1. Universidad Tecnológica De Torreón
Estadística
Ejemplos De Cada Distribución
ROSA HELIDA YANETH MEZA REYES

2. DISTRIBUCION DE BERNOULLI
EJEMPLO 1
Un jugador de basquetbol está a punto de tirar hacia la parte
superior del tablero. La probabilidad de que anote el tiro es de
0.55
a) Sea x=1, si anota el tiro sino lo hace x=0 determine la
media y la varianza de x formulas
b) Si anota el tiro, su equipo obtiene dos puntos; si lo fallo
su equipo no recibie puntos sea el número de puntos
anotados ¿Tiene una distribución de Bernoulli? Si es asi,
encuentre la probabilidad de éxito sino
c) Determine la media y la varianza de “y”
1.) X=1 tiro X=0 sino anota
P(x=1) es igual a 0.55 por tanto Bernoulli 0.55
µx (0) (1-0.55)+ (1-0.55)2 (0.55)=.2475
σ2x (0.55)2 (1-0.55)+(1.55)(.55)= .2475
2.) No porque una variable aleatoria de Bernoulli
tiene valores posibles 0y1 los valores de y son 0y2
3.) (0)(1-.0.55)+c

3. EJEMPLO 2
Hay una urna con 342 boletos, para ganar un automóvil, al
momento de sacar alguno de ellos ¿Qué probabilidad hay
para que pueda salir premiado el boleto número 342?
° La probabilidad de que saque el boleto número 342.
P(x=1) = (1/342) 1 * (341/342) 0 = 1/342 = 0.00292
° La probabilidad de que NO seleccione al alumno numero
342.
P(x=0) = (1/342)0 * (341/342)1 = 341/342 = 0.99707

4. EJEMPLO 3
Tenemos cartas que están enumeradas del 1 al 9 ¿Cuál es la
probabilidad de sacar la carta 9?
° La probabilidad de que obtengamos la carta 9.
P(x=1) = (1/9) 1 * (8/9) 0 = 1/9 = 0.111
° La probabilidad de que NO obtengamos la carta 9.
P(x=0) = (1/9)0 * (8/9)1 = 8/9 = 0.888

5. EJEMPLO 4
Lanzar una moneda, probabilidad de conseguir que salga
cruz".
Se trata de un solo experimento, con dos resultados posibles:
el éxito (p) se considerará sacar cruz. Valdrá 0,5. El fracaso
(q) que saliera cara, que vale (1 - p) = 1 - 0,5 = 0,5.
La variable aleatoria X medirá "número de cruces que salen
en un lanzamiento", y sólo existirán dos resultados posibles: 0
(ninguna cruz, es decir, salir cara) y 1 (una cruz).
Por tanto, la v.a. X se distribuirá como una Bernoulli, ya que
cumple todos los requisitos.
° La probabilidad de obtener cruz.
P(x=1) = (0.5) 1 * (0.5) 0 = 0.5 = 0.5
° La probabilidad de no obtener cruz.
P(x=0) = (0.5)0 * (0.5)1 = 0.5 = 0.5

6. EJEMPLO 5
Una maestra enumera a sus alumnos del 1 al 16, para así
poder darles un premio, pero la maestra los seleccionará con
los ojos cerrados, ¿Cual es la probabilidad de que salga el
alumno numero 16?
° La probabilidad de que seleccione al alumno numero 16.
P(x=1) = (1/16) 1 * (15/16) 0 = 1/16 = 0.0625
° La probabilidad de que NO seleccione al alumno numero 16.
P(x=0) = (1/9)0 * (15/16)1 = 15/16 = 0.9375

7. DISTRIBUCCION POISSON
EJEMPLO 1
El 8% de los registros contables de una empresa presentan
algún problema, si un auditor toma una muestra de 40
registros ¿Calcular probabilidad de que existan 5 registros
con problemas?
n=40
P=0.08 P(X=5)(e^3.2)(3.2^5)/5!=0.1139793
=3.2
X=5

