Es una variable cuyo valor se encuentra determinado por el azar para cada resultado de un

experimento. En algunos experimentos el resultado es cuantitativo como pesos, número de

Variable hijos y el resultado de otros es cualitativo como color o preferencia religiosa. También podemos
aleatoria. decir que una variable aleatoria es aquella de la cual no podemos conocer su valor hasta que
sucede, se representa siempre utilizando alguna letra, por lo general X.

Discretas: Una variable que solo puede tomar valores enteros de algún experimento de
Variables interés, o claramente separados y definidos sus valores numéricos
Discretas y
continuas Continuas: Tiene un número infinito de valores y estos pueden asociarse a mediaciones en
escala continua de tal manera que no hay huecos ni interrupciones

Una distribución de probabilidad indica todos los resultados probables de un experimento, así
Distribución como la probabilidad de ocurrencias de estos resultados, también podemos decir que es una
de lista de todos los resultados de un experimento y la probabilidad que se asocia con cada uno
TEMAS
PROBABILIDAD probabilidad de ellos.
UNIDAD 2

La distribución de probabilidad binomial es un ejemplo de distribución de probabilidad

Distribución
discreta. El término "binomial" se utiliza para designar situaciones en las que los resultados
bimodal
de una variable aleatoria se pueden agrupar en dos clases o categorías.

𝑛𝐾

Distribución 𝑝𝑘 𝑞𝑛
La distribución binomial negativa o distribución de Pascal es una generalización de la distribución
bimodal geométrica donde la variable aleatoria X es el número de ensayos Bernoulli efectuados hasta que se
negativa y tienen éxitos, con una probabilidad constante de éxito p. Se dice entonces que X tiene una
geométrica distribución binomial negativa con parámetros.

Es el principal modelo de probabilidad empleado para analizar problemas de líneas de espera,

Distribución confiabilidad y control de calidad; como el número de personas que llegan a un lugar determinado
de Poisson en un tiempo definido, los defectos en piezas similares para el material, el número de bacterias en
µ𝑥 𝑒 −µ
un cultivo, el número de goles anotados en un partido de fútbol. 𝑃 𝑥 =
𝑥!

Sea N el número de elementos de un conjunto de los cuales k son determinados como éxitos y N-k
Distribución como fallas, se trata ahora de determinar la probabilidad de éxitos en n ensayos de los N elementos
Hipergeometrica del conjunto donde K≤ N y n ≤ N. Sea también la variable aleatoria X el número de éxitos en la
muestra. Entonces, X tiene una distribución hipergeométrica y su función de distribución de
probabilidad está dada por: f (x, N, k, n) = (kCx. N-kCn-x) / NCn x=0,1, 2... min (k, n)
 La variable aleatoria discreta más sencilla es aquella que toma sólo un número finito de valores
Distribución posibles n, cada uno con la misma probabilidad. Ella se denomina entonces variable aleatoria
uniforme discreta uniforme y su distribución uniforme discreta está dada por: f(x)= 1/n
discreta

Con esta ley de probabilidad, la probabilidad de que al hacer un experimento aleatorio, el valor de X
Distribución este comprendido en cierto subintervalo de [a, b] depende únicamente de la longitud del mismo, no
uniforme de su posición.
continua

TEMAS Es el modelo de distribución más utilizado en la práctica, ya que multitud de fenómenos se

PROBABILIDAD
UNIDAD 2 comportan según una distribución normal.

Esta distribución de caracteriza porque los valores se distribuyen formando una campana de Gauss,
en torno a un valor central que coincide con el valor medio de la distribución.

Distribución La distribución gaussiana, recibe también el nombre de distribución normal, ya que una gran
normal mayoría de las variables aleatorias continuas de la naturaleza siguen esta distribución.

E(x): µ Var(x) = S2

µ: es el valor medio de la distribución y es precisamente donde se sitúa el centro de la curva (de la

campana de Gauss).

S2: Es la varianza. Indica si los valores están más o menos alejados del valor central: si la varianza
es baja los valores están próximos a la media; si es alta, entonces los valores están muy alejados de
ella. Se representa por s2 porque su raíz cuadrada, s, es la denominada desviación estándar.

Son conceptos que dependen para entender bien la estadística, conforme se

recopilen procesos aleatorios se mejora la probabilidad y por ende la creencia.
El saber manejar estos conceptos hace que independientemente el problema
Importancia que se aborde o se enfrente, se tenga clara una solución. Además es
familiarizarse con los conceptos y definiciones de la probabilidad