DISTRIBUCIN DE PROBABILIDADES

I.

Distribuciones discretas

Las distribuciones discretas son aquellas en las que la variable puede pude tomar un nmero
determinado de valores
Ejemplo: si se lanza una moneda al aire puede salir cara o cruz; si se tira un dado puede salir un
nmero de 1 al 6; en una ruleta el nmero puede tomar un valor del 1 al 32.
1. Distribucin de Poisoon.- es una distribucin de probabilidad discreta que expresa, a
partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra un
determinado nmero de eventos durante cierto perodo de tiempo. Concretamente,
se especializa en la probabilidad de ocurrencia de sucesos con probabilidades muy
pequeas, o sucesos "raros".
BREVE HISTORIA
La distribucin de Poisson se llama as en honor a su creador, el francs Simen
Dennis Poisson (1781-1840), Esta distribucin de probabilidades fue uno de los
mltiples trabajos matemticos que Dennis complet en su productiva trayectoria.
Cmo la utilizamos?
La distribucin de Poisson se utiliza en situaciones donde los sucesos son
impredecibles o de ocurrencia aleatoria. En otras palabras no se sabe el total de
posibles resultados.
-

Permite determinar la probabilidad de ocurrencia de un suceso con resultado

discreto.
Es muy til cuando la muestra o segmento n es grande y la probabilidad de

xitos p es pequea.
Se utiliza cuando la probabilidad del evento que nos interesa se distribuye dentro
de un segmento n dado como por ejemplo distancia, rea, volumen o tiempo
definido.

Frmula

2.

Distribucin binomial.- En estadstica,

la distribucin binomial es una distribucin de probabilidad discreta que cuenta 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 q = 1 - p. 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 n = 1, la
binomial se convierte, de hecho, en una distribucin de Bernoulli.
Dato histrico
El clculo de probabilidades tuvo un notable desarrollo con el trabajo del
matemtico suizo Jacob Bernoulli (1654-1705). Bernoulli defini el proceso
conocido por su nombre el cual establece las bases para el desarrollo y utilizacin de
la distribucin binomial.
Frmula para calcular una distribucin binomial
Probabilidad
Dnde:
n= Es el nmero de pruebas
k=Es el nmero de xitos
p=Es la probabilidad de xito
q=Es la probabilidad de fracaso
3. Distribucin uniforme discreta.- En teora de la probabilidad, la distribucin
uniforme discreta es una distribucin de probabilidad que asume un nmero finito
de valores con la misma probabilidad.
La variable aleatoria discreta mas sencilla, es aquella que tomo slo un nmero
finito de valores posibles n, cada uno con la misma probabilidad. Ella se denomina
valores entonces variable aleatoria discreta uniforme y su distribucion uniforme
discreta est dada por:
f(x) = 1/n
Para una variable aleatoria discreta uniforme X, que puede tomar los valores 1,2, ...,
n, la media es:

Y su desviacin

estndar es:

CARACTERISTICAS:
- En la distribucin de probabilidad uniforme discreta, la variable aleatoria
toma cada uno de sus valores con idntica probabilidad.
- El parmetro de la distribucin de probabilidad uniforme discreta, viene
dado por la inversa de los valores que puede tomar la variable aleatoria.
- La variable aleatoria que describe el nmero de caras obtenidas al lanzar dos
monedas legales sigue una probabilidad de distribucin 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 nmero de valores que pueda tomar la variable.

4. Distribucin geomtrica.- En teora de probabilidad y estadstica, la distribucin

geomtrica es cualquiera de las dos distribuciones de probabilidad discretas
siguientes:
-

la distribucin de probabilidad del nmero X del ensayo de Bernoulli

necesaria para obtener un xito, contenido en el conjunto { 1, 2, 3,...} o
la distribucin de probabilidad del nmero Y = X 1 de fallos antes del
primer xito, contenido en el conjunto { 0, 1, 2, 3,... }.

