Capı́tulo 2

PROBABILIDADES Y
DISTRIBUCIÓN DE
PROBABILIDADES

La teorı́a de la probabilidad tratará de cuantificar la incertidumbre que rodea a un

suceso dada la imposibilidad de predecir con exactitud el resultado del fenómeno aleatorio
del que proviene, y constituirá la herramienta necesaria para extraer conclusiones sobre
determinadas caracterı́sticas de interés de una población, a partir de los datos de una
muestra.

2.1. Conceptos y Definiciones

Definición 2.1.1. Experimento describe cualquier proceso que genere un conjunto de
datos. Un experimento puede ser:
Aleatorio Son situaciones cuyos resultados no pueden ser predichos con certeza
antes de realizarlos.

Determinı́stico Son experimentos que se realizan para descubrir o formular una

ley de un fenómeno estudiado y una vez logrado se puede prevenir el resultado.
Ejercicio 1. Determinar si los siguientes experimentos son deterministas o aleatorios.
1. Grupo sanguı́neo

2. Dejar caer un objeto

3. Duración de un partido de tenis

2
2.1. CONCEPTOS Y DEFINICIONES Nolfa Núñez Fuentealba

4. Nivel de colesterol
5. Respuesta a un tratamiento médico
6. Temperatura a la que hierve el agua
7. Arrojar un fósforo prendido sobre gasolina
8. Poner un trozo de hielo sobre agua hirviendo
Definición 2.1.2. Espacio muestral Es el conjunto de todos los resultados posibles de
un experimento.La notacin habitual para este conjunto es Ω o bien S.
Definición 2.1.3. Cardinalidad del espacio muestral Corresponde al número de
elementos que tiene el espacio muestral.La notación común será ]Ω.
Ejemplo 1. ¿Cuál es el espacio muestral del fenómeno grupo sanguı́neo?¿Cuál es su
cardinalidad?
Ω = {A, B, AB, O}
]Ω = 4
Ejercicio 2. Determinar el espacio muestral y la cardinalidad de los siguientes experi-
mentos.
1. Sexo de un bebe femenino y masculino # 2
2. Respuesta a un tratamiento médico. texto
3. El sexo de una persona y tener o no diabetes.
4. Niveles de IMC
5. Clasificación Presión arterial
Definición 2.1.4. Eventos o sucesos Subconjunto formado por algunos elementos del
espacio muestral.Para cualquier experimento dado podemos enfocarnos en la ocurrencia
de ciertos eventos más que en el resultado de un elemento especı́fico en el espacio muestral.
Un evento puede ser:
Evento seguro Quiere decir que siempre ocurrirá.
Evento posible Quiere decir que el resultado puede ocurrir o no.
Evento imposible Quiere decir que el resultado nunca ocurrirá.
Eventos incompatibles Son aquellos que se definen cuando al ocurrir uno el otro
no puede ocurrir.

3
2.1. CONCEPTOS Y DEFINICIONES Nolfa Núñez Fuentealba

Ejercicio 3. Indicar si el evento es posible, imposible o seguro para el experimento Grupo

Sanguı́neo de un bebe (A, B, AB, O)
1. Que el bebe sea AB
2. Que el bebe sea AO
3. Que el bebe sea A
4. Que el bebe sea de cualquiera de los grupos
Ejercicio 4. La intervención quirúrgica de colocación de prótesis de rodilla se realiza
mediante anestesia general o epidural. Durante la intervención se realiza una incisión en
la rodilla para cortar y extraer parcialmente uno de los huesos (fémur, tibia o peroné) en
la zona próxima a la rodilla, y a continuación se sustituye por la prótesis, que puede ser
de metal o resina.
1. Indica el espacio muestral de posibles condiciones (anestesia, hueso y prótesis) en
las que se realizan las intervenciones de colocación de prótesis.

2. Si A es el suceso consistente en que la intervención se realiza con prótesis de metal,

lista los elementos de A y los de Ac .

3. Si B es el suceso consistente en que la intervención se realiza con anestesia general,

lista los elementos de B.

4. ¿Cuáles son los elementos de A ∩ B?

5. Si C es el suceso consistente en que la intervención se realiza con anestesia epidural,

lista los elementos de B ∪ C.

6. ¿Cuáles son los elementos de B ∩ C?

4
2.2. PROBABILIDAD DE UN EVENTO Nolfa Núñez Fuentealba

Del ejemplo anterior podemos obtener las siguientes definiciones:

Definición 2.1.5. El complemento de un evento A respecto de Ω es el subconjunto de

todos los elementos de Ω que no están en A. Denotaremos este conjunto por Ac .

Definición 2.1.6. La intersección de dos eventos A y B, que se denota A ∩ B, es el

evento que contiene todos los elementos que son comunes a A y a B.

Definición 2.1.7. Dos eventos A y B son mutuamente excluyentes o disjuntos si

A∩B

Definición 2.1.8. La unión de dos eventos A y B, que se denota por A ∪ B, es el evento

que contiene todos los elementos que pertenecen a A o a B o a ambos.

Ejercicio 5. Considere el espacio muestral

Ω = {cobre, sodio, nitrógeno, potasio, uranio, oxı́geno, cinc} y los eventos:
A = {cobre, sodio, cinc} B = {sodio, nitrógeno, potasio} C = {oxı́geno}
Complete con los elementos correspondientes a cada uno de los siguientes eventos:

1. Ac

2. A ∪ C

3. B c ∩ C c

2.2. Probabilidad de un evento

La probabilidad de ocurrencia d eun evento que resulta de un experimento (trabaja-
remos sólo con espacios muestrales finitos) se evalúa utilizando un conjunto de números
reales denominados probabilidades, que van de 0 a 1. A todo punto del espacio mustral
se le asigna una probabilidad, por lo que la suma de todas las probabilidades es 1. Para
encontrar las probabilidades de un evento A, sumamos todas las probabilidades que se
asignan a los puntos muestrales en A. Esta suma se denomina probabilidad de A y se
denota por P (A).

5
2.2. PROBABILIDAD DE UN EVENTO Nolfa Núñez Fuentealba

Definición 2.2.1. La probabilidad de un evento A es la suma d elas probabilidades

de todos los puntos muestrales en A. Por lo tanto,

0 ≤ P (A) ≤ 1,P (φ) = 0,P (Ω) = 1

Además, si A1 , A2 , A3 ... son una serie de eventos mutuamente excluyentes, entonces

P (A1 ∪ A2 ∪ A3 ∪ ...) = P (A1 ) + P (A2 ) + P (A3 ) + ...

Ejercicio 6. En 1978 se registraron 66 muertes por leucemia en una población de 890.575

individuos. Si se define el evento: A= morir por leucemia. ¿Cuál es la probabilidad de morir
por leucemia? ¿Cuál es la probabilidad de no morir por leucemia?

Ejercicio 7. La tabla adjunta se muestra información sobre el sexo y el grupo sanguı́neo

de un conjunto de 150 individuos.

1. ¿Cuál es la probabilidad de que la persona sea hombre y tenga grupo sanguı́neo A?

2. ¿Cuál es la probabilidad de que una persona tenga grupo sanguı́neo AB?

