Estadística - Final Unidad 5 2021

DISTRIBUCION DE PROBABILIDAD

Variable Aleatoria: Se llama variable aleatoria a la función X que asigna a cada uno de
los elementos del experimento aleatorio (que pertenece al espacio muestral) un número
real x=(E).

▪ Variable Aleatoria Discreta: Cuando se puede contar su conjunto de resultados

posibles. Surge de un proceso de conteo. Ej.: Se lanza dos monedas →
S= {CC, CS, SC, SS} supongamos que a cada suceso le asignamos un numero
real al n° de caras obtenidas.
▪ Variable Aleatoria Continua: Cuando puede tomar valores en una escala continua.
Surgen de un proceso de medición. Ej.: distancia, temperatura, peso, altura, etc.

Distribución: Es una función que asigna a cada suceso definido en la variable aleatoria la
posibilidad de que dicho suceso ocurra.

Tipos de probabilidad:

I. Distribución discreta de probabilidad: Es un listado mutuamente excluyente donde

cada resultado numérico posible para esta variable aleatoria se le asocia una
probabilidad.

a) Función probabilidad: El conjunto de pares ordenados (x,f(x)) es una

función de probabilidad de la variable aleatoria discreta X si, si para cada
resultado posible x:
1. 𝑓(𝑥) ≥ 0 → es decir que todas las imágenes sean positivas
2. ∑ 𝑓(𝑥) = 1 → la suma de todas las imágenes debe dar 1
3. 𝑃(𝑋 = 𝑥) = 𝑓𝑥 → la probabilidad de que la variable aleatoria X
asuma un valor x coincide con las imágenes de dicho valor

0,05 si x=0

0,10 si x=1

𝑓(𝑥) 0,25 si x=2

0,40 si x=3

0,20 si x=4

b) Función distribución: Es un modelo matemático que permite calcular los

valores de probabilidad para cada valor de la variable aleatoria discreta.

La distribución acumulada F(x) de una variable aleatoria discreta X, cuya

distribución de probabilidad es f(x), es:

Benjamín Traube
 Estadística - Final Unidad 5 2021

𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥)

0 si x < 0

0,05 si 0 ≤ x < 1

0,15 si 1 ≤ x < 2
𝑓(𝑥)
0,40 si 2 ≤ x < 3

0,80 si 3 ≤ x < 4

1 si x ≥ 4

F (0) = f (0) = 0,05

F (1) = f (0) + f (1) = 0,05 + 0,10= 0,15

F (2) = f (0) + f (1) + f (2) =0,05+0,10+0,25= 0,40

F (3) = f (0) + f (1) + f (2) + f (3) = 0,05+0,10+,025+ 0,40=0,80

F (4) = f (0) + f (1) + f (2) + f (3) + f (4) = 0,05+0,10+0,25+ 0,40+0,20= 1

A. Distribución Uniforme: Es la mas simple de todas las distribuciones discretas. Tiene

como característica esencial que todos los resultados de la variable aleatoria
tienen igual probabilidad de ocurrencia.
B. Distribución Binominal: Describe datos discretos, resultante de un experimento
denominado proceso de Bernoulli. Este debe tener las siguientes propiedades:
i. El experimento consiste en n intentos repetidos
ii. Los resultados de cada uno de los intentos pueden clasificarse como éxito o
como un fracaso.
iii. La probabilidad de éxito, representada por p, permanece constante para
todos los intentos
iv. Los intentos repetidos son independientes. → (a mí me hace efecto, a otro
no)
Ej.: Aplicarse una vacuna: p › que haga efecto, q › que no haga efecto.

Un experimento de Bernoulli puede resultar en un éxito con una probabilidad p y

en un fracaso con una probabilidad q=1-p. Entonces la distribución de probabilidad

Benjamín Traube
Estadística - Final Unidad 5 2021

de la variable binominal X con el n° de éxitos en n experimentos independientes

es:
𝑛
𝐵(𝑥; 𝑛, 𝑝) = ( ) . 𝑝 𝑥 . 𝑞 𝑛−𝑥 𝑥 = 0,1, … , 𝑛
𝑥
La media y la varianza se calcula como:

𝜇 = 𝑛. 𝑝

𝜎 2 = 𝑛. 𝑝. 𝑞

Actividad de ejemplo para realizar:

Se conoce que todos los vehículos registrados en Villa Verde tienen los siguientes
colores:

30% Rojo, 20% Azul, 15% Negro, 35% Blanco.

Se quiere saber la probabilidad de que, los siguientes 5 autos que pasen por

Belgrano y San Martín, una importante intersección de esa ciudad, sean:

a) Sólo uno de ellos azul.

b) 4 rojos.

c) Entre 3 y 4 blancos.

d) Hasta uno negro.

e) 3 vehículos entre rojos y negros.

f) Como mínimo un azul.

