Estadística Básica

Estadística Básica

Unidad 2
Fundamentos estadísticos

Actividad 2
Ensayo
Distribución de probabilidad

Tutor

Juan José Maldonado García

Estudiante
Raúl Aureliano Santiago Ramos
Estadística Básica
 Estadística Básica

INTRODUCCIÓN
Una distribución de probabilidad proporciona toda la gama de valores que se pueden presentar
en un experimento. Es similar a una distribución de frecuencias relativas; sin embargo, en lugar
de describir el pasado, describe la probabilidad de que un evento se presente en el futuro. Por
ejemplo, si un fabricante de medicamentos afirma que cierto tratamiento permitirá que 80% de
la población baje de peso, la agencia de protección al consumidor quizá someta a prueba el
tratamiento con una muestra de seis personas. Si la afirmación del fabricante es cierta, es casi
imposible tener un resultado en el que nadie en la muestra pierda peso y es muy probable que
5 de cada 6 pierdan peso.
Pero respondamos a la pregunta ¿Qué es una distribución de probabilidad?
Una distribución de probabilidad muestra los posibles resultados de un experimento y la
probabilidad de que cada uno se presente. Una distribución es pues un listado de todos los
resultados de un experimento y la probabilidad asociada con cada resultado.
Una distribución tiene ciertas características entre ellas:
1. La probabilidad de un resultado en particular se encuentra entre 0 y 1, inclusive.
2. Los resultados son eventos mutuamente excluyentes.
3. La lista es exhaustiva. Así la suma de las probabilidades de los diversos eventos es
igual a 1.
El comportamiento de una variable aleatoria queda descrito por su distribución. Frecuentemente
las acciones de medición u observación que se realizan estadísticamente tienen el mismo tipo
de comportamiento, en consecuencia, las variables discretas que se asocian con la medición
pueden describirse fácilmente en esencia por la misma distribución de probabilidad y, por tanto,
se representan a través de fórmulas. Al respecto, se necesitan contadas fórmulas para describir
un sinnúmero de variables aleatorias que se encuentran en el quehacer diario de las empresas.
Sin excepción, todas las distribuciones de probabilidad que existen son generadas por una
variable aleatoria, al igual que las variables y los espacios muéstrales; también existen
diferentes modelos de distribuciones discretas y continuas.
La gran utilidad que tiene la estadística para el desarrollo de actividades de calidad y mejora
continua tiene que ver con el monitoreo de las variables a través de su distribución
probabilística, y es así como se establecen las grandes acciones una vez que ha sido
monitoreado el desempeño de la variable de interés; A continuación se presentan las diferentes
distribuciones de probabilidad
 Estadística Básica

DESARROLLO
DISTRIBUCIONES DE VARIABLES DISCRETAS
Distribución binomial
La distribución de probabilidad binomial es una distribución de probabilidad discreta que se
presenta con mucha frecuencia. Una característica de una distribución binomial consiste en que
solo hay dos posibles resultados en determinado intento de experimento. Por ejemplo, el
enunciado en una pregunta de cierto o falso es o cierto o falso. Los resultados son mutuamente
excluyentes, lo cual significa que la respuesta a una pregunta de cierto o falso no puede ser al
mismo tiempo cierta o falsa. En otro ejemplo, un producto se clasifica como aceptable o
inaceptable por el departamento de control de calidad; un trabajador se clasifica como
empleado o desempleado, y una llamada da como resultado que el cliente compre el producto o
no lo compre. Con frecuencia, se clasifican los dos posibles resultados como éxito y fracaso.
Sin embargo, esta clasificación no implica que un resultado sea bueno y el otro malo.
Otra característica de la distribución binomial es el hecho de que la variable aleatoria es el
resultado de conteos. Es decir, se cuenta el número de éxitos en el número total de pruebas.
Lance una moneda equilibrada cinco veces y cuente el número de veces que aparece una cara;
seleccione 10 trabajadores y liste cuántos tienen más de 50 años.
Una tercera característica de una distribución binomial consiste en que la probabilidad de éxito
es la misma de una prueba a otra. Un ejemplo es:
 La probabilidad de que adivine la primera pregunta de una prueba de verdadero o falso
(éxito) es de un medio. Ésta constituye la primera prueba. La probabilidad de que
adivine la segunda pregunta (segunda prueba) también es de un medio; la probabilidad
de éxito en la tercera prueba es de otro medio, y así sucesivamente.
La última característica de una distribución de probabilidad binomial consiste en que cada
prueba es independiente de cualquiera otra. Que sean independientes significa que no existen
patrones en las pruebas. El resultado de una prueba en particular no influye en el resultado de
otra prueba.
Experimento de Probabilidad Binomial
1. El resultado de cada prueba de un experimento se clasifica en una de dos categorías
mutuamente excluyentes: éxito o fracaso.
2. La variable aleatoria permite contar el número de éxitos en una cantidad fija de pruebas.
3. La probabilidad de éxito y fracaso es la misma para cada prueba.
 Estadística Básica

