You are on page 1of 5

ACTIVIDAD 5.

DISTRIBUCIONES COMÚNMENTE UTILIZADAS


MAIRA DOLORES RAMÍREZ MENDIOLA

Una distribución de probabilidades para una variable aleatoria discreta es un listado


mutuamente excluyente de todos los resultados numéricos posibles para esa variable
aleatoria tal que una probabilidad específica de ocurrencia se asocia con cada resultado.

El valor esperado de una variable aleatoria discreta es un promedio ponderado de todos los
posibles resultados, donde las ponderaciones son las probabilidades asociadas con cada
uno de los resultados.

Distribución normal
La distribución normal es una distribución con forma de campana donde las desviaciones
estándar sucesivas con respecto a la media establecen valores de referencia para estimar el
porcentaje de observaciones de los datos. En estadística y probabilidad se llama distribución
normal, distribución de Gauss o distribución gaussiana, a una de las distribuciones de
probabilidad de variable continua que con más frecuencia aparece aproximada en
fenómenos reales

Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio


nombre indica su extendida utilización, justificada por la frecuencia o normalidad con la que
ciertos fenómenos tienden a parecerse en su comportamiento a esta distribución.

Se dice que una variable aleatoria continua X sigue una distribución normal de
parámetros μ y σ y se denota X~N(μ, σ) si su función de densidad está dada por:

Donde:
μ (mu)= es la media
σ (sigma)= es la desviación típica

Propiedades de la distribución normal:


i. Tiene una única moda, que coincide con su media y su mediana.

ii. La curva normal es asintótica al eje de abscisas. Por ello, cualquier valor
entre y es teóricamente posible. El área total bajo la curva es, por tanto,
igual a 1.
iii. Es simétrica con respecto a su media . Según esto, para este tipo de variables
existe una probabilidad de un 50% de observar un dato mayor que la media, y un
50% de observar un dato menor.
iv. La distancia entre la línea trazada en la media y el punto de inflexión de la curva
es igual a una desviación típica ( ). Cuanto mayor sea , más aplanada será la
curva de la densidad.
v. El área bajo la curva comprendido entre los valores situados aproximadamente a
dos desviaciones estándar de la media es igual a 0.95. En concreto, existe un 95%
de posibilidades de observar un valor comprendido en el
intervalo .
vi. La forma de la campana de Gauss depende de los parámetros y . La media
indica la posición de la campana, de modo que para diferentes valores de la
gráfica es desplazada a lo largo del eje horizontal. Por otra parte, la desviación
estándar determina el grado de apuntamiento de la curva. Cuanto mayor sea el
valor de , más se dispersarán los datos en torno a la media y la curva será más
plana.

No existe una única distribución normal, sino una familia de distribuciones con una forma
común, diferenciadas por los valores de su media y su varianza. La más utilizada es
la distribución normal estándar, que corresponde a una distribución de =0 y
=1. Siendo la expresión que define su densidad para este caso:

Es importante conocer que, a partir de cualquier variable X que siga una


distribución , se puede obtener otra característica Z con una distribución normal
estándar, sin más que efectuar la transformación:

Esta propiedad resulta especialmente interesante en la práctica, ya que para una


distribución existen tablas publicadas a partir de las que se puede obtener de modo
sencillo la probabilidad de observar un dato menor o igual a un cierto valor z, y que
permitirán resolver preguntas de probabilidad acerca del comportamiento de variables de
las que se sabe o se asume que siguen una distribución aproximadamente normal.

APLICACIÓN

Existen muchos fenómenos continuos que parecen seguirla o se pueden aproximar


mediante ella. Tal es el caso de la distribución del follaje de los árboles o muchos otros
fenómenos, utilizada mucho en bioestadística.
Distribución Binomial
Una distribución binomial es una distribución de probabilidad discreta que describe el
número de éxitos al realizar n experimentos independientes entre sí, acerca de una variable
aleatoria.

Propiedades de la distribución binomial

i. En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito o
fracaso).
ii. La probabilidad del éxito como del fracaso ha de ser constante. Esta se representa
mediante la letra p y q=1-p respectivamente.
iii. El resultado obtenido en cada experimento es independiente del anterior. Por lo
tanto lo que ocurra en cada experimento no afecta a los siguientes.
iv. Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al
mismo tiempo.
v. Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2 ha
de ocurrir.
vi. La variable aleatoria que sigue una distribución binomial se suele representar
como X~(n,p). n representa el número de ensayos o experimentos y p la
probabilidad de éxito.

La fórmula para calcular la distribución normal es:

Donde:
n = número de ensayos/experimentos
x = número de éxitos
p = probabilidad de éxito
q = probabilidad de fracaso (1-p)

APLICACIÓN

Un ejemplo de aplicación de dicha distribución es un elemento pasa o no pasa una


inspección o un partido político gana o pierde. La distribución binomial se usa
frecuentemente en control de calidad, sondeos de opinión pública, investigaciones médicas
y seguros.
Distribución de Poisson
La distribución de Poisson es una distribución de probabilidad discreta que se aplica a las
ocurrencias de algún suceso durante un intervalo especifico. La variable aleatoria x es el
número de ocurrencias de un suceso en un intervalo. La probabilidad de que el suceso ocurra
x-veces, durante el intervalo, está dada por la siguiente fórmula:

Propiedades de la distribución binomial

i. La variable aleatoria X es el número de ocurrencias de un suceso durante un


intervalo.
ii. Las ocurrencias deben ser aleatorias.
iii. Las ocurrencias tienen que ser independientes entre sí.
iv. Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo que
se emplea.
v. La distribución de Poisson sólo se ve afectada por el valor de la media µ, al
contrario que la distribución binomial que se veía afectada por el tamaño de la
muestra y la probabilidad.
vi. Los valores permitidos para x en la distribución de Poisson no tienen cota superior
(0,1,2,3…) al contrario que la binomial que si estaba acotada (0,1,2,3…n).

APLICACIÓN

la distribución de Poisson se utiliza en la vida cotidiana para describir el número de veces que un
evento ocurre en un espacio finito de observación. Por ejemplo, una distribución de Poisson
puede describir el número de defectos en el sistema mecánico de un avión o el número de
llamadas a un centro de llamadas en una hora. La distribución de Poisson se utiliza con frecuencia
en el control de calidad, los estudios de fiabilidad/supervivencia y los seguros.
BIBLIOGRAFÍA
Badii, M. H. y J. Castillo, Distribuciones probabilísticas de uso común.
Pértegas Díaz S., Pita Fernández S., La distribución normal
Guillermina Martín Reyes, La función de probabilidad normal: Características y aplicaciones
https://economipedia.com/definiciones/distribucion-binomial.html
https://fisicaymates.com/distribucion-de-poisson/
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-topics/distributions/binomial-distribution/