30-10-2018

Universidad Politécnica De San

Luis Potosí
Jennyfer Jaqueline Monter
Hernández
Carrera: Ingeniería En Sistemas
Y Tecnologías Industriales.
Matricula: 170879
|Tarea 3° Parcial|
Tema: Distribuciones de
Probabilidad.
Materia: Estadística
Prof. Magda Soledad Ruiz
Rodarte.
  Introducción
En esta investigación se mencionarán diferentes conceptos acerca de las distintas
distribuciones de probabilidad que existen, así como también su propio significado,
cada una de las características que lo integran y ejemplos que nos ayuden a
mejor su propia comprensión.
Cabe destacar que cada una de ellas, se resuelve de diferente manera y en
algunas ocasiones una es consecuente de otra.
 Objetivo
Su principal objetivo es saber diferenciar y conocer cada una de las distribuciones
de probabilidad.
Conocer cada una de sus características y algunos ejemplos. Y sobre todo la
realización de una investigación confiable y verdadera.
 Distribución de probabilidad
Una distribución de probabilidad es aquella que permite establecer toda la gama
de resultados probables de ocurrir en un experimento determinado. Es decir,
describe la probabilidad de que un evento se realice en el futuro.
Es una herramienta fundamental para la prospectiva, puesto que con ella es posible
diseñar un escenario de acontecimientos futuros considerando las tendencias
actuales de diversos fenómenos.
 Variable aleatoria discreta (x)

Solo puede tomar valores representados por números enteros y un número finito de
ellos.
Por ejemplo:

-X variable que nos define el número de alumnos aprobados en el curso de historia

universal en un grupo de 30 alumnos (1, 2 ,3 y así sucesivamente ó los 30).
-Número de caras obtenidas al lanzar tres monedas: 0, 1, 2, 3.

-Suma de las caras superiores obtenidas al lanzar dos dados: 2, 3, 4, 5, 6, 7, 8, 9,

10, 11, 12.
 Variable aleatoria continua (x)

Esta puede tomar tanto valores expresados en números enteros como fraccionarios
y un número infinito de ellos dentro de un mismo intervalo.
Por ejemplo:

-X es la variable que nos define la concentración en gramos de oro de algunas

muestras de mineral (7.4 gr, 6.1, 1.9, 23.3, 12.7, 8.1, 9.5, 11.8, ... n)
-Encuentre una estrella en el cosmos y tome para X su distancia de la sistema solar
en años luz. Entonces X es una variable aleatoria continua cuyos valores son
números reales en el intervalo (0…infinito).

-Tire un dado al aire y tome para X el número orientado hacia arriba. Entonces X es
una variable aleatoria discreta con valores posibles 1, 2, 3, 4, 5 y 6.

 Tipos de distribución de probabilidad:

1. Distribuciones de probabilidad discretas

1.1 Distribución de probabilidad uniforme discreta

Es una distribución de probabilidad que asume un número finito de valores con

la misma probabilidad, es decir, cuando todos los posibles valores que puede
adoptar la variable (x1, x2,...,xk) tienen la misma probabilidad.
Características

- En la distribución de probabilidad uniforme discreta, la variable aleatoria toma cada

uno de sus valores con idéntica probabilidad.

- El parámetro de la distribución de probabilidad uniforme discreta, viene dado por

la inversa de los valores que puede tomar la variable aleatoria.
- La variable aleatoria que describe el número de caras obtenidas al lanzar dos
monedas legales sigue una probabilidad de distribución uniforme.

- La media de una variable aleatoria discreta uniforme, f(x;k), siempre coincide con
uno de los valores de la misma observados en el experimento.

- La varianza de una variable aleatoria discreta uniforme, f(x;k), no depende del

número de valores que pueda tomar la variable.
Por ejemplo:

-Pongamos el socorrido pero útil caso del lanzamiento de un dado. Si definimos una
variable aleatoria (X) como el número resultante tras su lanzamiento, los valores
que puede tomar esa variable aleatoria son {1, 2, 3, 4, 5, 6}. Pues bien, esa variable
aleatoria tiene distribución uniforme si, como es el caso, la probabilidad es la misma
para cada uno de los resultados posibles.
-Para una moneda perfecta, todos los resultados tienen la misma probabilidad 1/2.
1.2 Distribución binomial

La probabilidad binomial se refiere a la probabilidad de exactamente x éxitos en n

intentos repetidos en un experimento que tiene dos resultados posibles
(comúnmente llamado un experimento binomial).
Características
- Sólo hay 2 posibles resultados.
- Los resultados son independientes
-La probabilidad de éxito permanece constante en todas las veces que se realice
el experimento.

-El experimento se realiza n veces bajo las mismas condiciones y estamos

interesados en que hayan x éxitos.
- Cuando hay extracción de elementos, se debe realizar con reemplazo.
Por ejemplo:

En un experimento de lanzar una moneda, hay dos resultados: cara y cruz.