4. Las pruebas son independientes, lo cual significa que el resultado de una prueba no
influye en el resultado de otra prueba.
Distribución hepergeométrica
Cuando el muestreo se realiza sin reposición para cada uno de los elementos que se toman de
una población finita de elementos, no se puede aplicar el proceso de Bernoulli debido a que
existe un cambio sistemático en la probabilidad de éxitos al ir extrayendo elementos de la
población, en este caso la distribución discreta de probabilidad apropiada resulta ser la
distribución hipergeométrica.
Características de la Distribución Hipergeométrica
Suponga que se obtiene una muestra de elementos de una población y se determina si cada
uno de ellos tiene o no una característica determinada. Los datos obtenidos son de tipo “acierto”
y “falla” como en el caso de la distribución binomial.
Si el número de elementos de la población es grande en comparación con el de la muestra, la
probabilidad de seleccionar un elemento con una determinada característica en un solo ensayo
es igual a la proporción de “éxito” p de elementos con esa característica en la población. Dado
que la población es grande comparada con el tamaño de la muestra, esta probabilidad
permanecerá constante (para propósitos prácticos) de ensayo a ensayo y el número de aciertos
sigue una distribución de probabilidad binomial.
Sin embargo, si el número de elementos en la población es pequeño en relación con el tamaño
de la muestra, es decir
n > (0.05) (a + b) ó n > (0.05) (n)
La probabilidad de un acierto en un ensayo dado depende de los resultados precedentes.
Entonces el número a de aciertos sigue lo que se conoce como una distribución de probabilidad
hipergeométrica.

Distribución Poisson
La distribución recibe su nombre en honor de Simeon Poisson (1781-1840) quien la estudió y
dio a conocer en 1837. El definió lo que ahora recibe el nombre de variable aleatoria de
Poisson, como el número de acontecimientos raros de un evento específico que ocurren en una
unidad de tiempo o espacio especificado.
La distribución de probabilidad de Poisson describe el número de veces que se presenta un
evento durante un intervalo específico. El intervalo puede ser de tiempo, distancia, área o
volumen. La distribución se basa en dos supuestos. El primero consiste en que la probabilidad
 Estadística Básica

es proporcional a la longitud del intervalo. El segundo supuesto consiste en que los intervalos
son independientes. En otras palabras, cuanto más grande sea el intervalo, mayor será la
probabilidad, y el número de veces que se presenta un evento en un intervalo no influye en los
demás intervalos. La distribución también constituye una forma restrictiva de la distribución
binomial cuando la probabilidad de un éxito es muy pequeña y n es grande. A ésta se le conoce
por lo general con el nombre de ley de eventos improbables, lo cual significa que la
probabilidad, π, de que ocurra un evento en particular es muy pequeña. La distribución de
Poisson es una distribución de probabilidad discreta porque se genera contando. En resumen,
una distribución de probabilidad de Poisson posee tres características:
Experimento de Probabilidad de Poisson
1. La variable aleatoria es el número de veces que ocurre un evento durante un intervalo
definido.
2. La probabilidad de que ocurra el evento es proporcional al tamaño del intervalo.
3. Los intervalos no se superponen y son independientes.
La distribución posee diversas aplicaciones. Se le utiliza como modelo para describir la
distribución de errores en una entrada de datos, el número de rayones y otras imperfecciones
en las cabinas de automóviles recién pintados, el número de partes defectuosas en envíos, el
número de clientes que esperan mesa en un restaurante o que esperan entrar en una de las
atracciones de Disney World y el número de accidentes en la carretera federal 75 en un periodo
de tres meses.
La distribución de Poisson se describe matemáticamente por medio de la siguiente fórmula:
x −μ
μ e
P ( x) =
x!
Dónde:
µ es la media de la cantidad de éxitos y puede presentar un evento o un intervalo en
particular.
e es la constante 2.71828
x es el número de veces que se presenta un evento.
P(x) es la probabilidad para un valor específico de x
La media de un número de éxitos, µ, pude determinarse con nπ en este caso n es el número
total de pruebas y π, la probabilidad de éxito.
La varianza de Poisson también es igual a su media. Si, por ejemplo, la probabilidad de que un
cheque cobrado en un banco rebote es de 0.0003 y se cobran 10 000 cheques, la media y la
 Estadística Básica

