INSTITUTO TCNOLOGICO SUPERIOR DE CINTALAPA

Pribabilidad y Estadistica

UNIDAD :2

ACTIVIDAD #:

Carrera:

Ing. En Informtica

Semestre: 3er Grupo E

CATEDRTICO:

Dorian Alberto Moreno Silias

ALUMNO:
Angel Arturo Castillo Ramos

03 DE Noviembre DEL 2017

ndice
Distribuciones de Probabilidad. .......................................................................................................... 3
4.1 Funcin de probabilidad ............................................................................................................ 3
4.2 Distribucin binomial................................................................................................................ 4
4.3 Distribucin hipergeomtrica .................................................................................................... 5
4.4 Distribucin de Poisson............................................................................................................. 6
4.5 Distribucin normal................................................................................................................... 7
4.6 Distribucin T-student............................................................................................................... 8
4.7 Distribucin Chi cuadrada ......................................................................................................... 9
4.8 Distribucin F.......................................................................................................................... 10
Conclusin......................................................................................................................................... 11
Bibliografa ....................................................................................................................................... 12
 Distribuciones de Probabilidad.
4.1 Funcin de probabilidad
En teora de la probabilidad, una funcin de probabilidad (tambin denominada
funcin de masa de probabilidad) es una funcin que asocia a cada punto de su espacio
muestral X la probabilidad de que sta lo asuma.

La grfica de una funcin de probabilidad de masa, note que todos los valores no
son negativos, y la suma de ellos es igual a 1.

La funcin de masa de probabilidad de un Dado. Todos los nmeros tienen la

misma probabilidad de aparecer cuando este es tirado.
En concreto, si el espacio muestral, E de la variable aleatoria X consta de los puntos
x1, x2, ..., xk, la funcin de probabilidad P asociada a X es ( ) =
donde pi es la probabilidad del suceso X = xi.
Por definicin de probabilidad,

( ) = 1

Hay que advertir que el concepto de funcin de probabilidad slo tiene sentido para
variables aleatorias que toman un conjunto discreto de valores. Para variables aleatorias
continuas el concepto anlogo es el de funcin de densidad.
4.2 Distribucin binomial
En estadstica, la distribucin binomial es una distribucin de probabilidad discreta
que mide 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 = 1 . En la distribucin
binomial el anterior experimento se repite n veces, de forma independiente, y se trata de
calcular la probabilidad de un determinado nmero de xitos. Para = 1, la binomial 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 binomial es la base del test binomial de significacin estadstica.
Ejemplo
Las siguientes situaciones son ejemplos de experimentos que pueden modelizarse por esta
distribucin:
Se lanza un dado diez veces y se cuenta el nmero X de treses obtenidos: entonces
X ~ B(10, 1/6)
Se lanza una moneda dos veces y se cuenta el nmero X de caras obtenidas:
entonces X ~ B(2, 1/2)
Una partcula se mueve unidimensionalmente con probabilidad q de moverse de
aqui para all y 1-q de moverse de all para ac
Caractersticas analticas
Su funcin de probabilidad es

() = ( ) (1 )

donde x = {0,1,2, . , },
!
siendo ( ) = las combinaciones de en ( elementos tomados de en )
!()1

Ejemplo
Supongamos que se lanza un dado 50 veces y queremos la probabilidad de que el nmero 3
salga 20 veces. En este caso tenemos una ~ (50, 1/6) y la probabilidad sera ( =
20):
50 1 20 5020
( = 20) = ( ) ( 6) (1 16)
20
4.3 Distribucin hipergeomtrica
En teora de la probabilidad la distribucin hipergeomtrica es una distribucin
discreta relacionada con muestreos aleatorios y sin reemplazo. Supngase que se tiene una
poblacin de N elementos de los cuales, d pertenecen a la categora A y N-d a la B. La
distribucin hipergeomtrica mide la probabilidad de obtener x (0 ) elementos de
la categora A en una muestra den elementos de la poblacin original.
Propiedades
La funcin de probabilidad de una variable aleatoria con distribucin hipergeomtrica
puede deducirse a travs de razonamientos combinatorios y es igual a