6
2.3. TEOREMAS FUNDAMENTALES Nolfa Núñez Fuentealba

3. Si se escoge una persona al azar y se sabe que fue hombre ¿cuál es la probabilidad
de que tenga sangre del grupo O?

4. ¿Cuál es la probabilidad de que sea hombre o tenga sangre del tipo AB?

2.3. Teoremas fundamentales

Teorema 2.3.1. Si A y B son dos eventos, entonces

P (A ∪ B) = P (A) + P (B) − P (A ∩ B) (2.1)

Corolario 2.3.2. Si A y B son dos eventos mutuamente excluyentes, entonces

P (A ∪ B) = P (A) + P (B) (2.2)

Este corolario puede generalizarce a n eventos mutuamente excluyentes.
Teorema 2.3.3. Para tres eventos A, B y C, se tiene:
P (A∪B ∪C) = P (A)+P (B)+P (C)−P (A∩B)−P (A∩C)P (B ∩C)+P (A∩B ∩C) (2.3)
Teorema 2.3.4. Si A y B son eventos complementarios, entonces
P (A) + P (B) = 1 (2.4)
Teorema 2.3.5. La probabilidad condicional de B, dado A,que se denota por P (B\A),
se define como
P (A ∩ B)
P (B\A) = , siP (A) > 0 (2.5)
P (A)
Definición 2.3.1. Dos eventos A y B son independientes si y slo si
P (B\A) = P (B) o P (A\B) = P (A),
dada la existencia d ela probabilidad condicional.De otra forma A y B son dependientes.
Teorema 2.3.6. Si en un experimento pueden ocurrir los eventos A y B, entonces
P (A ∩ B) = P (A) · P (B\A), puesP (A) > 0. (2.6)
Teorema 2.3.7. Dos eventos A y B son independientes si y slo si
P (A ∩ B) = P (A)P (B)
Los dos teoremas anteriores pueden ser generalizados a n eventos.

7
2.3. TEOREMAS FUNDAMENTALES Nolfa Núñez Fuentealba

Ejercicio 8. Los datos recogidos en un banco de sangre concreto indican que el 0.1 %
de todos los donantes da positivo en el test para el virus de inmunodeficiencia humana
(VIH), el 1 % da positivo para el test del herpes y el 1.05 % da positivo para uno u otro
de estos problemas. Se elige al azar un donante:
1. ¿Cuál es la probabilidad de que un donante tenga ambos problemas?

2. ¿Cuál es la probabilidad de que un donante no tenga ninguno de estos problemas?

Ejercicio 9. Aunque el tétanos es infrecuente en España, es mortal en el 70 % de los casos.

Si tres personas contraen el tétanos en el periodo de un año, ¿cuál es la probabilidad de
que mueran al menos dos de los tres?

Ejercicio 10. Se sabe que en una poblacin el 15 % de los individuos padece una determi-
nada patologı́a (E), que el 25 % son obesos (O) y que el 10 % padecen la patologı́a y son
obesos. Si se selecciona un individuo al azar de dicha población ¿cuál será la probabilidad
de que:

8
2.4. PROBABILIDAD TOTAL Y TEOREMA DE BAYES Nolfa Núñez Fuentealba

1. No padezca la patologı́a?

2. Padezca la patologı́a o sea obeso?

3. Padezca la patologı́a si es obeso?

4. Sea obeso si padece la patologı́a?

5. No padezca la patologı́a si es obeso?

2.4. Probabilidad total y Teorema de Bayes

Supongamos que la figura representa un establecimiento educativo. La probabilidad
de tener gripe esta dada por:

Con este ejemplo se puede comprender el teorema siguiente

Teorema 2.4.1. Teorema de probabilidad total Sean A1 , A2 , ..., An una partición del
espacio muestral Ω, esto es los sucesos son incompatibles dos a dos y su unión es todo el
espacio muestral.Entonces la probabilidad de otro suceso B es:
n
X
P (B) = P (Ai ) · P (B\Ai ) (2.7)
i=1

9
2.4. PROBABILIDAD TOTAL Y TEOREMA DE BAYES Nolfa Núñez Fuentealba

Ejercicio 11. La gravedad de una determinada patologı́a ha sido clasificada en 4 nive-

les de menor a mayor (estadio I, II, III, IV). La tabla adjunta indica los porcentajes de
diagnóstico y de éxito por cada estadio.

1. Si se determina que un individuo de la población padece la patologı́a, pero se des-

conoce su estadio. ¿Cuál es la probabilidad de que el tratamiento tenga éxito?

2. Si un individuo diagnosticado de dicha patologı́a ha sido tratado con éxito, ¿cuál es

la probabilidad de que hubiera sido clasificado en el estadio III?

10
2.4. PROBABILIDAD TOTAL Y TEOREMA DE BAYES Nolfa Núñez Fuentealba

Teorema 2.4.2. Teorema de Bayes Si los eventos A1 , A2 , ..., An constituyen partición

del espacio muestral Ω, con P (Ai ) 6= φ para i = 1, 2, ..., k, entonces para cualquier evento
B, tal que P (B) 6= 0,

P (Ar ∩ B) P (Ar )P (B\Ar )

P (Ar \B) = Pk = Pk (2.8)
i=1 P (Ai ∩ B) i=1 P (Ai )P (B\Ai )

Ejercicio 12. Un doctor dispone de tres equipos electrónicos para realizar ecosonogramas.
El uso que le da a cada equipo es de un 25 % al primero, 35 % al segundo y 40 % al tercero.
Se sabe que la probabilidad de error de cada equipo es de 1 %, 2 % y 3 % respectivamente.
Si el resultado de un paciente tiene un error,

1. ¿Cuál es la probabilidad de que el resultado tenga un error? .

2. Si el resultado de un paciente tiene un error ¿cuál es la probabilidad de que el doctor

utilizará el primer equipo?.

11
2.4. PROBABILIDAD TOTAL Y TEOREMA DE BAYES Nolfa Núñez Fuentealba

EJERCICIOS SECCIÓN 2.1 a 2.4

1. Determinar si los siguientes experimentos son deterministas o aleatorios.
a) Grupo sanguı́neo
b) Dejar caer un objeto
c) Duración de una operación
d ) Nivel de colesterol
e) Respuesta a un tratamiento médico
f ) Arrojar un fósforo prendido sobre gasolina
g) Poner un trozo de hielo sobre agua hirviendo
2. Determinar el espacio muestral de cada uno de los siguientes experimentos
a) Niveles de IMC
b) Categorı́as de la presión sistólica
c) Respuesta a un tratamiento de cáncer
3. En un hospital hay 30 niños hospitalizados, de los cuales 10 son niñas y 20 niños
¿Cuál es la probabilidad de que el siguiente examinado por un médico sea una
1
niã?(Resp: )
3
4. En una población de 2000 habitantes, 80 padecen afecciones cardiacas ¿Cuál es
la probabilidad de emplear a alguien proveniente de este lugar, que no esté enfer-
24
mo?(Resp: )
25
5. La tabla adjunta muestra el nivel educacional que tienen los postulantes a un cargo
administrativo

