Ing.

Cecilia Cuadros Arvalo

B. DISTRIBUCIONES DE
PROBABILIDAD

Ing. Cecilia Cuadros Arvalo

 DISTRIBUCIONES DE
PROBABILIDAD

DISTRIBUCIN DISTRIBUCIN DE
DE DISTRIBUCIN DE PROBABILIDADES
FRECUENCIAS PROBABILIDADES ESPECIFICAS

Presente Futuro

Ing. Cecilia Cuadros Arvalo

 DISTRIBUCIONES DE
PROBABILIDAD
Las Distribuciones de Probabilidad muestran lo que
se puede esperar basada en la experiencia pasada o
en consideraciones tericas.
Es la enumeracin de todos los resultados de un
experimento junto con la probabilidad asociada a
cada uno.

Ing. Cecilia Cuadros Arvalo

 VARIABLES ALEATORIAS
Una variable aleatoria es una descripcin numrica
(Cantidad) del resultado de un experimento
aleatorio, el cual debido al azar puede tomar valores
diferentes

Ing. Cecilia Cuadros Arvalo

 VARIABLES ALEATORIAS
Variables Aleatorias Discretas
Una variable aleatoria es discreta si el conjunto de
valores que puede tomar es finito o infinito
numerable (se puede contar).
Variables Aleatorias Continuas
Una variable aleatoria es continua si puede tomar
cualquiera de los valores de un intervalo.

Ing. Cecilia Cuadros Arvalo

DISTRIBUCION DE PROBABILIDAD:
CASO GENERAL PARA VARIABLES
DISCRETAS
La distribucin de probabilidad, de una variable
aleatoria discreta X, es el conjunto de los resultados
posibles de un experimento aleatorio junto con la
probabilidad asociada a la ocurrencia de cada uno de
ellos .

Ing. Cecilia Cuadros Arvalo

 DISTRIBUCION DE PROBABILIDAD:
CASO GENERAL PARA VARIABLES
DISCRETAS
N Maq
Distribucin de Atendida P(Maq)
Probabilidad del 0 0.050
funcionamiento del taller
1 0.125
de reparaciones
diariamente. 2 0.200

3 0.375
4 0.150
Variable: N de
5 0.075
Mquinas atendidas
6 0.025

Ing. Cecilia Cuadros Arvalo Total 1.000

 DISTRIBUCION DE PROBABILIDAD:
CASO GENERAL PARA VARIABLES
DISCRETAS
CARACTERISTICAS:
La probabilidad de un resultado especfico debe
estar siempre comprendido entre 0 y 1.
La suma de las probabilidades de todos los
resultados posibles es 1.
La distribucin de probabilidad se representa
grficamente mediante bastones.

Ing. Cecilia Cuadros Arvalo

 DISTRIBUCION DE PROBABILIDAD:
CASO GENERAL PARA VARIABLES
DISCRETAS
VALOR ESPERADO:
Es una media o valor promedio a largo plazo de la
variable aleatoria.
Tambin se le llama Valor Esperado E(X)

Ing. Cecilia Cuadros Arvalo

 DISTRIBUCION DE PROBABILIDAD:
CASO GENERAL PARA VARIABLES
DISCRETAS
VALOR ESPERADO: Es un promedio
ponderado de los valores posibles de la
variable afectados por sus probabilidades
correspondientes.

E ( x) x. p( x)
todo x

Ing. Cecilia Cuadros Arvalo

 DISTRIBUCION DE PROBABILIDAD:
CASO GENERAL PARA VARIABLES
DISCRETAS
Varianza, describe el grado
de dispersin o variacin
en la distribucin. 2 ( x Ex)2 P( x)
Desviacin Estndar, se
encuentra tomando la raz 2
cuadrada de la varianza.

Ing. Cecilia Cuadros Arvalo

 DISTRIBUCIONES DE
PROBABILIDAD ESPECIFICAS

Ing. Cecilia Cuadros Arvalo

 DISTRIBUCIONES DE
PROBABILIDAD ESPECIFICAS
Se clasifican en dos tipos:
I. Distribuciones de Probabilidad para Variables Discretas:
Distribucin Binomial
Distribucin de Poisson
Distribucin Hipergeomtrica
Distribucin Multinomial
II. Distribucin de Probabilidad para Variables Continuas:
Distribucin Normal

Ing. Cecilia Cuadros Arvalo

I.1. DISTRIBUCIONES DE
PROBABILIDAD
DISCRETAS

Ing. Cecilia Cuadros Arvalo

I.1. DISTRIBUCION DE PROB.
DISCRETA: BINOMIAL
PROPIEDADES:
Solo tiene dos resultados (verdaderofalso/ sino/
defectuosono defectuoso/ empleadodesempleado).
Hay n ensayos, cada uno resulta en un xito (p) o un
fracaso (q)
Los resultados son mutuamente excluyentes.
La variable aleatoria es resultado de conteos.
Un ensayo es independiente de otro y las
probabilidades se mantienen constantes.
La variable de inters es el # de xitos deseados r y
n el # de intentos hechos
Ing. Cecilia Cuadros Arvalo
I.1. DISTRIBUCION DE PROB.
DISCRETA: BINOMIAL
Distribucin de Probabilidad Binomial:

ELEMENTOS:
n = es el nmero de ensayos.
r = es el nmero de xitos
p = es la probabilidad de xitos.
q = es la probabilidad de fracasos.
p =x/n (clculo de la proporcin)
p+q=1
Ing. Cecilia Cuadros Arvalo
I.1. DISTRIBUCION DE PROB.
DISCRETA: BINOMIAL
Valor Esperado y Desviacin Standard:

Donde:
n = nmero de ensayos
p = probabilidad de xito
q = probabilidad de fracaso.

Ing. Cecilia Cuadros Arvalo

I.1. DISTRIBUCION DE PROB.
DISCRETA: BINOMIAL
Algunas observaciones sobre la distribucin:
Utilizando una familia de graficas basada en los mismos
datos se pueden hacer las siguientes generalizaciones,
cuando el valor de n permanece constante

Cuando p es pequeo 0,1

Cuando p aumenta 0,3 tiene un sesgo menos notable a la derecha
Cuando p es igual a 0,5 la curva es simtrica
Cuando p es mayor a 0,5 tiene un sesgo menos notable a la izquierda
Cuando p es grande a 0,9
Ing. Cecilia Cuadros Arvalo
I.2. DISTRIBUCION DE PROB.
DISCRETA: POISSON

Se usa para modelar situaciones en que hay

ocurrencia aleatoria de sucesos por unidad de
tiempo o espacio o volumen, entre otros.
La distribucin de Poisson es adecuada en casos en
que el # de pruebas debera se muy alto y el # de
xitos muy pequeo.

Ing. Cecilia Cuadros Arvalo

I.2. DISTRIBUCION DE PROB.
DISCRETA: POISSON
PROPIEDADES :
Los eventos suceden uno cada vez. No hay dos
eventos que sucedan al mismo tiempo
La ocurrencia de un evento de inters en un periodo
dado es independiente de su ocurrencia en otro
periodo con el que no se superponga, es decir la
ocurrencia (no ocurrencia) de un evento durante un
periodo no cambia la probabilidad de que el evento
ocurra en algn periodo de tiempo posterior.
El nmero esperado de eventos en un periodo
permanece constante.
Ing. Cecilia Cuadros Arvalo
I.2. DISTRIBUCION DE PROB.
DISCRETA: POISSON

ELEMENTOS:
Se tiene un promedio (lambda) de las veces
que ocurre un evento durante una unidad de
tiempo o una unidad de rea o unidad de
volumen (o peso, distancia o cualquier otra
unidad)
Se usa para modelar situaciones en el que el # de
pruebas debera se muy alto y el # de xitos muy
pequeo.

Ing. Cecilia Cuadros Arvalo

I.2. DISTRIBUCION DE PROB.
DISCRETA: POISSON
Distribucin de Probabilidad de Poisson:

ELEMENTOS:
= Nmero medio de presentaciones por intervalo
de tiempo
y = es el nmero de ocurrencias favorables
e = base del logaritmo neperiano 2,71828

Ing. Cecilia Cuadros Arvalo

I.2. DISTRIBUCION DE PROB.
DISCRETA: POISSON

Valor Esperado y Desviacin Standard:

Ing. Cecilia Cuadros Arvalo

I.2. DISTRIBUCION DE PROB.
DISCRETA: POISSON
Algunas observaciones sobre la distribucin:
La distribucin de Poisson puede ser una razonable
aproximacin de la binomial bajo ciertas condiciones:
cuando el valor de n es grande y el valor de p es
pequeo, es decir, cuando el # de ensayos es grande y el
# de xitos es pequeo.
La regla utilizada es: cuando n es igual o mayor a 20 y
p es igual o menor a 0,05 (n*p<5), en estos casos se
puede sustituir por la media de la binomial o sea
n.p
Ing. Cecilia Cuadros Arvalo
I.3. DISTRIBUCION DE PROB.
DISCRETA: HIPERGEOMETRICA
PROPIEDADES:
La distribucin binomial supone una poblacin infinita. Por
esto la probabilidad de xito no cambia con las pruebas.
Cuando no se puede suponer una poblacin infinita o ni
siquiera muy grande, la binomial no es apropiada.
La distribucin hipergeomtrica se usan para explicar
situaciones de poblacin finita en las que la muestra se
toma sin remplazo y donde se quiere calcular la
probabilidad de cierto nmero de xitos.

Ing. Cecilia Cuadros Arvalo

I.3. DISTRIBUCION DE PROB.
DISCRETA: HIPERGEOMETRICA
ELEMENTOS:
La poblacin contiene un cierto nmero de xitos (NE),
y un cierto nmero de fracasos (NF)
El tamao total de la poblacin ser: N = NE + NF
Se toma de la poblacin una muestra de tamao n y
sin reemplazos.
La variable aleatoria relevante es y y son el nmero
de xitos observados en la muestra.
Se trabaja en funcin del principio bsico de la
hipergeomtrica: la probabilidad clsica o marginal.

Ing. Cecilia Cuadros Arvalo

I.3. DISTRIBUCION DE PROB.
DISCRETA: HIPERGEOMETRICA
Probabilidad Hipergeometrica:

Donde:
NE = cierto nmero de xitos de la poblacin
NF: = cierto nmero de fracasos de la poblacin
N = Tamao de la poblacin
n = Tamao de muestra
y = N de xitos observados en la muestra
Ing. Cecilia Cuadros Arvalo
I.3. DISTRIBUCION DE PROB.
DISCRETA: HIPERGEOMETRICA
Valor Esperado y Desviacin Standard:

Factor de
correccin
para
poblaciones
finitas

Ing. Cecilia Cuadros Arvalo

I.3. DISTRIBUCION DE PROB.
DISCRETA: HIPERGEOMETRICA
Algunas observaciones sobre la distribucin:
Existe una estrecha relacin entre la distribucin de
probabilidad Binomial y la Hipergeomtrica. Si el
tamao de la poblacin N es grande, en relacin con el
tamao de la muestra , la distincin entre distribucin
binomial e hipergeomtrica es despreciable.
Por esta razn, en la mayora de las situaciones no
preocupa una distincin entre la probabilidad binomial
y la hipergeometrica, pues solo existe una pequea
diferencia entre ellas.
Ing. Cecilia Cuadros Arvalo
I.4. DISTRIBUCION DE PROB.
DISCRETA: MULTINOMIAL
PROPIEDADES:
Al igual que en el caso de la distribucin binomial,
las hiptesis multinomiales bsicas son la
independencia entre los ensayos y las
probabilidades constantes para todos los ensayos.
Esta distribucin es una generalizacin de la
distribucin binomial.

Ing. Cecilia Cuadros Arvalo

I.4. DISTRIBUCION DE PROB.
DISCRETA: MULTINOMIAL
ELEMENTOS:
Se tienen los sucesos E1, E2, E3Ek
Sus respectivas probabilidades de ocurrencia o de
xito son p1, p2, p3, .pk
Luego la probabilidad que E1, E2, E3Ek ocurran X1,
X2, X3..XK veces respectivamente
Finalmente: X1 + X2 + X3 +..XK = N
p1+ p2+ p3+ +pk = 1

Ing. Cecilia Cuadros Arvalo

I.4. DISTRIBUCION DE PROB.
DISCRETA: MULTINOMIAL
Probabilidad Multinomial:

Donde:
E1, E2, E3Ek = sucesos
p1, p2, p3, .pk = probabilidad respectiva a cada
suceso.
X1, X2, X3..XK = N de repeticiones de cada suceso
N = Tamao de la poblacin
Ing. Cecilia Cuadros Arvalo
II. DISTRIBUCIONES DE
PROBABILIDAD CONTINUA

Ing. Cecilia Cuadros Arvalo

 DISTRIBUCION DE PROBABILIDAD
CONTINUA: NORMAL
Se utiliza esta distribucin cuando al medir las
observaciones repetidas de una misma variable, dan
valores diferentes.
En los negocios
esta distribucin se aproxima a distribuciones de frecuencia
observadas de muchas medias naturales y fsicas.
existen agrupaciones observaciones numricas que tienden a
agruparse alrededor de su media, es decir es mas probable que
la observacin se encuentre cerca de su media del conjunto de
datos que lejos de ella.

Ing. Cecilia Cuadros Arvalo

DISTRIBUCION DE PROBABILIDAD
CONTINUA: NORMAL
CARACTERISTICAS:
Se le conoce como Campana o curva de Gauss.
Tiene un solo pico es unimodal.
La media de la poblacin normalmente distribuida cae en
el centro de su curva normal.
Debido a su simetra, la mediana y la moda, coinciden con
la media y tienen el mismo valor.
Los extremos de la distribucin se extienden
indefinidamente y nunca tocan el eje horizontal.
Probabilidad es el rea bajo la curva.
Se tiene familia de curvas.
Ing. Cecilia Cuadros Arvalo
DISTRIBUCION DE PROBABILIDAD
CONTINUA: NORMAL

f(y)

Ing. Cecilia Cuadros Arvalo

DISTRIBUCION DE PROBABILIDAD
CONTINUA: NORMAL
Elementos:
= es la media de la distribucin.
= es la desviacin estndar de la
distribucin.
El rea bajo la curva vale 1.

Ing. Cecilia Cuadros Arvalo

 DISTRIBUCION DE PROBABILIDAD
CONTINUA: NORMAL
rea bajo la curva:
Para cualquier valor de media o desviacin estndar
siempre el valor de rea bajo la curva es 1 o 100%.
El 50% del rea esta a la derecha y el otro 50% a la
izquierda.
Aproximadamente esta distribucin se comporta as
68% de los valores se encuentran dentro de 1 D.E. de la media
95% de los valores se encuentran dentro de 2 D.E. de la media
99,7% de los valores se encuentran dentro de 3 D.E. de la media

Ing. Cecilia Cuadros Arvalo

 DISTRIBUCION DE PROBABILIDAD
CONTINUA: NORMAL ESTANDAR
Para poder manejar una familia infinita de
distribuciones normales, se emplea la curva normal
estndar, ya que todos los intervalos que contienen el
mismo numero de desviaciones estndar a partir de la
media contendrn la misma fraccin de rea bajo la
curva para cualquier distribucin Normal.

Ing. Cecilia Cuadros Arvalo

 DISTRIBUCION DE PROBABILIDAD
CONTINUA: NORMAL ESTANDAR
Caractersticas:
Es una distribucin de una variable aleatoria
continua con forma de campana.
Tiene una media igual a cero y una desviacin
estndar igual a 1.

Ing. Cecilia Cuadros Arvalo

DISTRIBUCION DE PROBABILIDAD
CONTINUA: NORMAL ESTANDAR

Elementos :
Z = Mide la distancia en desviaciones estndar
tomadas a partir de la media normal y el
punto de inters x.

x
z

Ing. Cecilia Cuadros Arvalo
DISTRIBUCION DE PROBABILIDAD
CONTINUA: NORMAL ESTANDAR

Defectos:
Los extremos de la distribucin normal nunca se
acercan al eje horizontal, lo que implica que aunque
muy pequea existe algo de probabilidad que la
variable aleatoria pueda tomar valores extremos
demasiado pequeos o muy grandes.
En realidad no se pierde mucha precisin al ignorar
valores tan alejados de la media, pero a cambio se ha
ganado un modelo que su uso e muy conveniente.
Ing. Cecilia Cuadros Arvalo