()(

)
( = ) =
()

donde es el tamao de poblacin, es el tamao de la muestra extrada, es el nmero

de elementos en la poblacin original que pertenecen a la categora deseada y es el
nmero de elementos en la muestra que pertenecen a dicha categora. La notacin ()hace
referencia al coeficiente binomial, es decir, el nmero de combinaciones posibles al
seleccionar elementos de un total .
El valor esperado de una variable aleatoria X que sigue la distribucin hipergeomtrica es

[] =

y su varianza,

[] = ( ) ( ) (1 ).
1
En la frmula anterior, definiendo

=

y
= 1 ,
se obtiene

[] =
1
La distribucin hipergeomtrica es aplicable a muestreos sin reemplazo y la binomial a
muestreos con reemplazo. En situaciones en las que el nmero esperado de repeticiones en
el muestreo es presumiblemente bajo, puede aproximarse la primera por la segunda. Esto es
as cuando es grande y el tamao relativo de la muestra extrada, /, es pequeo.
4.4 Distribucin de Poisson
En teora de probabilidad y estadstica, la distribucin de Poisson es una
distribucin de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia
media, la probabilidad que ocurra un determinado nmero de eventos durante cierto
periodo de tiempo.
Fue descubierta por Simon-Denis Poisson, que la dio a conocer en 1838 en su trabajo
Recherches sur la probabilista des jugements en matires criminelles et matire civile
(Investigacin sobre la probabilidad de los juicios en materias criminales y civiles).
Propiedades
La funcin de masa de la distribucin de Poisson es

(; ) =
!
Donde:
: Es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la probabilidad de
que el evento suceda precisamente k veces).
: Es un parmetro positivo que representa el nmero de veces que se espera que ocurra el
fenmeno durante un intervalo dado. Por ejemplo, si el suceso estudiado tiene lugar en
promedio 4 veces por minuto y estamos interesados en la probabilidad de que ocurra k
veces dentro de un intervalo de 10 minutos, usaremos un modelo de distribucin de Poisson
con = 10 4 = 40.
: Es la base de los logaritmos naturales (e = 2,71828...)
Tanto el valor esperado como la varianza de una variable aleatoria con distribucin de
Poisson son iguales a . Los momentos de orden superior son polinomios de Touchard en
cuyos coeficientes tienen una interpretacin combinatorio. De hecho, cuando el valor
esperado de la distribucin de Poisson es 1, entonces segn la frmula de Dobinski, el n-
simo momento iguala al nmero de particiones de tamao n.
La moda de una variable aleatoria de distribucin de Poisson con un no entero es igual a
el mayor de los enteros menores que (los smbolos representan la funcin parte
entera). Cuando es un entero positivo, las modas son y 1.
La funcin generadora de momentos de la distribucin de Poisson con valor esperado es

)

( = (; ) = = ( 1) .
!
=0 =0
4.5 Distribucin normal
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 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 es un modelo matemtico que 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
como mtodo correlacional.
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.
Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el
modelo de la normal son:
caracteres morfolgicos de individuos como la estatura;
caracteres fisiolgicos como el efecto de un frmaco;
caracteres sociolgicos como el consumo de cierto producto por un mismo grupo de
individuos;
caracteres psicolgicos como el cociente intelectual;
nivel de ruido en telecomunicaciones;
errores cometidos al medir ciertas magnitudes;
La distribucin normal tambin aparece en muchas reas de la propia estadstica. Por
ejemplo, la distribucin muestral de las medias muestrales es aproximadamente normal,
cuando la distribucin de la poblacin de la cual se extrae la muestra no es normal.
Adems, la distribucin normal maximiza la entropa entre todas las distribuciones con
media y varianza conocidas, lo cual la convierte en la eleccin natural de la distribucin
subyacente a una lista de datos resumidos en trminos de media muestral y varianza. La
distribucin normal es la ms extendida en estadstica y muchos tests estadsticos estn
basados en una supuesta "normalidad".
En probabilidad, la distribucin normal aparece como el lmite de varias distribuciones
de probabilidad continua y discreta.
4.6 Distribucin T-student
En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de
probabilidad que surge del problema de estimarla media de una poblacin normalmente
distribuida cuando el tamao de la muestra es pequeo.
Aparece de manera natural al realizar la prueba t de Student para la determinacin
de las diferencias entre dos medias muestrales y para la construccin del intervalo de
confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la
desviacin tpica de una poblacin y sta debe ser estimada a partir de los datos de una
muestra.
Propiedades
La distribucin t de Student es la distribucin de probabilidad del cociente


