Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como resultado de un experimento.

Una distribucin de probabilidad es similar a la distribucin de frecuencias relativas. Sin embargo, en vez de describir el pasado, describe la probabilidad 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. Las decisiones estadsticas basadas en la estadstica inferencial son fundamentales en la investigacin que son evaluadas en trminos de distribucin de probabilidades. En el presente trabajo, se estudia de manera gil los diverso tipos de distribucin probabilstica, caracterizaremos cada distribucin, la fundamentacin matemtica de los diversos resultados no se enfocaran en el presente trabajo; slo me limitar al estudio descriptivo de la distribucin de probabilidades discretas. 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. Cuando la variable aleatoria toma valores en el conjunto de los nmeros reales, la distribucin de probabilidad est completamente especificada por la funcin de distribucin, cuyo valor en cada real x es la probabilidad de que la variable aleatoria sea menor o igual que x. Dada una variable aleatoria todos son puntos es , su funcin de distribucin ,

Por simplicidad, cuando no hay lugar a confusin, suele omitirse el subndice se escribe, simplemente . Como consecuencia casi inmediata de la definicin, la funcin de distribucin:

Es una funcin continua por la derecha. Es una funcin montona no decreciente.

Adems, cumple

Para dos nmeros reales cualesquiera sucesos unin es el suceso y

tal que

, los

son mutuamente excluyentes y su , por lo que tenemos entonces que:

y finalmente

Por lo tanto una vez conocida la funcin de distribucin para todos los valores de la variable aleatoria conoceremos completamente la distribucin de probabilidad de la variable. Para realizar clculos es ms cmodo conocer la distribucin de probabilidad, y sin embargo para ver una representacin grfica de la probabilidad es ms prctico el uso de la funcin de densidad. 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 . Toda distribucin 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 nmero 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 nmero infinito de ellos

Experimento aleatorio: un experimento es considerado aleatorio si sus resultados son inciertos. Variable aleatoria: es aquella cuyos valores surgen asignando nmeros, a los resultados de un experimento aleatorio. Ejemplo: Experimento aleatorio Arrojar un dado Variable aleatoria X = Nmero de puntos obtenidos al lanzar un dado x1 = 1 x2 = 2 x3 = 3 x4 = 4 x5 = 5 x6 = 6

V. A. Discreta: Solo adopta valores aislados de un intervalo y no todos los que corresponden a l. V. A. Continua: Adopta cualquiera de los valores de un intervalo. Distribucin de Probabilidad Puede considerarse como una distribucin de frecuencias relativas correspondiente a una poblacin. Las distribuciones de probabilidad son consideradas Tericas en el sentido que se obtienen por un razonamiento lgico, en lugar de experimentos reales. V. A. Discretas V. A. Continuas - Binomial - Normal - Poisson - t de Student - Hipergeomtrica. - Ji-Cuadrado ( - F de Fisher 2)

DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Una distribucin de probabilidad para una variable aleatoria discreta es un listado mutuamente excluyente, de todos los resultados numricos posibles, tal que existe una probabilidad particular de ocurrencia asociada con cada uno de ellos. Ejemplo: El experimento aleatorio consiste en el lanzamiento de cuatro monedas.
o o

Cuales son los resultados posibles del experimento aleatorio para el suceso que salga cara? Cul es la probabilidad del nmero de caras en el experimento aleatorio?

Puntos de muestra XXXX XXXC XXCX XCXX CXXX CCXX XCCX XXCC CXXC CXCX XCXC CCCX CCXC CXCC XCCC CCCC

Nmero de Caras 0 1 1 1 1 2 2 2 2 2 2 3 3 3 3 4

Probabilidad 1/16 1/16 1/16 1/16 1/16 1/16 1/16 1/16 1/16 1/16 1/16 1/16 1/16 1/16 1/16 1/16

Distribucin de frecuencias relativas y frecuencias relativas acumuladas del nmero de caras al arrojar cuatro monedas. Nmero de caras 0 1 2 3 4 f(xi) 1/16 4/16 6/16 4/16 1/16 F(xi) 1/16 5/16 11/16 15/16 16/16

Distribucin de Probabilidad

Nmero de caras

Funcin de Probabilidad: f (xi) Si X es una variable aleatoria que puede asumir valores x1, x2,...., xn, con probabilidades asociadas f(x1), f(x2),...., f (xn), entonces el conjunto de pares ordenados (xi, fxi), i = 1, 2,...., n, se llama Funcin de probabilidad o Distribucin de probabilidad de X. Cual es la probabilidad de que al arrojar cuatro monedas salgan dos caras? F (2) = P (X = 2) = 6/16
o o o

Requisitos La funcin f(xi), asume un valor numrico para todas las xi, 1 " i " N F (xi) " 0 para cualquier valor posible de x. Funcin de distribucin acumulada: F (xi) Si X es una variable aleatoria y, x es un nmero real, la Funcin de Distribucin Acumulada de x, representada por F (xi), muestra la probabilidad de que X asuma valores menores o iguales a x y se expresa: Cul es la probabilidad de que al arrojar cuatro monedas salgan dos o menos caras? F (2) = P(X " 2) = 11/16

o o o

Requisitos: 0 " F(x) " 1 Si a < b, entonces F(a) < F (b). F(") = P(x " ") = 1 y F(- ") = P(x " - ") = 0

