Distribuciones de

probabilidad básicas
Docente: Juan Felipe Castellanos Martínez
2019
Distribuciones de probabilidad básicas

Existen ciertas distribuciones que cuentan con

particularidades que hacen que se repitan en fenómenos de
diferente naturaleza. Por la importancia de estas
distribuciones en diferentes aplicaciones, se mencionarán
algunas de ellas.
•Distribución
  indicatriz o de Bernoulli

Esta distribución es una de las más básicas, pero es útil para

establecer las propiedades de otras distribuciones. Esta
distribución se define como:
•Valor
  esperado y varianza de la distribución indicatriz

La distribución indicatriz, al ser una función de distribución de

probabilidades, cuenta con un valor esperado:

Y una varianza:
•Ejemplo
 

Después de un año de su creación, solamente sobreviven el 70% de las empresas.

Sies una variable aleatoria que indica si una empresa cierra o no durante su primer
año de existencia, ¿cuál es su función de distribución de probabilidades, su valor
esperado y su varianza?
•Distribución
 

Los posibles valores de X son:

Y su función de distribución
•Valor
  esperado y varianza

De acuerdo con los cálculos hechos previamente:

Y:
•Probabilidades
  binomiales

Las probabilidades binomiales utilizan varios ensayos independientes

con distribución de Bernoulli. Se siguen unas pautas específicas:

- Cada ensayo tiene dos resultados, (éxito) o (fracaso).

- La probabilidad de éxito es una constante en todos los ensayos.
- Todos los ensayos son independientes.
- El número de ensayos es una constante .

La pregunta central es: ¿Cuál es la probabilidad de éxitos en ensayos?

•Probabilidad
  de una secuencia particular

Dado que los ensayos son independientes, la probabilidad de

una secuencia dada de resultados se obtiene fácilmente al
multiplicar:
•Número
  de secuencias

Para construir la función de distribución debemos saber cuantas secuencias

existen que cumplan con éxitos. Por ejemplo, en 5 ensayos, ¿de cuántas
maneras podemos obtener tres éxitos?

Este es un problema combinatorial en el cual debemos elegir las posiciones

para cada éxito. Este ejercicio coincide con una selección ordenada sin
reemplazo. Así, sabemos que el número de resultados es

resultados diferentes.
•Generalización
 

De esta manera, el número de diferentes secuencias con éxitos en n

ensayos es

Cada una de estas secuencias tiene la misma probabilidad:

Por lo tanto la probabilidad de obtener éxitos en ensayos

independientes es:
•Ejemplo
 

Queremos producir 100 relojes. La probabilidad de que un

reloj sea defectuoso es 0,05. Asumimos que cada resultado de
la producción es independiente. ¿Cuál es la probabilidad de
obtener exactamente 5 relojes defectuosos?

En este caso, el éxito es un reloj defectuoso. La probabilidad

de obtener 5 es:
•Distribución
  binomial

Cuando se habla de una distribución binomial, se habla de la

distribución de una variable aleatoria definida por:

En otras palabras, simplemente cuenta el número de éxitos

en n ensayos. A veces se representa como:
•Función
  de distribución

La función de distribución de probabilidades de una variable

aleatoria que sigue una distribución binomial está dada por:
•Valor
  esperado

Una manera fácil de calcular el valor esperado de una

distribución binomial es considerando la variable aleatoria
como la suma de variables aleatorias con distribución
Bernoulli. Así:

Entonces:
•Varianza
 

La varianza de la suma de distribuciones independientes es

igual a la suma de las varianzas de cada término:
•Ejemplo
 

Sea una variable que denota el número de elementos defectuosos en

un paquete de 10 elementos. Asuma que la probabilidad de que cada
elemento sea defectuoso es 5%. ¿Cuál es la distribución de , cuál es su
valor esperado, varianza y desviación estándar?
•Solución
 
Esta es una distribución binomial con
y . Para calcular la función de
distribución de probabilidades,
tendríamos que calcular:

Para todos los entre 0 y 10. En

cuanto al valor esperado y la
varianza:
•Distribución
  de Poisson

Supongamos que recibimos un cargamento de 1.000.000

elementos donde 0,1% de ellos son defectuosos.
Inspeccionamos 1.000 de ellos, ¿Cuál es la probabilidad de
obtener 4 elementos defectuosos o menos?

Nótese que esta sería una distribución binomial con y :

•La  distribución Poisson surge en situaciones similares a las de
la binomial cuando la probabilidad tiende a 0 y tiende a
infinito, de tal manera que es una constante. Una variable con
distribución de Poisson sigue la siguiente función de
distribución de probabilidades:

Este ajuste es adecuado cuando hay eventos poco frecuentes,

es decir y .
•Valor
  esperado y varianza

El valor esperado y la varianza para una variable aleatoria que

sigue una distribución Poisson, están dados por:
Ejemplo

Todos los días, un gran número de clientes visitan un centro

comercial. En el centro hay una tienda que vende un producto
muy especial. Pocos clientes compran este producto, pero ya
que tantos clientes visitan el centro comercial, la tienda vende
una unidad al día en promedio. ¿Cuál es la probabilidad de
que la tienda venda dos o más productos durante un día?
•Solución
 

Si X es el número de productos vendidos por la tienda, es

razonable asumir que tiene una distribución Poisson ya que es
un evento raro. El enunciado dice que , es decir que . Así que:
•Distribución
  Normal

Hasta ahora, las variables aleatorias consideradas han tenido

distribuciones discretas. La distribución normal se diferencia
en que se puede alcanzar cualquier valor entre . Para estudiar
una distribución continua, se necesitan diferentes enfoques.
Por ejemplo se necesita conocer la función de densidad de
una variable aleatoria. La idea fundamental es que el área bajo
una función de densidad entre y define la probabilidad de
que una variable aleatoria continua esté en el intervalo
•Función
  de densidad

La función de densidad de una

distribución normal estándar se
define por:

Esta función está definida para

cualquier número y es una de
las más importantes en la
estadística.
•Probabilidades
  en una distribución normal

Una vez conocida la función de densidad , el siguiente paso es

usarla para calcular las probabilidades.
•Ejemplo
 

¿Cuál es la probabilidad de que una variable aleatoria con

distribución normal estándar tenga valores entre -2 y 1?
•Valor
  esperado y varianza

El valor esperado de una variable aleatoria continua con densidad está

definida por:

Y su varianza por:

Aplicando estas definiciones a la distribución normal X:

•Distribución
  Normal General

Hay un caso especial y es la distribución normal general, que cuenta

con una función de densidad:

Con esta densidad se prueba que:

Y decimos que
•Función
  de distribución acumulada

La función de distribución acumulada representa la

probabilidad de obtener un valor por debajo de un umbral z.
En la distribución normal, está dada por:
•Estandarización
  de variables aleatorias

Para simplificar procedimientos, es posible llevar una distribución normal

general a una distribución normal estándar. Si X es una variable aleatoria con:

Podemos definir una nueva variable aleatoria Z con:

El valor esperado de Z y su varianza serán entonces:

•Prueba
 

Se usan las reglas para los valores esperados y la varianza para

probar que:
•Ejemplo
 

Asuma que X es una distribución normal cony . Encuentre la

probabilidad de que X esté entre 24 y 28.
•Solución
 

Primer paso: ¿Qué nos están preguntando?

Segundo paso: Estandarizar la distribución.

•Tercer
  paso: Plantear la pregunta en términos de la
distribución normal estandarizada

Tercer paso: Calcular la probabilidad.