INTRODUCCIN.

La estadstica, como una rama de la matemtica, presenta formas prcticas de resolver problemas
con dificultades. Una distribucin de los datos en categoras que ha demostrado ser til al
organizar los procedimientos estadsticos, es la distincin entre variables discretas
En teora de la probabilidad y estadstica, la distribucin de probabilidad de una variable aleatoria
es una funcin que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que
dicho suceso ocurra. La distribucin de probabilidad est definida sobre el conjunto de todos los
sucesos, cada uno de los sucesos es el rango de valores de la variable aleatoria.
La distribucin de probabilidad est completamente especificada por la funcin de distribucin,
cuyo valor en cada x real es la probabilidad de que la variable aleatoria sea menor o igual que x.
Una variable discreta es sencillamente una variable para la que se dan de modo inherente
separaciones entre valores observables sucesivos. En otras palabras, se define una variable
discreta como la variable tal que entre 2 valores cuales quiera observables, hay por lo menos un
valor no observable.
Con esto casos que veremos en este trabajo aprenderemos forma ms sencillas y organizadas de
resolver problemas matemticos con grandes dificultades de resolver.
Aprenderemos mucho de las distribuciones de poisson de cmo y cundo encontrar el nmero de
veces que ocurra un evento, el promedio de ocurrencias del evento en un intervalo dado. Ya q la
variable aleatoria de poisson est definida por el nmero de veces que puede ocurrir un evento
especfico













DISTRIBUCION DE PROBABILIDADES DISCRETAS
Se denomina distribucin de variable discreta a aquella cuya funcin de probabilidad slo
toma valores positivos en un conjunto de valores de finito o infinito numerable. A dicha
funcin se le llama funcin de masa de probabilidad. En este caso la distribucin de
probabilidad es la suma de la funcin de masa, por lo que tenemos entonces que:

Y, tal como corresponde a la definicin de distribucin de probabilidad, esta expresin
representa la suma de todas las probabilidades desde hasta el valor .
Es decir, describe la probabilidad de que un evento se realice en el futuro, constituye una
herramienta fundamental para la prospectiva, puesto que se puede disear un escenario
de acontecimientos futuros considerando las tendencias actuales de diversos fenmenos
naturales
Un ejemplo Seria del centro mdico de departamento de Ucayali. Nuestra variable de
inters seria:
Deseo ser esterilizada.
Supongamos que a la charla asistieron tres mujeres, entonces definimos como variable
aleatoria a:
X : Nmero de mujeres que desearan ser esterilizadas.
Antes de hacerles la pregunta sobre su deseo de ser esterilizadas, puede considerar las
posibles respuestas:
X = 0 Ninguna deseara ser esterilizada
X = 1 Slo una de las mujeres deseara
X = 2 Dos mujeres desearan
X = 3 Las tres mujeres desearan
Antes de verificar las respuestas de las 3 mujeres seleccionada; no sabe cuntas estarn
de acuerdo en ser esterilizadas, pero si conociera las probabilidades de ocurrencia de cada
uno de los posibles valores de la variable podra predecir su ocurrencia con una cierta


probabilidad. El conjunto de las probabilidades de ocurrencia de los posibles valores de la
variable aleatoria se denomina distribucin de probabilidades.
En nuestro ejemplo:

A esto se le llama distribucin de probabilidades discreta. Discreta porque la variable X
deseo ser esterilizada es discreta.

DISTRIBUCION 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.
Para representar que una variable aleatoria X sigue una distribucin binomial de parmetros
n y p, se escribe:

La distribucin binomial es la base del test binomial de significacin estadstica.
Cuando en un proceso del tipo Bernoulli se desea saber la probabilidad de obtener exactamente
xitos, en una serie de n pruebas, con una probabilidad de xito p, se puede aplicar la frmula de
la probabilidad binomial:

X = 0, 1, 2, , n.



