, y lo representaremos por Bin
(n;p). En este caso la probabilidad de obtener que éxitos viene dada por:

p(X = k) = (n) ・ pk ・ q(n−k)

k

Es bueno saber que las probabilidades de éxito y fracaso son complementarias, es

decir, q = 1-p y p = 1-q, por lo que basta saber una de ellas para calcular la otra.

Antes teníamos Bin ( 7;1/6) y queríamos calcular p (x=3)= (7). (1) 3. (5)4 = 0.0781
3 6 6

v El uso de las tablas de la distribución binomial

La distribución binomial se encuentra tabulada por lo que es fácil calcular

probabilidades sin Necesidad de hacer demasiadas cuentas. Para usar las tablas
de la distribución binomial es necesario conocer:
v El número de veces que se realiza el experimento (n).
v La probabilidad de éxito (p).
v El número de éxitos (k).
v La probabilidad p se busca en la primera fila (valores desde 0’01 hasta 0’5).
v El número de veces que se realiza el experimento, en la primera columna (valores
desde 2 a 10) y el número de éxitos a su lado

Media y desviación típica en una distribución binomial

Aunque no se demostrara, en una distribución binomial Bin(n;p), el número

esperado de éxitos o media, viene dado por ￣ x = n ・ p. (Recordemos que la
media es una medida de centralización).
La desviación típica, σ, que es una medida de dispersión y mide lo alejados que
están los datos de la media, viene dada por: σ =√ n ・ p ・ q.
  Ejemplo 1: supongamos que se tira una moneda al aire 5 veces. Calcular la
probabilidad de que salga cara 4 veces.

o El fenómeno aleatorio sigue la distribución binomial ya que solo

puede ser cara o cruz y la probabilidad de que salga cara no está
afectado por los resultados anteriores.
o p = q = 0,5 (la probabilidad de que salga cara es la misma de que
salga cruz = 0,5

o P(X=3) = [5! / (3!·2!)] · 0,53 · 0,52 = 10 · 0,125 · 0,25 = 0,3125

o La probabilidad sería por lo tanto un 31,25%

Ejemplo 2: supongamos que se tiran 3 dados. Calcular la probabilidad de que

salga el valor 6 en los tres.

o El fenómeno aleatorio sigue la distribución binomial ya que solo

puede ser éxito (salir 3) o fracaso (no salir 3)
o La probabilidad de éxito (p) = 1/6 y la de fracaso (q) es igual a 1-p
= 1-1/6 = 5/6

o P(X=3) = [3! / (3!·0!)] · (1/6)3 · (1/6)0 = (1/6)3 = 0,0046

o La probabilidad sería por lo tanto un 0,46%

Ejemplo: 3
De los alumnos del salón la cuarta parte réprobo el examen, si extraemos 8
alumnos al azar, calcular la probabilidad de que 4 de ellos hayan reprobado el
examen.
 Definir éxito: alumno reprobado

n=8
x=4
p=0.25
q = 1 - 0.25 = 0.75

La distribución Normal
Al estudiar aspectos tan cotidianos como:
v Caracteres morfológicos de individuos (personas, animales, plantas) de una misma
raza. Como tallas, pesos, envergaduras, etc.
v Caracteres fisiológicos, como el efecto de una misma dosis de un fármaco, o de
una misma cantidad de abono.
v Caracteres sociológicos, como el consumo de ciertos productos por individuos de
un mismo grupo humano.
v Caracteres psicológicos, como el cociente intelectual, grado de adaptación a un
medio.
v Caracteres físicos, como la resistencia a la rotura de ciertas piezas. . . todos ellos
tienen en común que se distribuyen “normalmente”. .Que quiere decir esta
expresión?

v Factores de corrección por continuidad

Al realizar la aproximación se hace un pequeño ajuste ya que debido a quela normal es una
distribución continua, la probabilidad de que la variable aleatoria sea exactamente igual a un
valor específico es cero. Este ajuste se denomina factor de corrección.

