MODELOS DE DISTRIBUCIÓN DE

PROBABILIDADES EN
CONFIABILIDAD
VARIABLE ALEATORIA
TIPOS DE VARIABLE ALEATORIA
DISTRIBUCIÓN DE PROBABILIDADES DE
UNA VARIABLE ALEATORIA
DISTRIBUCIÓN DE PROBABILIDADES DE
UNA VARIABLE ALEATORIA
TENDENCIA EN UN PROCESO ALEATORIO
MODELO MATEMÁTICO DE UN PROCESO
ALEATORIO
MODELO MATEMÁTICO DE UN PROCESO
ALEATORIO
TIPOS DE MODELOS PROBABILISTICOS
TIPOS DE MODELOS PROBABILISTICOS
 Función de distribución de probabilidad
TIPOS DE MODELOS PROBABILISTICOS
 Procesos Estocásticos
DEFINICIÓN MATEMÁTICA DE LA
DISTRIBUCIÓN DE PROBABILIDAD

 Variables aleatorias continuas

Función de distribución de
probabilidad
DEFINICIÓN MATEMÁTICA DE LA
DISTRIBUCIÓN DE PROBABILIDAD

 Variables aleatorias continuas

Función de densidad de
probabilidad
DEFINICIÓN MATEMÁTICA DE LA
DISTRIBUCIÓN DE PROBABILIDAD

 Variables aleatorias continuas

DEFINICIÓN MATEMÁTICA DE LA
DISTRIBUCIÓN DE PROBABILIDAD

 Variables aleatorias discretas

DEFINICIÓN MATEMÁTICA DE LA
DISTRIBUCIÓN DE PROBABILIDAD

 Valor Esperado o valor medio

DEFINICIÓN MATEMÁTICA DE LA
DISTRIBUCIÓN DE PROBABILIDAD

 Varianza y desviación estándar

TIPOS DE PROCESOS ALEATORIOS
PROCEDIMIENTO PARA OBTENER UN MODELO PROBABILÍSTICO
PROCEDIMIENTO PARA OBTENER UN MODELO PROBABILÍSTICO
 PROCEDIMIENTO PARA OBTENER UN MODELO PROBABILÍSTICO
 PROCEDIMIENTO PARA OBTENER UN MODELO PROBABILÍSTICO

Las distribuciones de probabilidad o procesos estocásticos constituyen el modelo

matemático de un experimento aleatorio y son una “idealización” con la cual se

quiere representar o modelar la realidad.

Generalmente se asume que un fenómeno aleatorio tiene asociado una distribución

de probabilidad o un proceso estocástico pero no se conoce cuál es; este modelo se

determina por medio de los procedimientos de la estadística a partir de una muestra

limitada de datos.
 PROCEDIMIENTO PARA OBTENER UN MODELO PROBABILÍSTICO
PARTES DE LA ESTADISTICA
 Estadística Descriptiva
PARTES DE LA ESTADISTICA
 Estadística Inferencial

Dos tipos de estimación (inferencia):

PARTES DE LA ESTADISTICA
 Estadística Inferencial
PARTES DE LA ESTADISTICA
 Estadística Inferencial
PARTES DE LA ESTADISTICA
 Estadística Inferencial
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Una distribución de probabilidad es un modelo

matemático que se utiliza para representar
fenómenos aleatorios

 Estacionarios
 Realizaciones independientes
 La(s) variable(s) aleatoria(s) que sirve(n) para representar el
fenómeno aleatorio bajo estudio no aparece(n) indexadas con
otras variables aleatorias
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 TIPOS DE PARÁMETROS

 Parámetro de localización

- Este parámetro especifica el punto en el eje horizontal a partir de donde

comienza el rango de valores del modelo o donde se localiza su centro de masa.
- Un cambio en este parámetro desplaza la distribución hacia la derecha o la
izquierda.
- Este parámetro tiene las mismas unidades de medida de la variable aleatoria x
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 TIPOS DE PARÁMETROS

 Parámetro de Escala

- Este parámetro determina la escala o unidades de medida de la variable aleatoria x

- Un cambio en este parámetro expande o comprime la distribución sin cambiar su
forma
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 TIPOS DE PARÁMETROS

 Parámetro de Forma

- Este parámetro determina la forma de la distribución

- Se identifica porque siempre aparece como exponente en la función matemática que
define el modelo de distribución de probabilidad.
- Algunos modelos como el exponencial o el uniforme no tienen este parámetro ya
que su forma es fija. Otros modelos como el Beta pueden tener 2 parámetros de
forma.
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 TIPOS DE PARÁMETROS

 Parámetro de Desplazamiento

- Se utiliza en distribuciones con rango [0 , +∞ ] .

