¡Una Nueva Generación!

ANGIE CAMILA RIVEROS CARAVAJAL

ANA MILENA GUITIERREZ PROBABILIDAD Y ESTADISTICA

FACULTAD DE INGENIERIA
INDUSTRIAL
DISTRIBUCIONES DISCRETAS
 VARIABLE ALEATORIA

• Una variable aleatoria es un valor numérico

determinado por el resultado de un experimento.

• Una distribución de probabilidad es la lista de todos los

resultados posibles de un experimento y la
correspondiente probabilidad
 TIPOS DE DISTRIBUCIONES DE PROBABILIDAD

• Una distribución de probabilidad discreta puede asumir sólo valores

claramente separados.

• Una distribución de probabilidad continua puede asumir un número

infinito de valores dentro de un rango determinado.

Ejemplos de una distribución discreta son:

o El número de estudiantes en una clase.

o El número de niños en una familia.
o El número de autos entrando en un auto lavado por hora.
o El número de clientes que llegan a una estética cada hora.
 CARACTERÍSTICAS DE UNA DISTRIBUCIÓN
DISCRETA

• Las principales características de una distribución de probabilidad discreta

son:
o La suma de las probabilidades es 1.00
o La probabilidad de un resultado particular es un número mayor o igual a cero
y menor o igual a uno.
o Los resultados son mutuamente excluyentes.

Ejemplo 1

o Considere un experimento aleatorio en el cual una moneda es lanzada tres

veces. Sea x el número de caras. Sea H la que representa el resultado cara y T el
resultado cruz.
• Los posibles resultados para este experimento
serán:

TTT, TTH, THT, THH,

HTT, HTH, HHT, HHH.

• Entonces los valores posibles para x (número de

caras) son 0, 1, 2, 3.

• El resultado cero caras ocurre una vez.

• El resultado una cara ocurre tres veces.
• El resultado dos caras ocurre tres veces.
• El resultado tres caras ocurre una vez.
• De la definición de variable aleatoria, x está definida en este experimento
como la variable aleatoria.
 LA MEDIA DE UNA DISTRIBUCIÓN DISCRETA DE
PROBABILIDAD

 La media:

• Registra la ubicación central de los datos.

• Es el valor promedio a largo plazo de la variable aleatoria.
• También se le conoce como su valor esperado, E(x), en una
distribución de probabilidad.
• Es un promedio ponderado.
 LA MEDIA DE UNA DISTRIBUCIÓN DISCRETA DE
PROBABILIDAD

 La media es calculada con la fórmula:

 =S[xP(x)]
 Donde μ representa la media, y P(x) es la probabilidad de que x asuma algún
valor.
 LA VARIANZA DE UNA DISTRIBUCIÓN DE
PROBABILIDAD DISCRETA

• La varianza mide el tamaño de la dispersión de una distribución.

• La varianza de una distribución discreta es representada por la letra

griega e2 (sigma cuadrada).
• La desviación estándar es la raíz cuadrada de c2 .

LA VARIANZA DE UNA DISTRIBUCIÓN DE

PROBABILIDAD DISCRETA

• La varianza de una distribución de probabilidad discreta es calculada

con la siguiente fórmula:

s 2 = S[(x -  )2 P(x)]
Ejemplo 2

David Ramírez, dueño de un negocio de servicios de pintura, estudió sus registros de

las últimas 20 semanas y reporta el siguiente número de casas
pintadas por semana

# de casas pintadas semanas

10 5
11 6
12 7
13 2
Distribución de probabilidad:

Número de casas pintadas, Probabilidad, P(x)

x
10 .25
11 .30
12 .35
13 .10
TOTAL 1.00
Calcule el número medio de casas pintadas
por semana:

 = E{ x = S xP( X)}
=(10)(.25) (11)(.30) (12)(.35) (13)(.10)
=11.3

Calcule la varianza del número de casas

pintadas por semana:

s2 = S {x -m P(X)}
=(10 11.3) (.25) ... (13 11.3) (.10)
=0.4225 0.0270 0.1715 0.2890
=0.91
 DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL

