AA3.

Variables aleatorias y distribuciones de probabilidad

Lorenzo Mahecha Villa

Unipanamericana
Ingeniera de sistemas – Probabilidad
Bogotá
2019
AA3 Taller de distribuciones de probabilidad discretas
domingo, 5 de mayo de 2019 13:20

"Variable aleatoria: es una magnitud que puede tomar diversos valores con ciertas o determinadas
probabilidades.
Variable aleatoria discreta: Es la que toma un valor numérico entero en un intervalo.
Ejemplos:
• El número de caras obtenidas al lanzar un par de monedas al aire.
• Puntuación al lanzar un dado.
• Cantidad de hombres en un salón de clase.
Variable aleatoria continua: Es la que toma cualquier valor numérico en un intervalo.
Ejemplos:
• Distancia a que puede caer una moneda cerca de una pared.
• Tiempo de duración de la batería de un auto.
• Estatura de los estudiantes del primer grado de un colegio determinado."

"Una distribución se denomina binomial cuando se cumplen las condiciones siguientes:

• El experimento aleatorio de base se repite n veces, y todos los resultados obtenidos son
mutuamente independientes.
• En cada prueba se tiene una misma probabilidad de éxito (suceso A), expresada por p. Asimismo,
existe en cada prueba una misma probabilidad de fracaso (suceso ), que es igual a q = 1 - p.
• El objetivo de la distribución binomial es conocer la probabilidad de que se produzca un cierto
número de éxitos. La variable aleatoria X, que indica el número de veces que aparece el suceso A
(éxito), es discreta, y su recorrido es el conjunto {0, 1, 2, 3, ..., n}."

Es un experimento de distribución binomial porque:

• El tipo de distribución estudia la probabilidad de que se produzca un cierto resultado, que se

describe por medio de dos parámetros: cara o sello

• Existe un número de repeticiones realizadas del experimento: En este caso 3 veces.

• En cada prueba se tiene una misma probabilidad de éxito (suceso A=cara), expresada por p.
Asimismo, existe en cada prueba una misma probabilidad de fracaso (suceso B= sello ), que es
igual a q = 1 - p.

• Todos los resultados obtenidos son mutuamente independientes.

"La distribución hipergeométrica es una distribución discreta que modela el número de eventos
en una muestra de tamaño fijo cuando usted conoce el número total de elementos en la
población de la cual proviene la muestra. Cada elemento de la muestra tiene dos resultados
posibles (es un evento o un no evento). Las muestras no tienen reemplazo, por lo que cada
elemento de la muestra es diferente. Cuando se elige un elemento de la población, no se
puede volver a elegir. Por lo tanto, la probabilidad de que un elemento sea seleccionado
aumenta con cada ensayo, presuponiendo que aún no haya sido seleccionado."
En teoría de probabilidad y estadística, la 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".

La distribución de Poisson es una distribución de probabilidad discreta que se aplica a

las ocurrencias de algún suceso durante un intervalo determinado. Nuestra variable
aleatoria x representará el número de ocurrencias de un suceso en un intervalo
determinado, el cual podrá ser tiempo, distancia, área, volumen o alguna otra unidad
similar o derivada de éstas.
La probabilidad de nuestra variable aleatoria X viene dada por la siguiente expresión:

donde:
▪ Nuestra variable aleatoria discreta puede tomar los valores:
▪
▪
▪
donde es la media del número de sucesos en el intervalo que estemos tomando,
ya sea de tiempo, distancia, volumen, etc. Es importante entender que este valor
es una media en el sentido estrictamente estadístico de la palabra y como tal se
calculará mediante dicha expresión y no debe calcularse nunca con una regla de
proporcionalidad o regla de tres.
▪ Se debe cumplir la condición de normalización
▪

▪ La desviación típica es
 ▪▪ Cuando realizamos un experimento contando sucesos y obtenemos un valor x, su
error vendrá determinado por la raíz de x.
▪

La distribución de Poisson debe de cumplir los siguientes requisitos:

▪ La variable discreta
▪
es el número de ocurrencias de un suceso durante un intervalo (esto es la propia
definición que hemos dado anteriormente).
▪ Las ocurrencias deben ser aleatorias y no contener ningún vicio que favorezca
unas ocurrencias en favor de otras.
▪ Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo que
se emplee.
 Referencias

Distribución Binomial. Recuperado de: https://www.hiru.eus/es/matematicas/distribucion-

binomial

Encontrar la media y la desviación estándar de una variable aleatoria binomial. Recuperado de:
https://www.youtube.com/watch?v=6nJPYKpb0Wo

Distribución Hipergeometrica. Recuperado de: https://www.youtube.com/watch?v=e6xp5eoeccs

Distribución hipergeométrica. https://support.minitab.com/es-mx/minitab/18/help-and-how-

to/probability-distributions-and-random-data/supporting-
topics/distributions/hypergeometric-distribution/

Distribución geométrica con calculadora, problema aplicando la distribución geométrica.

Recuperado de: https://www.youtube.com/watch?v=39yw_Yb_s_c

Distribución de Poisson | | UPV. Recuperado de: https://www.youtube.com/watch?v=D-

MV0DpDQCY

Distribución de Poisson. Recuperado de:

https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson

La Distribución de Poisson. Recuperado de: https://fisicaymates.com/distribucion-de-poisson/