12
2.4. PROBABILIDAD TOTAL Y TEOREMA DE BAYES Nolfa Núñez Fuentealba

Si de este grupo se elige una persona al azar. Calcular las siguientes probabilidades:
12
a) Que la persona escogida para el cargo sea mujer (Resp: )
25
13
b) Que la persona escogida para el cargo sea hombre (Resp: )
25
19
c) Que la persona escogida para el cargo tenga educación universitaria (Resp: )
30
137
d ) Que la persona escogida para el cargo tenga educación media (Resp: )
150
e) Que la persona escogida para el cargo tenga educación básica o sea mujer (Resp:
8
)
15
1
f) Que la persona escogida sea hombre con educación universitaria (Resp: )
3
5
g) Dado que la persona es mujer, que tenga educación básica (Resp: )
72
11
h) Que la persona escogida sea mujer con educación media (Resp: )
75
10
i) Dado que la persona tiene educación media, que sea hombre (Resp: )
21
2
j) Que la persona tenga educación media y sea hombre (Resp: )
15
6. En la sala de pediatrı́a de un hospital, el 60 % de los pacientes son niñas, de ellas el
20 % tienen menos de 24 meses. De los niños el 35 % son menores de 24 meses. Si
un pediatra que ingresa a la sala de emergencia selecciona un niño al azar.
a) Determine el valor de la probabilidad de que sea menor de 24 meses. Interprete
el resultado usando porcentajes.(Resp: 0,26)
b) Si el infante resulta ser menor de 24 meses. Determine la probabilidad de que
sea una niña.(Resp:0,46)
7. Un médico cirujano se especializa en cirugı́as estéticas. Entre sus pacientes, el 20 %
se realiza correcciones faciales, un 35 % se realiza implantes mamarios y el restante
en otras cirugı́as correctivas. Se sabe además, que son de género masculino el 25 %
de los que se realizan correcciones faciales, el 15 % de los que se realizan implantes
mamarios y el 40 % de los que se realizan otras cirugı́as correctivas. Si se selecciona
un paciente al azar, determine:

13
2.4. PROBABILIDAD TOTAL Y TEOREMA DE BAYES Nolfa Núñez Fuentealba

a) La probabilidad de que sea de género masculino.(Resp:0,2825)

b) Si un paciente es de género masculino, determine la probabilidad que se haya
realizado una cirugı́a de implantes mamarios.(Resp:0,0525)

8. Un doctor dispone de tres equipos electrónicos para realizar ecosonogramas. El

uso que le da a cada equipo es de un 25 % al primero, 35 % al segundo y 40 %
al tercero. Se sabe que la probabilidad de error de cada equipo es de 1 %, 2 % y 3 %
respectivamente. Si el resultado de un paciente tiene un error ¿cuál es la probabilidad
de que el doctor utilizará el primer equipo?.(Resp:0,116)

9. La diabetes constituye un problema durante el embarazo tanto para la madre como

para el hijo. Entre las embarazadas diabéticas se presentan hidroamnios en un 21 %
de los casos, toxemias en un 25 % y deterioro fetal en un 15 %. En un 6 % de los
casos se presentan otras complicaciones. Supongamos que estas complicaciones no
se presentan simultáneamente en un mismo embarazo. Si se elige al azar una mujer
diabética embarazada,

a) ¿Cuál es la probabilidad de que exista algún tipo de complicación? (Resp: 0,67)

b) ¿Cuál es la probabilidad de que el embarazo sea normal? (Resp: 0,33)

10. Ciertos estudios muestran que un 12 % de las personas tratadas por médicos son
atendidas en el hospital, el 1 % sufren alguna alergia a medicamentos y el 12, 4 %
reciben atención en un hospital o sufren alguna alergia a medicamentos. Se elige un
paciente al azar:

a) ¿Cuál es la probabilidad de que el paciente sea atendido en un hospital y sea

alérgico a los medicamentos? (Resp: 0,006)
b) ¿Cuál es la probabilidad de que el paciente sea atendido en un hospital pero
no sea alérgico a los medicamentos? (Resp: 0,114)
c) ¿Cuál es la probabilidad de que el paciente sea alérgico a los medicamentos
pero no sea atendido en un hospital? (Resp: 0,004)

11. A un grupo de ratones se les suministra cierta dósis de un compuesto. El 50 % de

los ratones muere, el 40 % presenta cianosis y el 25 % muere y presenta cianosis.
Calcular las probabilidades de que un ratón:

a) Muera o presente cianosis.(Resp: 0,65)

b) Viva si presenta cianosis.(Resp: 0,375)
c) Viva y presente cianosis.(Resp: 0,15)

14
2.4. PROBABILIDAD TOTAL Y TEOREMA DE BAYES Nolfa Núñez Fuentealba

12. En un centro de transfusiones, se sabe que la probabilidad de que una unidad de

sangre proceda de un donante remunerado es 0,28. Si el donante es remunerado, la
probabilidad de que la unidad contenga el virus de la hepatitis es 0,0144. Si el do-
nante es desinteresado, esta probabilidad es 0,0012. Si un paciente recibe una unidad
de sangre, ¿cuál es la probabilidad de que contraiga hepatitis como consecuencia de
ello? (Resp: 0,004896)

13. De los sı́ntomas observados en un enfermo se deduce, por larga experiencia clı́nica,
que puede tener la enfermedad A con probabilidad 0,5, la enfermedad B con 0,4 y
la enfermedad C con 0,1. Para precisar el diagnóstico se somete al paciente a una
prueba que da resultado positivo en las personas que padecen las enfermedades A,
B y C con probabilidades 0,3; 0,98 y 0,2 respectivamente.

a) Calcular la probabilidad de que la prueba de resultado positivo (Resp: 0,562)

b) Si no se sabe la enfermedad, pero la prueba es positiva ¿Cuál es la probabilidad
de que se diagnostique la enfermedad A? (Resp: 0,267)

14. Se sabe que el 65 % de los accidentes de tráfico que se producen durante la noche
de los sábados se deben a la ingesta excesiva de alcohol, el 25 % se deben a la
imprudencia del conductor (sobrio) y el resto a otras causas, (fallo mecánico...etc.).
En estos accidentes, el resultado es nefasto el 30 % de las veces en el primer caso, el
20 % en el segundo y el 5 % en el tercero.

a) Calcular la probabilidad de que uno de estos accidentes tenga resultado nefasto.

(Resp: 0,25)
b) Si se produce un accidente con resultado nefasto, calcular la probabilidad de
que la causa de dicho accidente sea la ingesta excesiva de alcohol.(resp: 0,78)

15
2.5. VARIABLE ALEATORIA Nolfa Núñez Fuentealba

2.5. Variable Aleatoria

Definición 2.5.1. Una variable aleatoria es una función que asocia un número real
con cada elemento del espacio muestral.

Ejemplo 2. Una familia (padre, madre, hijo) realizaron un viaje en el que estuvieron
expuestos a cierta enfermedad. Al volver al paı́s se realizaron un chequeo para evaluar el
estado de salud de la familia.El espacio muestral del estado de salud de los integrantes de
la familia es considerando S=Sano, E= Enfermo es:

Ω = {(S, S, S) , (S, S, E) , (S, E, S) , (E, S, S) , (S, E, E) , (E, S, E) , (E, E, S) (E, E, E)}

En este caso nos interesa evidentemente observar cuántos miembros de la familia se conta-
giaron de la enfermedad. de esta forma a cada punto en el espacio muestral se le asignará
un valor numérico de 0,1, 2 o 3, estos valores son cantidades aleatorias determinadas por
el experimento y se pueden ver como los valores que toma la variable aleatoria X, es
decir el número de integrantes de la familia que se contagiaron durante su viaje.

