Académique Documents
Professionnel Documents
Culture Documents
DISTRIBUCIÓN DE PROBABILIDAD
Toda distribución de probabilidad es generada por una variable aleatoria x, la que puede ser de dos tipos:
1. Variable aleatoria discreta (x). Se le denomina variable porque puede tomar diferentes valores, aleatoria,
porque el valor tomado es totalmente al azar y discreta porque solo puede tomar valores enteros y un número finito de
ellos.
2. Variable aleatoria continua (x). Se le denomina variable porque puede tomar diferentes valores, aleatoria,
porque los valores que toma son totalmente al azar y continua porque puede tomar tanto valores enteros como
fraccionarios y un número infinito de ellos.
MEDIA: La media o valor medio de una distribución de probabilidad se representa por miu, y se define por:
En estas dos fórmulas f(x) es la función de probabilidad y la función densidad de probabilidad respectivamente de la
variable aleatoria X en consideración. Conviene mencionar que la media se conoce como esperanza matemática de X o,
esperanza de X, y se representa por E(X).
Ejercicio:
1. Según estadísticas la probabilidad de que el motor de un auto nuevo, de cierto modelo, y marca sufra de algún
desperfecto en los primeros 12 meses de uso es de 0.02, si se prueban tres automóviles de esta marca y
modelo, encuentre el número esperado de autos que no sufren de algún desperfecto en los primeros doce meses
de uso y su desviación estándar.
X 0 1 2 3
P(x) 0,000008 0,001176 0,057624 0.941192
Modelos:
Distribución binomial
Sea un experimento aleatorio en el que sólo puedan darse dos posibilidades: que ocurra un determinado suceso A, que
llamaremos éxito, o que no ocurra dicho suceso, o sea que ocurra su complementario, que llamaremos fracaso. Se
define la variable aleatoria Binomial: X: “nº de veces que ocurre el suceso A (nº éxitos) en n realizaciones independientes
del experimento” , p= probabilidad de éxito; q= probabilidad de fracaso 1- p
X → B(n;p)
Distribución normal:
Se llama distribución normal, de Gauss, gaussiana o distribución de Laplace-Gauss, a una de las distribuciones
de probabilidad de variable continua. La gráfica de su función de densidad tiene una forma acampanada y es
simétrica respecto de un determinado parámetro estadístico.
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.
Distribución de Poisson:
Esta distribución es una de las más importantes distribuciones de variable discreta. Sus principales aplicaciones
hacen referencia a la modelización de situaciones en las que nos interesa determinar el número de hechos de cierto tipo
que se pueden producir en un intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y ciertas
circunstancias restrictivas
e=2.71828
Ejemplo:
1. Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las probabilidades de que reciba, cuatro
cheques sin fondo en un día dado R:0,13392
2. En la inspección de hojalata producida por un proceso electrolítico continuo, se identifican 0.2 imperfecciones en
promedio por minuto. Determine las probabilidades de identificar una imperfección en 3 minutos R:0,3293