La media o valor esperado es m = np
La varianza s 2 = np(1-p)

DISTRIBUCIN DE POISSON
En teora de probabilidad y estadstica, la distribucin de Poisson 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
PROPIEDADES.
La funcin de masa o probabilidad de la distribucin de Poisson es

Dnde:
k es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la
probabilidad de que el evento suceda precisamente k veces).
es un parmetro positivo que representa el nmero de veces que se espera que
ocurra el fenmeno durante un intervalo dado.
e es la base de los logaritmos naturales
Tanto el valor esperado como la varianza de una variable aleatoria con distribucin de
Poisson son iguales a . Los momentos de orden superior son polinomios de Touchard en
cuyos coeficientes tienen una interpretacin combinatoria. De hecho, cuando el valor
esperado de la distribucin de Poisson es 1, entonces segn la frmula de Dobinski, el n-
simo momento iguala al nmero de particiones de tamao n.
La moda de una variable aleatoria de distribucin de Poisson con un no entero es igual a
, el mayor de los enteros menores que (los smbolos representan la funcin parte
entera). Cuando es un entero positivo, las modas son y 1.
La funcin generadora de momentos de la distribucin de Poisson con valor esperado es



Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente divisibles.
La divergencia Kullback-Leibler desde una variable aleatoria de Poisson de parmetro
0
a
otra de parmetro es


EJERCICIOS DE DISTRIBUCION DE POISSON:
1. Los clientes entran a una tienda a razn de 60 por hora. Calcular la probabilidad de
que en un intervalo de 3min entren a la tienda:

a) 2 clientes
b) Menos de 2 clientes.

X=2 Clientes

= 60 clientes/horas

60 clientes 60min
3min

=60clientes*3min
60min



=3clientes/min
a) P(X=x)=
X
* e
-

X!




P(X=2)=3
2
. e
-3
2!
P(X=2)=0,22

b) P(X<2)= P(X=0)+ P(X=1)
P(X<2)= 3
0
. e
-3
+ 3
1
.e
-3

0! 1!
P(X<2)=0,05+0,15
P(X<2)=0,20

2. El nmero de componentes q fallen antes de cumplir 100horas de operacin es
una variable aleatoria de poisson. Si el nmero promedio de estas es ocho,
calcular: La probabilidad de que fallen no ms de 2 componentes en 50horas.

X2 X=0, 1,2
=100 horas8componentes
50horas
= 50horas*8componentes
100horas

=4componentes

P (X2)= P(X=0)+P(X=1)+P(X=2)
P (X2)= 4
0
.e
-4
+ 4
1
.e
- 4
+ 4
2
.e
-4

0! 1! 2!

P (X2)=0,018+0,073+0,147
P (X2)=0,238


3. El nmero de clientes que llega a un banco es una variable aleatoria de poisson. Si
el nmero promedio es 120 por hora Cul es la probabilidad de que en un minuto
lleguen por lo menos 3 clientes?




=120clientes1hora
120clientes60min
1min
= 1*120
60
=2clientes


P(X=X)=
X
.e
-

X!
X 3
P (X2)
P (X3)= 1 - P(X=2)
P (X3)= 1 - {P(X=0)+ P(X=1)+P(X=2)}
P (X3)= 1 - { 2
0
.e
-2
+ 2
1
.e
- 2
+ 2
2
.e
-2
}
0! 1! 2!

P (X3)= 1 - {0,135+0,27+0,271}
P (X3)=0,323


DISTRIBUCION HIPERGEOMETRICO.
En teora de la probabilidad la distribucin hipergeomtrica es una distribucin discreta
relacionada con muestreos aleatorios y sin reemplazo. Supngase que se tiene una
poblacin de N elementos de los cuales, d pertenecen a la categora A y N-d a la B. La
distribucin hipergeomtrica mide la probabilidad de obtener x ( ) elementos de
la categora A en una muestra sin reemplazo de n elementos de la poblacin original.

