Distribucin de probabilidad

Una distribucin de probabilidades indica todos los valores posibles que se pueden presentar
del resultado de un experimento. Esta distribucin es similar a una distribucin de frecuencias
relativas. No obstante, en lugar de describir el pasado, describe que tan probable ser un
evento a futuro.

Ejemplo:

Un fabricante de medicamentos afirma que un tratamiento causar una prdida de peso en el

75% de la poblacin. Una agencia que se encarga de la proteccin del consumidor puede
probar este medicamento en una muestra de 8 personas. Si la declaracin del fabricante es
verdadera, es casi imposible tener un resultado en el que ninguna persona pierda peso y es
muy probable que 6 de las 8 personas si pierdan peso.

Distribucin de probabilidad para variables aleatorias continuas

Introduccin:

Variable aleatoria: Cantidad que representa el resultado de un experimento, y debido a la

aleatoriedad, puede tomar valores diferentes.

Variable aleatoria continua: Se la conoce de esta manera a aquella variable que puede tomar
un valor de una cantidad infinitamente grande de valores, dentro de ciertas limitaciones. Por
ejemplo:

La distancia en kilmetros entre dos ciudades podra ser 345,6; 345,63; 345,634 Km
dependiendo de la precisin del medidor.

Tipos de distribuciones de probabilidad

Existen varios tipos de distribucin de probabilidad para variables aleatorias continan, a

continuacin, se presentan las ms conocidas e importantes.

Distribucin Beta

Es usada frecuentemente en tcnicas PERT (Program Evaluation & Review Techniques) en

control de proyectos. En dicha tcnica los tiempos de cada actividad son variables aleatorias
que obedecen a la distribucin Beta.

Funcin de densidad
()1 ()1
() = (,)()+1
, AxB

f(x)=((x-A)^(p-1) (B-x)^(q-1))/((p,q)(B-A)^(p+q-1) ), , AxB

()()
Donde: (, ) = (+)
, denominada funcin beta

Donde: (p,q)=((p)(q))/((p+q)), denominada funcin beta

Ejemplo

La proporcin media de lavamanos defectuosos es del 30%. Dicha proporcin se modeliza

como una (p,8). Calcular p

Sabiendo que el 36% representa la esperanza y E(x)=p/(p+8)

Entonces, 0,3= p/(p+8), donde p=4,5

Distribucin exponencial

Es una distribucin de probabilidad contunua con un parmetro > 0 (a se la conoce con el

nombre de tasa de fallo), cuya funcin de densidad es:

() = para x0, caso contrario f(x)=0

f(x)=e^(-x) para x0, caso contrario f(x)=0

Ejemplo:

Calcular el porcentaje de xito de la tasa de llegada de una llamada telefnica desde el

extremo del transmisor al receptor, sin errores.

Distribucin F

La distribucin F es usada en probabilidad y estadstica, es una distribucin de probabilidad

continua. Tambin es conocida como distribucin F de Snedecor (por George Snedecor) o
como distribucin F de Fisher-Snedecor (por Ronald Fisher).

Funcin de densidad:
1 /2 2 /2
1 1 1
() = ( ) (1 ) 1
(1 /2, 2 /2) 1 + 2 1 + 2
f(x)=1/((d_1/2,d_2/2)) ((d_1 x)/(d_1 x+d_2 ))^(d_1/2) (1-(d_1 x)/(d_1 x+d_2 ))^(d_2/2) x^(-1)

donde, para todo nmero real x 0, d1 y d2 son enteros positivos, y es la funcin beta.

Ejemplo:

Dados 2 muestras de n1=25 y n2=16. Hallar el valor de F, si el nivel de significancia es 0,95 y

0,99

Grados de libertad

d1= n1-1 = 25 1 =24

d2= n2-1 = 16 1 =15

Viendo en la tabla:

F(0.95, 24, 15) = 2.29

F(0.99, 24, 15) = 3.29

Distribucin Gamma

Esta distribucin continua tiene dos parmetros k (nmero de suceso) y (intensidad). El

tiempo hasta que el suceso nmero k ocurre en un Proceso de Poisson de intensidad . Eso es
la suma de k variables aleatorias independientes de distribucin exponencial con parmetro

funcin de densidad
()1
() = ()
, x0
f(x)=e^(-x) (x)^(k-1)/((k)) , x0

Ejemplo:

En el caso particular que = 1 y (1) = 1 se lo toma como modelado para una distribucin de
erlang, la cual mide el trfico en redes telefnicas.

Distribucin ji-cuadrado

Dicha distribucin continua depende del parmetro k, el cual representa los grados de libertad
de la variable aleatoria

= 12 + + 2

X=Z_1^2++Z_k^2

Donde son variables aleatorias normales independientes de media cero y varianza uno. Si la
variable aleatoria X tiene la distribucin chi-cuadrado se representa as:

~2

X~X_k^2

Funcin densidad

1 ( )1 /2
(, ) = 2 , x0 caso contrario f(x,k)=0
22 (/2)

f(x,k)=1/(2^(k/2) (k/2)) x^((k/2)-1) e^(-x/2), x0 caso contrario f(x,k)=0

Ejemplo:

Separar variables aleatorias de estudiantes de la universidad por carreras.

Distribucin normal

Es una curva acampanada y presenta un solo pico en el centro de la distribucin. La media

aritmtica, la mediana y la moda son iguales y se localizan en el pico. Por lo tanto, es simtrica
con respecto a su media

Funcin densidad
1 1 2
( )
(, , ) = 2
2
f(x,,)=1/2 e^(-1/2 ((x-)/)^2 )

Ejemplo:

La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviacin tpica 3 kg.

Suponiendo que los pesos se distribuyen normalmente, hallar cuntos estudiantes pesan 90 Kg
90 70
( > 90) = ( > ) = ( > 6,67)
3
P(X>90)=P(Z>(90-70)/3)=P(Z>6,67)

P(X>90)=1-p(Z6,67)=1 1 = 0 (500)=0
Distribucin t de Student

Esta distribucin surge para corregir el problema de estimar la media de una poblacin cuando
el tamao de la muestra es pequea. Dicha distribucin aparece de manera natural en la
determinacin de las diferencias entre dos medias muestrales y el intervalo de confianza se
construye entre las medias de dos poblaciones cuando se desconoce la desviacin estndar de
una poblacin, la cual se estimada a partir de los datos de una muestra.

Funcin de densidad
+1 +1
( 2 ) 2 2
() = (1 + )
(2)

f(x)=((v+1)/2)/((v/2) ) (1+x^2/v)^((v+1)/2)

Donde: v es los grados de libertad

Ejemplo

Encuentre la probabilidad de 0.025 < t < 0.05.

Como t=0.05 deja un rea de 0.05 a la derecha, y t=-0.025 deja un rea de 0.025 a la izquierda,
el rea total sera 1-0.05-0.025 = 0.925.

P( 0.025 < t < 0.05) = 0.925

Bibliografa
Clculo de Probabilidades e Inferencia Estadistica con topicos de Econometria, Rafael Lopez
Casuso, carazas Venezuela 2006

Estadistica para administracin y economa, 11 edidiciom, Lind Marchal - Mason