REPUBLICA BOLIVARIANA DE VENEZUELA

INSCRITO EN EL M.P.P PARA LA EDUCACION SUPERIOR

UNIVERSIDAD NACIONAL EXPERIMENTAL ROMULO GALLEGOS
AREA DE INGENIERIA CIVIL
ESTADISTICA PARA INGENIEROS

Distribuciones Probabilsticas

Profesor:
Luis Pimentel

Bachilleres:

Genesis Reyes CI. 24.238.953

Gerardo Hurtado CI.25.065.109
Junior Arias CI. 24.231.286
Jose Rodrigues CI. 23.951.295
Seccin 01

San Juan de los Morros; enero del 2015

ndice
Pg.

Portada i

ndice... ii

Introduccin 1

Distribucin de Probabilidad 2

Distribucin Normal.. 2

Variable Continua en la Distribucin Normal 3

Calculo del rea Bajo la Curva..3-4

Distribucin Normal Estndar...... 4

Tipificacin de la Variable.. 4-5

Distribucin Binomio.. 5-6

Distribucin de Poisson..... 6

Variables Discretas.. 7-8

Conclusin.. 9

Bibliografa... 10

Introduccin
En el momento en el cual se quiere saber qu probabilidades hay de que suceda algo en
especfico hay que tomar en cuenta los factores que intervienen para que ese hecho o acontecimiento
sea posible. Tomando esto como principio al tomar no uno sino varios hechos de puede definir las
distribuciones probabilsticas y sus rangos.

Distribucin de Probabilidad

Una distribucin de probabilidad indica toda la gama de valores que pueden

representarse como resultado de un experimento si ste se llevase a cabo.
Es decir, describe la probabilidad de que un evento se realice en el futuro, constituye
una herramienta fundamental para la prospectiva, puesto que se puede disear un
escenario de acontecimientos futuros considerando las tendencias actuales de diversos
fenmenos naturales.

Distribucin Normal

En estadstica y probabilidad se llama distribucin normal, distribucin de

Gauss o distribucin

gaussiana,

una

de

las distribuciones

de

probabilidad de variable continua que con ms frecuencia aparece aproximada en

fenmenos reales.
La grfica de su funcin de densidad tiene una forma acampanada y es
simtrica respecto de un determinado parmetro estadstico. Esta curva se conoce
como campana de Gauss y es el grfico de una funcin gaussiana.
La importancia de esta distribucin radica en que permite modelar numerosos
fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos que
subyacen a gran parte de este tipo de fenmenos son desconocidos, por la enorme
cantidad de variables incontrolables que en ellos intervienen, el uso del modelo
normal puede justificarse asumiendo que cada observacin se obtiene como la suma
de unas pocas causas independientes.
De hecho, la estadstica descriptiva slo permite describir un fenmeno, sin
explicacin alguna. Para la explicacin causal es preciso el diseo experimental, de

ah que al uso de la estadstica en psicologa y sociologa sea conocido comomtodo

correlacional.

Variable Continua en la Distribucin Normal

Es aquella que puede tomar infinitos valores dentro de un intervalo de la

recta real.
En el caso de una variable aleatoria continua no tiene sentido plantearse
probabilidades de resultados aislados. La probabilidad de valores puntuales es cero.
El inters de estas probabilidades est en conocer la probabilidad
correspondiente a un intervalo.
Dicha probabilidad se conoce mediante una curva llamada funcin de
densidad y suponiendo que bajo dicha curva hay un rea de una unidad.
Conociendo esta curva, basta calcular el rea correspondiente para conocer
la probabilidad de un intervalo cualquiera.

Curva de la distribucin normal

El campo de existencia es cualquier valor real, es decir, (-, +).

Es simtrica respecto a la media .
Tiene un mximo en la media .
Crece hasta la media y decrece a partir de ella.

En los puntos y + presenta puntos de inflexin.

El eje de abscisas es una asntota de la curva.
El rea del recinto determinado por la funcin y el eje de
abscisas es igual a la unidad.
Al ser simtrica respecto al eje que pasa por x = , deja un rea
igual a 0.5 a la izquierda y otra igual a 0.5 a la derecha .
La probabilidad equivale al rea encerrada bajo la curva.
p( - < X + ) = 0.6826 = 68.26 %
p( - 2 < X + 2) = 0.954 = 95.4 %
p( - 3 < X + 3) = 0.997 = 99.7 %
Distribucin Normal Estndar

N (0, 1)
La distribucin normal estndar, o tipificada o reducida, es aquella que tiene
por media el valor cero, =0, y por desviacin tpica la unidad, =1.

La probabilidad de la variable X depender del rea del recinto sombreado en

la figura. Y para calcularla utilizaremos una tabla.

