Estadística Básica

Unidad 2. Actividad 2

Distribuciones de probabilidad

Antonio Palomares Diaz

Presenta

Rafael Corona Guerra

 Tutor
Distribuciones de probabilidad

Introducción

A través de la historia el ser humano ha buscado explicar todo lo que observa a través
de modelos, a medida que ha desarrollado las matemáticas se ha apoyado de estas
para dar una función como, por ejemplo, en los jeroglíficos egipcios se encuentra
evidencia de la realización de censos; en la Grecia antigua se registraban datos
estadísticos respecto a terreno, servicio militar, etc., por su importancia para el estado;
El imperio romano elaboro censos cada 5 años. Prácticamente posterior a la caída del
imperio romano el avance en la estadística se vio mermado, hasta que debido al temor
que Enrique VII tenía de la peste, en el año 1532 empezaron a registrarse en Inglaterra
las defunciones causadas por esta enfermedad [ CITATION Her05 \l 2058 ].

En este sentido dichos estudios habían sido enfocados en la descripción de una

población, pero, en 1662, el capitán John Graunt compiló documentos que abarcaban
treinta años, mediante los cuales efectuó predicciones sobre el número de personas
que morirían de diversas enfermedades, así como de las proporciones de nacimientos
de hombres y mujeres que cabía esperar. Es a finales de ese siglo y comienzos del XIX
cuando se comienzan a asentar verdaderamente las bases teóricas de la teoría de
probabilidades con los trabajos de Joseph Louis Lagrange y Pierre Simon de Laplace.
Previamente, cabe destacar el descubrimiento de la distribución normal por Abraham de
Moivre, distribución que será posteriormente “redescubierta” por Gauss y Poisson.

Desarrollo

Las aportaciones realizadas respecto a la probabilidad, dio paso a una visión más
amplia la cual se podría predecir posibles eventos con mayor eficiencia, tal como lo
expresa Pierre simon de Laplace: “Es notable que una ciencia que comenzó con las
consideraciones de juegos de azar había de llegar a ser el objeto más importante del
conocimiento humano. Las cuestiones más importantes de la vida constituyen en su
mayor parte, en realidad, solamente problemas de probabilidad” [ CITATION Góm98 \l
2058 ].

En este sentido cabe mencionar el origen de la distribución de probabilidad binomial de

acuerdo al teorema planteado por Jacques Bernoulli, como son: teoría de
combinaciones y permutaciones; Aplicación de la probabilidad a problemas de
economía y moral; soluciones a diferentes juegos de azar. Este último, por ejemplo, “Un
jugador apuesta para tener el derecho de participar en el partido que sigue: Se lanza
una pieza de moneda; si cae cara, el juego termina, si no, el jugador gana y vuelve a
jugar. En los lanzamientos sucesivos, si gana, gana el doble cada vez. ¿Cúal es la
apuesta máxima que puede aceptar el jugador para ser admitido? [CITATION Cam04 \l
2058 ]

Tal como lo observamos en la paradoja de San Petersburgo, existen dos eventos

discretos: Gana o pierde. En función a que la cantidad de los experimentos incremente
y que estos sean aleatorios podremos observar un comportamiento donde X sea el
experimento con X1, X2…..Xn, podemos obtener una imagen empírica de la distribución
de la muestra .

X(1)< X(2)< X(3)…. X(n)

Estas observaciones dieron paso a la

distribución Binomial, que se basa en
eventos discretos de éxitos y fracasos, que se expresa por la siguiente ecuación:
Considerar el fenómeno de distribución binomial en los procesos de inspección del tipo
pasa no pasa, nos ayudaría poder determinar criterios de toma de decisión para la
inspección.

En los casos donde la probabilidad de éxito no es la misma en todos los ensayos,

cuando se realiza un muestreo sin reemplazo en una población relativamente pequeña,
no debe aplicarse la distribución binomial. En lugar de ésta se aplica la distribución
Hipergeométrica [ CITATION Lin12 \l 2058 ].

 N representa el tamaño de la población.

 S es el número de éxitos en la población.
 x es el número de éxitos en la muestra; éste puede asumir los valores 0, 1, 2,
3…
 n es el tamaño de la muestra o el número de ensayos.
 C es el símbolo de combinación.