- Este parámetro desplaza toda la distribución a la derecha.
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Características de los Modelos

Además del valor medio y la varianza existen otras medidas para

caracterizar los modelos para distribuciones de probabilidad.
Entre estas se incluyen la mediana, la moda y los coeficientes de
variación, asimetría y afilamiento.

El valor esperado, la mediana y la moda se denominan medidas

de “tendencia central” pues dan un pronóstico de la localización en
el eje x de la distribución como un todo.

La varianza, la desviación estándar y el coeficiente de variación

son medidas de la dispersión con respecto al valor esperado.
Los coeficientes de asimetría y de afilamiento indican la forma de
la función.
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Características de los Modelos

La mediana
La mediana es el valor a para el cual hay una probabilidad
acumulada del 50%.
Una distribución discreta puede tener más de un punto que
satisfaga la definición de mediana.
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Características de los Modelos

La moda
La moda es el valor a para el cual la función de densidad de
probabilidad o la función de probabilidad de masa alcanzan su
mayor altura.
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Características de los Modelos

Momentos centrales
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Características de los Modelos

Coeficiente de variación
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Características de los Modelos

Coeficiente de asimetría
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Características de los Modelos

Coeficiente de afilamiento
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Distribución Exponencial
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Distribución Exponencial
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Distribución Exponencial

Ejemplo
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Distribución Exponencial
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Distribución Exponencial
MODELOS PARA DISTRIBUCIONES DE
PROBABILIDAD

 Distribución Exponencial

0.8

0.6

0.4

0.2

0
0 5 10 15 20 25 30 35 40
MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Normal o Gausiana

MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Normal o Gausiana

MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Normal o Gausiana

El nombre “normal” se aplica a esta distribución ya que en las

poblaciones consideradas “normales”, las características de los
individuos, por ejemplo, su estatura, coeficiente de inteligencia, etc.
se concentran alrededor del valor medio y muy pocos individuos
tienen valores muy por fuera de dicho valor.

Es decir, existe muy poca probabilidad de encontrar individuos con

características que estén por fuera de ±3σ .
MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Normal o Gausiana

MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Normal o Gausiana

Como los valores de la función de distribución de probabilidad deben

hallarse numéricamente, para esto se utiliza la distribución normal
estándar Φ que se define con μ = 0 y σ = 1
MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Normal o Gausiana

Ejemplo

Una persona instala una cortina de luces navideñas que consta 2000
bombillas con una función de vida Gausiana de valor medio 1000 horas
y una desviación estándar de 200 horas.

Cuántas bombillas puede esperarse que fallen en las primeras 700 horas?
MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Normal o Gausiana

Ejemplo

Una persona instala una cortina de luces navideñas que consta 2000
bombillas con una función de vida Gausiana de valor medio 1000 horas
y una desviación estándar de 200 horas.
MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Normal o Gausiana

Ejemplo

Una persona instala una cortina de luces navideñas que consta 2000
bombillas con una función de vida Gausiana de valor medio 1000 horas
y una desviación estándar de 200 horas.
MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Normal o Gausiana

0.8

0.6

0.4

0.2

0
-1000 -500 0 500 1000 1500 2000
MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Weibull
MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Weibull
MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Weibull
MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Weibull

Ejemplo
MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Weibull

Ejemplo
MODELOS PARA DISTRIBUCIONES DE PROBABILIDAD

 Distribución Weibull

Ejemplo

0.8

0.6

0.4

0.2

0
0 2 4 6 8 10 12 14