Distribución de Probabilidad

INFORMÁTICA Y PAQUETES
ESTADÍSTICOS
DISTRIBUCIÓN O FUNCIONES DE PROBABILIDAD
Ms. Nataly Zavala F.

INDICE PRESENTACIÓN
1 Modelos de Distribución Discreta
2 Modelos de Distribución Continua

E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA
DISCRETA: Distribución uniforme discreta
Sea X una variable aleatoria discreta que toma

valores x1.....xn tales la probabilidad de tomar
cada uno de los valores es:
Cuando esto ocurre se dice que X se distribuye como una variable

aleatoria Uniforme discreta. Esta es la distribución discreta más
sencilla, la cual asigna la misma probabilidad a cada una de las
soluciones.
E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA
DISCRETA: Distribución de Bernouilli
Partimos de un experimento aleatorio con solo dos

posibles resultados, que calificamos de éxito/fracaso.
Definimos la variable aleatoria:
Por tanto, se puede decir que:
EJEMPLO 1:
El 10% de los trabajadores del país está
desempleado, ¿Cuál es la probabilidad
de seleccionar un individuo al azar y
esté desempleado?
E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA
DISCRETA: Distribución de Bernouilli
EJEMPLO 2:
Tirar una moneda al aire
Es un ensayo Bernoulli, y X sigue una distribución Bernoulli de parámetro 1/2.
EJEMPLO 3:
Una línea aérea estima que los pasajeros que compran un billete para un vuelo tienen
una probabilidad igual a 0; 05 de no presentarse al embarque de dicho vuelo.
Definamos:
Y sigue una distribución Bernoulli con parámetro 0; 95.

E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA
DISCRETA: Modelo Binomial
Es una extensión de la distribución de Bernouilli. Supongamos que se repite un

experimento “n” veces de forma idéntica e independiente. Los resultados de cada
realización del experimento se clasifican en dos categorías (como en el caso de
Bernouilli), una será la probabilidad de éxito p, y otra q=1-p, la de fracaso.
Un evento está bajo Distribución Binomial, si cumple con las siguientes condiciones:
• Existen n observaciones o ensayos idénticos.
• Cada ensayo tiene dos posibles resultados, uno llamado “éxito” y el otro
denominado “fracaso”.
• Las probabilidades de éxito y de fracaso se mantienen constantes para todos los
ensayos.
• Los resultados de los ensayos son independientes entre sí.
E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA
La distribución Binomial se expresa con la siguiente función:
Dónde:
C(n,x): Número de combinaciones o grupos de elementos que se pueden hacer con elementos.
x: El valor de la variable cuya probabilidad queremos calcular.
n: Total de la muestra.
p: Probabilidad de la ocurrencia de un evento.
q: Probabilidad de la no ocurrencia del evento.
En el cálculo de probabilidades, bajo la distribución Binomial se presentan los siguientes casos:

• Probabilidad de un elemento puntual.
• Probabilidad de un evento mayor que.
• Probabilidad de un evento menor que.
E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA
EJEMPLOS:
A continuación podemos ver varios ejemplos de variables que se
distribuyen con una Binomial:
• Número de caras al lanzar 20 veces una moneda
• Número de aprobados si se presentan 80 alumnos a un examen
• Número de familias con un solo hijo en una población de 120
familias
• Número de reacciones negativas ante un fármaco administrado a
40 pacientes
• Número de accidentes de tráfico si han circulado 1200 automóviles
• Número de semillas que germinan de las 20 semillas que se han
plantado en suelos de idéntica composición.
E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA
DISCRETA: Distribución de Poisson
Esta es una distribución discreta de gran utilidad sobre todo en procesos biológicos,
donde X suele representar el número de eventos independientes que ocurren a
velocidad constante en un intervalo de tiempo o en un espacio.
Se dice también que modela el numero de sucesos raros que ocurren en un
determinado periodo de tiempo o en una cantidad de espacio determinada.
Así, por tanto, sea X una variable aleatoria discreta, se dice que se distribuye como
una distribución de Poisson,
con λ > ,0 si su función o distribución de probabilidad viene dada por:

