1

UNIVERSIDAD NACIONAL SAN ANTONIO ABAD

DEL CUSCO
FACULTAD DE CIENCIAS ADMINISTRATIVAS, CONTABLES
ECONÓMICAS Y TURISMO

ESCUELA PROFESIONAL DE CIENCIAS ADMINISTRATIVAS

DISTRIBUCIÓN DE PROBABILIDADES

CURSO: ESTADÍSTICA PARA LOS NEGOCIOS

DOCENTE: EMILIO RHAL PAUCAR AGUIRRE

INTEGRANTES:
● Quiñones Carazas Rocio Ingrit
● Condori Paso Wilfredo
● Palomino Condori Yadineth
● Frankli Eduardo Roque Moscoso
● Noemy luz Qquehue Huillca
● Marcelina brisilia lima yana
 2

Tabla de contenido
INTRODUCCIÓN................................................................................................................... 3
DISTRIBUCIÓN BINOMIAL...................................................................................................4
Propiedades de la distribución binomial........................................................................4
Distribución de Poisson (Rodó, 2020).............................................................................5
Función de densidad de probabilidad (fdp)....................................................................5
Qué diferencias hay entre distribución de Poisson y binomial....................................5
Aplicación.......................................................................................................................... 5
Ejemplo.............................................................................................................................. 6
VARIABLES ALEATORIAS..................................................................................................6
Variable Aleatoria Discreta..............................................................................................7
Variable Aleatoria Continua.............................................................................................7
Distribuciones de probabilidad continuas y discretas......................................................8
Distribución Continua......................................................................................................8
Distribución Discreta........................................................................................................8
CONCLUSIONES.................................................................................................................. 9
REFERENCIAS.................................................................................................................... 10
 3

INTRODUCCIÓN

Una distribución de probabilidad indica toda la gama de valores que pueden representarse
como resultado de un experimento. Una distribución de probabilidad es similar al
distribución de frecuencias relativas. Sin embargo, en vez de describir el pasado, describe la
probabilidad que un evento se realice en el futuro, constituye una herramienta fundamental
para la prospectiva, puesto que se puede diseñar un escenario de acontecimientos futuros
considerando las tendencias actuales de diversos fenómenos naturales.

Las decisiones estadísticas basadas en la estadística inferencial son fundamentales en la

investigación que son evaluadas en términos de distribución de probabilidades.
En el presente trabajo, se estudia de manera ágil los diverso tipos de distribución
probabilística, caracterizamos cada distribución, la fundamentación matemática de los
diversos resultados no se enfocarán en el presente trabajo; sólo me limitaré al estudio
descriptivo de la distribución de probabilidades discretas.

Cuando nos planteamos estudiar estas distribuciones de probabilidad, lo hacemos partiendo

de la base que su estudio nos permitirá simplificar el tratamiento estadístico de muchos
fenómenos reales. De esta manera, si nosotros nos encontramos con un fenómeno real tal y
como puede ser realizar una inversión o no. Este es un fenómeno que tiene dos posibles
valores, invertir, no invertir. Bien, veremos que este tipo de los fenómenos los podemos
estudiar como una variable distribución de Bernuille. Si nosotros hemos estudiado esta
variable tendremos perfectamente identificados tanto la media como la varianza como su
función de cuantía, etc.Es decir, conocemos el comportamiento probabilístico de este
fenómeno.
Si nos ponemos a pensar en fenómenos económicos reales, veremos que existen muchos
que se pueden ajustar a un comportamiento de este tipo.
 4

DISTRIBUCIÓN BINOMIAL

Una distribución binomial es una distribución de probabilidad discreta que describe

el número de éxitos al realizar 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

Propiedades de la distribución binomial

Para que una variable aleatoria se considere que sigue una distribución binomial,
tiene que cumplir las siguientes propiedades.

