UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA

FACULTAD DE INGENIERÍA

Probabilidad

“Distribuciones”

Grupo: 4CV4

Integrantes:

• Héctor Hugo Maynez Burciaga 353396

• Hugo Eduardo Jiménez Venzor 348540
• Itzel América Márquez Rugelio 348558
• Ricardo Barba Reyes 353219

Fecha: 21 de mayo de 2022

Distribución normal y sus aplicaciones:

La distribución normal es una distribución con forma de campana donde las

desviaciones estándar sucesivas con respecto a la media establecen valores de
referencia para estimar el porcentaje de observaciones de los datos. La distribución
normal queda especificada por 2 parámetros de los que depende su función de
densidad y que resultan ser la media y la desviación típica de la distribución.

Aplicaciones:

1.- Peso al nacer de los bebés: El peso al nacer de los recién nacidos se distribuye
normalmente con una media de unas 7.5 libras.
2.- Tallas de zapatos: La distribución de tallas de zapatos para hombres en los EE.
UU. Se distribuye aproximadamente normalmente con una media de talla 10 y una
desviación estándar de 1.

3.- Presión arterial: La distribución de la presión arterial diastólica para los hombres
se distribuye normalmente con una media de aproximadamente 80 y una desviación
estándar de 20.
Distribución hipergeométrica:

La distribución hipergeométrica es una distribución discreta que modela el número

de eventos en una muestra de tamaño fijo cuando se conoce el número total de
elementos en la población de la cual proviene la muestra. Cada elemento de la
muestra tiene dos resultados posibles (es un evento o un no evento). Las muestras
no tienen reemplazo, por lo que cada elemento de la muestra es diferente. Cuando
se elige un elemento de la población, no se puede volver a elegir. Por lo tanto, la
probabilidad de que un elemento sea seleccionado aumenta con cada ensayo,
presuponiendo que aún no haya sido seleccionado.

La distribución hipergeométrica se define por 3 parámetros: tamaño de la población,

conteo de eventos en la población y tamaño de la muestra.

La distribución hipergeométrica es especialmente útil en todos aquellos casos en

los que se extraigan muestras o se realicen experiencias repetidas sin devolución
del elemento extraído o sin retornar a la situación experimental inicial.
Es una distribución fundamental en el estudio de muestras pequeñas de
poblaciones pequeñas y en el cálculo de probabilidades de juegos de azar. Tiene
grandes aplicaciones en el control de calidad para procesos experimentales en los
que no es posible retornar a la situación de partida.

Consideraciones a tener en cuenta:

• El proceso consta de "n" pruebas, separadas o separables de entre un

conjunto de "N" pruebas posibles.
• Cada una de las pruebas puede dar únicamente dos resultados
mutuamente excluyentes.
• El número de individuos que presentan la característica A (éxito) es "k".
• En la primera prueba las probabilidades son: P(A)= p y P(A)= q; con
p+q=1.

Se define a la variable X= 𝑁 𝑂 de éxitos obtenidos

 𝑘 𝑁−𝑘
[ ]∗[ ]
𝑝(𝑋 = 𝑥) = 𝑥 𝑁 − 𝑥
𝑁
𝑛
𝑁 = Tamaño de población

𝐾 = 𝑁 𝑜 de individuos

𝑛 = Tamaño de la muestra

𝑥 = Valor que toma la variable

Distribución de Poisson:

La distribución de Poisson se utiliza para describir el número de veces que un

evento ocurre en un espacio finito de observación. La distribución de Poisson se
especifica por un parámetro: lambda (λ). Este parámetro es igual a la media y la
varianza. Cuando lambda aumente a valores lo suficientemente grandes, la
distribución normal (λ, λ) podría utilizarse para aproximar la distribución de Poisson.

Es una distribución de probabilidad discreta en la que solo es necesario conocer los

eventos y cuál es su frecuencia media de ocurrencia para poder conocer la
probabilidad de que ocurran.

En la vida real se utiliza la distribución de Poisson para hacer cálculos de

probabilidades donde se requiere contar el número de veces que se produce un
suceso aleatorio durante un periodo determinado de tiempo (o también de distancia,
área u otro parámetro).

Una variable sigue una distribución de Poisson si se cumplen las siguientes

condiciones:

• Los datos son conteos de eventos (enteros no negativos, sin límite superior).
• Todos los eventos son independientes.
• La tasa promedio no cambia durante el período de interés.
Problema:

La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviación

3kg. Suponiendo que los pesos se distribuyen normalmente, hallar cuántos
estudiantes pesan:

1. Entre 60 y 75 kg.

60−70
𝑧= = −3.33 , tabla= 0.4996
3

75−70
𝑧= = 1.67 , tabla= 0.4525
3

Área Total= 0.4996 + 0.4995

Área Total= 0.9521= 95.21%

Estudiantes= 476

2. Más de 90kg.

90−70
𝑧= = 6.67, 0 estudiantes
3

3. Menos de 64kg.

64−70
𝑧= = −2 , tabla=0.4772
3

Área Total= 0.5 – 0.4772= 0.0228= 2.28%

Estudiantes= 11

4. 64 kg o menos.

64−70
𝑧= = −2 , tabla= 0.4774
3

Área Total= 0.5 – 0.4772= 0.0228= 2.28%

Estudiantes= 11