DISTRIBUCIN DE PROBABILIDAD En teora de la probabilidad y estadstica, la distribucin de probabilidad de una variable aleatoria es una funcin que asigna a cada

suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. La distribucin de probabilidad est definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de la variable aleatoria. Cuando la variable aleatoria toma valores en el conjunto de los nmeros reales, la distribucin de probabilidad est completamente especificada por la funcin de distribucin, cuyo valor en cada real x es la probabilidad de que la variable aleatoria sea menor o igual que x.

DEFINICIN DE FUNCIN DE DISTRIBUCIN Dada una variable aleatoria todos distribucin, , es son puntos , su funcin de

Por simplicidad, cuando no hay lugar a confusin, suele omitirse el subndice se escribe, simplemente, .

PROPIEDADES Como consecuencia casi inmediata de la definicin, la funcin de distribucin:

Es una funcin continua por la derecha. Es una funcin montona no decreciente.

Adems, cumple

Para sucesos suceso

dos

nmeros y

reales

cualesquiera

tal

que

los

son mutuamente excluyentes y su unin es el

, por lo que tenemos entonces que:

y finalmente

Por lo tanto una vez conocida la funcin de distribucin para todos los valores de la variable aleatoria conoceremos completamente la distribucin de probabilidad de la variable. Para realizar clculos es ms cmodo conocer la distribucin de probabilidad, y sin embargo para ver una representacin grfica de la probabilidad es ms prctico el uso de la funcin de densidad.

DISTRIBUCIONES DE VARIABLE DISCRETA Se denomina distribucin de variable discreta a aquella cuya funcin de probabilidad slo toma valores positivos en un conjunto de valores de finito o infinito numerable. A dicha funcin se le llama funcin de masa de probabilidad. En este caso la distribucin de probabilidad es la suma de la funcin de masa, por lo que tenemos entonces que:

Y, tal como corresponde a la definicin de distribucin de probabilidad, esta expresin representa la suma de todas las probabilidades desde hasta el valor . Distribuciones de variable discreta ms importantes Las distribuciones de variable discreta ms importantes son las siguientes:

Distribucin binomial Distribucin binomial negativa Distribucin Poisson

Distribucin geomtrica Distribucin hipergeomtrica Distribucin de Bernoulli Distribucin Rademacher, que toma el valor 1 con probabilidad 1 / 2 y el valor -1 con probabilidad 1 / 2. Distribucin uniforme discreta, donde todos los elementos de un conjunto finito son equiprobables.

DISTRIBUCIN DE PROBABILIDAD CONTINUA En teora de la probabilidad una distribucin de probabilidad se llama continua si su funcin de distribucin es continua. Puesto que la funcin de distribucin de una variable aleatoria X viene dada por , la definicin implica que en una distribucin de probabilidad continua X se cumple P[X = a] = 0 para todo nmero real a, esto es, la probabilidad de que X tome el valor aes cero para cualquier valor de a. Si la distribucin de X es continua, se llama a X variable aleatoria continua. En las distribuciones de probabilidad continuas, la distribucin de probabilidad es la integral de la funcin de densidad, por lo que tenemos entonces que:

Mientras que en una distribucin de probabilidad discreta un suceso con probabilidad cero es imposible, no se da el caso en una variable aleatoria continua. Por ejemplo, si se mide la anchura de una hoja de roble, el resultado 3,5 cm es posible, pero tiene probabilidad cero porque hay infinitos valores posibles entre 3 cm y 4 cm. Cada uno de esos valores individuales tiene probabilidad cero, aunque la probabilidad de ese intervalo no lo es. Esta aparente paradoja se resuelve por el hecho de que la probabilidad de que X tome algn valor en un conjunto infinito como un intervalo, no puede calcularse mediante la adicin simple de probabilidades de valores individuales. Formalmente, cada valor tiene una probabilidad infinitesimal que estadsticamente equivale a cero. Existe una definicin alternativa ms rigurosa en la que el trmino "distribucin de probabilidad continua" se reserva a distribuciones que tienen funcin de densidad de probabilidad. Estas funciones se llaman, con ms precisin, variables aleatorias absolutamente continuas. Para una variable aleatoria X absolutamente continua es equivalente decir que la probabilidad P[X = a] = 0 para todo nmero

real a, en virtud de que hay un incontables conjuntos de medida de Lebesgue cero (por ejemplo, el conjunto de Cantor). Una variable aleatoria con la distribucin de Cantor es continua de acuerdo con la primera definicin, pero segn la segunda, no es absolutamente continua. Tampoco es discreta, ni una media ponderada de variables discretas y absolutamente continuas. En aplicaciones prcticas, las variables aleatorias a menudo ofrece una distribucin discreta o absolutamente continua, aunque tambin aparezcan de forma natural mezclas de los dos tipos. Definicin Para una variable continua hay infinitos valores posibles de la variable y entre cada dos de ellos se pueden definir infinitos valores ms. En estas condiciones no es posible deducir la probabilidad de un valor puntual de la variable; como se puede hacer en el caso de va discretas, pero es posible calcular la probabilidad acumulada hasta un cierto valor (funcin de distribucin de probabilidad), y se puede analizar como cambia la probabilidad acumulada en cada punto (estos cambios no son probabilidades sino otro concepto: la funcin de densidad. En el caso de variable continua la distribucin de probabilidad es la integral de la funcin de densidad, por lo que tenemos entonces que:

Sea

una va continua, una distribucin de probabilidad o funcin de densidad de es una funcin . tal que, para cualesquiera dos

probabilidad (FDP) de nmeros y siendo

La grfica de se conoce a veces como curva de densidad, la probabilidad de que tome un valor en el intervalo es el rea bajo la curva de la funcin de densidad; as, la funcin mide concentracin de probabilidad alrededor de los valores de una variable aleatoria continua.

rea bajo la curva de

entre

Para que sea una FDP ( siguientes dos condiciones:

) sea legtima, debe satisfacer las

1.

0 para toda

2. Ya que la probabilidad es siempre un nmero positivo, la FDP es una funcin no decreciente que cumple:

1.

. Es decir, la probabilidad de todo el espacio muestral es 1.

2.

. Es decir, la probabilidad del suceso nulo es cero. a , como la de la distribucin

Algunas FDP estn declaradas en rangos de normal. Distribuciones continuas

Las distribuciones de variable continua ms importantes son las siguientes:

Distribucin Beta Distribucin exponencial Distribucin F Distribucin Gamma Distribucin ji cuadrado Distribucin normal Distribucin t de Student

APLICACIN EN UN REA ESPECFICA Las distribuciones de probabilidad se pueden usar en diferentes reas de investigacin como lo es la economa, la administracin, el derecho, etc. En esta ocasin decidimos aplicarla a la economa y administracin de empresas, para ello nos basaremos en los siguientes ejemplos: a. Se sabe, por experiencia, que un grupo de 100 inmigrantes contiene un 10% de individuos sospechosos. El control fronterizo decide investigar dos individuos aleatoriamente, y si ninguno de las dos presenta problemas, entonces acepta el grupo. Definimos la variable aleatoria X como el nmero de individuos sospechosos en una seleccin aleatoria de dos de ellos. Obtener la distribucin de probabilidades de la variable aleatoria X, as como la funcin de distribucin. Solucin: El experimento aleatorio de seleccin de dos inmigrantes al azar define los sucesos elementales siguientes: L1: Primer individuo sospechoso. L2: Segundo individuo sospechoso. : Primer individuo no sospechoso. : Segundo individuo no sospechoso. Al considerar la seleccin conjunta de los dos individuos, el espacio muestral generado por este experimento aleatorio contiene cuatro sucesos mutuamente excluyentes y forman un sistema completo de sucesos. En la tabla de la figura siguiente aparecen los sucesos elementales del espacio muestral, las correspondientes probabilidades y los valores que puede tomar la variable aleatoria X. As: Las probabilidades para cada suceso, segn la regla de multiplicacin de probabilidades o probabilidad compuesta, seran: Y consecuentemente las probabilidades con que la variable aleatoria X toma sus diferentes valores seran: P1 = P(X = 0) = P(0) = 08091 P2 = P(X = 1) = P(1) = 00909 + 00909 = 01818 P3 = P(X = 2) = P(2) = 00091 La probabilidad de que el control acepte el grupo de los 100 inmigrantes ser: P(X = 0) = P(0) = 08091

La distribucin de probabilidad P(x), de la variable aleatoria X aparece en la tabla de la figura A-2.23, en donde aparecen los diferentes valores x de la variable aleatoria y sus probabilidades P(x). Ya que los cuatro sucesos del experimento forman un conjunto mutuamente excluyente y exhaustivo de sucesos, las probabilidades correspondientes a estos sucesos suman la unidad. De hecho, la funcin de probabilidad de una variable aleatoria discreta se puede expresar de tres maneras: - Tabular. - Algebraica o funcional. - Grfica. La forma tabular consiste en expresar en forma de tabla una lista de los valores posibles de la variable aleatoria X y las correspondientes probabilidades P(x), como aparece en la tabla de la figura anterior A-2.23. La forma algebraica o funcional se presentan cuando es posible escribir una funcin en la forma de una ecuacin, de tal manera que para cada valor de la variable aleatoria se pueda obtener su probabilidad. As pues, para el ejemplo a) que estamos tratando, la forma funcional de la distribucin de probabilidad sera : Otra forma de presentar la funcin de probabilidad sera mediante un grfico o diagrama de barras, en el que sobre el eje de abscisas llevaramos los diferentes valores x, de la variable aleatoria X y sobre el eje de ordenadas, las probabilidades P(x). As pues, para este ejemplo a) tendramos la figura siguiente A-2.24: Llegados a este punto, una consideracin importante sobre variables aleatorias discretas y sus distribuciones a realizar es la siguiente: si X es una variable aleatoria discreta y deseamos determinar la probabilidad de que X sea mayor o igual que un cierto valor que un cierto valor a y menor o igual que un valor b, e tenemos que sumar las probabilidades correspondientes a los valores de X comprendidos entre a y b; es decir: As pues, para el presente ejemplo, se tiene: Sea ahora una variable aleatoria X de tipo discreto que toma un nmero finito o infinito numerable de valores x1, x2, ..., xr y cuya distribucin de probabilidad es P(x). Se define la funcin de distribucin acumulativa de la variable aleatoria X, que notaremos por F(x), como la probabilidad de que la variable aleatoria X tome valores menores o iguales que x, es decir: y representa la suma de las probabilidades puntuales, hasta el valor x inclusive, de la variable aleatoria X.