Notación: Diremos X (mayúscula) para determinar la variable aleatoria y x (minúscu-

la) para los valores que toma la variable.

Definición 2.5.2. Una variable aleatoria es discreta si tiene un número finito de valores
o un número de valores contables.

Definición 2.5.3. Una variable aleatoria es continua si tiene un número infinito de

valores y esos valores pueden asociarse con mediciones en una escala continua.

Ejercicio 13. Determine si las siguientes variablea aleatorias son discretas o continuas

1. El sexo de un bebe de un matrimonio que espera mellizos.

2. El peso de un bebe al nacer.

3. Número de fallecidos en un hospital por cáncer de huesos.

4. Número de capacitaciones d eun médico en Chile.

5. Dosis de fármaco recetado a un paciente.

Definición 2.5.4. Una función distribución de probabilidad es una distribucón que

indica la probabilidad de cada valor de la variable aleatoria, puede ser expresada como
gráfica, tabla o fórmula.
Una distribución d eprobabilidad debe cumplir:

16
2.5. VARIABLE ALEATORIA Nolfa Núñez Fuentealba

P
P (x) = 1 (La suma de todas las probabilidades debe ser 1).

0 ≤ P (x) ≥ 1 (Cada valor de probabilidad debe estar entre 0 y 1) Una definicón for-
mal serı́a:

OBSERVACIÓN: Si la v. a es discreta se le llama función de Cuantı́a y si la v. a es

continua se le llama función de densidad.

Definición 2.5.5. Una función de distribución acumulada puede definirse como:

Ejercicio 14. Una familia (padre, madre, hijo) realizaron un viaje en el que estuvieron
expuestos a cierta enfermedad. Al volver al paı́s se realizaron un chequeo para evaluar el
estado de salud de la familia.El espacio muestral del estado de salud de los integrantes de
la familia es considerando S=Sano, E= Enfermo es:

Ω = {(S, S, S) , (S, S, E) , (S, E, S) , (E, S, S) , (S, E, E) , (E, S, E) , (E, E, S) (E, E, E)}

1. ¿Cuál es la variable aleatoria y que valores puede tomar?

17
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

2. Encontrar la función de probabilidad y la de distrivución acumulada en una tabla:

Ejercicio 15. En la siguiente tabla se muestra información sobre el grupo sanguı́neo de

150 personas, encontrar la función de probabilidad f (x) y la de distribución F (x)(aproxime
a dos decimales).

Grupo sanguı́neo X=grupo sanguı́neo Fa

A 1 63
B 2 18
AB 3 8
O 4 61

2.6. Modelos de Probabilidades

El estudio de determinados fenómenos aleatorios ha permitido generalizar y reprodu-
cir el cálculo de probabilidades sobre sus resultados en situaciones equivalentes. Existen
muchas otras distribuciones para variables continuas y discretas, todas deben cumplir con
las condiciones de la distribución de probabilidad. Estudiaremos en este apartado:

Distribución de probabilidades discretas: Proporciona una expresión concreta para

la función de probabilidad correspondiente a p(x).
Distribución Bernoulli
Distribución Binomial
Distribución Poisson

18
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

Distribución de probabilidades continuas: No proporciona un modelo de probabili-

dad que rija su comportamiento ya que toma un número infinito no numerable de
valores. Corresponde a la curva suave que resulta al hacer cada vez mas estrecho el
ancho de las barras de un histograma de probabilidades.
Distribucin Normal
Distribucin T-Student
Distribucin Chi-cuadrado
F-Fisher

2.6.1. Modelos de probabilidad discretos

Definición 2.6.1. En un EXPERIMENTO BERNOULLI solo son posibles dos resul-
tados: éxito o fracaso que son mutuamente excluyentes. Las pruebas de las que se obtienen
los éxitos o los fracasos son independientes y si en un proceso sale éxito, este no influye
en el siguiente. Las probabilidades de éxito o fracaso son constantes. Los fenómenos que
en la vida real cumplen estas caracterı́sticas pueden ser considerados como Procesos de
Bernouilli y se denota X → B(p). En estod casos se define la variable aleatoria discreta
X como:
Éxito → 1
Fracaso → 0
De tal forma que:
P (E) = P (x = 1) = p
P (F ) = P (x = 0) = q, con q = 1 − p Podemos construir la función de probabilidad queda
dada por:
P (X = x) = px · q 1−x , x = 0, 1 (2.9)

Ejercicio 16. En Chile el 4 % de la población adulta tiene diabetes. ¿Cuál es la proba-

bilidad de que un adulto no tenga diabetes?

19
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

Definición 2.6.2. Una DISTRIBUCIÓN BINOMIAL Un experimento que consiste

de n ensayos Bernoulli independientes, cada uno con probabilidad de éxito p y proba-
bilidad de fracaso q, se llama un experimento binomial con n ensayos y parámetro p,se
denota X → B(n, p). La probabilidad de que este experimento ocurra es:
 
n
P (X = x) = · px · q n−x (2.10)
x
 
n n!
Recordar que =
p (n − x)! · x!
En una distribución Binomial los parámetros son:
Media µ = np
Varianza σ 2 = npq
√
Desviación estándar npq

Ejercicio 17. Un estudio permitió establecer que el 15 % de los individuos de una pobla-
ción padece una determinada patologı́a. Se selecciona un grupo de 5 individuos de dicha
población y se desea determinar la probabilidad de que
1. Dos de ellos padezcan la patologı́a.

2. No más de dos padezcan la patologı́a.

3. Entre dos y cuatro padezcan la patologı́a.

4. Ninguno padezca la patologı́a.

20
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

Definición 2.6.3. La DISTRIBUCIÓN POISSON es una distribución de probabili-

dad discreta que se aplica a las ocurrencias de algún suceso durante un intervalo especı́fico.
La variable aleatoria X es el número de veces que ocurre un suceso en el intervalo. El
intervalo puede ser de tiempo, distancia, área, volumen o alguna unidad similar. Si λ es
el promedio de ocurrencias en uno de los intervalos, la probabilidad de que se produzcan
k ocurrencias del suceso está dado por:
e−λ · λk
P (X = k) = , k = 0, 1, 3... + ∞ (2.11)
k!
En una distribución Poisson los parámetros son:
Media µ
Varianza σ 2 = µ
√
Desviación estándar µ

OBSERVACIÓN Cuando n es grande y la probabilidad p es pequeña, cercana a cero,

se puede usar la distribución de Poisson, con λ = np, para aproximar las distribuciones
binomiales.
Los requisitos para utilizar la distribución Poisson como una aproximación de
la Binomial son:
1. n ≥ 100
2. np ≤ 10
Ejercicio 18. El número de llegadas al servicio de urgencia de un hospital es de siete
cada 15 minutos. Si se supone que el número de llegadas se distribuye según un modelo
Poisson, calcular la probabilidad de que en los próximos 15 minutos se produzcan:
1. Ocho llegadas.

2. Entre seis y ocho llegadas.

3. No más de dos llegadas.

4. Más de una llegada.

21
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

5. ¿Cuál es la probabilidad de que en los próximos 30 minutos lleguen diez personas?