La distribución binomial tiene las siguientes

características:

• El resultado de cada ensayo de un experimento se clasifica en una de dos

categorías mutuamente
• excluyentes, a saber: éxito o fracaso.La variable aleatoria cuenta el número de
éxitos en una cantidad fija de ensayos.
• La probabilidad de un éxito permanece igual en todos los ensayos. Lo mismo
sucede con la probabilidad de un fracaso.
• Los ensayos son independientes.
 DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL

Para construir una distribución binomial, sea:

C es una combinación.
n es el número de ensayos.
x es el número de éxitos.
 es la probabilidad de éxito en cada ensayo.

DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL

• La fórmula para la distribución de probabilidad binomial es:

P(x)= n C x p x(1-p ) n-x

 MEDIA Y VARIANZA DE LA DISTRIBUCIÓN BINOMIAL

• La media se calcula así:

 =np
• La varianza se calcula así:

s 2 = np (1-p )
 POBLACIÓN FINITA

• Una población finita es una población que consiste en un número

fijo de individuos conocidos, objetos o medidas, por ejemplo:

• El número de estudiantes en esta clase.

• El número de carros en el estacionamiento.
• El número de casas construidas en el fraccionamiento Arboledas.
 Distribución Hipergeométrica

• La distribución hipergeométrica tiene las siguientes características:

• Hay sólo dos resultados posibles.
• La probabilidad de un éxito no es la misma en cada ensayo.
• Ésta resulta de contar el número de éxitos en un número fijo de ensayos.

La fórmula para encontrar una probabilidad utilizando

la distribución hipergeométrica es:
Donde N es el tamaño de la población, S es el número
de éxitos en la población, x es el número de éxitos en
una muestra de n observaciones

• Utilice la distribución hipergeométrica para encontrar la

probabilidad de un número específico de éxitos o
resultados si:
• La muestra es seleccionada de una población finita sin reemplazo.
• El tamaño de la muestra n es mayor que el 5% del tamaño de la
población N.
 DISTRIBUCIÓN DE PROBABILIDAD DE POISSON

• La distribución de probabilidad de Poisson describe la cantidad de veces

que ocurre un evento en un intervalo determinado.

• Esta distribución también es una forma límite de la distribución binomial,

cuando la probabilidad de éxito es muy pequeña y n es grande

La distribución de Poisson puede describirse matemáticamente

utilizando la siguiente fórmula:
Donde μ es la media del número de ocurrencias (éxitos) en un
intervalo específico.

 e es la constante 2.71828 (base del sistema logarítmico neperiano).

 x es el número de éxitos.

P(x) es la probabilidad que se va a calcular para un valor dado de x.

La media del número de éxitos μ puede determinarse en una situación

binomial así: np donde n es el número de ensayos y p es la probabilidad
de éxito.

 La varianza de una distribución Poisson es

también np(1 – p).
DISTRIBUCIONES CONTINUAS
Una distribución de probabilidad de una variable aleatoria es una función
que asigna a cada suceso definido sobre la variable aleatoria la
probabilidad de que dicho suceso ocurra. La distribución de probabilidad
está definida sobre el conjunto de todos los sucesos, cada uno de los sucesos
es el rango de valores de la variable aleatoria

¿QUE ES UNA VARIABLE ALEATORIA CONTUNUA ?

Una variable aleatoria continua es aquella que puede tomar cualquier

valor en algún intervalo de valores acotados o no acotados. Generalmente los
valores de una variable aleatoria continua se obtienen de experimentos
reales o mediciones. Por ejemplo, al realizar los experimentos de medir
estaturas, medir pesos, registrar ingresos económicos, etc.; se obtienen
variables aleatorias continuas.
¿QUÉ ES UNA DISTRIBUCION DE PROBABILIDAD CONTINUA?