Para el ejemplo que nos ocupa, la funcin de distribucin F(x) viene dada en la tabla de la figura siguiente. As pues la funcin de distribucin, para cualquier valor de x, quedara de la siguiente forma: Se deduce, de la propia definicin, que la funcin de distribucin de una variable aleatoria discreta es una funcin no decreciente de los valores que toma la variable aleatoria y tal que verifica: Vemos pues que una variable aleatoria discreta X, est caracterizada por su funcin de probabilidad o distribucin de probabilidad P(x) y tambin por su funcin de distribucin F(x).

b. Una determinada empresa quiere aumentar su plantilla de vendedores en 20 personas, para lo que inserta un anuncio en prensa y se presentan 40 personas al proceso de seleccin. Determinar la probabilidad de que, despus de realizar todas las pruebas psicotcnicas de seleccin y haber seleccionado, por diferentes mecanismos, a las 20 personas solicitadas, entre ellas se encuentren las 10 mejores de las 40 personas que se presentaron. Solucin: Sea la variable aleatoria X: X: nmero de los mejores vendedores entre los 20 seleccionados. La variable aleatoria X se distribuye segn una distribucin hipergeomtrica, H(N, N1, n), con: N = 40 , N1 = 10 y n = 20 Luego teniendo en cuenta la expresin de la correspondiente funcin de densidad, la probabilidad que nos piden ser:

que resulta ser francamente baja. c. Entre los 60 aspirantes a unas plazas de educadores sociales en la Administracin autonmica, 40 son mujeres. Si seleccionamos una muestra aleatoria, sin remplazamiento, de 20 aspirantes, obtener la probabilidad de que 10 sean mujeres. Solucin: Sea la variable aleatoria X.

X: nmero de mujeres seleccionadas en la muestra de 20 aspirantes. Esta variable aleatoria X se distribuye segn una distribucin hipergeomtrica H(N, N1, n), con: N = 60 , N1 = 40 , n = 20 Teniendo en cuenta la expresin de la correspondiente funcin de densidad, podemos calcular la probabilidad que nos piden, que ser, en este caso: = = 37%.

En cuanto a las distribuciones de probabilidad continua encontramos problemas de aplicacin como los siguientes, igualmente relacionados a la economa y administracin: d. Ciertos estudios muestran que el rendimiento de la gasolina para automviles compactos vendidos en Estados Unidos, tienen distribucin normal, con un rendimiento medio de 30.5 millas por galn (mpg) y una desviacin estndar de 4.5 mpg. Si un fabricante desea disear un coche compacto ms econmico que el 95 % de los automviles compactos vendidos en Estados Unidos, cul debe ser el rendimiento mnimo del coche nuevo? Solucin: Sea X una variables aleatoria distribuida normalmente con una media de 30.5 y una desviacin estndar de 4.5. Se desea encontrar el valor de X0 tal que Solucin: Como un primer paso encuentra el valor de Z0 tal que el rea a la izquierda sea igual a 0.95. Puesto que el rea a la izquierda de z = 0 es 0.5, z0 ser el valor de z en la Tabla que corresponde a una rea igual a 0.45. Este valor es Z0 = 1.645. El paso final es encontrar el valor X0 correspondiente a Z0 = 1.645. Se obtiene utilizando la ecuacin que relaciona x y z a saber:

Donde, u = 30.5 y = 4.5. Al sustituir los valores de , y z0 en esta ecuacin y despejando x0 resulta:

Por lo tanto, el nuevo coche compacto del fabricante debe desarrollar un rendimiento de 37.9 mpg, para ser mejor que el 95 % de los coches compactos que actualmente se venden en Estados Unidos. FUENTES DE INFORMACIN http://www.eumed.net/libros/2008b/405/aplicaciones%20de%20la%20distribucion %20de%20probabilidad%20hipergeometrica.htm http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad_continua http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad http://www.spentamexico.org/v4-n1/4(1)%20149-178.pdf