8. EJEMPLO 2
Se calcula que la ciudad el 20% de las personas tiene defecto
de la vista si tomamos una muestra de 50 personas al azar
¿Calcular Probabilidad que existan 5 registros con
problemas?
n=40
P=0.08
=10

9. EJEMPLO 3
Si ya se conoce que solo el 3% de los alumnos de
contabilidad son muy inteligentes ¿Calcular la probabilidad de
que si tomamos 100 alumnos al azar 5 de ellos sean muy
inteligentes
n= 100
P=0.03
=100*0.03=3
x=5

10. EJEMPLO 4
Una jaula con 100 pericos 15 de ellos hablan ruso calcular la
probabilidad de que si tomamos 20 al azar 3 de ellos hablan
ruso
n=20
P=0.15 P (x=3)= (e^-8) (3^3)/3!=0.2240418
X=3
=3

11. EJEMPLO 5
La producción de televisores en Samsung trae asociada una
probabilidad de defecto del 2%, si se toma un lote o muestra
de 85 televisores, obtener la probabilidad que existan 4
televisores con defectos.
n=85
P=0.02
P(x5)=(e^-17)(1.7^4)/4!=0.0635746
X=4
=1.7

12. DISTRIBUCIÓN BINOMIAL
EJEMPLO 1
En un examen formado por 20 preguntas, cada una de las
cuales se responde declarando “verdadero” o “falso”, el
alumno sabe que, históricamente, en el 75% de los casos la
respuesta correcta es “verdadero” y decide responder al
examen tirando dos monedas, pone “falso” si ambas
monedas muestran una cara y “verdadero” si al menos hay
una cruz. Se desea saber qué probabilidad hay de que tenga
al menos 14 aciertos. Hay que proporcionarle a Epidat 3.1 los
parámetros de la distribución y el punto k a partir del cual se
calculará la probabilidad. En este caso n=20, p=0,75 y el
punto k=14. Resultados con Epidat 3.1Cálculo de
probabilidades. Distribuciones discretas
Binomial (n, p)
N: Número de pruebas 20
p: Probabilidad de éxito 0,7500
Punto K 14
Probabilidad Pr [X=k] 0,1686
Cola Izquierda Pr [X<=k] 0,3828
Cola Derecha Pr [X>k] 0,6172
Media 15,0000
Varianza 3,7500
La probabilidad de que el alumno tenga más de 14 aciertos
se sitúa en 0,61.

16. DISTRIBUCCION GAMMA
EJEMPLO 1
El número de pacientes que llegan a la consulta de un médico
sigue una distribución de Poisson de media 3 pacientes por
hora. Calcular la probabilidad de que transcurra menos de
una hora hasta la llegada del segundo paciente.
Debe tenerse en cuenta que la variable aleatoria “tiempo que
transcurre hasta la llegada del segundo paciente” sigue una
distribución Gamma (6, 2).
Resultados con Epidat 3.1
Cálculo de probabilidades. Distribuciones continuas
Gamma (a, p)
a : Escala 6,0000
p : Forma 2,0000
Punto X 1,0000
Cola Izquierda Pr [X<=k] 0,9826
Cola Derecha Pr [X>=k] 0,0174
Media 0,3333
Varianza 0,0556
Moda 0,1667
La probabilidad de que transcurra menos de una hora hasta
que llegue el segundo paciente es 0,98.

17. EJEMPLO2
El tiempo de reparación, en horas, de una pieza es
una g (0.5, 2). El precio de venta de la misma es de 5 mil
euros y el de fabricación de mil euros. ¿A cuánto debemos
cobrar la hora de reparación para obtener un beneficio medio
de 3 mil euros?
Se nos pide una cantidad K, de modo que el beneficio medio,
E (B), sea 3.
El beneficio es B=5- (K X +1), entonces, E(B)= 4 - K* E(X) = 4
- K* (2 / 0.5) lo igualamos a 3, de donde se deduce que
K=1/4, es decir 250 euros, para obtener un beneficio de 3 mil
euros.

