Este documento resume diferentes tipos de distribuciones de probabilidad, incluyendo distribuciones discretas como la binomial y geométrica, y distribuciones continuas como la normal, exponencial, chi cuadrado y t de Student. Para cada distribución, brinda una breve definición y uno o dos ejemplos de cómo podría usarse para modelar diferentes fenómenos aleatorios.
1. INSTITUTO UNIVERSITARIO DE TECNOLOGÍA
“ANTONIO JOSÉ DE SUCRE”
EXTENSIÓN BARQUISIMETO
DEPARTAMENTO DE TECNOLOGIA DE RELACIONES
INDUSTRIALES
FUNCION DE DISTRIBUCION DE PROBABILIDAD
VARIABLE DISCRETA Y CONTINUA.
Autores: Dixon Mendoza
C.I: 19166517
Barquisimeto, Agosto 2014
2. Distribución de probabilidad
En la teoría de la En teoría de la
probabilidad y estadística, la 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.
La distribución de probabilidad está
completamente especificada por
la función de distribución, cuyo valor en
cada x real es la probabilidad de que la
variable aleatoria sea menor o igual que
3. Distribución Binomial
En estadística, la distribución binomial es
una distribución de probabilidad discreta
que cuenta el número de éxitos en una
secuencia de n ensayos
de Bernoulli independientes entre sí, con
una probabilidad fija de ocurrencia del
éxito entre los ensayos. Un experimento
de Bernoulli se caracteriza por ser
dicotómico, esto es, sólo son posibles dos
resultados. A uno de estos se denomina
éxito y tiene una probabilidad de
ocurrencia p y al otro, fracaso, con una
probabilidad q = 1 - p. En la distribución
binomial el anterior experimento se
repite n veces, de forma independiente, y
se trata de calcular la probabilidad de un
determinado número de éxitos. Para n = 1,
la binomial se convierte, de hecho, en
una distribución de Bernoulli
4. Distribución poisson
Distribución de Poisson es una distribución
de probabilidad discreta que expresa, a
partir de una frecuencia de ocurrencia
media, la probabilidad de que ocurra un
determinado número de eventos durante
cierto período de tiempo. Concretamente,
se especializa en la probabilidad de
ocurrencia de sucesos con probabilidades
muy pequeñas, o sucesos "raros". Ejemplo
las llamadas telefónicas que se reciban en
un dia.
5. Distribución Geométrica
Distribución geométrica es
cualquiera de las dos distribuciones
de probabilidad discretas siguientes:
la distribución de probabilidad del
número X del ensayo de
Bernoulli necesaria para obtener un
éxito, contenido en el conjunto { 1, 2,
3,...} o
la distribución de probabilidad del
número Y = X − 1 de fallos antes del
primer éxito, contenido en el
conjunto {0, 1, 2, 3,...}.
Cuál de éstas es la que uno llama "la"
distribución geométrica, es una
cuestión de convención y
conveniencia. Ejemplo :
6. Distribución chi cuadrado
La distribución de Pearson, llamada
también ji cuadrado o chi
cuadrado (χ²) es una distribución de
probabilidad continua con un
parámetro que representa los libertad
de la variable aleatoria.
7. Distribución Exponencial
La distribución exponenciales una
distribución de probabilidad continua
con un parámetro cuya función de
densidad. Ejemplos: El tiempo
transcurrido en un call center hasta
recibir la primera llamada del día se
podría modelar como una exponencial. El
intervalo de tiempo entre terremotos (de
una determinada magnitud) sigue una
distribución exponencial.
Supongamos una máquina que produce
hilo de alambre, la cantidad de metros de
alambre hasta encontrar una falla en el
alambre se podría modelar como una
exponencial.
8. Distribución t de student
Distribución t (de Student) es
una distribución de probabilidad que
surge del problema de estimar la media de
una población normalmente
distribuida cuando el tamaño de la
muestra es pequeño.
Aparece de manera natural al realizar
la prueba t de Student para la
determinación de las diferencias entre
dos medias muéstrales y para la
construcción del intervalo de
confianza para la diferencia entre las
medias de dos poblaciones cuando se
desconoce la desviación típica de una
población y ésta debe ser estimada a
partir de los datos de una muestra.
Ejemplos: La afirmación que un foco
tenga una duración de 500 horas de
trabajo.
9. Distribución Normal
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. Ejemplo : El tiempo medio
en realizar una tarea, la vida media
de una lámpara según el fabricante.