Академический Документы
Профессиональный Документы
Культура Документы
TEMA 3 – ACTIVIDAD 1
Equipo:
Isis Rosales Elizondo 17430036
Daniel Hernández Sánchez 17430048
Miguel Ángel Reyes Moreno 17430111
Segundo Semestre de Ingeniería en Sistemas Computacionales
Contenido
Distribución de probabilidad ........................................................................... 3
Distribuciones de probabilidad discretas ......................................................... 5
Distribución hipergeométrica ....................................................................... 5
Distribución Geométrica .............................................................................. 6
Distribución de Poisson ................................................................................ 7
Distribuciones de probabilidad continuas ....................................................... 8
Distribución de probabilidad normal ............................................................ 8
Distribuciones t de Student ........................................................................ 10
Distribución de Fisher ................................................................................ 12
Distribución logarítmica normal ................................................................. 13
Chi-cuadrada .............................................................................................. 14
Distribución de Weibull .............................................................................. 15
Fuentes de información ................................................................................ 16
pág. 2
TEMA 3 – ACTIVIDAD 1
Distribución de probabilidad
La distribución de probabilidad está definida sobre el conjunto de todos los sucesos
y cada uno de los sucesos es el rango de valores de la variable aleatoria. También
puede decirse que tiene una relación estrecha con las distribuciones de frecuencia.
Una distribución de probabilidades puede comprenderse como una frecuencia
teórica, ya que describe cómo se espera que varíen los resultados. La distribución
de probabilidad está completamente especificada por la función de distribución,
cuyo valor en cada x real es la probabilidad de que la variable aleatoria sea menor
o igual que x.
Tipos de variables
Variable aleatoria: Es aquella cuyo valor es el resultado de un evento aleatorio. Lo
que quiere decir que son los resultados que se presentan al azar en cualquier evento
o experimento.
Variable aleatoria discreta: Es aquella que solo toma ciertos valores
(frecuentemente enteros) y que resulta principalmente del conteo realizado.
Variable aleatoria continua: Es aquella que resulta generalmente de la medición y
puede tomar cualquier valor dentro de un intervalo dado.
pág. 3
TEMA 3 – ACTIVIDAD 1
Propiedades
La función de distribución:
• Es una función continua por la derecha.
• Es una función monótona no decreciente.
Además, cumple:
Para dos números reales cualesquiera a y b tal que (a<b), los sucesos (X≤a) y
(a<X≤b) son mutuamente excluyentes y su unión es el suceso (X≤b), por lo que
tenemos entonces que:
P(X≤b) = P(X≤a) + P(a<X≤)
P(a<X≤b) = P(X≤b) – P(X≤a)
Y finalmente
P(a<X≤b) = F(b) – F(a)
pág. 4
TEMA 3 – ACTIVIDAD 1
pág. 5
TEMA 3 – ACTIVIDAD 1
Distribución Geométrica
Si se interesa el número x de pruebas hasta la observación del primer éxito,
entonces x posee una distribución de probabilidad geométrica. Nótese que el
número de pruebas podría seguir indefinidamente y que x es un ejemplo de variable
aleatoria discreta que puede tomar un número infinito (pero contable) de valores.
Las fórmulas para la distribución geométrica son:
𝑝(𝑥) = 𝑝𝑞 𝑥−1 x = 1,2,……,n
Donde,
x = número de pruebas independientes hasta la ocurrencia del primer éxito.
p = probabilidad de éxito en una sola prueba, q = 1 – p.
1
Media: μ = 𝑝
1−𝑝
Variancia: 𝜎 2 = 𝑝2
1−𝑝
Desviación estándar: √ 𝑝2
pág. 6
TEMA 3 – ACTIVIDAD 1
Distribución de Poisson
La distribución de Poisson es una distribución de probabilidad discreta que expresa,
a partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra un
determinado número de eventos durante cierto período de tiempo. Concretamente,
se especializa en la probabilidad de ocurrencia de sucesos con probabilidades muy
pequeñas, o sucesos "raros".
La función de masa o probabilidad de la distribución de Poisson es:
donde
• k es el número de ocurrencias del evento o fenómeno (la función nos da la
probabilidad de que el evento suceda precisamente k veces).
• λ es un parámetro positivo que representa el número de veces que se espera
que ocurra el fenómeno durante un intervalo dado.