varianza del número de cheques rebotados es de 3.0, que se determina mediante la operación
μ = nπ = 10 000(.0003) = 3.0.
Recuerde que, en el caso de una distribución binomial, existe una cantidad fija de pruebas. Por
ejemplo, en una prueba de selección múltiple de cuatro preguntas, sólo puede haber cero, uno,
dos, tres o cuatro éxitos (respuestas correctas). Sin embargo, la variable aleatoria, x, para una
distribución de Poisson puede adoptar una infinidad de valores; es decir, 0, 1, 2, 3, 4, 5, …. Sin
embargo, las probabilidades se tornan muy bajas después de las primeras veces que se
presenta un evento (éxitos).
DISTRIBUCIÓN CONTINUA
Distribución normal
Esta distribución de probabilidad fue descrita primeramente en 1753 por Abraham de Moivre
(1667-1 754), pero fue popularizada por Adolphe Quetelet (1796 - 1574) quien la utilizó para
analizar el concepto de “el hombre promedio”, y por Carl Friedrich Gauss (1777-1855) que la
usó para describir errores de medición en astronomía.
Si el tipo de variable aleatoria cuantitativa que se presenta es de naturaleza continua, es decir,
que pueden tomar valores en todos los puntos de una escala y sin interrupciones entre valores
posibles.
Considérese las características medidas en unidades de dinero, tiempo, distancia o peso, etc.,
la distribución que se va a utilizar es la llamada Distribución de Probabilidad Normal.
Se dice que en todo el campo de la estadística la distribución normal es la más importante; su
comportamiento gráfico es una curva en forma de campaña la cual describe en forma
aproximada muchos fenómenos que ocurren en la naturaleza, en la industria y en las
actividades de investigación científica.
Entre los fenómenos naturales asociados con variables que siguen una distribución normal se
pueden enlistar:
 Errores cometidos en medir ciertas magnitudes
 Aspectos antropométricos de las personas al medir la estatura o el peso corporal
 Aspectos fisiológicos al medir el efecto que causa una nueva vacuna
 Aspecto sociológico al medir el grado de aceptación de un nuevo refresco entre los
consumidores.
Como se puede pensar, la distribución normal es muy útil para medir y monitorear variables
continuas que tienen que ver con la calidad, la productividad y la mejora continua; es la
 Estadística Básica

distribución de probabilidad por excelencia, de allí el interés por asignar un espacio de

conocimientos significativos en la presente unidad.
Características de la distribución normal:
1. Su forma asemeja una campana y en el centro de la distribución tiene un solo pico, el
cual representa la media aritmética y tiene la peculiaridad que la mediana y la moda son
iguales.
2. La mitad del área bajo la curva se encuentra a la derecha del punto central y la otra
mitad a la izquierda.
3. La curva normal es simétrica alrededor de la media.
4. La curva en ambos extremos se acerca al eje de las “x”, pero nunca las toca; es por
tanto asintótica, es decir, las colas de ambos extremos se extienden infinitamente en
ambas direcciones.
Comparativo de las distribuciones:
Distribución Características Formula

Binomial
( nk ) p ∗q
Es una Distribución de probabilidad discreta que k n −k
cuenta el número de éxitos en una secuencia de
p ( x=k ) =
n ensayos de Bernoulli independientes entre sí, Donde:
con una probabilidad fija p de ocurrencia del éxito n es el número de pruebas
entre los ensayos, solo son posibles dos k es el número de éxitos
resultados, éxito y fracaso. p es la probabilidad de éxitos
1. El resultado de cada prueba de un experimento se
q es la probabilidad de fracasos y es
igual a 1-p
clasifica en una de dos categorías mutuamente
excluyentes: éxito o fracaso.
2. La variable aleatoria permite contar el número de
éxitos en una cantidad fija de pruebas.
3. La probabilidad de éxito y fracaso es la misma para
cada prueba.
4. Las pruebas son independientes, lo cual significa
que el resultado de una prueba no influye en el
resultado de otra prueba.
Ejemplo la probabilidad de que adivine la primera
pregunta de una prueba de verdadero o falso (éxito)
es de un medio. Ésta constituye la primera prueba. La
probabilidad de que adivine la segunda pregunta
(segunda prueba) también es de un medio; la
probabilidad de éxito en la tercera prueba es de otro
 Estadística Básica

