Distribución de probabilidad para variables continuas aleatorias,

discretas y continuas

Introducción
De acuerdo al estudio de la estadística entre sus objetivos implica conocer de
manera cuantitativa determinada parte de la realidad, por esto se hace necesario
construir un modelo particular del objeto de estudio; en este sentido la probabilidad
se caracteriza en la forma medible de diferentes valores donde se asigna a cada
posible resultado de un experimento aleatorio determinada probabilidad.
Las distribuciones de probabilidad están relacionadas con la distribución de
frecuencias; debido a que las distribuciones tratan sobre expectativas de que algo
suceda, resultan ser modelos útiles para hacer inferencias y tomar decisiones de
incertidumbre una distribución; por ello la distribución de frecuencias teórica es
una distribución de probabilidades que describe la forma en que se espera que
varíen los resultados. A continuación, se presentará diferentes probabilidades
entre ellas, la continua, gamma, erlang, exponencial, weibull con el objetivo de
conocer su uso, la gráfica que representa y un ejemplo de cada una de ellas.

Distribución de probabilidad
Una distribución de probabilidad es aquella que permite establecer toda la gama
de resultados probables de ocurrir en un experimento determinado. Es decir,
describe la probabilidad de que un evento se realice en el futuro.
La distribución de probabilidad es una herramienta fundamental para la
prospectiva, puesto que con ella es posible diseñar un escenario de
acontecimientos futuros considerando las tendencias actuales de diversos
fenómenos.

Fórmula matemática de distribución de probabilidades

−1 x−μ
1 2
(
σ
)2
f ( x )= e
√ 2π σ
Grafica de una distribución de probabilidades

Características de la distribución de probabilidad

Las características más importantes a considerar en una distribución de
probabilidad son:

 La probabilidad de un resultado específico está entre cero y uno.

 La suma de las probabilidades de todos los resultados mutuamente
excluyentes es 1.
Toda distribución de probabilidad se genera por una variable (debido a que puede
tomar diferentes valores) aleatoria x (porque el valor que se toma es
completamente al azar), y puede ser de dos tipos:

Variable aleatoria discreta (x)

Solo puede tomar valores representados por números enteros y un número finito
de ellos. Por ejemplo:
X variable que nos define el número de alumnos aprobados en el curso de historia
universal en un grupo de 30 alumnos (1, 2 ,3 y así sucesivamente ó los 30).

Propiedades de una variable aleatoria discreta (X)

Las probabilidades que se relacionan con cada uno de los valores que toma x
deben ser mayores o iguales a cero y menores o iguales a 1:
P (xi) < 1
La sumatoria de las probabilidades asociadas a cada uno de los valores que toma
x debe ser igual a 1:
E p (xi) = 1
Ejemplo de variable aleatoria discreta: Al lanzar una moneda se puede obtener
solo dos resultados: cara (50%) o sello (50%).

Variable aleatoria continua (x)

Esta puede tomar tanto valores expresados en números enteros como
fraccionarios y un número infinito de ellos dentro de un mismo intervalo. Por
ejemplo:
x es la variable que nos define la concentración en gramos de oro de algunas
muestras de mineral (7.4 gr, 6.1, 1.9, 23.3, 12.7, 8.1, 9.5, 11.8, ... n)

Propiedades de una variable aleatoria discreta (X)

Las probabilidades vinculadas a cada uno de los valores que toma x deben ser
mayores o iguales a cero. Dicho de otro modo: la función de densidad de
probabilidad deberá tomar solo valores mayores o iguales a cero.

El área definida bajo la función de densidad de probabilidad deberá ser de 1.

Esperanza matemática o valor esperado
El valor esperado de una variable aleatoria X es el promedio ponderado de todos
los valores posibles.
La esperanza matemática o valor esperado de una variable aleatoria se origina en
los juegos de azar, debido a que los apostadores deseaban saber su esperanza
de ganar repetidamente un juego. Por lo tanto, el valor esperado representa la
cantidad de dinero promedio que el jugador está dispuesto a ganar o perder
después de un número grande de apuestas.