6. ¿Cuál es la probabilidad de que en los próximos 45 minutos lleguen seis personas?

Ejercicio 19. Cierta enfermedad tiene una probabilidad muy baja de ocurrir, p =1/100.000.
Para una ciudad con 500.000 habitantes, calcular:
1. La probabilidad de que haya más de 3 personas con dicha enfermedad.

2. La probabilidad de que haya entre 4 y 6 personas con la enfermedad.

3. El número esperado de habitantes que la padecen.

2.6.2. Modelos de probabilidad continuos

Cuando se trabaja con variables aleatorias continuas debe tenerse en cuenta que, al to-
mar cualquier valor en un intervalo, no es posible proceder como en el caso de las variables
discretas a la hora de proponer un modelo de probabilidad que rija su comportamiento
ya que toman un número infinito no numerable de valores.

22
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

1. Distribución Normal
Constituye la distribución de probabilidad para variables aleatorias continuas más
importantes, debido a que en la naturaleza muchas variables se comportan de manera
aproximada a este modelo de probabilidad. Una variable aleatoria continua X que
tiene distribución con forma de campana se denomina variable aleatoria normal.
La ecuación matemática para la distribución de probabilidad de la variable normal
depende de la medis (µ) y la desviación estándar (σ). La función de densidad de la
variable aleatoria X, con media µ y varianza σ 2 , es:

1 1 2
f (x) = √ · e− 2σ2 (x−µ) (2.12)
2πσ

Notación N (µ, σ 2 )
La distribución de una variable aleatoria normal con media 0 y varianza 1 se llama
distribución normal estándar.
Notación N (0, 1)

Caracterı́sticas de la Distribución normal

Tiene forma de campana, es asintótica al eje de las abscisas.

Es simétrica con respecto a la media (µ) donde coinciden la mediana (Med) y
la moda (Mo).

Ejercicio 20. .

23
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

a) P (z < 0, 96) =

b) P (0, 3 < Z < 1, 38) =

c) P (Z > 0, 41) =

d ) P (Z < a) =

24
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

Cálculo de probabilidades
Para calcular manualmente probabilidades sobre un modelo normal suele utilizarse
una tabla correspondiente a la normal con media 0 y desviación tı́pica 1, conocida
como la distribución normal estándar. Será necesario transformar la variable y la
probabilidad en una probabilidad equivalente pero planteada sobre una Normal de
media 0 y desviación tı́pica 1. Para realizar este proceso se debe estandarizar la
variable restando la media y dividiendo por la desviación tı́pica. A este proceso
se le llama tipificaci’ón o estandarización de la variable. Ası́ se obtiene la variable
estandarizada Z.
x−µ
Z= (2.13)
σ
Ejercicio 21. En un hospital, las estaturas, en centı́metros, de los recién nacidos se
distribuyen N(46,4). ¿Cuál es la probabilidad de que un recién nacido mida menos
de 42 cm?

Ejercicio 22. La longitud del fémur de cualquier feto a las 25 semanas de gesta-
ción sigue una distribución Normal con media 44 mm y desviación tı́pica 2 mm. Si
tomamos una embarazada al azar con 25 semanas de gestación:

a) ¿Qué probabilidad tenemos de que el fémur de su feto mida más de 46 mm?

b) ¿Qué mida entre 47 mm y 49 mm?

c) Calcula también un intervalo (centrado en la media) que contenga el 80 % de

los valores de longitud de fémur.

25
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

La distribución binomial se aproxima bien por la normal en problemas pácticos

cuando se trabaja con la función de distribución acumulada. El siguiente Teorema
permite utilizar áreas bajo la curva normal para aproximar propiedades binomiales,
cuando n es suficientemente grande.
Teorema 2.6.1. Si X es una variable aleatoria binomial con media µ = np y
varianza σ 2 = npq entonces la forma limitante de la distribución de
X − np
Z= √ (2.14)
npq
conforme n → ∞, es la distribución normal estándar N (0, 1).
Ejercicio 23. La probabilidad de que un paciente se recupere de una rara enfer-
medad de la sangre es 0,4.Si se sabe que 100 personas contrajeron esta enfermedad,
¿cuál es la probabilidad de que 30 sobrevivan?

2. T-Student
La distribución t de student es transcendental para aplicaciones inferenciales , en
especial para aquellas en las que se desconoce la varianza ; dado que no depende
de las varianzas de las variables que la integran. La función de densidad para la
variable aleatoria X, esta dada por:
" #
v+1 v+1
Γ !−
2 t 2 2
f (x) = ! · 1+ , −∞ < t < ∞ (2.15)
v v
Γ
2

Ésta se conoce como la distribución t con v grados de libertad.

26
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

Caracterı́sticas de la Distribución T-Student

Tiene forma de campana con centro en cero (0).

Es más dispersa que la curva de la distribución normal estándar.

Ejercicio 24. Encontrar, el valor para 9 grados de libertad:

a) P (T < a) = 0, 9

b) P (T > b) = 0, 9

c) P (a < T < b) = 0, 95

d ) P (T < 2, 583) =

27
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

3. Chi-Cuadrado
Una variable Chi cuadrada (χ2 ) se define como la suma de n variables normales es-
tandarizadas elevadas al cuadrado. La función de densidad para la variable aleatoria

28
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

X, esta dada por:

1 k x
f (x) = !x 2 −1 e− 2 , x > 0 (2.16)
k k
2 Γ
2
2

Ésta se conoce como la distribución Chi con v grados de libertad.

Caracterı́sticas de la χ2

Los valores de χ2 son mayores o iguales que 0.

La forma de una distribucin χ2 depende del gl=n-1. En consecuencia, hay un
número infinito de distribuciones χ2 .
El área bajo una curva chi-cuadrada y sobre el eje horizontal es 1.
Las distribuciones χ2 no son simétricas. Tienen colas estrechas que se extienden
a la derecha.

Ejercicio 25. Encontrar, el valor para los grados de libertad indicados:

a) P (χ2 < a) = 0, 1 con 11 grados de libertad.

b) P (χ2 > a) = 0, 1 con 11 grados de libertad.

c) P (χ2 < b) = 0, 99 con 3 grados de libertad.

29
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

d ) P (a < χ2 < b) = 0, 9 con 15 grados de libertad.

4. F-Fisher
Si U y V son dos variables aleatorias independientes que tienen distribución Chi
Cuadrada con n1 y n2 grados de libertad, respectivamente, entonces, la variable
U/n1
aleatoria F = tiene función de distribución F-Fisher. La función de densidad
V /n2
para la variable aleatoria X, esta dada por:

(2.17)
Caracterı́sticas de la F-Fisher

30
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

No es simétrica, sino que principalmente es asimétrica positiva.

Toma valores positivos.

Ejercicio 26. Encontrar, el valor solicitado para 5 grados de libertad en el deno-

minador y 15 en el numerador :

a) P (F < a) = 0, 95

b) P (F > a) = 0, 1

31
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

EJERCICIOS sección 2.5 y 2.6

1. Se ha observado que de 2000 accidentes de tráfico con impacto frontal y cuyos con-
ductores no utilizaron cinturón de seguridad, 300 individuos quedaron con secuelas.

a) ¿Qué tipo de distribución está presente en este problema? Explique su respues-

ta.
b) ¿Cuál es la probabilidad de quedar con secuelas? (Resp: 0,15).
c) ¿Cuál es la probabilidad de no quedar con secuelas? (Resp: 0,85).