18. EJEMPLO3
Suponiendo que el tiempo de supervivencia, en años, de
pacientes que son sometidos a una cierta intervención
quirúrgica en un hospital sigue una distribución Gamma con
parámetros a=0,81 y p=7,81, calcúlese:
1. El tiempo medio de supervivencia.
2. Los años a partir de los cuales la probabilidad de
supervivencia es menor que 0,1.
Resultados con Epidat 3.1
Cálculo de probabilidades. Distribuciones continuas
Gamma (a,p)
a : Escala 0,8100
p : Forma 7,8100
Cola Izquierda Pr[X<=k] 0,9000
Cola Derecha Pr[X>=k] 0,1000
Punto X 14,2429
Media 9,6420
Varianza 11,9037
Moda 8,4074
El tiempo medio de supervivencia es de, aproximadamente,
10 años.

19. DISTRIBUCCION T STUDENT
EJEMPLO1
La longitud de los tornillos fabricados en una fábrica tienen media
μ=10 mm y desviación s=1 mm, calcular la probabilidad de que en
una muestra de tamaño n=25, la longitud media del tornillo sea
inferior a 20.5 mm:
P (μ<20.5)
Estandarizamos T=(X-μ)/(s/√n) que sigue una distribución t de n-1
grados de libertad
T=(20.5-20)/(1/√25) = 2.5
P (μ<20.5) --> P (T<2.5) ~ t(24)
P (T<2.5) = 0.9902
P (μ<20.5)=0.9902
La probabilidad que la longitud media de la muestra de 25 tornillos
sea inferior a 20.5 mm es del 99.02%

20. EJEMPLO 2
El profesor Pérez olvida poner su despertador 3 de cada 10 días.
Además, ha comprobado que uno de cada 10 días en los que pone
el despertador acaba no levantándose a tiempo de dar su primera
clase, mientras que 2 de cada 10 días en los que olvida poner el
despertador, llega a tiempo adar su primera clase.
(a) Idéntica y da nombre a los sucesos que aparecen en el
enunciado.
(b) ¿Cual es la probabilidad de que el profesor Pérez llegue a
tiempo a dar su primera clase?
SOLUCIÓN:
En primer lugar conviene identificar el experimento aleatorio que
estamos realizando. Este consiste en tomar un dia al azar en la vida
del profesor Pérez y analizarlo en base a los siguientes sucesos.
(a) Para un día al azar decimos que se ha dado el suceso:
O ≡ cuando el profesor ha olvidado poner el despertador
T ≡ cuando el profesor ha llegado tarde a su primera clase.
Notemos que tanto {O, O} como {T, T} forman un sistema completo
de sucesos. A continuación traducimos en términos de probabilidad
de los sucesos anteriores todos los datos que nos dan en el
enunciado.
P(O) = , P (T |O) = , P(O) = , P(T |O) = .

21. (b) El suceso”llegar a tiempo a su clase” es el complementario de T ,
por tanto nos piden que calculemos P(T¯). Puesto que {O, O} es un
sistema completo de sucesos, podemos aplicar la formulas de la
probabilidad total, de donde tenemos que:
P (T¯) = P (T |O¯) P(O) + P (T | ¯ O¯) P (O¯).
En la expresión anterior aparecen varios de los datos que nos ha
proporcionando el enunciado, sin embargo no conocemos
directamente el valor de P(T |¯ O¯). Para calcularlo utilizamos que
P(T |¯ O¯) = 1 − P(T |O¯) = 1 − = De esta forma, la expresión
anterior se puede escribir como: P(T¯) = + =0.69