Uso y aplicaciones de la distribución de probabilidad

Uso:
El uso de esta distribución se encuentra en diversas ramas del conocimiento, se
aplica a una gran variedad de observaciones en la biología, la astronomía, la
geografía y la economía.
Muchos fenómenos de la naturaleza se pueden aproximar con una distribución
normal. En general se puede repasar como resultado de la interacción de muchos
efectos aleatorios en la variable que se estudia.
En este tipo de distribución, se puede calcular la posibilidad de que unos cuantos
eventos ocurran dentro de determinados intervalos o rangos, sin embargo, la
probabilidad exacta de un valor dentro de una distribución continua, como la
distribución normal, es igual a cero (0). Esta propiedad diferencia a las variables
continuas, las cuales son medidas, de las variables discretas, que son contadas.
Por ejemplo, el tiempo (en segundos, minutos u horas) se mide, no se cuenta. Por
lo que es una variable factible de determinar. La probabilidad de que el tiempo de
instalación de determinada utilidad para en un ordenador es entre 8 y 15 segundos
o la probabilidad puede ser de entre 8 y 9 segundos. Sin embargo, la probabilidad
de que el tiempo de instalación sea exactamente de 9 segundos es cero .

Aplicaciones:
1) El 35% de una población está afectado por la gripe. Se eligen 30 personas
al azar.

Se trata de una B (30;0,35) que aproximamos por N (10,5;2,61)

Calcula la probabilidad de que:

haya exactamente 10 enfermos

P(X=10) = P (9,5 £ X' £ 10,5)

haya más de 5 y menos de 12 enfermos

P(5<X<12) = P(5,5£X'£11,5)
Conclusión
Una vez desarrollado el tema sobre probabilidades se puede llegar a las
siguientes conclusiones:
A través de esas construcciones teóricas, se podrá experimentar sobre aquello
que la realidad no permitía; se usa extensamente en áreas como la estadística, la
física, la matemática, la ciencia para lograr conclusiones sobre la probabilidad de
sucesos potenciales en sistemas complejos.
Debido a la necesidad de modelar lo observable la probabilidad constituye un
importante parámetro en la determinación de las diversas casualidades obtenidas
tras una serie de eventos esperados dentro de un rango estadístico; un modelo
resulta extremadamente útil, siempre que se corresponda con la realidad que
pretende representar o predecir; por ello es necesario conocer cada distribución
de la probabilidad en el caso específico, sus usos y formas de aplicarlas.
Así mismo, la probabilidad mide la frecuencia con la que se obtiene un resultado
(o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se
conocen todos los resultados posibles, bajo condiciones suficientemente estables;
en este sentido se recurre a diferentes distribuciones de probabilidad como
weibull, erlang, exponencial, gamma, continua según el caso y uso.

Bibliografía
https://www.esan.edu.pe/apuntes-empresariales/2016/10/conoce-las-principales-distribuciones-
de-probabilidad/#:~:text=Una%20distribuci%C3%B3n%20de%20probabilidad%20es,ocurrir%20en
%20un%20experimento%20determinado.&text=Las%20caracter%C3%ADsticas%20m%C3%A1s
%20importantes%20a,est%C3%A1%20entre%20cero%20y%20uno.

https://www.lifeder.com/distribucion-normal/#:~:text=z%20%3D%20(x%20%E2%80%93%20%CE
%BC),una%20distribuci%C3%B3n%20normal%20no%2Dest%C3%A1ndar.

https://www.webyempresas.com/distribucion-normal-en-
estadisticas/#Uso_de_la_distribucion_en_la_deduccion_estadistica

http://descartes.cnice.mec.es/materiales_didacticos/distribuciones_probabilidad/aplic_normal.ht
m