2. La probabilidad de que un estudiante obtenga el tı́tulo de Licenciado en farmacia

es 0,3. Hallar la probabilidad de que de un grupo de siete estudiantes matriculados
en primer año finalice la carrera:

a) Ninguno (Resp:P (X = 0) = 0, 082).

b) Todos (Resp:P (X = 7) = 0, 00022).
c) Al menos 2 (Resp: P (X ≥ 2) = 0,668).
d ) Entre 5 y 7 (Resp: P (5 ≤ X ≤ 7) = 0, 029).

32
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

3. El número promedio de operaciones (de alta complejidad) realizados en un hospital

es 5 por dı́a. Suponiendo que las operaciones sigan una distribución de Poisson,
calcular la probabilidad de que en un dı́a se realicen exactamente dos operacio-
nes.(Resp: P (X = 2) = 0, 084)

4. La probabilidad de que un paciente se recupere de una operación de corazón es

0,9. De los siguientes 100 pacientes que se sometan a esta operación, ¿cuál es la
probabilidad de que:

a) sobrevivan entre 84 y 95 pacientes (inclusive)? (Resp: 0,9514)

b) sobrevivan menos de 86 pacientes? (Resp: 0,3974)

5. Una compañia farmacéutica sabe que aproximadamente el 5 % de sus pı́ldoras an-

ticonceptivas tienen un ingrediente que está por debajo de la dosis mı́nima, lo que
vuelve ineficaz a la pı́ldora. ¿Cuál es la probabilidad de que menos de 10 en una
muestra de 200 pı́ldoras sean ineficaces? (Resp: 0,1357)

6. Un estudio permitió establecer que el 10 % de los individuos de una población pa-

dece una determinada patologı́a. Se selecciona un grupo de 6 individuos de dicha
población. Determinar la probabilidad de que:

a) Dos personas padezcan la patologı́a.(Resp: 0,0984)

b) Más de 3 personas padezcan la patologı́a.(Resp: 0,0,0013)
c) Menos de 5 personas padezcan la patologı́a.(Resp: 0,9999)

7. La proporción de enfermos que se curan de una enfermedad mediante un tratamiento

se ha estimado que es igual a 0,8. Si se someten 20 pacientes con la enfermedad al
tratamiento, ¿cuál es la probabilidad de que se curen 18? (Resp: 0,1369)

8. La frecuencia con la que se presenta un tipo raro de minusvalı́a se estima de un caso

por cada 100.000. En el departamento de neonatologı́a de un gran complejo hospita-
lario y por un procedimiento que puede ser considerado aceptablemente aleatorio, se
ha observado una muestra de recién nacidos de tamaño 60. ¿Cuál es la probabilidad
de encontrar un caso? (Resp:0,0006)

9. El número de nacimientos en un hospital constituye un proceso de Poisson con inten-

sidad de 21 nacimientos por semana. ¿Cuál es la probabilidad de que se produzcan
al menos tres nacimientos en tres dı́as? (Resp: 0,015).

33
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

10. En una cierta población se estudia la variable aleatoria cifra de urea en la sangre
(expresada en SDS-puntuaciones estándar). Se acepta que dicha variable se distri-
buye según una ley normal de media 0 y desviación tı́pica 1 ¿Cuál es la probabilidad
de que un individuo escogido al azar de esa población tenga:

a) Una SDS de urea en sangre inferior a 1,83? (Resp: 0,9664)

b) Una SDS de urea en sangre igual o superior a 1,65? (Resp: 0,0495)
c) Una SDS de urea en sangre comprendida entre -0,25 y 1,25? (Resp: 0,4931)
d ) ¿Cuál es el valor de la variable urea en la sangre expresada en SDS que limita
el 25 % superior de la distribución de todos los individuos de la población?
(Resp:0,67)

11. Estaı́sticas publicadas por la Administración Nacional de Seguridad de Tránsito

en Carreteras muestran que una noche promedio de fin de semana, 1 de cada 10
conductores está ebrio. Si se supervisan 400 conductores al azar la siguiente noche
de sábado, ¿cuál es la probabilidad de que el número de conductores ebrios sea:

a) menor que 32? (Resp: 0,0778)

b) mayor que 49? (Resp: 0,0571)
c) entre 35 y 47? (Resp: 0,6811)

12. Supongamos que la presión diastólica en mujeres hipertensas se centra en torno a

una media de 100 mm con una desviación tı́pica de 14 mm y que su distribución es
normal. Calcula:

a) La probabilidad de que la presión diastólica sea menor a 88 mm.(Resp:0,1957)

b) La probabilidad de que la presión diastólica sea mayor a 115 mm.(Resp:0,1420)
c) La probabilidad de que la presión diastólica se encuentre entre 96 y 104 mm.
(Resp:0,225)
d ) El valor a tal que la probabilidad de que la presión sea menor que a, sea
0,95.(Resp:a=123)
e) El valor b tal que la probabilidad de que la presión sea mayor que b, sea
0,95.(Resp:b=77)

13. El valor medio de ácido pirúvico en sangre es de 10 ugr/cc, con una desviación tı́pica
de 4 ugr/cc, se supone que se distribuye normal. Calcula:

a) La probabilidad de encontrar valores de dicho ácido inferiores a 1,8 ugr/cc.(Resp:0,9772)

34
2.6. MODELOS DE PROBABILIDADES Nolfa Núñez Fuentealba

b) La probabilidad de encontrar valores de dicho ácido comprendidos entre 17,36

ugr/cc y 18,8 ugr/cc.(Resp:0,019)
c) ¿Cuál es el valor de a si se sabe que la probabilidad de encontrar valores de
dicho ácido comprendidos entre 3,6 ugr/cc y a es de 0,8201?(Resp: a=14,6)

14. Se sabe que el nivel de colesterol (en mg/100 ml) en una población se distribuye,
aproximadamente, según el modelo normal con media 205 mg/100 ml y desviación
tı́pica 36 mg/100 ml. Se selecciona al azar un individuo de dicha población y se
pretende calcular la probabilidad de que:

a) Su nivel de colesterol sea inferior a 190 mg/100 ml.(Resp:0,3385)

b) Su nivel de colesterol se encuentre entre 180 y 220 mg/100 ml.(Resp:0,4178)
c) Su nivel de colesterol sea superior a 230 mg/100 ml. (Resp:0,2437)

35
2.7. MUESTREO Nolfa Núñez Fuentealba

2.7. Muestreo
Se denomina muestreo al proceso por el que generamos las muestras. Una muestra es
una parte (un subconjunto) de la población, y se desea que la muestra sea lo más repre-
sentativa posible de la población de la que procede. Sin embargo, por muy cuidadosa que
sea la selección de la muestra difı́cilmente será una representación exacta de la población.
Esto significa que su tendencia central, variabilidad, etc., aproximarán las de la pobla-
ción, pero habrá cierta diferencia, que interesa sea lo menor posible. Un concepto clave
de muestreo es el de representatividad: Los procedimientos de muestreo tienen por objeto
generar muestras lo más representativas posible de las poblaciones dados los objetivos de
la investigación y las circunstancias que afectan al muestreo.