● Para que una variable aleatoria se considere que sigue una distribución
binomial, tiene que cumplir las siguientes propiedades
● En cada ensayo, experimento o prueba solo son posibles dos resultados
(éxito o fracaso).
● La probabilidad del éxito ha de ser constante. Esta se representa mediante la
letra p. La probabilidad de que salga cara al lanzar una moneda es 0,5 y esta
es constante dado que la moneda no cambia en cada experimento y las
probabilidades de sacar cara son constantes.
● La probabilidad de fracaso ha de ser también constante. Esta se representa
mediante la letra q = 1-p. Es importante fijarse que mediante esa ecuación,
sabiendo p o sabiendo que, podemos obtener la que nos falte.
● El resultado obtenido en cada experimento es independiente del anterior. Por
lo tanto, lo que ocurra en cada experimento no afecta a los siguientes.
● Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2
al mismo tiempo. No se puede ser hombre y mujer al mismo tiempo o que al
lanzar una moneda salga cara y cruz al mismo tiempo.
● Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2
ha de ocurrir. Si no se es hombre, se es mujer y, si se lanza una moneda, si
no sale cara ha de salir cruz.
● La variable aleatoria que sigue una distribución binomial se suele representar
como X~(n,p), donde n representa el número de ensayos o experimentos y p
la probabilidad de éxito.
 5

Distribución de Poisson (Rodó, 2020)

● La distribución de Poisson es una distribución de probabilidad discreta que
modeliza la frecuencia de eventos determinados durante un intervalo de
tiempo fijado a partir de la frecuencia media de aparición de dichos eventos.
● Dada una variable aleatoria discreta X decimos que su frecuencia se puede
aproximar satisfactoriamente a una distribución de Poisson, tal que:

Función de densidad de probabilidad (fdp)

Esta función se entiende como la probabilidad de que la variable aleatoria X tome un
valor concreto x. Es la exponencial de la media negativa multiplicada por la media
elevada a la observación y todo dividido por el factorial de la observación.

Qué diferencias hay entre distribución de Poisson y binomial

La distribución de Poisson es una distribución binomial que está limitada al solo
depender de un parámetro, el número esperado de eventos que ocurrirán en un
intervalo fijado, es decir, la frecuencia de los eventos.

Si en una función binomial sus parámetros tienden a infinito y a cero, la distribución

límite obtenida es la de Poisson.

Aplicación

La distribución de Poisson se utiliza en el campo de riesgo operacional con el

objetivo de modelar las situaciones en que se produce una pérdida operacional. En
riesgo de mercado se emplea el proceso de Poisson para los tiempos de espera
entre transacciones financieras en bases de datos de alta frecuencia. También, en
riesgo de crédito se tiene en cuenta para modelar el número de quiebras.
 6

Ejemplo
Suponemos que estamos en temporada de invierno y queremos ir a esquiar antes
de diciembre. La probabilidad de que abran las estaciones de esquí antes de
diciembre es del 5%. De las 100 estaciones de esquí, queremos saber la
probabilidad de que la estación de esquí más cercana abra antes de diciembre. La
valoración de esta estación de esquí es de 6 puntos.

Los inputs necesarios para calcular la función de probabilidad de densidad de la

Poisson son el conjunto de datos y mu:

Conjunto de datos = 100 estaciones de esquí.

Mu = 5% * 100 = 5 es el número de estaciones de esquí esperado dado el
conjunto de datos.

Función de densidad de probabilidad de Poisson

Entonces, la estación más cercana tiene una probabilidad de 14,62% de que abra
antes de diciembre.