El factor de corrección de continuidad es el ajuste de media unidad de medida para mejorar

la exactitud cuándo a una distribución discreta se le aplica una distribución continua.
Casos que pueden surgir:

1) Para la probabilidad de que por lo menos X ocurran, use el área por encima de(X ± 0,5).
2) Para la de que más de X sucedan, utilice el área por arriba de (X + 0,5).
2) 3) Para la de que X o menos ocurran, aplique el área por debajo de (X + 0,5).
3) 4) Para la de que menos de X sucedan, emplee el área situada por debajo de (X ±0,5).

La fórmula para calcular la probabilidad de una distribución muestral deproporciones se basa

en la aproximación de la distribución binomial a las distribución normal. Si la distribución
muestral de proporciones se puede calcular con la aproximación a una distribución normal
de probabilidades, hay que realizar una corrección por continuidad, que dará un resultado
másexacto. El factor de correcciónde continuidad es:(1/2)(1/n)

Este factor de corrección se sumara o restara según sea el caso:

1) Para la probabilidad de que almenos ( > ) x ocurra, se resta el factor
2) .2) Para la probabilidad de que ocurra más que x, se suma el factor
3) .3) Para la probabilidad de que x o menos ocurra, se suma el factor.
4) Para la probabilidad de que ocurra menos de x, se resta el factor.

http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T03.pdf

Ejemplo 1
En una universidad se hace un estudio a 500 estudiantes para estimar el número
de veces que asisten a restaurantes de comida rápida en un mes.
Los resultados obtenidos indican una media de 23 y una desviación estándar de
5.
Calcula el número de estudiantes que asisten más de 10 veces en un mes a
consumir comida rápida.

Paso 1: Media y Desviación Estándar

Con la información proporcionada, sabemos que:

Paso 2: Cálculo de Z
Sustituimos en la fórmula, recordando que X= dato proporcionado por el
problema = 10

Paso 3: Obtención del área bajo la curva en tabla

Nos olvidamos por un momento del signo y buscamos en la tabla Z= 2.6
(2.6=2.60)
 Área = 0.4953

¿Necesitas la tabla de Distribución Normal en grande?

Paso 4: Bosquejo
Recordamos que Z es negativa, por lo que debemos colocarla del lado izquierdo
de la campana.
El área buscada de acuerdo al problema se encuentra a la derecha, ya que
estamos buscando el número de estudiantes que asisten más de 10 veces a
consumir comida rápida.
Paso 5: Cálculo de Área
Si la mitad de la campana tiene un área de 0.5, entonces:
Área buscada = 0.5 + 0.4953 = 0.9953

En este caso, la probabilidad de encontrar un estudiante que asista más de 10

veces al mes a consumir comida rápida es de 0.9953

Pero nos están preguntando por el número de estudiantes, por lo que necesitamos
multiplicar por el tamaño de población inicial:

N = 500

Cantidad de estudiantes = 500 (0.9953) = 497.65 estudiantes, es decir,

aproximadamente 498 estudiantes.

2. En una distribución normal de media 4 y desviación típica 2, calcular el

valor de a para que: P(4-a<x<4+a) = 0.5934

3. En una ciudad se estima que la temperatura máxima en el mes de Junio

sigue una distribución normal, con media 23º y desviación típica 5º. Calcular
el número de días del mes en los que se espera alcanzar máximas entre 21º y
27º.
D.-La distribución Uniforme

La distribución Uniforme es el modelo (absolutamente) continuo más simple.

Corresponde al caso de una variable aleatoria que sólo puede tomar valores
comprendidos entre dos extremos a y b, de manera que todos los intervalos de
una misma longitud (dentro de (a, b)) tienen la misma probabilidad. También
puede expresarse como el modelo probabilístico correspondiente a tomar un
número al azar dentro de un intervalo (a, b).

De la anterior definición se desprende que la función de densidad debe tomar el

mismo valor para todos los puntos dentro del intervalo (a, b) (y cero fuera del
intervalo). Es decir,
Gráficamente:

EJEMPLO 1

La última novela de un autor ha tenido un gran éxito, hasta el punto de que el 80% de los
lectores ya la han leido. Un grupo de 4 amigos son aficionados a la lectura:

1¿Cuál es la probabilidad de que en el grupo hayan leido la novela 2 personas?

B(4, 0.2) p = 0.8 q = 0.2

2¿Y cómo máximo 2?

