República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación Universitaria

Universidad Nacional Experimental Simón Rodríguez
Unidad Curricular: Estadística II
Profesora: Lic. Jamilet Almeda

DISTRIBUCIÒN DE PROBABILIDAD

Santa Ana de Coro, abril del 2022

 Introducción

El siguiente trabajo desarrolla una parte del tema de distribución de

probabilidad donde se hablara de las distribuciones de los tipos de variables ,
comenzamos recordando que la probabilidad es una medida de
la certidumbre de que ocurra un evento. Su valor es un número entre 0 y 1,
donde un evento imposible corresponde a cero y uno seguro corresponde
a uno. Ahora una variable o variables dentro de esta probabilidad son
características de una muestra o población de datos que puede adoptar
diferentes valores. Ya adentrándonos en el tema a desarrollar, en  teoría de la
probabilidad y estadística, la distribución de probabilidad de una variable
aleatoria es una función que asigna a cada suceso definido sobre
la variable la probabilidad de que dicho suceso ocurra. La distribución de
probabilidad está definida sobre el conjunto de todos los sucesos y cada uno
de los sucesos es el rango de valores de la variable aleatoria. Tenemos que
estas variables pueden ser discretas o continuas según el valor que se incluya
o que refleje el resultado. Se denomina distribución de variable discreta a
aquella cuya función de probabilidad solo toma valores positivos en un conjunto
de valores de X numero finito o infinito. Las distribuciones de probabilidad de
variable continua son idealizaciones de las distribuciones estadísticas de
variable continua. Estas se obtienen empíricamente (experimentando u
observando). son distribuciones teóricas.
 Índice
Introducción
Distribución de variables discretas
Distribución de variables continuas
Tipos de distribución de variables discretas y continuas
Conclusión
Referencias Bibliográficas
Distribución de Variables Discretas
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.

Una variable aleatoria es discreta, si sólo puede tomar una cantidad finita de
valores. Las variables aleatorias discretas vienen caracterizadas por su función
de probabilidad y por su función de distribución.

La función de probabilidad, de cuantía o de masa de una variable aleatoria

discreta, es una función que asigna a cada suceso definido sobre la variable
aleatoria la probabilidad de que dicho suceso ocurra, estando definida sobre el
conjunto de todos de los posibles valores de la variable aleatoria.

La función de distribución, da la probabilidad de que X tome un valor menor o

igual a xi. Nos permite calcular la probabilidad de que dicha variable se halle en
un cierto intervalo [a, b], mediante la expresión: P(a<X.

La Esperanza Matemática se define como momento central de orden 1 y

equivale a la media, cumpliendo sus mismas propiedades.

La varianza se define como momento central de orden 2, y equivale a conocer

la dispersión de la distribución o de los datos.

Tipos de distribución de variables discretas

Uniforme discreta: La distribución rectangular, también llamada uniforme

discreta, es la de una variable aleatoria, X, que tome la misma probabilidad
para N valores igualmente espaciados entre dos valores, a y b (a<b). 

 Bernoulli: Cuando el interés reside no en saber cuál es el resultado de un

experimento concreto sino si éste ha ocurrido o no. A eso se conoce como
experimento de Bernoulli.
Distribución Binomial: La distribución binomial fue presentada y obtenida por
J. Bernoulli en 1713, simbólicamente se representa por B(n,p), y se define
como el número de éxitos en n tiradas de Bernoulli independientes, siendo p la
probabilidad de éxito en cada tirada.

Distribución de Poisson: Históricamente, la distribución de Poisson aparece

como límite de la distribución binomial cuando el número de experimentos
tiende a infinito y la probabilidad de éxito tiende hacia cero.

Distribución geométrica: La distribución geométrica, simbólicamente descrita

como G(p), describe las probabilidades de obtener k fracasos antes del primer
éxito, al realizar sucesivas tiradas de Bernoulli independientes, con
probabilidad p de éxito.

Distribución binomial negativa: La distribución binomial negativa,

simbólicamente escrita como BN(r,p), describe las probabilidades de obtener k
fracasos antes del r-ésimo éxito, al realizar sucesivas tiradas de Bernoulli
independientes, con probabilidad p de éxito.