Una distribución de probabilidad continua es una función que asigna a

un intervalo de la variable aleatoria continua X su valor de probabilidad
correspondiente. Es decir, la probabilidad de que un evento ocurra en un
Intervalo de la variable. Esto puede ocurrir de tres formas distintas:

𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) 𝑃(𝑋 ≤ 𝑏) 𝑃(𝑎 ≤ 𝑋)

EJEMPLO:

Hallar la distribución de probabilidad para la variable continua definida

como la edad de los estudiantes mexicanos con 15 años cumplidos o
más, que estuvieron inscritos en alguna escuela durante el año 2011.
X= edad de los estudiantes mexicanos con 15 años cumplidos o más.
X= {15, 16, 17,18, ….}

Dado que la variable es continua y no se conoce el valor máximo específico,

entonces se debe organizar los valores de la variable a través de intervalos.

EDAD 15 A 19 20 A 24 25 A 29 30 A 35 MAS DE
35
 ¿CÓMO CALCULAR LA PROBABILIDAD PARA CADA
INTERVALO?

• Existen dos formas, la primera es a través de los datos estadísticos

generados, o sea como probabilidad clásica. La segunda es conociendo la
función explícita para calcular la probabilidad.
• En este caso, sólo se conocen los valores estadísticos para cada intervalo, se
presentan en la siguiente tabla de distribución de frecuencias.

De acuerdo con el INEGI, la población de estudiantes de 15 años o más se

distribuye así:
Edad (variable en Frecuencia Frecuencia relativa
intervalos) (número de (%)
alumnos en
millones)
15 – 19 2.7 22
20 – 24 4.8 39
25 – 29 1.9 15
30 – 35 1.2 10
más de 35 1.8 15
TOTAL 12.4 100
¿QUÉ ES LA DISTRIBUCION DE PROBABILIDAD NORMAL ?

LA DISTRIBUCIÓN NORMAL, distribución de Gauss o distribución

gaussiana, es una de las distribuciones de probabilidad de variable
continua que con más frecuencia aparece aproximada en fenómenos
naturales, sociales y psicológicos.

GRAFICA DE PROBABILIDAD NORMAL

La gráfica de su función de densidad tiene una forma acampanada y es

simétrica respecto de un determinado parámetro estadístico. Esta curva
se conoce como campana de Gauss y es el gráfico de una función
gaussiana
CAMPAN A DE GAUSS
¿DISTRIBUCION DE PROBABILIDAD NORMAL ?

• Se dice que una variable aleatoria continua X sigue una distribución

normal de parámetros 𝜇 y 𝜎 y se denota 𝑿~𝑵(𝝁, 𝝈) donde μ (mu) es la
media y σ (sigma) es la desviación estándar.

• Para calcular la probabilidad de una variable Normal se utiliza la

siguiente fórmula:
Análogamente, se calcula:
Para calcular probabilidades con variables que siguen la distribución
normal se usan tablas. Pero, puesto que sería imposible tener una tabla
para cada posible distribución normal, solamente la tenemos para la
distribución normal estándar, es decir, para la 𝑵( 𝟎 , 𝟏 ).

DISTRIBUCION NORMAL ESTANDAR

Cualquier variable 𝑋 que se distribuya normal X~𝑁(μ, 𝜎) puede
transformarse en una variable 𝒁 que sigan una distribución normal
estándar 𝐙~𝑵(𝟎, 𝟏). Este proceso se llama tipificación de la variable.
Dicha tipificación se calcula como:

𝑋=𝑥−𝜇
𝜎
 Por tanto, para calcular la probabilidad de una variable Normal estándar se
utiliza la siguiente fórmula:

Análogamente, se calcula:
Calcular la distribución de probabilidad de la variable continua definida
como “pesos de los habitantes” de la ciudad de Mérida, si se sabe que la
media es 65 kg y la desviación estándar es 8 kg.
#Una Nueva Generación