Documentos de Académico
Documentos de Profesional
Documentos de Cultura
D. Probabilidades
D. Probabilidades
INTRODUCCIÓN
presentan ejemplos concretos para cada tipo de distribución de probabilidad, incluyendo cómo
se pueden utilizar para resolver problemas específicos en campos como la ingeniería, la física,
la economía, la biología y otros. Las distribuciones de probabilidad es una herramienta útil para
aquellos que desean entender mejor cómo se puede utilizar la probabilidad en diferentes
OBJETIVOS
Objetivo General
distribuciones de probabilidad.
Objetivos Específicos
de Poisson.
probabilidad y poder compararlas entre sí, lo que permitiría entender mejor sus similitudes y
diferencias.
distribuciones.
4
ÍNDICE
Distribuciones De Probabilidades
Distribución Uniforme
todos los valores posibles dentro de un intervalo tienen la misma probabilidad de ocurrir. Se
caracteriza por tener una función de densidad de probabilidad constante en todo el rango de
valores posibles.
Donde "a" y "b" son los límites inferior y superior del intervalo, respectivamente. La
función de densidad es constante dentro del intervalo (a,b), y es igual a cero fuera de este
intervalo. Esta distribución se utiliza a menudo en situaciones donde no hay razón para esperar
que un valor particular sea más probable que otro dentro de un intervalo determinado. Un
ejemplo sería el lanzamiento de un dado, donde cada número tiene la misma probabilidad de
aparecer.
probabilidad de ocurrencias de los valores en un intervalo dado. Por ejemplo, se podría utilizar
una distribución uniforme para modelar la variación de la velocidad del viento en una región
determinada.
6
la selección aleatoria de elementos de una población. En este caso, cada elemento tiene la
Ejemplos:
7
Distribución Exponencial
tiempo que transcurre hasta que ocurre un evento en un proceso de Poisson. Este tipo de
de la distribución es 1/λ, lo que significa que a medida que la tasa de ocurrencia aumenta, el
tiempo medio entre eventos disminuye. Además, la distribución exponencial no tiene memoria,
lo que significa que la probabilidad de que un evento esté adelantado en el futuro no depende
Ejemplos:
Ejemplo 1:
9
Ejemplo 2
10
Distribución Bernoulli
modelar experimentos aleatorios que tienen dos posibles resultados: éxito o fracaso. Se puede
Por ejemplo, lanzar una moneda puede ser considerada como un experimento de
Bernoulli, ya que tiene dos posibles resultados: cara (éxito) o cruz (fracaso). Otra aplicación
clínicos o de investigación.
Dónde:
Medios: μ = p
para modelar experimentos con un número fijo de pruebas independientes y con dos posibles
donde se quiere modelar la probabilidad de que un evento esté previsto o no. Por ejemplo, si
una empresa quiere lanzar un nuevo producto, puede utilizar la Distribución Bernoulli para
Además, la Distribución Bernoulli también puede ser utilizada en combinación con otras
modelar experimentos aleatorios con dos posibles resultados: éxito o fracaso. Se denota por
posibles resultados, como por ejemplo el lanzamiento de una moneda, donde el éxito puede ser
obtener cara y el fracaso obtener sello. También se utiliza en problemas de toma de decisiones,
Distribución Bernoulli.
12
Ejemplos:
13
Distribución Binomial
modelar el número de éxitos en un número fijo de ensayos independientes, donde cada ensayo
tiene solo dos posibles resultados: éxito o fracaso. Se denota por B(n,p), donde n es el número
donde n! es el factorial de n.
E(X) = np.
Var(X) = npq.
14
La Distribución Binomial se utiliza para modelar situaciones en las que se quiere saber
independientes, como por ejemplo el número de veces que una moneda cae cara en 10
determinado.
modelar el número de éxitos en un número fijo de ensayos independientes con dos posibles
adicionales de su uso:
período determinado.
específico.