C. Distribución Hipergeométrica: tanto la distribución Binominal como la Hipergeométrica

se ocupa de la misma cuestión, el número de éxitos en una muestra que contenga n
observaciones, lo que las distingue es la forma como se obtiene los datos.

Los datos de la muestra se extraen sin reemplazo de una población finita, por lo que en
un experimento hipergeométrico el resultado de una observación es afectado por el
resultado de observaciones previas. Ej.: prueba de neumáticos en una ruta pedregosa o
complicada.

D. Distribución de poisson: La distribución de probabilidad de la variable aleatoria de

Poisson X, que representa el n° de resultados que ocurren en un intervalo de tiempo
dado o en una región específica, indicado por λ es:

Benjamín Traube
Estadística - Final Unidad 5 2021

𝜆𝑥 . 𝑒 −𝜆
P (x, λ) = Donde λ es el n° promedio de resultados por unidad de tiempo o
𝑥!
región.

Propiedades:
1. El n° de resultados que ocurren en un intervalo de tiempo es independiente del
n° de resultados que ocurren en cualquier otro intervalo o región del espacio.
Es por ello, por lo que se dice que el proceso de Poisson no tiene memoria. →
es por eso que si cambia el tiempo o región del espacio (en la práctica), debo
volver a calcular el límite.
2. La probabilidad de que solo un resultado ocurra en un intervalo de tiempo muy
pequeño es la misma probabilidad para todos los demás intervalos de igual
tamaño y es proporcional a la longitud de este.
3. La probabilidad de que mas de un resultado ocurre en un intervalo cierto es
despreciable o se considera insignificante (es decir que ocurra más de un éxito
en un intervalo o región pequeña la probabilidad es cero)

La media y la varianza se calculan como: 𝜇 = 𝜎 2 =λ

Actividad de ejemplo para realizar:

En una clínica el promedio de atención es 16 pacientes por 4 horas, encuentre la

probabilidad que en 30 minutos se atiendan menos de 3 personas y que en 180 minutos
se atiendan 12 pacientes.

Pregunta: ¿Cómo me doy cuenta cuando es binomial o poisson?

La distribución de Poisson difiere de la distribución binominal en los siguientes aspectos

importantes:

▪ La distribución binominal es afectada tanto por el tamaño de la muestran n como

por las probabilidades p, pero la distribución de Poisson solamente es afectada por
la media μ.
▪ En una distribución binominal, los posibles valores de la variable aleatoria son 0,1,
2, …, N en cambio en la distribución de Poisson no hay límite superior para dichos
valores.

II. Distribución continua de probabilidad: 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 es posible hacer en el caso de las 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 (función de densidad).
a) Función de densidad de probabilidad: Para que f(x) sea una función de
densidad de probabilidad debe satisfacer las siguientes condiciones:

Benjamín Traube
Estadística - Final Unidad 5 2021

1. 𝑓(𝑥) ≥ 0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑎 𝑥 𝜖 𝑅 → La función se encuentra por encima

del eje de las X
∞
2. ∫−∞ 𝑓(𝑥) 𝑑𝑥 = 1 → El área bajo la curva es igual a 1
𝑏
3. 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = ∫𝑎 𝑓(𝑥)𝑑𝑥 → La probabilidad de que X tome un
valor en el intervalo [a,b] es el área bajo la curva de la función de
densidad

b) Función distribución continúa acumulada: En el caso de variable continua

la distribución de probabilidad es la integral de función de densidad.
∞
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∫ 𝑓(𝑥) 𝑑𝑥 𝑝𝑎𝑟𝑎 − ∞ < 𝑥 < ∞
−∝

0 si x < a

F(x)
f(x) si a ≤ x ≤ b

1 si x > b

La probabilidad de que la variable aleatoria asuma a lo sumo un valor x, esta

coincide con la integral desde -∞ hasta x. Donde x varia desde menos infinito hasta mas
infinito, x es un numero real, el formato que va a tener esta función es que → (Grafico).

Benjamín Traube
Estadística - Final Unidad 5 2021

A. Distribución rectangular o uniforme

B. Distribución exponencial
𝑃𝑓(𝑥) = 𝜆𝑒 −𝜆𝑥 𝑠𝑖 0 < 𝑥
Esta distribución estudia el tiempo que transcurre hasta que sucede el
primer evento, por ejemplo: Tiempo esperado de respuesta en una
encuesta por internet. Tiene media de 5 segundos ¿Cuál es la probabilidad
que transcurra a lo sumo 10 segundos?

Tiempo que transcurre hasta que ocurre la primera llamada

C. Distribución exponencial.

Aproximación Binomial a Poisson:

𝑛→ ∞

𝑝→0 𝜆𝑥 𝑒 −𝜆 (𝑛𝑝)𝑥 𝑒 −𝑛𝑝

Binomial Poisson =
𝑥! 𝑥!
𝜇 = 𝑛𝑝

𝜎 = √𝑛. 𝑝. 𝑞

Benjamín Traube