VARIABLES ALEATORIAS

Una variable es aleatoria si toma diferentes valores como resultado de un

experimento aleatorio. Esta variable aleatoria puede ser discreta o continua. Si
puede tomar sólo un número limitado de valores, entonces es una variable aleatoria
discreta. En el otro extremo, si puede tomar cualquier valor dentro de un intervalo
dado, entonces se trata de una variable aleatoria continua. Una variable aleatoria es
una especie de valor o magnitud que cambia de una ocurrencia a otra sin seguir una
secuencia predecible
Una variable es aleatoria si toma diferentes valores como resultado de un
experimento aleatorio. Esta variable aleatoria puede ser discreta o continua. Si
puede tomar sólo un número limitado de valores, entonces es una variable aleatoria
discreta. En el otro extremo, si puede tomar cualquier valor dentro de un intervalo
dado, entonces se trata de una variable aleatoria continua. Una variable aleatoria es
 7

una especie de valor o magnitud que cambia de una ocurrencia a otra sin seguir una
secuencia predecible

Variable Aleatoria Discreta

Sea (Ω, ℘(Ω), P) un espacio probabilístico y X una variable aleatoria discreta (v.a.d)
que toma valores {xi}∞ i=1 Se llama función de probabilidad p(x) a la función que
indica la probabilidad de cada posible valor de la v.a.d. X, es decir,

Variable Aleatoria Continua

Decíamos que las variables aleatorias continuas (v.a.c.) pueden tomar cualquier
valor de la recta real. Generalmente presentan muchos valores distintos (cada uno
con muy escasa frecuencia o probabilidad), por lo que en este caso carece de
sentido hablar de probabilidad en un punto aislado y se toman probabilidades por
intervalos.
Sea (Ω, ℘(Ω), P) un espacio probabilístico y X una v.a.c. con valores en R.
Se llama función de densidad de la v.a.c. X a una función f(x) tal que:
(i) f(x) ≥ 0, ∀x ∈ R

Distribuciones de probabilidad continuas y discretas

Distribución Continua
Una distribución continua describe las probabilidades de los posibles valores de una
variable aleatoria continua. Una variable aleatoria continua es una variable aleatoria con
 8

un conjunto de valores posibles (conocido como el rango) que es infinito y no se puede

contar.

Las probabilidades de las variables aleatorias continuas (X) se definen como el área por
debajo de la curva de su PDF. Por lo tanto, solo los rangos de valores pueden tener una
probabilidad diferente de cero. La probabilidad de que una variable aleatoria continua
equivalga a algún valor siempre es cero.

Distribución Discreta
Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una
variable aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria que
tiene valores contables, tales como una lista de enteros no negativos.

Con una distribución de probabilidad discreta, cada valor posible de la variable aleatoria
discreta puede estar asociado con una probabilidad distinta de cero. Por lo tanto, una
distribución de probabilidad discreta suele representarse en forma tabular

Es decir, la probabilidad de que un candidato escogido

al azar requiera entre 500 y 650 horas para terminar el programa
de entrenamiento es de 0.433. (43.30%)
 9

CONCLUSIONES
La distribución de probabilidad nos a dado facilitar los cálculos para la solución de
problemas. Lo
cual continúa con el propósito esencial:Ahorro de costos y mejora
continúa en cualquier ámbito en que nos
desarrollemos. Aprendimos que no es limitativa el área en que nos desempeñemos en
nuestro trabajo ya que
tanto en Ingeniería como Materiales, en Recursos Humanos
como en un Negocio Propio, en Comercio o en Industria, o
bien por puro pasatiempo en el panorama de la probabilidad estadística, estas herramientas
serán siempre de gran utilidad.

Para esta presentación aprendimos la

aplicación y manejo de las Distribuciones de Probabilidades más comunes, la continua y
discreta y finalmente la distribución Normal.

Deseamos compartir esta compilación de información con alguien más que al igual que
nosotros tuvimos la necesidad de investigar y realizar un trabajo de este tipo. Análisis y
estudios que nos han abierto la mente así como nuestras habilidades para desempeñarnos
con mayor eficiencia en
nuestras funciones
laborales y personales.

Gracias por tomarse el tiempo de revisar nuestras

aportaciones.
 10

REFERENCIAS

https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad

https://www.sergas.es/Saude-publica/Epidat-4-1--13--Distribuci%C3%B3ns-de-probabilidade

http://matematicas.unex.es/~mota/ciencias_ambientales/tema5_nuevo.pdf