22. EJEMPLO3
Un fabricante de focos afirma que su producto durará un
promedio de 500 horas de trabajo. Para conservar este
promedio esta persona verifica 25 focos cada mes. Si el valor
y calculado cae entre –t 0.05 y t 0.05, él se encuentra
satisfecho con esta afirmación. ¿Qué conclusión deberá él
sacar de una muestra de 25 focos cuya duración fue?:
520 521 511 513 510 µ=500 h
513 522 500 521 495 n=25
496 488 500 502 512 Nc=90%
510 510 475 505 521 X=505.36
506 503 487 493 500 S=12.07
SOLUCIÓN.
t= x -μ
SI n α = 1- Nc = 10%
v = n-1 = 24
t = 2.22
Enseguida se muestra la distribución del problema según
el grafico sig.

24. EJEMPLO4
Calcular el percentil w0=95 y w0=25 en cada uno de los
siguientes casos:
1. En una distribución t-Student con 3 grados de libertad.
2. En una distribución t-Student con 30 grados de libertad.
Solución.
1. Recordemos que w0=95 es aquel número real que verifica:
S [W · w0=95] = 0=95
Para encontrar este valor en la tabla de la distribución t-
Student bastará:
- ) Localizar en la primera columna los grados de libertad, en
este caso: 3.
- ) Localizar en la primer fila la probabilidad acumulada, en
nuestro caso: 0=95=
- ) Movernos horizontal y verticalmente desde las posiciones
anteriores hasta cruzarnos en el punto w0=95.
Por tanto el percentil w0=95, en una t-Student con 3 grados
de libertad será el valor:
w0=95 = 2=3534
Es decir, si desde el valor 2.3534 nos movemos
horizontalmente hasta la primera columna, llegaremos al valor
3 (grados de libertad), y si lo hacemos verticalmente hacia la
primera fila la llegaremos al valor 0.95 (probabilidad
acumulada).

25. Como en la tabla únicamente tenemos tabulada la t-Student
para colas probabilísticas que van desde 0=75 hasta 0=999,
para calcular el percentil w0=25, tendremos que realizar la
siguiente consideración:
S [W · w0=25] = 1 ¡ s[W ¸ w0=25]
Como la distribución t-Student es simétrica, se verifica:
w0=25 = ¡w0=75
Y resulta: s[W · w0=25] = 1 ¡ s[W · w0=75]
Por tanto, buscando en la tabla con los datos:
Grados de libertad: 3
Cola de probabilidad: 0.75
Tenemos: w0=25 = ¡w0=75 = ¡0=7649
2. En el caso de 30 grados de libertad actuaremos de modo
similar al caso anterior, pero buscando en la fila 30 de la
tabla. Resultando:
w0=95 = 1=6973
Y w0=25 = ¡w0=75 = ¡0=6828

26. EJEMPLO 5
Calcular los percentiles I8>7;0=99 y I8>7;0=01
Solución.
Para buscar en la tabla de la F-Snedecor el percentil I8>7;
0=99 hemos de tener en cuenta que:
df_1 = 8 (1d Fila de la tabla)
df_2 = 7 (1 d Columna de la tabla)
0=99 = Probabilidad acumulada (Última columna de la tabla)
El valor donde se cruzan todos estos datos será el percentil
buscado.
Por tanto: I9>7; 099 = 6=840

27. DISTRIBUCCION NORMAL
EJEMPLO 1
Una población normal tiene una media de 80 una desviación
estándar de 14.0
µ = 80
σ = 14 z
a) Calcule la probabilidad de un valor localizado entre 75.0 y
90.0
p (75 ≤ x ≤ 90)
Probabilidad
acumulada.
0.7611
z =
0.3594
z =
p (75 ≤ x ≤ 90) = 0.7611 – 0.3594 = 0.4017
b) Calcule la probabilidad de un valor de 75.0 ó menor.
p(x ≤ 75)
Probabilidad
acumulada.
0.3594
z
p(x ≤ 75) = 0.3594
75 80
μ
c) Calcule la probabilidad de un valor
localizado entre 55.0 y 70.0
p (55 ≤ x ≤ 70)
Probabilidad
acumulada.
0.2389
0.0367