• e es la base de los logaritmos naturales (e = 2,71828...)
pág. 7
TEMA 3 – ACTIVIDAD 1
pág. 8
TEMA 3 – ACTIVIDAD 1
En el ejemplo anterior, con la edad 30 años, vemos que el valor Z = 1,29 tiene una
probabilidad asociada de 0,9014. Entonces, la probabilidad de encontrar una
persona con edad de 30 años o menos, en este grupo humano, es 0,9014.
pág. 9
TEMA 3 – ACTIVIDAD 1
Distribuciones t de Student
Las distribuciones t de Student fueron descubiertas por William S. Gosset (1876-
1937) en 1908 cuando trabajaba para la compañía de cervezas Guinness en Dublín
(Irlanda). No pudo publicar sus descubrimientos usando su propio nombre porque
Guinness había prohibido a sus empleados que publicaran información confidencial.
Gosset firmó sus publicaciones usando el nombre de "Student". Gosset tenía buena
relación con Karl Pearson que había sido su maestro. Necesitaba una distribución
que pudiera usar cuando el tamaño de la muestra fuera pequeño y la varianza
desconocida y tenía que ser estimada a partir de los datos. Las distribuciones t se
usan para tener en cuenta la incertidumbre añadida que resulta por esta estimación.
Fisher comprendió la importancia de los trabajos de Gosset para muestras
pequeñas.
pág. 10
TEMA 3 – ACTIVIDAD 1
pág. 11
TEMA 3 – ACTIVIDAD 1
Distribución de Fisher
La distribución F es una distribución continua de muestreo de la relación de dos
variables aleatorias independientes con distribuciones de chi-cuadrada, cada una
dividida entre sus grados de libertad. La distribución F es asimétrica hacia la
derecha y es descrita por los grados de libertad de su numerador (ν1) y denominador
(ν2).
Utilice la distribución F cuando un estadístico de prueba sea la relación de dos
variables que tienen una distribución de chi-cuadrada cada una. Por ejemplo, utilice
la distribución F en el análisis de varianza y en pruebas de hipótesis para determinar
si dos varianzas de población son iguales.
Las siguientes gráficas muestran el efecto de los diferentes valores de grados de
libertad en la forma de la distribución.
ν1 = 1 y ν2 = 1 ν1 = 9 y ν2 = 1
ν1 = 1 y ν2 = 9 ν1 = 9 y ν2 = 9
pág. 12
TEMA 3 – ACTIVIDAD 1
pág. 13
TEMA 3 – ACTIVIDAD 1
Chi-cuadrada
La distribución de chi-cuadrada es una distribución continua que se especifica por
los grados de libertad y el parámetro de no centralidad. La distribución es
positivamente asimétrica, pero la asimetría disminuye al aumentar los grados de
libertad.
Minitab utiliza la distribución de chi-cuadrada (χ2) en pruebas de significancia
estadística para:
Comprobar qué tan bien se ajusta una muestra a una distribución teórica. Por
ejemplo, puede utilizar una prueba de bondad de ajuste de chi-cuadrada para
determinar si los datos de la muestra se ajustan a una distribución de Poisson.
Comprobar la independencia de las variables categóricas. Por ejemplo, un
fabricante desea saber si la ocurrencia de cuatro tipos de defectos (espárrago
faltante, abrazadera rota, sujetador flojo y sello con fugas) está relacionada con los
turnos (diurno, vespertino, nocturno).
Cuando los grados de libertad son 30 o más, la distribución de chi-cuadrada puede
aproximarse razonablemente con una distribución normal, como se ilustra en las
siguientes gráficas:
pág. 14
TEMA 3 – ACTIVIDAD 1
Distribución de Weibull
La distribución de Weibull es una distribución continua y triparamétrica, es decir,
está completamente definida por tres parámetros y es la más empleada en el campo
de la confiabilidad.
La función de densidad de la distribución de Weibull para la variable aleatoria t está
dada por la siguiente expresión:
Donde
pág. 15
TEMA 3 – ACTIVIDAD 1
Fuentes de información
Reliabilityweb. (2010). Cálculo de los Parámetros de la Distribución de Weibull.
4/04/17, de Reliabilityweb Sitio web:
https://reliabilityweb.com/sp/articles/entry/calculo-de-los-parametros-de-la-
distribucion-de-weibull
Badii, M., & Castillo, J. (2009). Distribuciones probabilísticas de uso común (p.
160). México.
pág. 16