2.7.1. Tipos de Muestreo

1. Muestreo Aleatorio Simple
Es un método de selección de n unidades sacadas de N , de tal manera que cada
una de las muestras tienen la misma oportunidad de ser escogidas. El número de
muestras distintas de tamao n que pueden ser sacadas de N unidades está dado por
la fórmula combinatoria  
N N!
= (2.18)
n n!(N − n)!

2. Muestreo Estratificado
En este muestreo la población de N unidades es primero dividida en subpoblaciones
de N1 , N2 , ...., Nk unidades, respectivamente. Estas subpoblaciones no se sobreponen
y juntas forman la totalidad de la población, por lo que N1 + N2 + .... + Nk = N .
Las subpoblaciones son llamados estratos. Una vez que han sido determinados los
estratos, se saca una muestra de cada uno, la obtención se realiza independiente-
mente en estratos diferentes y el número de individuos que se eligen de cada estrato
se puede decidir mediante diversos criterios:

a) Elección simple (o uniforme): se toman de la muestra el mismo número de

n
sujetos para cada uno de los k estratos. De cada estrato se seleccionarı́an
k
individuos. Este criterio no es recomendable cuando los estratos tienen un
número de individuos significativamente diferente.
b) Elección proporcional al tamaño del estrato: el tamaño de la muestra en ca-
da grupo es proporcional a los elementos de dicho grupo. En cada estrato se
Ni
tomarán ni elementos, calculados mediante la fórmula: ni = n · .
N

36
2.7. MUESTREO Nolfa Núñez Fuentealba

3. Muestreo Sistemático
Suponga que N unidades en la población se numeran de 1 a N en algún orden. Para
seleccionar la muestra de n unidades, tomamos una unidad al azar de las primeras
k unidades y de ahı́ en adelante cada k − esima unidad. La selección de la primera
unidad determina la muestra completa. La muestra sistemática está distribuida más
uniformemente sobre la población que con los otros tipos de muestreo.

4. Muestreo por Conglomerados

En el muestreo por conglomerados, la población se divide en unidades o grupos, lla-
mados conglomerados (generalmente son unidades o áreas en los que se ha dividido
la población), que deben ser lo más representativas posible de la población, es decir,
deben representar la heterogeneidad de la población objeto del estudio y ser entre
sı́ homogéneos. El motivo para realizar este muestreo es que a veces resultarı́a de-
masiado costoso realizar una lista completa de todos los individuos de la población
objeto del estudio, o que cuando se terminase de realizar la lista no tendrı́a sentido
la realización del estudio. El principal inconveniente que tiene es que si los conglo-
merados no son homogéneos entre sı́, la muestra final puede no ser representativa
de la población. Suponiendo que los conglomerados sean tan heterogéneos como la
población, en relación a las variables estudiadas, y que entre sı́ sean homogéneos,
para obtener una muestra bastará con seleccionar algunos conglomerados. En este
caso se habla de muestreo por conglomerados de una etapa.

Ejercicio 27. Determinar el tipo de muestreo que corresponde a cada figura:

37
2.7. MUESTREO Nolfa Núñez Fuentealba

Ejercicio 28. Determinar el tipo de muestreo en cada uno de los siguientes casos:
1. Se desea obtener una muestra de 30 alumnos entre 115 estudiantes de QYFA, para
ello se numeran los estudiantes del 1 al 115 y luego se sortean 30 números entre los
120.

2. Si tenemos una población formada por 100 elementos y queremos extraer una mues-
tra de 25 elementos, en primer lugar debemos establecer el intervalo de selección que
será igual a 100/25 = 4. A continuación elegimos el elemento de arranque, tomando
aleatoriamente un número entre el 1 y el 4, y a partir de él obtenemos los restantes
elementos de la muestra.

3. En una fábrica que consta de 600 trabajadores queremos tomar una muestra de
20.La fabrica est dividida en secciones según la especialidad de las personas, de tal
manera que hay 200 trabajadores en la sección A, 150 en la B, 150 en la C y 100 en
la D.

4. Si se desea estudiar a los hipertensos atendidos en los hospitales de nivel 1. Para ello
se escogen algunos hospitales de las regiones, luego de las provincias y finalmente se
escogen algunos hospitales de nivel 1 para hacer un listado de pacientes hipertensos.

2.7.2. Determinación del tamaño de la muestra

En la planeación de un estudio por muestreo, siempre se llega a un punto en el que
se debe decidir el tamaño de la muestra. Una muestra demasiado grande implica un des-
perdicio de recursos y una demasiado pequeña disminuye la utilidad de los resultados. La
desición no siempre es satisfactoria ya que con frecuencia no poseemos suficiente infor-
mación para asegurarnos que nuestra elección de tamaño de la muestra es el mejor. La
teorı́a de muestreo proporciona un plateamiento general dentro del cual puede pensarse
inteligentemente en relación al problema.
ObservaciónPara asegurar que el tamaño de la muestra sea al menos tan grande
como debe ser, si el tamaño muestral no es entero redondee al entero mayor.

1. Tamaño muestral para la estimación de la proporción p.

Si deseamos estimar una proporción, debemos saber:

a) El nivel de confianza o seguridad (1−α). El nivel de confianza prefijado da lugar

a un coeficiente Z α2 .Para una seguridad del 95 % = 1,96, para una seguridad
del 99 % = 2,58.
b) La precisión que deseamos para nuestro estudio.

38
2.7. MUESTREO Nolfa Núñez Fuentealba

c) Una idea del valor aproximado del parámetro que queremos medir (en este
caso una proporción). Esta idea se puede obtener revisando la literatura, por
estudio pilotos previos. En caso de no tener dicha información utilizaremos el
valor p = 0.5 (50 %).

Cuando se conoce un estimado p̂

 2
Z α2 p̂q̂
n= (2.19)
E2
Cuando se desconoce un estimado p̂
 2
Z α2 · 0,5 · 0,5
n= (2.20)
E2
Para dos muestras pˆ1 ,pˆ2
Z 2α (pˆ1 qˆ1 + pˆ2 qˆ2 )
2
n= (2.21)
E2
2. Tamaño muestral para la estimación de la media µ.

Si deseamos estimar una media debemos saber:

a) El nivel de confianza o seguridad (1 − α). El nivel de confianza prefijado da

lugar a un coeficiente Z α2 o t α2 .
b) Si se conoce o no se conoce la varianza poblacional.

Cuando se conoce σ " #2

Z α2 σ
n= (2.22)
E

Margen de error para la estimación de µ cuando se desconoce σ

tα s
E = √2 (2.23)
n
con n − 1 grados de libertad

Ejercicio 29. Un equipo de investigadores quiere estimar la proporción p de vacas que

sufren el mal de las vacas locas en una explotación ganadera, mediante un intervalo con
un error máximo de 0,015 y nivel de confianza 0,95. A cuántas vacas deben analizar para

39
2.7. MUESTREO Nolfa Núñez Fuentealba

alcanzar aproximadamente este objetivo, sabiendo que en un pequeño sondeo orientativo

(muestra piloto) resulto que el 15 % de las vacas estaban afectadas por la enfermedad?