Formula

Historia
El origen de la distribucin geomtrica comenz con Jakob Bernoulli (1654-1705),
que escribi Artes Conjectandi (el Arte de la conjetura), su obra maestra.
Aqu Bernoulli proporcion la clave para entender la distribucin geomtrica.
En un "ensayo de Bernoulli A hay un conjunto de n variables independientes
binarias en el que la observacin j es un "xito" o "fracaso", con la probabilidad de
xito, p, que es la misma para cada ensayo.
II.

Distribuciones continuas

Las distribuciones continuas son aquellas que presentan un nmero infinito de posibles soluciones
Ejemplo: El peso medio de los alumnos de una clase puede tomar infinitos valores dentro de cierto
intervalo (42,37 kg, 42,3764 kg, 42,376541kg, etc); la esperanza media de vida de una poblacin
(72,5 aos, 72,513 aos, 72,51234 aos).

1. Distribucin exponencial.- En estadstica la distribucin exponencial es una distribucin de

probabilidad continua con un parmetro \lambda > 0 cuya funcin de densidad es:

Su funcin de distribucin acumulada es:

Donde e representa el nmero e.

El valor esperado y la varianza de una variable aleatoria X con distribucin exponencial son:

2. distribucin normal.- Una variable aleatoria continua, X, sigue una distribucin normal de
media y desviacin tpica , y se designa por N(, ), si se cumplen las siguientes
condiciones:
-

La variable puede tomar cualquier valor: (-, +)

La funcin de densidad, es la expresin en trminos de ecuacin matemtica
de la curva de Gauss:

Historia
La distribucin normal fue presentada por primera vez por Abraham de Moivre en un
artculo del ao 1733,2 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 Moivre-Laplace.
3. Distribucin Triangular.- En probabilidad y estadstica, la distribucin triangular es la
distribucin de probabilidad continua que tiene un valor mnimo a, un valor mximo b y una
moda c, de modo que la funcin de densidad de probabilidad es cero para los extremos (a y
b), y afn entre cada extremo y la moda, por lo que su grfico es un tringulo.
Historia

1757 Simpson discuti varias posibles distribuciones de error. Lo primero que consider
fue la distribucin uniforme, seguida por la distribucin triangular continua simtrica
Densidad
La funcin densidad de probabilidad es

4. distribucion uniforme.- En teora de probabilidad y estadstica, la distribucin uniforme

continua es una familia de distribuciones de probabilidad para variables aleatorias continuas,
tales que cada miembro de la familia, todos los intervalos de igual longitud en la
distribucin en su rango son igualmente probables. El dominio est definido por dos
parmetros, a y b, que son sus valores mnimo y mximo. La distribucin es a menudo
escrita en forma abreviada como U(a,b).
Funcin de densidad de probabilidad.- La funcin de densidad de probabilidad de la
distribucin uniforme continua es:

Estadsticas de orden.- Sea X1,..., Xn una muestra i.i.d. de U(0,1). Sea X(k) el orden
estadstico k-simo de esta muestra. Entonces la distribucin de probabilidad de X(k) es una
distribucin Beta con parmetros k y n k + 1. La esperanza matemtica es

5. Distribucin de Erlang.- En estadstica, la distribucin Erlang, es una distribucin de

probabilidad continua con dos parmetros k y \lambda cuya funcin de densidad para
valores x > 0 es

6. Distribucin beta.- En estadstica la distribucin beta es una distribucin de probabilidad

continua con dos parmetros a y b cuya funcin de densidad para valores 0 \leq x \leq 1 es

7. Distribucin gamma.- En estadstica la distribucin gamma es una distribucin de

probabilidad continua con dos parmetros k y \lambda cuya funcin de densidad para
valores x > 0 es

8. Distribucin de Weibull.- En teora de la probabilidad y estadstica, la distribucin de

Weibull es una distribucin de probabilidad continua. Recibe su nombre de Waloddi
Weibull, que la describi detalladamente en 1951, aunque fue descubierta inicialmente por
Frchet (1927) y aplicada por primera vez por Rosin y Rammler (1933) para describir la
distribucin de los tamaos de determinadas partculas.
La funcin de densidad de una variable aleatoria con la distribucin de Weibull x es: