Una distribucin de probabilidad indica toda la gama de valores que
pueden representarse como resultado de un experimento si ste se llevase a cabo.
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.
La distribucin de probabilidad est definida sobre el conjunto de todos
los sucesos y cada uno de los sucesos es el rango de valores de la variable aleatoria. Tambin se dice que tiene una relacin estrecha con las distribuciones de frecuencia. De hecho, se puede entender que una distribucin de probabilidades sera una frecuencia terica, ya que sta ltima es aquella que describe cmo se espera que varen los resultados. 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.
Entre las distribuciones de probabilidad ms utilizadas se encuentran las
siguientes:
Distribucin Normail
Distribucin de Poisson
Distribucin Binomial
Distribucin de probabilidad de Poisson
En estadstica y probabilidad se llama distribucin normal, distribucin
de Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de variable continua que con ms frecuencia aparece aproximada en fenmenos reales. La distribucin normal puede ser descrita o caracterizada por dos parmetros:
Media poblacional () que puede ser cualquier valor real.
Desviacin estndar poblacional () que ha de ser positiva.
No importa cules sean los valores de y para una distribucin de
probabilidad normal, el rea total bajo la curva siempre es 1, de manera que podemos pensar en reas bajo la curva como si fueran probabilidades, como la curva es simtrica ambas mitades valen 0.5. Los extremos de la curva que la representa se extienden indefinidamente hacia los lados, sin tocar jams el eje X. La curva de la distribucin normal es:
Orgen de la distribucin normal de probabilidad
La distribucin normal fue presentada por primera vez por Abraham de Moivre en un artculo del ao 1733, que fue reimpreso en la segunda edicin de su The Doctrine of Chances, de 1738, en el contexto de cierta aproximacin de la distribucin binomial para grandes valores de n. Su resultado fue ampliado por Laplace en su libro Teora analtica de las probabilidades (1812), y en la actualidad se llama Teorema de De MoivreLaplace.
Laplace us la distribucin normal en el anlisis de errores de
experimentos. El importante mtodo de mnimos cuadrados fue introducido por Legendre en 1805. Gauss, que afirmaba haber usado el mtodo desde 1794, lo justific rigurosamente en 1809 asumiendo una distribucin normal de los errores. El nombre de Gauss se ha asociado a esta distribucin porque la us con profusin cuando analizaba datos astronmicos3 y algunos autores le atribuyen un descubrimiento independiente del de De Moivre.
El nombre de "campana" viene de Esprit Jouffret que us el trmino
"bell surface" (superficie campana) por primera vez en 1872 para una distribucin normal bivariante de componentes independientes. El nombre de "distribucin normal" fue otorgado independientemente por Charles S. Peirce, Francis Galton y Wilhelm Lexis hacia 1875.
La distribucin normal viene dada por la frmula:
Z^c=(X-)/
Importancia de la distribucin normal de probabilidad
La importancia de esta distribucin radica en que permite modelar
numerosos fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de fenmenos son desconocidos, por la enorme cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada observacin se obtiene como la suma de unas pocas causas independientes.
La distribucin normal tambin es importante por su relacin con la
estimacin por mnimos cuadrados, uno de los mtodos de estimacin ms simples y antiguos.
Distribucin de probabilidad de Poisson
La distribucin de Poisson es una distribucin de probabilidad discreta
que expresa, a partir de una frecuencia de ocurrencia baja, la probabilidad de que ocurra un determinado nmero de eventos durante cierto perodo de tiempo.
Existen fenmenos o experimentos en los que los eventos ocurren en
intervalos continuos de tiempo o espacio (reas y volmenes), donde slo importa la ocurrencia del fenmeno, ya que la no ocurrencia no tiene sentido. Por ejemplo, si en cierta regin ocurren en promedio 2 terremotos por ao, la variable aleatoria ser el nmero de terremotos por ao, sin tener que tomar en cuenta el nmero de no terremotos por ao.
Orgen de la distribucin de probabilidad de Poisson
Fue descubierta por Simon-Denis Poisson, que la dio a conocer en 1838 en su trabajo Recherches sur la probabilit des jugements en matires criminelles et matire civile (Investigacin sobre la probabilidad de los juicios en materias criminales y civiles) en el que se presentaba una nueva distribucin para el clculo de probabilidades aplicado al mbito penal. Poisson encontr que cuando el tamao de una muestra es grande y la probabilidad de ocurrencia de un evento es pequea, el valor esperado m= np tiende a una constante.
La distribucin de Poisson se utiliza en situaciones donde los suceso son
impredecibles y de ocurrencia aleatoria.
La Distribucin de Probabilidad de Poisson viene dada por la frmula:
(x,) = (^x e^(-))/x!
Importancia de la Distribucin de Probabilidad de Poisson
La distribucin de probabilidad de Poisson es til para identificar
algunas situaciones que pueden afectar a las empresas, fenmenos cuya frecuencia es media y no se conoce con exactitud la probabilidad de ocurrencia de estos fenmenos.
La distribucin de Poisson, se aplica a varios fenmenos discretos de la
naturaleza (esto es, aquellos fenmenos que ocurren 0, 1, 2, 3, ... veces durante un periodo definido de tiempo o en un rea determinada) cuando la probabilidad de ocurrencia del fenmeno es constante en el tiempo o el espacio.
Distribucin Binomial de probabilidad
La distribucin Binomial es un caso particular de probabilidad de
variable aleatoria discreta, y por sus aplicaciones, es posiblemente la ms importante. Se utiliza cuando hay exactamente dos resultados mutuamente excluyentes de un juicio. Estos resultados estn debidamente etiquetados de xito o no. La distribucin binomial se utiliza para obtener la probabilidad de observar r xitos en n ensayos, con la probabilidad de xito en un nico ensayo por p.
Orgen de la distribucin binomial de probabilidad
La distribucin binomial es uno de los primeros ejemplos de las
llamadas distribuciones discretas (que solo pueden tomar un nmero finito, o infinito numerable, de valores). Fue estudiada por Jakob Bernoulli, quien escribi el primer tratado importante sobre probabilidad, Ars Conjectandi
(El arte de pronosticar). Los Bernoulli formaron una de las sagas de
matemticos ms importante de la historia. Si en una experiencia aleatoria nicamente consideramos dos posibilidades: que ocurra el suceso A o que no ocurra (que ocurra A, el complementario de A), se trata de una experiencia dicotmica.
Caractersticas de la distribucin binomial de probabilidad
En cada prueba del experimento solo son posibls dos resultados:
xito y fracaso.
La probabilidad de fracaso tambin es constante, se representa por q,
que es lo mismo a 1-p.
El resultado obtenido en cada prueba es independiente de los
resultados obtenidos antriormente.
La variable aleatoria binomial, x, expresa el nmero de xitos
obtenidos en las n pruebas. Por tanto, los valores que puede tomar x son: 0,1,2,3,4..N.
Frmula para el calculo de una distribucin binomial
Probabilidad Frmula para combinar nmeros Frmula para calcular la Media Frmula para calcular la varianza Despeje:
P(X=K)=(n/k) p^k q^(n-k)
(n/K)=n!/K!(n-K)! -np 2 = npq =npq
Una distribucin de probabilidad de una variable aleatoria discreta es la
distribucin binomial. Esta describe una variedad de procesos de inters para los administradores y describe datos discretos, no continuos, que son resultado de un experimento conocido como proceso de Bernoulli. en honor del matemtico suizo Jacob Bernoulli, quien vivi en el siglo XVII.