Tipificacin de la Variable
Para poder utilizar la tabla tenemos que transformar la variable X que sigue
una distribucin N(, ) en otra variable Z que siga una distribucin N(0, 1).

Distribucin Binomio
En estadstica,

la distribucin

binomio es

una distribucin

de

probabilidad discreta que cuenta el nmero de xitos en una secuencia de n ensayos

de Bernoulli independientes entre s, con una probabilidad fija p de ocurrencia del
xito entre los ensayos. Un experimento de Bernoulli se caracteriza por ser
dicotmico, esto es, slo son posibles dos resultados. A uno de estos se denomina
xito y tiene una probabilidad de ocurrencia p y al otro, fracaso, con una
probabilidad q = 1 - p. En la distribucin binomio el anterior experimento se
repite n veces, de forma independiente, y se trata de calcular la probabilidad de un
determinado nmero de xitos. Para n = 1, el binomio se convierte, de hecho, en
una distribucin de Bernoulli.
Para representar que una variable aleatoria X sigue una distribucin binomial de
parmetros n y p, se escribe:

La distribucin binomio es la base del test binomio de significacin

estadstica.
Formula

n es el nmero de pruebas.
k es el nmero de xitos.
p es la probabilidad de xito.
q es la probabilidad de fracaso.

El nmero combinatorio
Media

Varianza

Desviacin tpica

Distribucin de Poisson

En teora

de

probabilidad y estadstica,

la distribucin

de

Poisson es

una distribucin de probabilidaddiscreta que expresa, a partir de una frecuencia de

ocurrencia media, la probabilidad de que ocurra un determinado nmero de eventos

durante cierto perodo de tiempo. Concretamente, se especializa en la probabilidad de
ocurrencia de sucesos con probabilidades muy pequeas, o sucesos "raros".
Fue descubierta por Simon-Denis Poisson, que la dio a conocer en 1838 en
su trabajo Recherches sur la probabilit des jugements en matires criminelles et
matire civile (Investigacin sobre la probabilidad de los juicios en materias
criminales y civiles).

Variables Discretas

Las variablesdiscretas son

aquellas

cuyas

observaciones

se

agrupan

inherentemente o naturalmente en categoras, porque dichas variable por su

naturaleza slo pueden tomar ciertos valores muy especficos. El gnero de un
sujeto es un buen ejemplo de una variable discreta: los seres humanos pueden ser
mujeres u hombres, se ajustan a una u otra categora y no hay continuidad ni puntos
intermedios entre ellas. Los pases o regiones del mundo tambin son buenos
ejemplos de variables discretas. Otro ejemplo son las calificaciones o educacin de
los maestros. Podemos crear las siguientes categoras para describir esta ltima
variable: (a) educacin primaria completa, (b) educacin secundaria completa, (c)
educacin superior incompleta, (d) educacin superior completa y (e) educacin de
postgrado.
Sin embargo, existe otra clase de variables, conocidas como variables continuas,
que no son tan fciles de categorizar como las variables discretas. A diferencia de las
variables discretas, las variables continuas, como su nombre lo indica, slo se pueden
agrupar en forma arbitraria en categoras, porque por su naturaleza pueden tomar
cualquier valor a lo largo de un continuo (o de una escala numrica continua). La

estatura de los habitantes de un pas es un ejemplo de variable continua, as como el

ingreso de las familias en dicho pas. Un buen ejemplo en el rea de la educacin son
las calificaciones de pruebas, que slo se pueden agrupar arbitrariamente creando
intervalos artificiales, como por ejemplo 1-20, 21-40, etc. Note que los intervalos
tambin podran ser 1-10, 11-20, 21-30, etc, o cualquier otro intervalo que se prefiera,
ya que la variable no se ajusta naturalmente a categoras predeterminadas como en el
caso

de

las

variables

discretas.

La distincin entre variables discretas y continuas es de gran aplicabilidad en la

estadstica. Pero su importancia slo queda clara despus de comprender el concepto
estadstico fundamental de distribucin o distribucin de frecuencias. (Los
estadsticos por lo general usan la primera versin, la ms corta, para referirse a la
distribucin de frecuencias.)

10

Conclusin
Tomando en cuenta estos tipos de distribucin y las conclusiones de sus
autores podemos destacar que las distribuciones probabilsticas en la estadstica son
herramientas que facilitan nuestros clculos de ocurrencias de hechos o sucesos, y las
veces que estos se repiten. Adems de que ayudan al buen planteamiento de estos
diferentes hechos o sucesos.

11

Bibliografa

12

http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad

http://www.vitutor.net/1/55.html

http://www.monografias.com/trabajos10/dino/dino.shtml