EJEMPLO 2

Un agente de seguros vende pólizas a cinco personas de la misma edad y que disfrutan de
buena salud. Según las tablas actuales, la probabilidad de que una persona en estas
condiciones viva 30 años o más es 2/3. Hállese la probabilidad de que, transcurridos 30
años, vivan:

1Las cinco personas

B(5, 2/3) p = 2/3 q = 1/3

2Al menos tres personas

3Exactamente dos personas

EJEMPLO 3

¿Qué porcentaje de días se fabrican más de 34 mil metros de cable?

P(X>34000)

Pues tendremos que integrar la función de densidad de probabilidad a partir de ese valor,
hasta el infinito.

Recordamos que la función de densidad de probabilidad para una distribución uniforme

continua es el inverso de la diferencia entre los extremos del intervalo.

Obviamente para los valores de la variable que están dentro del intervalo.
En otros casos la densidad de probabilidad es nula.

Entonces, integrarla desde 34000 hasta el infinito es en realidad integrarla desde 34000
hasta el límite superior del intervalo, porque después empieza a valer cero todo el tiempo.

Dado que la constante sale de la integral, nos queda que:

Es decir, que en el 80% de los días se fabrican más de 34 mil metros de cable.

E.- La distribución Exponencial

Este modelo suele utilizarse para variables que describen el tiempo hasta que se
produce un determinado suceso.

Su función de densidad es de la forma:

Como vemos este modelo depende de un único parámetro α que debe ser
positivo: α > 0. A continuación se muestra un programa que nos permite ver cómo
cambia la forma de la función de densidad según el parámetro α.
La función de distribución se obtiene integrando la de densidad y es de la forma:

Podemos utilizar el programa siguiente para calcular dicha función de distribución:

Propiedades del modelo Exponencial

1. Su esperanza es α.

2. Su varianza es α2.
3. Una propiedad importante es la denominada carencia de memoria, que
podemos definir así: si la variable X mide el tiempo de vida y sigue una
distribución Exponencial, significará que la probabilidad de que siga con
vida dentro de 20 años es la misma para un individuo que a fecha de hoy
tiene 25 años que para otro que tenga 60 años.

4. Cuando el número de sucesos por unidad de tiempo sigue una distribución

de Poisson de parámetro λ (proceso de Poisson), el tiempo entre dos
sucesos consecutivos sigue una distribución Exponencial de parámetro α =
1/λ.

Ejemplos 1:

1. Suponga que un sistema contiene cierto tipo de componente cuyo

tiempo de falla en años está dado por la variable aleatoria T,
distribuida exponencialmente con tiempo promedio de falla . S í 5 de
estos componentes se instalan en diferentes sistemas, ¿cuál es la
probabilidad de que al menos 2 continúen funcionando después de 8
años?

Solución:
La probabilidad de que un determinado componente esté funcionando
aún después de 8 años es:

la | nos indica que la integral se va a evaluar desde 8 hasta 

Sea x el número de componentes funcionando después de 8 años.

Entonces mediante la distribución Binomial,

n=5

p = 0.20 = probabilidad de que un componente esté funcionando después

de 8 años

q = 1-p = 0.80 = probabilidad de que un componente no funcione después

de 8 años

P(x  2 ) = p(x=2) + p(x=3) + p(x=4)+p(x=5) = 1 – p(x = 0, 1)

2. El tiempo que transcurre antes de que una persona sea atendida en

una cafetería es una variable aleatoria que tiene una distribución
exponencial con una media de 4 minutos. ¿Cuál es la probabilidad de
que una persona sea atendida antes de que transcurran 3 minutos en
al menos 4 de los 6 días siguientes?

Solución:

lanos indica que la integral va a ser evaluada de 0 a 3

 x = número de días en que un cliente es atendido antes de que
transcurran 3 minutos

x = 0, 1, 2,...,6 días

p = probabilidad de que un cliente sea atendido antes de que transcurran 3

minutos en un día cualquiera = 0.5276

q = probabilidad de que un cliente no sea atendido antes de que transcurran

3 minutos en un día cualquiera = 1- p = 0.4724

= 0.11587 + 0.02157 = 0.13744