Distribución hipergeométrica: La distribución hipergeométrica proporciona

probabilidades de extraer k bolas blancas de una urna en la que
hay N1 blancas y N2 negras (N=N1+N2), en n extracciones sin reposición.

Distribución de Variables Continuas

Una variable aleatoria continua es una variable aleatoria con un conjunto de

valores posibles (conocido como el rango) que es infinito y no se puede contar.
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.
Tipos de distribución de variable continua

Las distribuciones de variable continua más importantes son las siguientes:

Distribución Beta

Distribución Gamma

Distribución exponencial: En estadística la distribución exponencial es una

distribución de probabilidad continua con un parámetro λ > 0.

Distribución F: Usada en teoría de probabilidad y estadística, la distribución F

es una distribución de probabilidad continua. También se la conoce como
distribución F de Snedecor o como distribución F de Fisher-Snedecor.

Distribución ji cuadrado: En estadística, la distribución χ² (de Pearson),

llamada Chi cuadrado o Ji cuadrado, es una distribución de probabilidad
continua con un parámetro k que representa los grados de libertad de la
variable aleatoria.

Distribución normal: En estadística y probabilidad se llama distribución

normal, distribución de Gauss o distribución gaussiana, a una de las
distribuciones de probabilidad de variable continua que con más frecuencia
aparece en fenómenos reales. La importancia de esta distribución radica en
que permite modelizar numerosos fenómenos naturales, sociales y
psicológicos. Mientras que los mecanismos que subyacen a gran parte de este
tipo de fenómenos son desconocidos, por la ingente cantidad de variables
incontrolables que en ellos intervienen, el uso del modelo normal puede
justificarse asumiendo que cada observación se obtiene como la suma de unas
pocas causas independientes.

Distribución t de Student: En probabilidad y estadística, la distribución t (de

Student) es una distribución de probabilidad que surge del problema de estimar
la media de una población normalmente distribuida cuando el tamaño de la
muestra es pequeño. Aparece de manera natural al realizar la prueba t de
Student para la determinación de las diferencias entre dos medias muéstrales y
para la construcción del intervalo de confianza para la diferencia entre las
medias de dos poblaciones cuando se desconoce la desviación típica de una
población y ésta debe ser estimada a partir de los datos de una muestra.
 Conclusión
La probabilidad nos expresa la posibilidad que tiene una variable dentro de un
suceso de ocurrir teniendo como posibles resultados 1 o 0 eso si hablamos de
variable normales, si nos vamos a la clasificación de las variables tenemos que
las discretas son aquellas en los cuales sus resultado son únicamente números
enteros, que quiere decir esto que por ningún motivo se expresan en decimales
y que es solo un numero el que va con una variable discreta , en cambio si
hablamos de variables continuas son aquellas donde la variable aparte de ser
representada por números con decimales tenemos que puede tener muchos
intervalos para una misma por lo que podemos decir que son números infinitos.

El conocimiento de la probabilidad es de suma importancia en todo estudio

estadístico. El cálculo de probabilidades proporciona las reglas para el estudio
de los experimentos aleatorios, que constituyen la base para la estadística
inferencial. La inferencia estadística se relaciona con las conclusiones
relacionadas con una población sobre la base de una muestra que se toma de
ella. Y no solo en estadística también en los negocios ya que la optimización en
la ganancia de un negocio depende de cómo un negocio invierte sus recursos.
Una parte importante de invertir es conocer los riesgos involucrados con cada
tipo de inversión y una de las maneras de que un negocio pueda tener en
cuenta estos riesgos al tomar decisiones sobre inversión es usar la
probabilidad como un método de cálculo.
 Referencia Bibliográfica
https://www.google.com/search?q=distribuci
%C3%B3n+de+variables+discretas+tipos&rlz=1C1CHBD_esPE911PE911&ei=
csZnYtnrAdDFqtsP8a-

https://es-academic.com/dic.nsf/eswiki/256665

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-topics/basics/continuous-and-
discrete-probability-