Funciones de distribución

de Probabilidad
 Distribución de probabilidad binomial
Aplica para variables provenientes de
experimentos que cumplan las siguientes Los ensayos son independientes
características entre sí, el resultado de un ensayo
no afecta el resultado de otro.
El experimento consta de pequeños
experimentos denominados ensayos. El
número de ensayos es fijo y se denotan
con la letra n. La probabilidad de éxito (E) es la
misma en todos los ensayos.
Esta probabilidad se denota con
Cada ensayo tiene solo dos posibles la letra p.
resultados, éxito (E) o fracaso. (F).

Si el experimento cumple con

estas condiciones, se dice que
es un experimento binomial.

CONTENIDO PRESENTACIÓN
 Distribución de probabilidad binomial
Gráfica función de masa de probabilidad: para
Parámetros: X~Bin(5,0.5):

x= número de éxitos en el experimento

n= número de ensayos en el experimento
p= probabilidad de éxito de cada ensayo
Función de masa de probabilidad:
para valores x=, 0,1,2, … , n

Función de distribución acumulada:

para valores x=, 0,1,2, … , n
Gráfica función acumulada de probabilidad:
para X~Bin(5,0.5):

Valor esperado de X, si X~Bin(n,p):

Varianza de X, si X~Bin(n,p):

CONTENIDO PRESENTACIÓN
 Distribución de probabilidad hipergeométrica

Aplica para variables provenientes de

experimentos que cumplan los siguientes
supuestos
La población es finita con N individuos.
Se selecciona una muestra de n
individuos, donde cada grupo de
n tiene la misma probabilidad de
ser escogido.

La variable X es el número de
éxitos en la muestra n.

Cada individuo en la población se

puede clasificar como éxito (E) o
fracaso. (F), y existen M éxitos en la
población. Los parámetros n, M y N.

CONTENIDO PRESENTACIÓN
 Distribución de probabilidad hipergeométrica
Gráfica función de masa de probabilidad: para
X~h(8,25,50):
Parámetros:

n= tamaño de la muestra.
N= tamaño de la población.
M= éxitos en la población.
Función de masa de probabilidad:
para valores x=, 0,1,2, … , n

Gráfica función acumulada de probabilidad:

Función de distribución acumulada:
para X~H(8,25,50):
para valores x=, 0,1,2, … , n

Valor esperado de X, si X~Bin(n,p):

Varianza de X, si X~Bin(n,p):

CONTENIDO PRESENTACIÓN
 Distribución de probabilidad Poisson

Al considerar que en la función de probabilidad binomial, b(x;n,p) n

tiende a infinito y p tiende a 0. De tal modo que el valor esperado tiende
mu >0 . entonces b(x;n,p) => p(x;mu).

Por lo que cualquier experimento binomial, donde n es grande y p es

pequeño, la variable X se distribuye Poisson.

CONTENIDO PRESENTACIÓN
 Distribución de probabilidad Poisson
Aplica para experimentos binomiales donde Gráfica función de masa de probabilidad: para X~p(2):
n es muy grande y p es muy pequeña
Parámetros:
x= número de éxitos
mu(µ)= valor esperado de X.
Función de masa de probabilidad:
para valores x=, 0,1,2, …

Función de distribución acumulada:

Gráfica función acumulada de probabilidad: para
para valores x=, 0,1,2, … , n
X~p(2):

Valor esperado de X, si X~p(x, µ):

Varianza de X, si X~ X~p(x, µ): :

CONTENIDO PRESENTACIÓN
 Distribución de probabilidad normal
“La distribución normal es la más importante tanto en la probabilidad
como en la estadística.

Muchas poblaciones numéricas tienen distribuciones que pueden ser

representadas muy fielmente mediante una curva normal
apropiada”. (Devore, 2018, p. 147).

CONTENIDO PRESENTACIÓN
 Distribución de probabilidad normal estándar
Aplica para variables continuas, muchas Gráfica función de masa de probabilidad: para
variables conocidas se pueden modelar X~Normal(0,1)
mediante la distribución normal estándar.
Parámetros:
µ = la media poblacional – en la normal estándar este
parámetro es 0.
σ = la desviación estándar poblacional- en la normal
estándar este parámetro es 1
z= el valor de la variable evaluado, estandarizado
Función de masa de probabilidad:
para valores x pertenecientes a los Reales
Gráfica función acumulada de probabilidad: para
X~Normal(0,1): :

Función de distribución acumulada:

para valores A< x <B

Valor esperado de X, si X~p(x, µ):

Varianza de X, si X~ X~p(x, µ): :

CONTENIDO PRESENTACIÓN
 Distribución de probabilidad Uniforme
Aplica para variables continuas, cuyos resultados
posibles están acotados en un rango, y todos tienen Gráfica función de masa de probabilidad: para
la misma probabilidad de ocurrir. X~Uniforme(3,5):

Parámetros:
A= Límite inferior del espacio muestral.
B= Límite superior del espacio muestral.
Función de masa de probabilidad:
para valores A< x <B

Gráfica función acumulada de probabilidad: para

Función de distribución acumulada: X~Uniforme(3,5): :
para valores A< x <B

Valor esperado de X, si X~p(x, µ):

Varianza de X, si X~ X~p(x, µ): :

CONTENIDO PRESENTACIÓN
 Distribución de probabilidad exponencial
“La familia de distribuciones exponenciales proporciona modelos de
probabilidad que se utilizan mucho en disciplinas de ingeniería y
ciencias.” (Devore, 2018, p. 161).

Se dice que X tiene una distribución exponencial con parámetro l ( 0)

si la función de densidad de probabilidad de X es

CONTENIDO PRESENTACIÓN
 Distribución de probabilidad exponencial

Parámetros:
λ= grados de libertad.
Función de masa de probabilidad:
para valores A< x <B

Función de distribución acumulada:

para valores A< x <B

Valor esperado de X, si X~p(x, µ):

Varianza de X, si X~ X~p(x, µ): :

CONTENIDO PRESENTACIÓN
 Bibliografía
• Obando López, J. y Arango Londoño, N. (2019). Capítulo 4.
Distribuciones de Probabilidad. Obando López, J. y
Arango Londoño, N. Probabilidad y estadística. (pp.
57-88). Fondo Editorial EIA

• Islas Salomón, C. A., Colín Uribe, M. P. y Morales Téllez, F.

(2018). Unidad III. Distribución de Probabilidad. En Islas
Salomón, C. A., Colín Uribe, M. P. y Morales Téllez, F.
Probabilidad y estadística. (pp. 99-13). Grupo Editorial
Éxodo.

CONTENIDO PRESENTACIÓN