28. z =
z =
p (55 ≤ x ≤ 70) = 0.2389 – 0.0367= 0.2022

29. EJEMPLO 2
Los montos de dinero que se piden en las solicitudes de
préstamos en Down River Federal Savings tiene una
distribución normal, una media de $70,000 y una
desviación estándar de $20,000. Esta mañana se recibió
una solicitud de préstamo. ¿Cuál es la probabilidad de que:
µ= $70,00
σ =$20,0 z
a) El monto solicitado sea de $80,000 o superior?
p(x ≥ 80,000)
Probabilidad
acumulada.
0.6915
z =
p(x ≥ 80,000) = 1 – 0.6915= 0.3085
b) El monto solicitado oscile entre $65,000 y $80,000?
p(65,000 ≤ x ≤ 80,000)
Probabilidad
acumulada.
z =0.6915
0.4013
z =
p(65,000 ≤ x ≤ 80,000) = 0.6915 – 0.4013 = 0.2902

30. c) El monto solicitado sea de $65,000 o superior.
p(x ≥ 65,000)
Probabilidad
acumulada.
0.4013
z =
p(x ≥ 65,000) = 1 –0.4013 = 0.5987

31. EJEMPLO 3
Entre las ciudades de Estados Unidos con una población de
más de 250,000 habitantes, la media del tiempo de viaje de ida
al trabajo es de 24.3 minutos. El tiempo de viaje más largo
pertenece a la ciudad de Nueva York, donde el tiempo medio
es de 38.3 minutos. Suponga que la distribución de los
tiempos de viaje en la ciudad de Nueva York tiene una
distribución de probabilidad normal y la desviación estándar es
de 7.5 minutos.
µ = 38.3 min.
σ = 7.5 min. z
a) ¿Qué porcentaje de viajes en la ciudad de Nueva York
consumen menos de 30 minutos?
p( x ≤ 30)
Probabilidad
acumulada.
0.1335
z =
p( x ≤ 30) = 0.1335 = 13.35% 30 38.3
μ
b) ¿Qué porcentaje de viajes consumen entre 30 y 35 minutos?
p(30 ≤ x ≤ 35)
Probabilidad
acumulada.
0.3300
z =
0.1335
z =
30 35 38.3
μ

32. p(30 ≤ x ≤ 35) = 0.3300 – 0.1335 = 0.1965 = 19.65%
c) ¿Qué porcentaje de viajes consumen entre 30 y 40 minutos?
p(30 ≤ x ≤ 40)
Probabilidad
acumulada.
0.5910
z =
0.1335
z =
p(30 ≤ x ≤ 40) = 0.5910 – 0.1335 = 0.4575 = 45.75%

33. EJEMPLO 4
Las ventas mensuales de silenciadores en el área de
Richmond, Virginia, tiene una distribución normal, con una
media de $1,200 y una desviación estándar de $225. Al
fabricante le gustaría establecer niveles de inventario de
manera que solo haya 5% de probabilidad de que se agoten
las existencias. ¿Dónde se deben establecer los niveles de
inventario?
1 - 0.0500 = 0.9500
Valor z = 1.65
5% ó 0.0500
1.65
z
X=
1,571.25
x = 1,571.25

34. EJEMPLO 5
En 2004 y 2005, el costo medio anual para asistir a una
universidad privada en Estados Unidos era de $20,082.
Suponga que la distribución de los costos anuales se rigen
por una distribución de probabilidad normal y que la
desviación estándar es de $4,500. El 95% de los estudiantes
de universidades privadas paga menos de ¿Qué cantidad?
95% ó 0.9500
1.64
z
x = 27,462. X=
27,462
75
µ = 20,082
σ = 4,500 z
Probabilidad Valor
acumulada. de z
95% = .9500 =