Distribucin de probabilidad

distribucin es continua. Puesto

que la funcin

de

distribucin de una variable aleatoria X viene dada

La distribucin Normal suele conocerse como la
"campana de Gauss".
En teora
la distribucin

de
de

por

, la definicin implica que en

una distribucin de probabilidad continua X se cumple

P[X = a] = 0 para todo nmero real a, esto es, la

la

probabilidad y estadstica,

probabilidad de

una variable

aleatoria es una funcin que asigna a cada suceso

probabilidad de que X tome el valor a es cero para

cualquier valor de a. Si la distribucin de X es continua,
se llama a X variable aleatoria continua.

definido sobre la variable aleatoria, laprobabilidad de que

En las distribuciones de probabilidad continuas, la

dicho suceso ocurra. La distribucin de probabilidad est

distribucin de probabilidad es la integral de la funcin de

definida sobre el conjunto de todos los sucesos, cada

densidad,

por

lo

que

tenemos

entonces

que

uno de los sucesos es el rango de valores de la variable

aleatoria.
La

.
distribucin

completamente

de

especificada

probabilidad
por

la funcin

est
de

distribucin, cuyo valor en cadax real es la probabilidad

Mientras que en una distribucin de probabilidad

discreta un suceso conprobabilidad cero es imposible, no
se da el caso en una variable aleatoria continua. Por

de que la variable aleatoria sea menor o igual que x.

ejemplo, si se mide la anchura de una hoja de roble, el

Distribucin de probabilidad contina

resultado 3,5 cm es posible, pero tiene probabilidad cero

En teora de la probabilidad una distribucin de

probabilidad se

llama

continua si

su funcin

de

porque hay infinitos valores posibles entre 3 cm y 4 cm.

Cada uno de esos valores individuales tiene probabilidad

cero, aunque la probabilidad de ese intervalo no lo es.

Se denominan procesos de tipo Poisson, a todo

Esta aparente paradoja se resuelve por el hecho de que

experimento consistente en una serie de pruebas

la probabilidad de que X tome algn valor en un conjunto

repetidas dentro de un continuo, caracterizadas por tener

infinito como un intervalo, no puede calcularse mediante

resultados que se pueden clasificar en si verifican o no,

la

cierta

adicin

individuales.

simple

de

probabilidades

Formalmente,

cada

de

valor

valores

tiene

una

atributo,

siendo

aleatorios

independientes del lugar que ocurren dentro del continuo.

probabilidad infinitesimal que estadsticamente equivale a

cero.

propiedad

Para identificar un proceso Poisson en una serie

de

pruebas

repetidas,

se

deben

verificar

tres

condiciones:
Distribucin de discretas inters

Sucesos puntuales: Los sucesos ocurren dentro

de un continuo (espacio o tiempo) y ocupan una parte

Distribucin de probabilidad binomial

infinitesimal del mismo. Es decir, en el espacio un suceso

Esta

distribucin

proceso

es puntual y en el tiempo es instantneo. En trminos

de Bernoulli. Se denominan procesos de tipo Bernoulli, a

prcticos, los sucesos no ocupan una parte apreciable

todo

del continuo.

experimento

se

basa

consistente

de pruebas repetidas,

en
en

caracterizadas

el
una

serie

por

tener

resultados que se pueden clasificar en si verifican o no

cierta propiedad o

atributo,

independientes.
Distribucin de probabilidad Poisson

siendo

aleatorios

Sucesos independientes: La ocurrencia de un

suceso en un lugar del continuo no condiciona la
ocurrencia del anterior (o del siguiente) en otra parte del
mismo.

Probabilidad constante: La probabilidad de

ocurrencia de un suceso en un lugar del continuo es la
misma en todo punto del mismo.

X = 0, 1, 2, ., n
e = 2.71828 (es una constante, la base de los logaritmos
naturales)

Son ejemplos de este tipo de proceso:

Distribucin Normal

la llegada de pacientes a una cola o lnea de

espera,
los accidentes en una ruta, etc.

Es

muchos la llaman: la "binomial de los sucesos raros".

Cuando en un proceso del tipo Bernoulli se desea
saber la probabilidad de obtener exactamente x xitos en
de

tiempo,

con

un

distribuciones

de

La grfica de su funcin de densidad tiene una

forma acampana da 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.

promedio

de eventos esperados l , se puede aplicar la frmula de

la probabilidad de Poisson:

las

aparece aproximada en fenmenos reales.

la probabilidad de xito es muy pequea, por eso

intervalo

de

probabilidad de variable continua que con ms frecuencia

Esta probabilidad se aproxima la binomial cuando

un

una

En probabilidad, la distribucin normal aparece

como

el

lmite

de

varias

distribuciones

probabilidad continuas y discretas. Por Ejemplo:

de