Distribuciones de Probabilidad

DR. FERNANDO LPEZ FLORES

Concepto de distribucin
En estadstica se entiende por distribucin a la accin de
distribuir (repartir, aglomerar, juntar) los elementos de la
poblacin en estudio segn el criterio que se desea estudiar

Ejemplos:
Queremos distribuir a los alumnos de nuestro curso segn el
criterio de edad
Queremos distribuir a los pacientes del hospital segn el
nivel de su enfermedad que puede ser leve, de cuidado, y
muy grave
Queremos distribuir los vehculos de una empresa minera
segn su capacidad de tonelaje
Supongamos que tenemos 21 personas... y estamos interesados en su
estatura medida en metros
Por lo tanto a cada una de estas 21 personas medimos su estatura...

1,82 metros

1,68 metros
 Vamos a suponer que los resultados de cada una de las 21
mediciones medidas en metros y puestas en orden creciente
son los siguientes:

1,56 1,57 1,59 1,62 1,62 1,63 1,65 1,67 1,69 1,70
1,71 1,72 1,74 - 1,75 1,76 1,77 1,79 1,80 1,81 1,81 1,82

Observemos que la menor de las mediciones fue de 1,56

metros, y la mayor de 1,82 metros. De lo que estamos seguro,
entonces, que las 21 personas estn entre 1,56 y 1,82 metros.
Tales medidas mnima y mxima constituyen lo que se llama
rango.

Observemos que la diferencia entre este mnimo y mximo es

de 1,82 1,56 = 0,26 metros (o sea 26 centmetros)
Arbitrariamente podemos formar cuatro clases de alturas, y
de tal forma que cada clase de altura tenga una distancia de
0,07 metros (7 centmetros)

Primera clase: De 1,56 hasta 1,63

Segunda clase: Ms de 1,63 hasta 1,70
Tercera clase: Ms de 1,70 hasta 1,77
Cuarta clase: Ms de 1,77 hasta 1,84

La pregunta es entonces, cunta gente pertenecer a

cada clase?
 6 personas 4 personas

1,56 1,57 1,59 1,62 1,62 1,63 1,65 1,67 1,69 1,70
1, 71 1,72 1,74 - 1,75 1,76 1,77 1,79 1,80 1,81 1,81 1,82
6 personas 5 personas

Clases Frecuencias
1,56 1,63 (bajitas) 6
1,63 1,70 (medianas) 4
1,70 1,77 (altas) 6
1,77 1,84 (muy altas) 5
 Bajitas

Muy altas
Medianas

Altas
 Se divide cada frecuencia por el total

Clases Frecuencias Frec. relativa

1,56 1,63 (bajitas) 6 0,2857
1,63 1,70 (medianas) 4 0,1905
1,70 1,77 (altas) 6 0,2857
1,77 1,84 (muy altas) 5 0,2381
Total 21 1

Hay 5 personas que son El 19,05% de las personas tienen estatura

muy altas o su estatura es mediana o tienen estatura entre 1,63 y 1,70
mayor que 1,77 metros metros
 Suma parcial de las frecuencias
Suma parcial de las frecuencias, relativas, frecuencia relativa
frecuencia acumulada acumulada

Clases Frecuencias Frec. relativa Frec. acum Frec. Rel. Ac.

1,56 1,63 (bajitas) 6 0,2857 6 0,2857

1,63 1,70 (medianas) 4 0,1905 10 0,4762
1,70 1,77 (altas) 6 0,2857 16 0,7619
1,77 1,84 (muy altas) 5 0,2381 21 1
Total 21 1

El 47,62% de las personas

miden hasta 1,70 metros
Hay 16 personas que miden hasta
1,77 metros
 Distribuciones
Distribucin de frecuencias
Listado de las frecuencias observadas de todos los
resultados de un experimento que se presentaron
realmente cuando se efectu el experimento
Distribucin de probabilidad
Listado de las probabilidades de todos los posibles
resultados que podran obtenerse si el
experimento se llevara a cabo
Tipo de distribuciones de probabilidad
Distribuciones discretas
Bernoulli
Binomial
Geomtrica
Poisson
Distribuciones continuas
Uniforme
Exponencial
Normal
Distribuciones derivadas de la normal (t, Ji, F)
 Distribucin de Bernoulli
Experimento de Bernoulli: solo dos
resultados son posibles: xito o fracaso.
Podemos definir una variable aleatoria
discreta X tal que:
xito 1
fracaso 0
Si la probabilidad de xito es p y la de fracaso 1 - p,
podemos construir una funcin de probabilidad:
1 x
P( x) p (1 p)
x
x 0,1
Un tpico experimento de Bernoulli es el lanzamiento de
una moneda con probabilidad p para cara y (1-p) para
cruz.
 Proceso de Bernoulli
1. Cada intento tiene solamente dos resultados
posibles
2. La probabilidad del resultado de cualquier
intento permanece fijo con respecto al
tiempo
3. Los intentos son estadsticamente
independientes
 1 x
P( x) p (1 p)
x
x 0, 1

