DISTRIBUCION DE PROBABILIDADES

Integrantes:

Luisa Catro

Eva Morelo

Karen Ramirez

Modelos Cuantitativos

Lic. Juan Guillermo Lambis Barrios

Administración de Empresa

VI Semestre

Corporación Universitaria Minuto de Dios

2021
 INTRODUCCION

La distribucion de probabilidad nos enseya las diversas maneras en que podemos

hacer una hipotesis para obtener resultados propuestos, sin embargo, esta requiere de
diferentes tipos de variables las cuales nos ayudaran a medir los resultados. De esta
forma la distribucion de probabilidad tiene diferentes formas de ser utilizada que
pueden ser representado como un resultado de experimento, esto es muy parecido a
una distribución de frecuencia de frecuencia. Sin embargo, en vez de describir el
pasado, describe la probabilidad que un evento se realice en el futuro.
 DISTRIBUCION DE PROBABILIDADES

Es la encargada de mostrarnos los resultados probables de ocurrir en un experimento

determinado, por medio de una guia de informacion que nos proporcionen los datos a
trabajar seguido con la probabilidad de ocurrencia asociada a cada uno de los datos.

Ejemplo: ¿supongamos que se quiere saber el numero de caras que se obtiene al

lanzar cuatro veses una moneda al aire?
Con unos posibles resultados de cero caras, una cara, dos caras, tres caras y cuatro
caras.
Si realizamos el ejercisio tendremos los siguientes resultados,
Numero de caras: 0,1,2,3,4
Frecuencia: 1,4,6,4,1
Distribucion de probabilidades: 1/16, 4/16, 6/16, 4/16, 1/16
Es decir que la probabilidad de resultado que un acontecimiento ocurra si lo sumamos
debe dar desde un 0 o un 1.

Variables Aleatorias:
Una función que asocia un número real, perfectamente definido, a cada punto muestral.
A veces las variables aleatorias (v.a.) están ya implícitas en los puntos muestrales.

Ejemplo: Experiencia consistente en medir la presión sistólica de 100 individuos. Un

punto muestral (resultado de un experimento) es ya un número (presión sistólica). La
v.a. está implícita.
Y esta variable aleatoria esta dada en:
discretos: número finito o infinito numerable de elementos.
continuos: número infinito no numerable de elementos
VARIABLES DE TIPO DISCRETAS:
odríamos definirla como cualquier variable que pueda tomar un número finito de valores
entre dos valores. Por ejemplo: el número de hermanos que tienes [0,1,2,3]; o el
numero de goles que ha marcado Messi esta temporada [probablemente muchos, pero,
un número finito
Otro ejemplo, es el número de empleados de una fábrica; número de hijos; número de
cuentas ocultas en Suiza.

VARIABLE DE TIPO CONTINUA:

 que puede tomar un número infinito de valores entre dos números. Por ejemplo: la
altura en un grupo de amigos, lógicamente me dirás que la altura en un número de
amigos es un número finito
otro ejemplo, es temperaturas registradas en un observatorio; tiempo en recorrer una
distancia en una carrera; contenido de alcohol en un cuba-libre; estatura; tiempo de
discurso de un político en las cortes insultando a los del partido contrario.

Distribución de probabilidad 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.
Existen una gran diversidad de experimentos o sucesos que pueden ser caracterizados
bajo esta distribución de probabilidad. Imaginemos el lanzamiento de una moneda en el
que definimos el suceso “sacar cara” como el éxito. Si lanzamos 5 veces la moneda y
contamos los éxitos (sacar cara) que obtenemos, nuestra distribución de probabilidades
se ajustaría a una distribución binomial.

Por lo tanto, la distribución binomial se entiende como una serie de pruebas o ensayos
en la que solo podemos tener 2 resultados (éxito o fracaso), siendo el éxito nuestra
variable aleatoria.
Imaginemos que un 80% de personas en el mundo ha visto el partido de la final del
último mundial de fútbol. Tras el evento, 4 amigos se reúnen a conversar, ¿Cuál es la
probabilidad de que 3 de ellos hayan visto el partido?

Definamos las variables del experimento:

n    = 4 (es el total de la muestra que tenemos)

x    = número de éxitos, que en este caso es igual a 3, dado que buscamos la
probabilidad de que 3 de los 4 amigos lo hayan visto.

p    = probabilidad de éxito (0,8)

q    = probabilidad de fracaso (0,2). Este resultado se obtiene al restar 1-p

Distribución de probabilidad Poisson:

es la que describe la cantidad de veces que ocurra un evento en un intervalo
determinado en tiempo, volumen, temperatura entre otros, la distribucion se basa en
dos supuesto:
la probabilidad es proporsional a la extension del intervalo.
los intervalos son independirntes.
Es decir que una distribucion es una forma limite de la distribucion binomial, cuando la
probabilidad de éxito es bien pequeña y n es grande, a esta distribucion se llama ley de
eventos.
Ejemplo: Cierta enfermedad tiene probabilidad de ocurrir p=1/100000, lo que en
Medicina se denomina prevalencia. Calcula la probabilidad de que en una ciudad de
500000 habitantes haya más de 3 personas con dicha enfermedad. ¿Cuál sería en
dicha ciudad el número de enfermos esperado?
Solución:
El problema se podría abordar mediante una B(500000, 0,00001 )
En este caso aproximaremos por un modelo de Poisson de parámetro

Distribución de probabilidad Normal:

es un modelo teórico capaz de aproximar satisfactoriamente el valor de una variable
aleatoria a una situación ideal. En otras palabras, la distribución normal adapta una
variable aleatoria a una función que depende de la media y la desviación típica .
Ejemplo
Si se desea encontrar la probabilidad de que la variable estandarizada z, tome un valor
entre 0 y 1,50; hay que encontrar el área bajo la curva entre z = 0 y z = 1,50.