ESPERANZA MATEMTICA El valor esperado o esperanza matemtica de una variable aleatoria discreta es un promedio y se calcula como la suma de cada valor que toma la variable aleatoria multiplicada por su respectiva probabilidad. x = E(X) = x1 * f(x1) + x2 * f(x2) +... + xn * f (xn) E(x) = El valor esperado de caras al arrojar cuatro monedas es x = E(X) = 0 (1/16) + 1 (4/16) + 2 (6/16) + 3 (4/16) + 4 (1/16) = 2 caras. VARIANCIA La variancia de una variable aleatoria discreta se puede considerar como la desviacin promedio al cuadrado en torno a la media (Ex) tomada sobre todos los valores. La variabilidad de caras al arrojar cuatro monedas es V(x) = 2)2 (1/16) = 1(cara)2 (x) = 1 cara MODELOS ESPECIALES DE PROBABILIDAD Distribuciones de Probabilidad de V. A. Discretas MODELO BINOMIAL Cuando en un solo ensayo de algn proceso o experimento puede ocurrir slo uno de dos resultados mutuamente excluyentes, llamados (arbitrariamente) como xito o fracaso, se denomina Ensayo de Bernoulli. Una secuencia de ensayos Bernoulli, repetidos n veces, se denomina Distribucin Binomial. -Nmero de frutas daadas en un cajn de n = 100. Siendo p = 0.80 -Nmero de TV con defectos en un lote de n =300. Siendo p = 0.10

2(x) = (0 - 2)2 (1/16) + (1 - 2)2 (4/16) +... + (4 -

Propiedades de la Distribucin Binomial n de veces (ensayos).

excluyentes y colectivamente exhaustivos, denominados (arbitrariamente) xito y fracaso. bilidad de un xito, se denota por p, y es constante de ensayo en ensayo, al igual que la probabilidad de fracaso, 1 - p. ensayo en particular, no es afectado por el resultado de cualquier otro ensayo.

Modelo matemtico Parmetros E(X) = n * p V(X) = n * p * (1 - p) MODELO POISSON

Como un proceso estocstico Muchos hechos no ocurren como resultado de un nmero definido de pruebas sino como puntos definidos en Tiempo, Espacio o Volumen al azar.

o o o o

Nmero de accidentes / da. Nmero de vehculos que transitan por un determinado lugar / hora. Nmero de defectos / cm2. Nmero de bacterias / cm3. Propiedades de la Distribucin Poisson de una unidad (intervalo de tiempo, espacio, volumen, etc.) especificado a otra. especificada. especificada es despreciable (pequea) en comparacin con la probabilidad de que ocurra una sola vez. Modelo matemtico Parmetros E(X) = n* p = V(X) =

Como Lmite de la Binomial Caractersticas: p chico (< 0.01) n grande (> 100) Modelo matemtico: Nos permite decir que dadas ciertas condiciones iniciales, es seguro que se obtengan ciertos resultados. Nos permite decir solo que, dado ciertas condiciones iniciales, se obtienen ciertos resultados con tales probabilidades asociadas a ellos.

En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias, mientras que el otro 40 % lo hacen en carreras de Humanidades. Si un determinado da se realizan 20 matrculas, calcular la probabilidad de que:

1. haya igual nmero de matrculas en Ciencias y en Humanidades; 2. el nmero de matrculas en Ciencias sea menor que en Humanidades; 3. haya al menos 8 matrculas en Ciencias; 4. no haya ms de 12 matrculas en Ciencias. 5. Si las cinco primeras matrculas son de Humanidades, calcular la probabilidad de que: a) en total haya igual nmero de matrculas en Ciencias y en Humanidades; b) en total haya al menos 6 en Ciencias ms que en Humanidades. Solucin Sea una variable aleatoria que mide el nmero de matrculas en Humanidades de un total de 20 matrculas. Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos, y teniendo presente (segn el enunciado) que la probabilidad de que alguien se matricule en Humanidades es 1 0;6 = 0;4, se tiene que esta variable es una binomial de parmetros n = 20 y p = 0;4, siendo:

( )

1. La probabilidad de que haya igual nmero de matrculas es: ( ) ( ) ( )

2. Para calcular la probabilidad de que el nmero de matrculas en

Ciencias sea menor que el nmero de matrculas en Humanidades debe obtenerse:

( ) ( )

3. La probabilidad de que haya al menos 8 matrculas en Ciencias es equivalente a la probabilidad de que haya como mximo 12 matrculas en Humanidades. Por lo tanto: ( ) ( )

4. La probabilidad de que no haya ms de 12 matrculas en Ciencias es: ( ) ( )

5. Ntese que las matrculas son independientes entre si, por lo que si las cinco primeras son en Humanidades, podemos denir una nueva variable , tambin binomial, pero con parmetros n = 20 5 = 15 y p = 0;4, que determina el nmero de matrculas en Humanidades

de un total de 15 matrculas. De esta forma: a) La probabilidad de que en total haya igual nmero de matrculas en Ciencias que de matrculas en Humanidades es: ( ) ( ) ( )

b) La probabilidad de que en total haya al menos 6 matrculas en Ciencias ms que en Humanidades es: ( ) ( )

Sea

una variable aleatoria denida sobre el intervalo [0; 1] como sigue: ( ) {

Hallar la funcin de distribucin de

y su funcin de densidad.

La funcin de distribucin de una variable aleatoria viene dada por:

( ) ( ) (* , - ( ) +)

Teniendo en cuenta la denicin de la variable aleatoria , representada en el ejemplo 1, conviene distinguir varios casos: Por lo tanto, se tiene que: ( ) ( ) ( ) ( ) ., 0 1/

Y por lo tanto:

Supongamos que la duracin en minutos de las llamadas telefnicas sigue una distribucin dada por la funcin:

( )

Calcular la probabilidad de la duracin de una llamada cualquiera sea: 1. superior a 6 minutos; 2. igual a 6 minutos.

Sea una variable aleatoria con la distribucin indicada en el enunciado que mide la duracin (en minutos) de una llamada telefnica. 1. Se tiene que:

(
2. Por otra parte:

( )

( *

( )

( +