Donde:
tiene una distribucin normal de media nula y varianza 1
tiene una distribucin ji-cuadrado con grados de libertad
y son independientes
+
Si es una constante no nula, el cociente es una variable aleatoria que sigue la

distribucin t de Student no central con parmetro de no-centralidad .
4.7 Distribucin Chi cuadrada
En estadstica, la distribucin (de Pearson), llamada Chi cuadrado o Ji cuadrado,
es una distribucin de probabilidad continua con un parmetro k que representa los grados
de libertad de la variable aleatoria
= 12 +. + 2
donde son variables aleatorias normales independientes de media cero y varianza uno. El
que la variable aleatoria X tenga esta distribucin se representa habitualmente as:
~2
Es conveniente tener en cuenta que la letra griega se transcribe al latn como chi y se
pronuncia en castellano como ji.
Propiedades
Funcin de densidad
Su funcin de densidad es:
1

(2)1 2 0,
(; ) = {2 (2)
2

0 < 0
Donde es la funcin gamma.
4.8 Distribucin F
Usada en teora de probabilidad y estadstica, la distribucin F es una distribucin
de probabilidad continua. Tambin se le conoce como distribucin F de Snedecor (por
George Snedecor) o como distribucin F de Fisher-Snedecor.
Una variable aleatoria de distribucin F se construye como el siguiente cociente:
1 1
=
2 2
donde
U1 y U2 siguen una distribucin chi-cuadrado con d1 y d2 grados de libertad
respectivamente, y
U1 y U2 son estadsticamente independientes.
La distribucin F aparece frecuentemente como la distribucin nula de una prueba
estadstica, especialmente en el anlisis de varianza. Vase el test F.
La funcin de densidad de una F(d1, d2) viene dada por
1 2 2 2
1 1 1
() = ( ) (1 ) 1
(1 2 , 2 2) 1 + 2 1 + 2
para todo nmero real x 0, donde d1 y d2 son enteros positivos, y B es la funcin beta.
La funcin de distribucin es
() = 1 (1 2 , 2 2)
1 +2

donde I es la funcin beta incompleta regularizada

 Conclusin
Una distribucin es una tabla de resumen en la que los datos se disponen en
agrupamientos o categoras convenientemente establecidas de clases ordenadas
numricamente.
En esta forma las caractersticas ms importantes de los datos se aproximan muy
fcilmente, compensando as el hecho de que cuando los datos se agrupan de ese modo, la
informacin inicial referente a las observaciones individuales de que antes se dispona se
pierde a travs del proceso de agrupamiento o condensacin.
 Bibliografa

http://64.233.161.104/search?q=cache:kVRhh2rdptMJ:www.bio.puc.cl/cursos/bio242a/Ale
at.doc+valor+esperado&hl=es&ie=UTF-8
http://centros.edu.xunta.es/iesaslagoas/metodosesta/estatistica/Distrivariable.htm
http://descartes.cnice.mecd.es/Bach_HCS_2/distribuciones_probabilidad/index_discont.ht
m
http://enciclopedia.us.es/index.php/Variable_aleatoria
http://es.geocities.com/riotorto/nopa/nopa.htm
http://www.fvet.edu.uy/estadis/distribuprobab.htm
http://www.fvet.edu.uy/estadis/varaleat.htm#aleatorias
http://www.gestiopolis.com/canales/financiera/articulos/36/estapro.htm