medio, y así sucesivamente

Hipergeométrica  La distribución hipergeométrica es especialmente útil ( SC x )∗( N −SC n−x )
en todos aquellos casos en los que se extraigan P ( x) =
N Cn
muestras o se realizan experiencias repetidas sin
Aquí,
devolución del elemento extraído o sin retornar a la N representa el tamaño de la
situación experimental inicial. población.
S es el número de éxitos en la
1. Los resultados de cada prueba de un experimento
población.
se clasifican en dos categorías exclusivas: éxito o x es el número de éxitos en la
fracaso. muestra; éste puede asumir los
valores 0, 1, 2, 3…
2. La variable aleatoria es el número de éxitos de un n es el tamaño de la muestra o el
número fijo de pruebas. número de pruebas.
3. Las pruebas no son independientes. C es el símbolo de combinación
4. Los muestreos se realizan con una población finita
sin reemplazos y n/N > 0.05. Por tanto, la probabilidad
de éxito cambia en cada prueba.
Por ejemplo la probabilidad de adivinar la respuesta
correcta a una pregunta de verdadero o falso es de
0.50. Esta probabilidad es igual a cada pregunta de
un examen.

Poisson Esta distribución tiene la peculiar diferencia con las

anteriores de que en los experimentos que resultan en
valores numéricos de una variable aleatoria X, misma
x −μ
que representa el número de resultados durante un μ ∗e
f ( x )= para x=0 ,1 , 2 ,… , ∞
intervalo de tiempo dado o en una región específica x!
1.- El número de resultados que ocurren en un
intervalo de tiempo o región específicos es Donde:
independiente del número que ocurre en cualquier f ( x )=Función de x de la distribución
otro intervalo disjunto de tiempo o región de espacio, de la distribución de Poisson
de esta manera se dice que el proceso de Poisson no μ Valor esperado (media aritmética
del número de ocurrencias (éxitos) en
tiene memoria. un intervalo de tiempo determinado)
2.- La probabilidad de que un resultado sencillo ocurra x Número de acontecimientos por
en un intervalo de tiempo muy corto o en una región unidad de tiempo o espacio (valor de
la variable)
pequeña es proporcional a la longitud del intervalo de
! Factorial de un número
tiempo o al tamaño de la región y no depende del
e =2.71828 constante de logaritmos
número de resultados que ocurren fuera de este naturales
intervalo o región.
3.- La probabilidad de que más de un resultado ocurra
en ese intervalo de tiempo tan corto o en esa región
tan pequeña es despreciable.
 Estadística Básica

Ejemplo:
El número de productos defectuosos que deben ser
retirados de la línea de producción antes del
empaquetado.

Normal Es una Distribución de probabilidad normal es la

distribución de variables aleatorias continuas, que
[ ]
2
x−μ
principalmente aparecen en fenómenos reales, es 1 −¿ 2σ2
¿
P ( x) = σ e
importante también por su relación con la √2 π
estimación de mínimos cuadrados, uno de los
μ Valor esperado (media aritmética)
métodos más simples y antiguos. x Es el valor de cualquier
1. Tiene forma de campana y posee una sola cima en observación y medición
el centro de la distribución. La media aritmética, la σ Es la desviación estándar de la
mediana y la moda son iguales, y se localizan en el distribución
centro de la distribución. El área total bajo la curva es
de 1.00. La mitad del área bajo la curva normal se
localiza a la derecha de este punto central, y la otra
mitad, a la izquierda.
2. Es simétrica respecto de la media. Si hace un corte
vertical, por el valor central, a la curva normal, las dos
mitades son imágenes especulares.
3. Desciende suavemente en ambas direcciones del
valor central. Es decir, la distribución es asintótica. La
curva se aproxima más y más al eje X, sin tocarlo en
realidad. En otras palabras, las colas de la curva se
extienden indefinidamente en ambas direcciones.
4. La localización de una distribución normal se
determina a través de la media, μ. La
dispersión o propagación de la distribución se
determina por medio de la desviación estándar, σ.

Conclusión
La distribuciones de los valores en las variables aleatorias son mostradas con diferentes
métodos de la estadística primero debemos entender bien el concepto de Variable aleatoria
discreta y Variable aleatoria continua para poder entender los modelos de distribución o la
manera en que al repetir ciertos eventos y agruparlos permitan descifrar un posible
comportamiento futuro a lo que llamamos distribución.
Para variables aleatorias discretas tenemos la distribución binomial, hipergeométrica y de
Poisson; mientras que para las variables continuas más comunes tenemos la distribución
 Estadística Básica

normal que básicamente es una de las que mejor describe comportamientos de infinidad de
variables en la industria o en las organizaciones.

Bibliografía
Mendenhall W., B. (2010). Introducción a la probabilidad y estadística. Ciudad de México:
Cenage Learning.
William, N. (2006). Estadística para ingenieros y científicos. ciudad de México: McGraw Hill
interamericana.