Cuando seleccionar Hipergeométrica

1) Si se selecciona una muestra de una población finita sin reemplazo y;

2) Si el tamaño de la muestra n es mayor que 5% del tamaño de la población N

se aplica la distribución Hipergeométrica para determinar la probabilidad de un número

específico de éxitos o fracasos

La distribución de Posisson se le utiliza como modelo para describir la distribución de

errores en una entrada de datos, el número de rayones y otras imperfecciones en las
cabinas de automóviles recién pintados, el número de partes defectuosas en envíos, el
número de clientes que esperan mesa en un restaurante.

 µ= es la media de la cantidad de veces (éxitos) que se presenta un evento en un

intervalo particular.
  e = es la constante 2.71828 (base del sistema de logaritmos
neperianos).
 X = es el número de veces que se presenta un evento.
 P(x) = es la probabilidad de un valor específico de x.

Esta distribución posee diversas aplicaciones. Se le utiliza como modelo para describir
la distribución de errores en una entrada de datos, el número de rayones y otras
imperfecciones en las cabinas de automóviles recién pintados, el número de partes
defectuosas en envíos, el número de clientes que esperan mesa en un restaurante.

La distribución de probabilidad más usada para describir variables aleatorias continuas

es la distribución de probabilidad normal. La distribución normal tiene gran cantidad de
aplicaciones prácticas, en las cuales la variable aleatoria puede ser el peso o la estatura
de las personas, puntuaciones de exámenes, resultados de mediciones científicas,
precipitación pluvial u otras cantidades similares [ CITATION And08 \l 2058 ].

 Tiene forma de campana y posee una sola cima en el centro de la distribución.

La media aritmética, la mediana y la moda son iguales, y se localizan en el
centro de la distribución.

 El área total bajo la curva es de 1.00. La mitad del área bajo la curva normal se
localiza a la derecha de este punto central, y la otra mitad, a la izquierda.

 Es simétrica respecto de la media. Si hace un corte vertical, por el valor central,

a la curva normal, las dos mitades son imágenes especulares.

 Desciende suavemente en ambas direcciones del valor central. Es decir, la

distribución es asintótica. La curva se aproxima más y más al eje X, sin tocarlo.
En otras palabras, las colas de la curva se extienden indefinidamente en ambas
direcciones.

 La localización de una distribución normal se determina a través de la media, . La

dispersión o propagación de la distribución se determina por medio de la
desviación estándar
Las variables aleatorias normalmente distribuidas tienen muchas unidades diferentes de
medición: dólares, pulgadas, partes por millón, kilogramos, segundos. Se utiliza una
talla en términos de unidades estándar (que en realidad significa desviaciones
estándar), e identificamos a éstas con el símbolo z. La Tabla de distribución de
probabilidad normal estándar está organizada en términos de unidades estándar, o
valores de z. Da los valores de únicamente la mitad del área bajo la curva normal,
empezando con 0.0 en la media. Como la distribución normal de probabilidad es
simétrica, los valores correspondientes a una mitad de la curva corresponden también a
la otra. Podemos utilizar esta tabla para resolver problemas que impliquen ambos lados
de la curva normal [ CITATION Lev04 \l 2058 ].

Conclusión

El poder contar con una función (ecuación) que ayude a proporcionar una idea del
comportamiento de variables para la toma de decisiones, es de suma importancia para
todas las organizaciones que buscan una ventaja competitiva en el mundo globalizado y
el uso de las funciones de distribución probabilística ayudan en la toma de decisiones.

Referencias

Anderson, D. (2008). Estadística para administración y economía. México: Cengage

Learning.
Campos, a. (Diciembre de 2004). Laplace: Ensayo filosófico sobre las probabilidades.
Revista Colombiana de Estadística, 27(2), 153 - 177.

Cuadras, C. (s.f.). Problemas de probabilidad y Estadística. Volumen 2 Inferencia

estadística. Barcelona.

Gómez Berrocal, F. (15 de Febrero de 1998). Centro Informatico de Andalucia.

Recuperado el 21 de Enero de 2019, de
https://thales.cica.es/rd/Recursos/rd97/Biografias/09-01-b-LaplaceObra.htm

Hernández González, S. (2005). Historia de la estadística. Revista de Divulgación

científica y tecnológica de la Universidad Veracruzana.

Levin, R. (2004). Estadística para administración y ecnomía. México: Pearson

Educación.

Lind, D. (2012). Estadística aplicada a los negocios y la eocnomía. México: Mc Graw

Hill.