E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA
CONTINUAS: Distribución Uniforme Continua
Es la más sencilla de las distribuciones continuas. Surge cuando consideramos una

variable aleatoria que toma valores en un intervalo finito de manera equiprobable.
Esta se define como una variable aleatoria continua, X, se dice que se distribuye como
una distribución uniforme de parámetros a, b, tales que –∞< a < b< +∞
Siempre se verifica que su función de densidad viene dada por la expresión:

E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA
CONTINUAS: Distribución Normal
Es una de las distribuciones más importantes. Es el modelo de distribución más

utilizado en la práctica, ya que multitud de fenómenos se comportan según una
distribución normal. Esta distribución de caracteriza porque los valores se distribuyen
formando una campana de Gauss, en torno a un valor central que coincide con el valor
medio de la distribución. Esta dada por la siguiente ecuación:_
Cuando la media de la distribución es 0 y la varianza es 1, se denomina "normal

tipificada", y su ventaja reside en que hay tablas, o rutinas de cálculo que
permiten obtener esos mismos valores, donde se recoge la probabilidad
acumulada para cada punto de la curva de esta distribución.
E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA
E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA
La gráfica de una distribución normal, se asemeja a una campana, por eso se la conoce como la
campana de Gauss.
La curva es suave, unimodal y simétrica, entonces: la media, la mediana y, la moda coinciden

en el eje de simetría.
En sentido horizontal, la curva se extiende hacia el infinito, en los dos sentidos; sin embargo,
con la tipificación de la variable z, la distribución normal tiene dominio entre ]-4,4[
La curva de distribución normal queda totalmente identificada, mediante dos parámetros: la

media aritmética y la desviación estándar.
El área total de la curva normal, representa el 100% de probabilidad de dicha variable; dada la
simetría, el eje divide a la curva en dos áreas, representa cada una por el 50% del área total.
E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA
Mediante la distribución normal, se pueden calcular probabilidades para eventos de variable

continua, para este cálculo se deberá contar con:
Media aritmética: μ Desviación estándar: δ
Con estos valores procedemos a calcular el valor (variable tipificada):
Proceso para el cálculo de una probabilidad con distribución normal:

1. Cálculo del valor para la probabilidad ,
2. Gráfico de la campana y ubicación del valor ,
3. Ubicación de las áreas en el gráfico,
4. Definir el área (sombrear) que corresponde a la probabilidad a calcular,
5. Cálculo del área sombreada (es el valor de la probabilidad).
E.P. DECIENCIAS
FARMACÉUTICAS Y
BIOQUÍMICA

Distribución de Probabilidad

Cargado por

Copyright:

Formatos disponibles

Distribución de Probabilidad

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Distribución de Probabilidad

Cargado por

Copyright:

Formatos disponibles

INFORMÁTICA Y PAQUETES

Ms. Nataly Zavala F.

1 Modelos de Distribución Discreta

2 Modelos de Distribución Continua

Sea X una variable aleatoria discreta que toma

Cuando esto ocurre se dice que X se distribuye como una variable

Partimos de un experimento aleatorio con solo dos

Por tanto, se puede decir que:

Es un ensayo Bernoulli, y X sigue una distribución Bernoulli de parámetro 1/2.

Y sigue una distribución Bernoulli con parámetro 0; 95.

Es una extensión de la distribución de Bernouilli. Supongamos que se repite un

La distribución Binomial se expresa con la siguiente función:

En el cálculo de probabilidades, bajo la distribución Binomial se presentan los siguientes casos:

con λ > ,0 si su función o distribución de probabilidad viene dada por:

Es la más sencilla de las distribuciones continuas. Surge cuando consideramos una

Siempre se verifica que su función de densidad viene dada por la expresión:

Es una de las distribuciones más importantes. Es el modelo de distribución más

Cuando la media de la distribución es 0 y la varianza es 1, se denomina "normal

La curva es suave, unimodal y simétrica, entonces: la media, la mediana y, la moda coinciden

La curva de distribución normal queda totalmente identificada, mediante dos parámetros: la

Mediante la distribución normal, se pueden calcular probabilidades para eventos de variable

Proceso para el cálculo de una probabilidad con distribución normal:

También podría gustarte