FACULTAD DE INGENIERÍA

CARRERA PROFESIONAL DE INGENIERIA CIVIL

ASIGNATURA

ESTADISTICA APLICADA

TEMA

DISTRIBUCIONES DE PROBABILIDAD CONTINUAS IMPORTANTES

DOCENTE:

 ING. CHUMBE RODRIGUEZ LEO MARTIN

INTEGRANTES:

 GOMEZ RIOS BILL JORBY

 CASTILLO VAZQUES DICK ROLLING
 CARRASCO SOLANO JAVIER
 AMASIFUEN RODRIGUES DIEGO
 HURTADO SINUIRI DAVID
 ARBILDO INOCENTE ANTERO JUNIOR
 ARCOS QUIROZ RENZO ANTONIO

PUCALLPA – PERU

OCTUBRE DEL 2017

 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 .Si 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, caracterizaremos cada distribución, la fundamentación matemática de
los diversos resultados no se enfocaran en el presente trabajo; sólo me limitaré al
estudio descriptivo de la distribución de probabilidades discretas.
 DISTRIBUCIÓN DE PROBABILIDAD CONTINÚA

En teoría de la probabilidad una distribución de probabilidad se llama continua si su

función de distribución es continua. Puesto que la función de distribución de una
variable aleatoria X viene dada por la
definición implica que en una distribución de probabilidad continua X se cumple P[X =
a] = 0 para todo número real a, esto es, la probabilidad de que X tome el valor a es
cero para cualquier valor de a. Si la distribución de X es continua, se llama a X variable
aleatoria continua.

En las distribuciones de probabilidad continuas, la distribución de probabilidad es la

integral de la función de densidad, por lo que tenemos entonces que:

Para una variable continua hay infinitos valores posibles de la variable y entre cada
dos de ellos se pueden definir infinitos valores más. En estas condiciones no es
posible deducir la probabilidad de un valor puntual de la variable; como se puede
hacer en el caso de variables discretas, pero es posible calcular la probabilidad
acumulada hasta un cierto valor (función de distribución de probabilidad), y se puede
analizar como cambia la probabilidad acumulada en cada punto (estos cambios no son
probabilidades sino otro concepto: la función de densidad.

Las distribuciones de probabilidad son idealizaciones de los polígonos de frecuencias.

En el caso de una variable estadística continua consideramos el histograma de
frecuencias relativas, y se comprueba que al aumentar el número de datos y el número
de clases el histograma tiende a estabilizarse llegando a convertirse su perfil en la
gráfica de una función.
Las distribuciones de probabilidad de variable continua se definen mediante una
función y=f(x) llamada función de probabilidad o función de densidad.

Así como en el histograma la frecuencia viene dada por el área, en la función de

densidad la probabilidad viene dada por el área bajo la curva, por lo que:

 El área encerrada bajo la totalidad de la curva es 1.

 Para obtener la probabilidad p(a£X£b) obtenemos la proporción de área que
hay bajo la curva desde a hasta b.
 La probabilidad de sucesos puntuales es 0, p(X=a)=0

Ejemplo de la distribución de pesos

La distribución normal continua puede describir la distribución del peso de hombres

adultos. Por ejemplo, usted puede calcular la probabilidad de que un hombre pese
entre 160 y 170 libras.

Gráfica de distribución del peso de hombres adultos

El área sombreada debajo de la curva en este ejemplo representa el rango de 160 a

170 libras. El área de este rango es 0.136; por lo tanto, la probabilidad de que un
hombre seleccionado aleatoriamente pese entre 160 y 170 libras es de 13.6%. Toda el
área por debajo de la curva equivale a 1.0.

Sin embargo, la probabilidad de que X sea exactamente igual a algún valor siempre es
cero, porque el área por debajo de la curva en un punto individual, que no tiene
anchura, es cero. Por ejemplo, la probabilidad de que un hombre pese exactamente
190 libras es cero. Podría calcular una probabilidad diferente de cero de que un
hombre pese más de 190 libras, menos de 190 libras o entre 189.9 y 190.1 libras, pero
la probabilidad de que pese exactamente 190 libras es cero.
CONCLUSIÓN

 Podemos concluir que Con los grandes avances tecnológicos hemos

ahorrado tiempo para el análisis estadístico, sin embargo la comprensión
de la lógica que se utiliza para llegar a la resolución del mismo es algo
que nos ha llevado a este estudio, el cual ha sido muy bien conducido
.Con el desarrollo de este trabajo y gracias a la comprensión de los
conceptos entendimos que es una poderosa herramienta estadística que
bien aplicada nos podrá ayudar a facilitar los cálculos para la solución de
problemas.
 La variable puede tomar cualquier valor: (-∞, +∞)
 La función de densidad, es la expresión en términos de ecuación matemática
de la curva de Gauss

Bibliografía
Carrillo, M. (23 de 11 de 2014). es.slideshare.net. Recuperado el 31 de 10 de 2017, de
es.slideshare.net: https://es.slideshare.net/mariangelcarrillomendoza/trabajo-
estadistica-ii

Cebrian, J. G. (2001). http://recursostic.educacion.es. Recuperado el 31 de 10 de 2017, de

http://recursostic.educacion.es:
http://recursostic.educacion.es/descartes/web/materiales_didacticos/distribuciones_
probabilidad/index_discont.htm

es.wikipedia.org. (2 de 4 de 2017). es.wikipedia.org. Recuperado el 31 de 10 de 2017, de

https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad_continua