Asumiendo que la moneda es buena, la probabilidad de obtener una cara es de 1/2
o 0.5.
1.3 Distribución de Poisson

La distribución de Poisson es una distribución de probabilidad discreta que se

aplica a las ocurrencias de algún suceso durante un intervalo específico. La
variable aleatoria x es el número de ocurrencias de un suceso en un intervalo. El
intervalo suele ser normalmente tiempo, distancia, área, volumen o alguna unidad
similar.
Características
La distribución de Poisson debe cumplir los siguientes requisitos:
-La variable aleatoria X es el número de ocurrencias de un suceso durante un
intervalo.
-Las ocurrencias deben ser aleatorias.
-Las ocurrencias tienen que ser independientes entre sí.
-Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo que se
emplea.
Por ejemplo:
-El número de autos que pasan a través de un cierto punto en una ruta
(suficientemente distantes de los semáforos) durante un periodo definido de tiempo.
- El número de errores de ortografía que uno comete al escribir una única página.
- El número de llamadas telefónicas en una central telefónica por minuto.
1.4 Distribución de hipergeométrica

La distribución hipergeométrica es aquella en la que se considera la existencia de

éxitos y/o fracasos en una población conocida, y de la cual se extrae una
muestra sin remplazo donde también existen éxitos o fracasos.

Se utiliza para calcular la probabilidad de obtener determinado número de éxitos

en un espacio muestral de n ensayos.
Características

-Al realizar un experimento con este tipo de distribución, se esperan dos tipos de
resultados.
-Las probabilidades asociadas a cada uno de los resultados no son constantes.
-Cada ensayo o repetición del experimento no es independiente de los demás.
-El número de repeticiones del experimento (n) es constante.
2. Distribuciones de probabilidad continuas
2.1 Distribución de probabilidad uniforme continua

La distribución uniforme es útil para describir una variable aleatoria con probabilidad
constante sobre el intervalo (a,b) en el que está definida y se denota por U(a,b).
También es conocida con el nombre de distribución rectangular por el aspecto de
su función de densidad.

Una peculiaridad importante de esta distribución es que la probabilidad de un

suceso depende exclusivamente de la amplitud del intervalo considerado y no de
su posición en el campo de variación de la variable.
Características

-Los valores en los dos extremos a y b (en la formula) no son por lo general
importantes porque no afectan el valor de las integrales de f(x) dx sobre el intervalo,
ni de x f(x) dx o expresiones similares.

-A veces se elige que sean cero, y a veces se los elige con el valor 1/(b − a). Este
último resulta apropiado en el contexto de estimación por el método de máxima
verosimilitud.
Por ejemplo:
-La estatura de un grupo de personas
-El tiempo dedicado a estudiar
-La temperatura en una ciudad
2.2 Distribución de probabilidad normal

La distribución normal es una distribución con forma de campana donde las

desviaciones estándar sucesivas con respecto a la media establecen valores de
referencia para estimar el porcentaje de observaciones de los datos. Estos valores
de referencia son la base de muchas pruebas de hipótesis, como las pruebas Z y t.
Características
-Muchas variables continuas comunes en el mundo de los negocios tienen
distribuciones que se asemejan estrechamente a la distribución normal.

-La distribución normal sirve para acercarse a diversas distribuciones de

probabilidad discreta, como la distribución binomial y la distribución de Poisson.

-La distribución normal proporciona la base para la estadística inferencial clásica

por su relación con el teorema de límite central.
2.3 Distribución de probabilidad exponencial

La distribución exponencial es el equivalente continuo de la distribución geométrica

discreta.
Características

-Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo que,
el tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello ocurra
en un instante (t)-
-No depende del tiempo transcurrido anteriormente en el que no ha pasado nada
Por ejemplo

-El tiempo que puede transcurrir en un servicio de urgencias, para la llegada de un

paciente.

- El tiempo que tarda una partícula radiactiva en desintegrarse. El conocimiento de

la ley que sigue este evento se utiliza en Ciencia para, por ejemplo, la datación de
fósiles o cualquier materia orgánica mediante la técnica del carbono 14, C14.
 Opinión sobre la investigación realizada
En lo personal, esta investigación me aporto varios conceptos y conocimientos para
poder identificar las diferentes distribuciones de probabilidad que existen, y darme
una idea más clara con distintos ejemplos que pertenecen a cada distribución y
como poder relacionarla con casos de la vida real.

Bibliografía
DeGroot, M.H. (1988). Probabilidad y Estadística. (2ª Ed.). Addison‐Wesley
Iberoamericana. ISBN0‐201‐64405‐3.
Martín Pliego, F.J. (2004). Introducción a la Estadística Económica y Empresarial.
(Ed.) Thomson.Madrid.
Mendenhall, W.; Reinmuth, J.E. (1978). Estadística para administración y
economía. (Ed.) GrupoEditorial Iberoamericana. ISBN 968‐7270‐13‐6.
Montiel, A.M.; Rius, F.; Barón F.J. (1997). Elementos básicos de Estadística
Económica y Empresarial. (2ª Ed.) Prentice Hall, Madrid.
Peña, D. (2001). Fundamentos de Estadística. (Ed.) Alianza Editorial, S.A. Madrid.
ISBN: 84‐206‐8696‐4.
Romero, R y Zúnica, L.R. (2000). Introducción a la Estadística. (Ed.) SPUPV
4071.
Uña Juárez, I; Tomero, V; San Martín, J. (2003). Lecciones de cálculo de
probabilidades. (Ed.)
Thomson Editores Spain. ISBN 84‐9732‐193‐6.