15
Ejemplos
16
Distribución Poisson
donde:
La distribución Poisson es útil cuando los eventos son raros (ocurren en promedio
menos de una vez por intervalo) y la ocurrencia de un evento no afecta la probabilidad de que
manera que np = λ.
también se utiliza en algunas técnicas, como el análisis de supervivencia, donde se utiliza para
como la distribución exponencial y la distribución normal. Por ejemplo, si los tiempos entre
eventos siguen una distribución exponencial con tasa λ, entonces el número de eventos en un
intervalo de tiempo sigue una distribución Poisson con parámetro λt, donde t es el intervalo de
proceso continuo.
18
Ejemplos:
19
Distribución Gaussiana
de ser simétrica y centrada en su medio. La curva de esta distribución tiene forma de campana
y su forma se puede describir mediante dos parámetros: la media (μ) y la desviación estándar
(σ).
sociales se distribuyen de manera similar a una distribución normal. Por ejemplo, la altura de
una población, el peso de una muestra de objetos o las presiones en un examen tenderán a
La distribución normal tiene una serie de propiedades que la hacen muy útil en
estadística. Una de ellas es la regla empírica o regla 68-95-99.7, que establece que, en una
desviación estándar de los medios, el 95% dentro de dos desviaciones estándar y el 99,7%
Además, la distribución normal es muy útil para el análisis de muestras grandes, ya que
significa que la misma cantidad de datos se encuentran por encima y por debajo de los medios.
significa que la mayoría de los datos se encuentran cerca de los medios y la frecuencia de los
distribución normal son importantes para describir la ubicación y la dispersión de los datos.
diferentes pueden aproximarse a una distribución normal, lo que hace que sea una herramienta
una distribución normal, lo que es útil para el análisis de datos en diferentes situaciones.
también tiene algunas propiedades adicionales que la hacen útil en diversas aplicaciones:
que significa que puede tomar cualquier valor dentro de un rango determinado.
establece que aproximadamente el 68% de los datos se encuentran dentro de una desviación
estándar de la media, el 95% de los datos se encuentran dentro de dos desviaciones estándar
media.
21
Ejemplos:
22
con frecuencia en estadística para probar la independencia entre dos variables categóricas o
para comparar una muestra observada con una distribución esperada. La distribución es una
siempre son mayores o iguales a cero y no tienen límites superiores. La forma exacta de la
distribución depende del número de grados de libertad, que se refiere al número de variables
una muestra de variables aleatorias independientes y estándar (con media cero y desviación
estadística de Chi-cuadrado.
prueba de bondad de ajuste, se compara la distribución teórica de una variable aleatoria con la
Ejemplos:
1.
24
2.
25
CONCLUSIONES
distribuciones y cómo se pueden comparar entre sí. Esto ha proporcionado una herramienta
valiosa para analizar datos y hacer predicciones en diferentes campos, como la ciencia, la
BIBLIOGRAFÍA
https://www.monografias.com/trabajos86/distribucion-probabilidad-uniforme/distribucion-
probabilidad-uniforme
https://www.google.com/search?q=cu%C3%A1les+son+los+tipos+de+distribuciones+de+proba
bilidad&source=lmns&bih=657&biw=1366&hl=es-419&sa=X&ved=2ahUKEwjLpZ_Emo7-
AhXccTABHUVaDH8Q_AUoAHoECAEQAA
https://www.questionpro.com/blog/es/prueba-de-chi-cuadrado-de-
pearson/#:~:text=%C2%BFQu%C3%A9%20es%20una%20prueba%20de,en%20una%20o%20
m%C3%A1s%20categor%C3%ADas.
https://www.sdelsol.com/glosario/distribucion-
binomial/#:~:text=La%20distribuci%C3%B3n%20binomial%20es%20una,y%20no%20puede%2
0ser%20negativa.
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/poisson.htm
27
ANEXOS