DISTRIBUCIN DE PROBABILIDAD

PRESENTADO POR:

ARTURO PUELLO B.
CAMILO SALCEDO B.
CARLOS CASTAO

PRESENTADO A:

WILLIAM WOOD V.

UNIVERSIDAD DE CARTAGENA
FACULTAD DE INGENIERIA
INGENIERIA CIVIL
PROBABILIDAD Y ESTADSTICA
CARTAGENA DE INDIAS
7 DE SEPTIEMBRE DE 2015

DISTRIBUCIN DE PROBABILIDAD DISCRETA

La distribucin de probabilidad o funcin de probabilidad f(x) de una variable
aleatoria discreta se define como la asociacin de los resultados de un evento a la
probabilidad de xito que este ocurra.
Para una variable aleatoria discreta, una funcin de probabilidad cumple con las
siguientes caractersticas:
-

La probabilidad de un evento es mayor o igual a cero.

La sumatoria de todas las probabilidades de todos los eventos posibles es
igual a 1.

ESPERANZA MATEMTICA
Sea f(x) la distribucin de probabilidad y X una variable aleatoria discreta:
=E(X)=xf(x)
Donde es la esperanza matemtica o valor medio terico que puede tomar la
variable.
VARIANZA
Es el promedio de las distancias entre la media y cada elemento de la poblacin,
por tanto, en una distribucin de probabilidad se define como:
2

2
2= E[ (x) ] ( x)

f(x)

La varianza se encuentra en la unidad de medida al cuadrado. La raz cuadrada

de esta es conocida como desviacin estndar y se encuentra en la misma
dimensin fsica de la variable.
ENSAYO DE BERNOULLI
Consiste en un ensayo en el que solo son posibles dos resultados, siendo uno el
xito y el otro el fracaso, definidos como 1 y 0 respectivamente.

Como la sumatoria de las probabilidades es igual a uno, asignando al xito una

probabilidad p, el fracaso ser igual a (1-p), y ser expresado como q.
En dicho experimento, los intentos repetidos son independientes de los anteriores
y la probabilidad de xito permanece constante.
La media de probabilidad en un ensayo de Bernoulli es igual a p.
La varianza de probabilidad en un ensayo de Bernoulli es igual a pq.
DISTRIBUCION DE PROBABILIDAD BINOMIAL
Es la distribucin de probabilidad aplicada a varios ensayos de Bernoulli que
cumplan con las caractersticas de ser independientes entre ellos y la
invariabilidad de la probabilidad de xito.
Al realizar el ensayo, el nmero de xitos puede variar, siendo el mximo nmero
de xitos igual al nmero total de ensayos n, y el menor, igual a cero xitos a lo
largo de n ensayos.
Para calcular la probabilidad de dos eventos, por ejemplo, que uno sea xito y el
otro sea fracaso, se multiplican sus probabilidades. As, para 4 ensayos, con p
como la probabilidad de xito y q como la probabilidad de fracaso, y X como el
nmero de xitos se tiene que:

As, las probabilidades de que

ocurran 0, 1, 2, 3, o 4 xitos en

cuatro ensayos es de pxqn-x.

El nmero de formas en que se

pueden obtener X xitos y n-x

fracasos estn determinadas por una permutacin de grupos de objetos iguales:

n

Px , nx =

n!
n
=C x
x ! ( nx ) !

Finalmente, el trmino pxqn-x se repite un nmero de veces igual a

n
P(x) = C x

La media de la distribucin es = np.

La varianza de la distribucin es

= npq.

pxqn-x

C x , entonces:

DISTRIBUCIN DE PROBABILIDAD DE POISSON

La distribucin de probabilidad de Poisson en la estadstica probabilstica se define
como un tipo de probabilidad discreta en donde los eventos numricos ocurren
durante un lapso determinado de tiempo o en una regin especfica, los valores
numricos que resultan de este experimento se denominan experimentos de
Poisson. En este tipo de distribucin se cumple que el intervalo de tiempo de la
variable aleatoria x puede tener cualquier duracin y que la regin especifica
puede ser un segmento, de lnea, un rea un volumen o cualquier material.
Un experimento de Poisson surge del proceso de Poisson y tiene las siguientes
propiedades:
1) No existe una dependencia entre el nmero de resultados que ocurren en un
intervalo de tiempo o regin especfica y el nmero que ocurre en otro intervalo
disjunto de tiempo o regin del espacio disjunto. Se concluye que el proceso de
Poisson no tiene memoria.
2) La probabilidad de ocurrencia de resultados sencillos en intervalos muy cortos
de tiempo o regiones muy pequeas es proporcional al tamao del intervalo o
regin y es independiente de la cantidad de resultados ocurridos fuera del
intervalo.

3) La probabilidad de que ms de un resultado ocurra en un intervalo de tiempo

muy corto es despreciable.
El nmero de resultados ocurridos en un experimento de Poisson ser es
conocida como variable aleatoria de Poisson.
La frmula que define la probabilidad de que un resultado ocurra en un intervalo
de tiempo o regin dada es:

P(x)

Donde

es 2.71828 y

x!

es la esperanza matemtica o media, y representar

el nmero promedio de resultados por unidad de tiempo o regin, es decir,

ser igual a np.

La varianza de la distribucin es
La desviacin de la distribucin es

= .

es conocida como intensidad del flujo, y la probabilidad de que ocurran una

cantidad de sucesos en un periodo de tiempo t es igual a:

P(x)

Ejemplo:

e t

Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las
probabilidades de que reciba cuatro cheques sin fondo en un da dado? 10
cheques sin fondos en cualquiera de dos das consecutivos?
a.

X = 4,

P(x, ) =

(6)4 (2.718)6
4!

b.

x = 10,
10

P(x, ) =

12

(12) (2.718)
10 !

= 6;

(1296)(0.00248)
24

= 0.13392

= 12;

(6.1917364 E 10)(0.000006151)
3628800

= 0.104953

DISTRIBUCIN DE PROBABILIDAD NORMAL

Este tipo es para variables continuas y es la que con ms frecuencia aparece en
fenmenos reales. La grafica de la funcin de densidad es en forma de campana y
ser simtrica respecto a la media, y es mesocrtica, por lo que tiene curtosis
igual y sesgo igual a 0. Dicha grfica es conocida como campana de Gauss en
honor a Carl Friedrich Gauss, quien formul la ecuacin de la curva.

El eje horizontal se puede definir dentro de valores pequeos por medio de un

cambio de escala:
z=

La funcin de densidad est definida por la frmula:

1
e
2

1 x
(
)
2

Por tanto, el rea bajo la curva estar definida por la integral de dicha frmula:
x

1 x
(
)

1
e2
2

dx

El rea bajo la curva ser igual a 1, y puede ser tomada como probabilidad puesto
que, en pedazos del rea habr muestras poblacionales con la caracterstica de
estudio en un valor definido, por ejemplo, el 68% de la poblacin de una
distribucin normal est ubicada dentro de 1 desviaciones estndar de la media.
Aproximadamente el 95.5% de todos los valores de una poblacin normalmente
distribuida se encuentra dentro de 2 desviaciones estndar de la media.

Aproximadamente el 99.7% de todos los valores de una poblacin normalmente

distribuida se encuentra dentro de 3 desviaciones estndar de la media.