Ejercicio 30. Se sabe que la desviación tı́pica del peso de los individuos de una población
es 6 kg. Calcula el tamaño de la muestra que se ha de considerar para, con un nivel de
confianza del 99 %, estimar el peso medio de los individuos de la población con un error
inferior a 1 kg.

EJERCICIOS sección 2.7

1. ¿Cuántas mujeres será necesario estudiar para estimar la prevalencia del dolor lum-
bar en embarazadas con un 95 % de confianza y un error máximo admitido del 0,08
si se sabe que el valor de prevalencia es de 20 %? (Resp: 97)

2. ¿Cuántas mujeres será necesario estudiar para estimar la prevalencia del dolor lum-
bar en embarazadas con un 95 % de confianza y un error máximo admitido del 0,08?
(Resp: 151)

3. Supongamos que queremos estimar el nivel de hemoglobina (Hb) medio para los
pacientes oncológicos sometidos a tratamiento de Quimioterapia. Supongamos tam-
bién que queremos obtener esta estimación con un error máximo de 0,2 unidades y
que queremos trabajar con una confianza del 95 %. Se sabe que la desviación tı́pica
de la población es 0,6.(Resp:139)

4. Si deseamos conocer la media de la glucemia basal de una población, con una segu-
ridad del 95 % y una precisión de ±3mg/dl y tenemos información por un estudio
piloto o revisión bibliogrfica que la varianza es de 250 mg/dl.¿cuál es el tamaño de
la muestra? (Resp: 107)

40
2.8. DISTRIBUCIONES MUESTRALES Nolfa Núñez Fuentealba

5. Un investigación de la UCLA afirma que la vida de los ratones se puede extender

hasta un 25 % cuando se reducen las calorı́as en su alimento en aproximadamente
40 %, desde el momento en que se desteta. Las dietas restringidas se enriquecen a
niveles normales con vitaminas y proteı́nas. Suponiendo que por estudios previos se
sabe que σ = 5, 8 meses, ¿cuántos ratones se deberı́an incluir en una muestra, si
deseamos tener 99 % de confianza de que la vida media de la muestra esté dentro
de 2 meses de la media de la población para todos los ratones sujetos a la dieta
reducida? (Resp: 56)

2.8. Distribuciones Muestrales

En el campo de inferencia estadı́stica se trabaja básicamente con generalizaciones y
predicciones. A partir de una muestra seleccionada de la población se calculan estadı́gra-
fos y con estos se hacen varias afirmaciones con respecto a los valores de los parámetros
de la población, que pueden ser ciertas o no. Estos estadı́grafos dependen de la mues-
tra seleccionada, luego deben tener una distribucón de probabilidad. La distribución de
probabilidad de un estadı́stico de llama distribución normal.

1. Distribución muestral de la proporción p̂

Si p̂ es la proporción de éxitos observadas en una muestra aleatoria, se puede observar
que:
Media de la distribución muestral de las proporciones es µp̂ = p, con p, proporción
de la población.
pq
Varianza de la distribución muestral de las proporciones es σp̂2 =
n
Teorema 2.8.1. Si p̂ es la proporción de una muestra aleatoria de tamaño n, en-
tonces
p̂ − p
Z=p (2.24)
pq/n
Se distribuye normal estándar N (0, 1)

2. Distribución muestral de la media X̄ Suponga que una muestra aleatoria de n ob-

servaciones se toma de una población normal con media µ y varianza σ 2 . Cada
observación Xi , i = 1, 2, 3..., n de la muestra aleatoria tendrá entonces la misma
distribución normal de la población que se muestra.
Media de la muestra: µX̄ = µ
2
σ2
Varianza de la muestra σX̄ = .
n

41
2.8. DISTRIBUCIONES MUESTRALES Nolfa Núñez Fuentealba

Teorema 2.8.2. Teorema del lı́mite central: Si X̄ es la media de una muestra

aleatoria de tamaño n tomada de una población con media µ y varianza σ 2 , entonces:
X̄ − µ
Z= √ (2.25)
σ/ n
Se distribuye normal estándar N (0, 1)

3. Distribución muestral de la varianza S 2

Teorema 2.8.3. Si S 2 es la varianza de una muestra aleatoria de tamaño n que se
toma de una población normal que tiene varianza σ 2 , entonces el estadı́stico
n
2
(n − 1)S 2 X (Xi − X̄)2
χ = = (2.26)
σ2 i=1
σ2

tiene una distribución chi cuadrado con v = n − 1 grados de libertad.

Ejercicio 31. La vida media de un Esfigmomanómetro de aire para medir la presión

arterial es de 7 años, con una desviación estándar de 1 año. Suponiendo que la vida de
estos aparatos siguen aproximadamente una distribución normal, encuentre:
1. La probabilidad de que la vida media de una muestra aleatoria de 9 de estos aparatos
caiga entre 6,4 y 7,2 años.

2. El valor de a a la derecha del cual caerı́a el 15 % de las medias calculadas de muestras

aleatorias de tamaño 9.

42
2.8. DISTRIBUCIONES MUESTRALES Nolfa Núñez Fuentealba

Ejercicio 32. Se ha determinado que 85, 1 % de los estudiantes de la universidad fuman

o han fumado cigarrillos. Se toma una muestra aleatoria de 200 estudiantes. Calcular la
probabilidad de que no más de 80 % de alumnos de la muestra fume.

Ejercicio 33. Encuentre la probabilidad de que una muestra aleatoria de 25 observacio-

nes, de una población normal con varianza σ 2 = 6, tenga una varianza s2

1. mayor que 9,1.

2. entre 3,462 y 10,745.

43
2.8. DISTRIBUCIONES MUESTRALES Nolfa Núñez Fuentealba

EJERCICIOS sección 2.8

1. Un laboratorio fabrica bombillas de luz que tienen una duración que se distribuye
aproximadamente en forma normal, con media 800 horas y desviación estándar de
40 horas. Encuentre la probabilidad de que una muestra aleatoria de 16 bombillas
tenga una vida promedio de menos de 775 horas. (Resp: 0,0062)

2. Se fabrica cierto tipo de hilo (para operaciones) con una resistencia a la tensión
media de 78,3 kilogramos y una desviación estándar de 5,6 kilogramos. ¿Cuál es la
probabilidad que en un exámen de calidad, una muestra aleatoria de 26 paquetes
de hilo, estas tengan una desviación estándar

a) menor a 4,7 Kg? (Resp:0,15)

b) entre 5 y 6 Kg? (Resp:0,4)

3. Se sabe que el 75 % de los pacientes que son operados con una nueva técnica quirúrgi-
ca, en una operación de cálculos renales, son dados de alta antes de 4 dı́as. ¿Cuál
es la probabilidad de que de 30 pacientes operados

a) más del 90 % sea dado de alta antes de 4 dı́as? (Resp:0,9706)

b) menos del 60 % sea dado de alta antes de 4 dı́as? (Resp:0,2643)

4. El peso medio de los recién nacidos en un hospital público durante el año 2017, fue
3.000 gramos con una desviación estándar de 140 gramos.¿Cuál es la probabilidad
de que la media de una muestra de 100 bebes recién nacidos sea superior a 3.030
gramos? (Resp: 0,9838)

44