PROPIEDADES:


La funcin de probabilidad de una variable aleatoria con distribucin hipergeomtrica
puede deducirse a travs de razonamientos combinatorios y es igual a

Donde es el tamao de poblacin, es el tamao de la muestra extrada, es el
nmero de elementos en la poblacin original que pertenecen a la categora deseada y
es el nmero de elementos en la muestra que pertenecen a dicha categora. La notacin
hace referencia al coeficiente binomial, es decir, el nmero de combinaciones
posibles al seleccionar elementos de un total .
El valor esperado de una variable aleatoria X que sigue la distribucin hipergeomtrica es

y su varianza,

En la frmula anterior, definiendo

y

se obtiene


La distribucin hipergeomtrica es aplicable a muestreos sin reemplazo y la binomial a
muestreos con reemplazo. En situaciones en las que el nmero esperado de repeticiones
en el muestreo es presumiblemente bajo, puede aproximarse la primera por la segunda.


Esto es as cuando N es grande y el tamao relativo de la muestra extrada, n/N, es
pequeo


























CONCLUSION.

Una distribucin de frecuencia es un resumen en la que los datos se disponen en
agrupamientos o categoras convenientemente establecidas de clases ordenadas
numricamente.

En esta forma las caractersticas ms importantes de los datos se aproximan muy
fcilmente, compensando as el hecho de que cuando los datos se agrupan de ese modo,
la informacin inicial referente a las observaciones individuales de que antes se dispona
se pierde a travs del proceso de agrupamiento o condensacin.

Una distribucin de probabilidad para una variable aleatoria discreta es un listado de
todos los resultados posibles para esa variable aleatoria, tal que una probabilidad
particular de ocurrencia est asociada con cada resultado

La probabilidad es la posibilidad u oportunidad de que suceda un evento particular. La
probabilidad involucrada es una porcin o fraccin cuyo valor vara entre cero y uno
exclusivamente. Observamos un evento que no tiene posibilidad de ocurrir (es decir, el
evento nulo), tiene una probabilidad de cero, mientras que un evento que seguramente
ocurrir (es decir, el evento cierto), tiene una probabilidad de uno.



















BIBLIOGRAFIA.
Leer ms: http://www.monografias.com/trabajos27/probabilidades-
discretas/probabilidades-discretas.shtml#distrib#ixzz33mPMZouX

Leer ms: http://www.monografias.com/trabajos27/probabilidades-
discretas/probabilidades-discretas.shtml#distrib#ixzz33mYYlHq8


http://metodoscuantitativo2.galeon.com/enlaces2218784.html

http://es.wikipedia.org/wiki/Distribuci%C3%B3n_hipergeom%C3%A9trica


http://es.thefreedictionary.com/

















INDICE.

*Introduccion.
*Distribucin de probabilidades Discreta.
*Distribucin Binomial.
*Distribucin de poisson.
*Ejercicios de distribucin de poisson.
*Distribucin hipergeometrico.
*Conclusin.
*Bibliografa.
*Glosario de trminos.
















Glosario de trminos.

Probabilidad: Clculo matemtico que permite determinar hasta qu punto se
puede esperar que ocurra un suceso
Variable discreta, es aquella que slo puede tomar valores dentro de un conjunto
finito, como los nmeros naturales.
Aproximacin es una representacin inexacta que, sin embargo, es
suficientemente fiel como para ser til
La estadstica es una ciencia formal y una herramienta que estudia el uso y los
anlisis provenientes de una muestra representativa de datos.
Coeficiente: Nmero que indica la cantidad de veces por las que debe
multiplicarse una expresin matemtica
Prospectiva: Estudio del futuro lejano, basado en un esfuerzo de imaginacin
creadora y de reflexin cientfica sobre lo posible.
Promedio: Resultado que se obtiene al dividir la suma de varias cantidades por el
nmero de sumandos
Media: Cantidad que representa de manera proporcional otras cantidades y que se
calcula mediante diversas operaciones.


















UNIVERSIDAD DE ORIENTE
EXTENCION CENTRO-SUR.
ANACO EDO, ANZOATEGUI.






ESTADISTICA 1: DISTRIBUCION DE
PROBABILIDADES DISCRETA.



PROFESOR(A): BACHILLERES:
GIOVANNI BRIZUELA ELIANA CELIS. CI: 24.610.376
LUIS CELIS. CI: 21.040.171
GABRIEL SALAZAR. CI: 20447214

ANACO, JUNIO DE 2014.