Вы находитесь на странице: 1из 6

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.

La distribucin de probabilidad est definida sobre el conjunto de todos


los sucesos y cada uno de los sucesos es el rango de valores de la variable
aleatoria. Tambin se dice que tiene una relacin estrecha con las
distribuciones de frecuencia. De hecho, se puede entender que una
distribucin de probabilidades sera una frecuencia terica, ya que sta
ltima es aquella que describe cmo se espera que varen los resultados.
La distribucin de probabilidad est completamente especificada por la
funcin de distribucin, cuyo valor en cada x real es la probabilidad de que
la variable aleatoria sea menor o igual que x.

Entre las distribuciones de probabilidad ms utilizadas se encuentran las


siguientes:

Distribucin Normail

Distribucin de Poisson

Distribucin Binomial

Distribucin de probabilidad de Poisson

En estadstica y probabilidad se llama distribucin normal, distribucin


de Gauss o distribucin gaussiana, a una de las distribuciones de
probabilidad de variable continua que con ms frecuencia aparece
aproximada en fenmenos reales.
La distribucin normal puede ser descrita o caracterizada por dos
parmetros:

Media poblacional () que puede ser cualquier valor real.

Desviacin estndar poblacional () que ha de ser positiva.

No importa cules sean los valores de y para una distribucin de


probabilidad normal, el rea total bajo la curva siempre es 1, de manera que
podemos pensar en reas bajo la curva como si fueran probabilidades,
como la curva es simtrica ambas mitades valen 0.5. Los extremos de la
curva que la representa se extienden indefinidamente hacia los lados, sin
tocar jams el eje X. La curva de la distribucin normal es:

Orgen de la distribucin normal de probabilidad


La distribucin normal fue presentada por primera vez por Abraham de
Moivre en un artculo del ao 1733, que fue reimpreso en la segunda
edicin de su The Doctrine of Chances, de 1738, en el contexto de cierta
aproximacin de la distribucin binomial para grandes valores de n.
Su resultado fue ampliado por Laplace en su libro Teora analtica de las
probabilidades (1812), y en la actualidad se llama Teorema de De MoivreLaplace.

Laplace us la distribucin normal en el anlisis de errores de


experimentos. El importante mtodo de mnimos cuadrados fue introducido
por Legendre en 1805. Gauss, que afirmaba haber usado el mtodo desde
1794, lo justific rigurosamente en 1809 asumiendo una distribucin
normal de los errores. El nombre de Gauss se ha asociado a esta
distribucin porque la us con profusin cuando analizaba datos
astronmicos3 y algunos autores le atribuyen un descubrimiento
independiente del de De Moivre.

El nombre de "campana" viene de Esprit Jouffret que us el trmino


"bell surface" (superficie campana) por primera vez en 1872 para una
distribucin normal bivariante de componentes independientes. El nombre
de "distribucin normal" fue otorgado independientemente por Charles S.
Peirce, Francis Galton y Wilhelm Lexis hacia 1875.

La distribucin normal viene dada por la frmula:


Z^c=(X-)/

Importancia de la distribucin normal de probabilidad

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.

La distribucin normal tambin es importante por su relacin con la


estimacin por mnimos cuadrados, uno de los mtodos de estimacin ms
simples y antiguos.

Distribucin de probabilidad de Poisson

La distribucin de Poisson es una distribucin de probabilidad discreta


que expresa, a partir de una frecuencia de ocurrencia baja, la probabilidad
de que ocurra un determinado nmero de eventos durante cierto perodo de
tiempo.

Existen fenmenos o experimentos en los que los eventos ocurren en


intervalos continuos de tiempo o espacio (reas y volmenes), donde slo
importa la ocurrencia del fenmeno, ya que la no ocurrencia no tiene
sentido. Por ejemplo, si en cierta regin ocurren en promedio 2 terremotos
por ao, la variable aleatoria ser el nmero de terremotos por ao, sin
tener que tomar en cuenta el nmero de no terremotos por ao.

Orgen de la distribucin de probabilidad de Poisson


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) en el que se presentaba una nueva
distribucin para el clculo de probabilidades aplicado al mbito penal.
Poisson encontr que cuando el tamao de una muestra es grande y la
probabilidad de ocurrencia de un evento es pequea, el valor esperado m=
np tiende a una constante.

La distribucin de Poisson se utiliza en situaciones donde los suceso son


impredecibles y de ocurrencia aleatoria.

La Distribucin de Probabilidad de Poisson viene dada por la frmula:


(x,) = (^x e^(-))/x!

Importancia de la Distribucin de Probabilidad de Poisson

La distribucin de probabilidad de Poisson es til para identificar


algunas situaciones que pueden afectar a las empresas, fenmenos cuya
frecuencia es media y no se conoce con exactitud la probabilidad de
ocurrencia de estos fenmenos.

La distribucin de Poisson, se aplica a varios fenmenos discretos de la


naturaleza (esto es, aquellos fenmenos que ocurren 0, 1, 2, 3, ... veces
durante un periodo definido de tiempo o en un rea determinada) cuando la
probabilidad de ocurrencia del fenmeno es constante en el tiempo o el
espacio.

Distribucin Binomial de probabilidad

La distribucin Binomial es un caso particular de probabilidad de


variable aleatoria discreta, y por sus aplicaciones, es posiblemente la ms
importante.
Se utiliza cuando hay exactamente dos resultados mutuamente
excluyentes de un juicio. Estos resultados estn debidamente etiquetados de
xito o no. La distribucin binomial se utiliza para obtener la probabilidad
de observar r xitos en n ensayos, con la probabilidad de xito en un
nico ensayo por p.

Orgen de la distribucin binomial de probabilidad

La distribucin binomial es uno de los primeros ejemplos de las


llamadas distribuciones discretas (que solo pueden tomar un nmero finito,
o infinito numerable, de valores). Fue estudiada por Jakob Bernoulli, quien
escribi el primer tratado importante sobre probabilidad, Ars Conjectandi

(El arte de pronosticar). Los Bernoulli formaron una de las sagas de


matemticos ms importante de la historia.
Si en una experiencia aleatoria nicamente consideramos dos
posibilidades: que ocurra el suceso A o que no ocurra (que ocurra A, el
complementario de A), se trata de una experiencia dicotmica.

Caractersticas de la distribucin binomial de probabilidad

En cada prueba del experimento solo son posibls dos resultados:


xito y fracaso.

La probabilidad de fracaso tambin es constante, se representa por q,


que es lo mismo a 1-p.

El resultado obtenido en cada prueba es independiente de los


resultados obtenidos antriormente.

La variable aleatoria binomial, x, expresa el nmero de xitos


obtenidos en las n pruebas. Por tanto, los valores que puede tomar x son:
0,1,2,3,4..N.

Frmula para el calculo de una distribucin binomial

Probabilidad
Frmula para combinar nmeros
Frmula para calcular la Media
Frmula para calcular la varianza
Despeje:

P(X=K)=(n/k) p^k q^(n-k)


(n/K)=n!/K!(n-K)!
-np
2 = npq
=npq

Una distribucin de probabilidad de una variable aleatoria discreta es la


distribucin binomial. Esta describe una variedad de procesos de inters
para los administradores y describe datos discretos, no continuos, que son
resultado de un experimento conocido como proceso de Bernoulli. en honor
del matemtico suizo Jacob Bernoulli, quien vivi en el siglo XVII.