Funcin de distribucin:

1 p, para x 0
F ( x)
1, para x 1
 Distribucin Binomial
La distribucin binomial aparece cuando estamos
interesados en el nmero de veces que un suceso
A ocurre (xitos) en n intentos independientes de
un experimento
Ejemplo:
Nmero de caras en n lanzamientos de una moneda

Si A tiene probabilidad p (probabilidad de xito) en

un intento, entonces 1-p es la probabilidad de que A
no ocurra (probabilidad de fracaso)
Experimento aleatorio: n = 3 lanzamientos de una moneda.
Probabilidad de xito en cada lanzamiento (cara) = p.
Probabilidad de fracaso en cada lanzamiento (cruz) = 1- p = q

3 p 2 (1 p)

3 p(1 p) 2

18
 Supongamos que el experimento consta de n
intentos y definamos la variable aleatoria:

X = Nmero de veces que ocurre A

En nuestro ejemplo: X = Nmero de veces que sale cara

Entonces X puede tomar los valores 0, 1, 2, ... n.

Si consideramos uno de estos valores, digamos el
valor x , i.e. en x de los n intentos ocurre A y en n - x
no. Entonces la probabilidad de cada posible
x n-x n
ordenacin es p q y existen x idnticas

ordenaciones
La funcin de probabilidad P(X = x) ser
la distribucin binomial:

n x n x n! n x
B(n, p) p( x) p (1 p) p (1 p)
x

x x!(n x)!

Distribucin binomial para n = 5 y

distintos valores de p, B(5, p)
Ejercicio:
Cul es la probabilidad de que en una familia de 4 hijos
exactamente 2 sean nias?

n x
p(x) p ( 1 p)n x
x
p 0.5; n 4; x 2
4
p( 2 ) ( 0.5 ) ( 1-0.5 )
2 4- 2

2
Ejercicio:
Si una dcima parte de personas tiene cierto grupo sanguneo,
cul es la probabilidad de que entre 100 personas escogidas al
azar exactamente 8 de ellas pertenezcan a este grupo sanguneo?

n x n x

p(x) p ( 1 p)
x
p 0.1; n 100; x 8
100
p( 8 ) ( 0.1 )8( 1-0.1 )92
8
Y si la pregunta es 8 como mximo?

8
n x
p(x 8 ) p ( 1 p)n x
x 0 x

8
100
(0.1) x ( 0.9 )100 x
x 0 x
 Caractersticas de la distribucin
binomial
Media
= E(X) = n p .6
P(X) n = 5 p = 0.1
= 5 0.1 = 0.5 .4
.2

= 5 0.5 = 0.25 0 X
0 1 2 3 4 5

Desviacin estndar
P(X) n = 5 p = 0.5
np(1 p) .6
.4

5 0.1 (1 0.1) 0.67 .2

0 X

5 0.5 (1 0.5) 1.1 0 1 2 3 4 5

En lugar de efectuar estos clculos a mano,
puede utilizarse la siguiente tabla que
expresa las probabilidades binomiales de
valores selectos de n y p
Distribucin Binomial en tablas

Probabilidad
 Distribucin geomtrica
Consideremos el siguiente experimento:
Partimos de un experimento de Bernoulli donde la probabilidad
de que ocurra un suceso es p (xito) y la probabilidad de que
no ocurra q = 1- p (fracaso).
Repetimos nuestro experimento hasta conseguir el primer
xito. Definimos la variable aleatoria X, como el nmero de
fracasos hasta que se obtiene el primer xito.

Entonces:

G( p) P( X x) 1 p p,
x

x 0,1, 2, ...
p(x)
G( p) P( X x) 1 p p,
x

x 0,1, 2, ...

Funcin de distribucin:

n
F (n) (1 p) p 1 (1 p)
x n 1

x 0
Cmo simular de manera sencilla en el ordenador
una variable aleatoria binomial X?

Sumando n variables aleatorias independientes

cuyos valores pueden ser 1 o 0, con probabilidad p
y 1-p respectivamente.

Y cmo simular una distribucin geomtrica de

parmetro p?

Una manera es generar una secuencia de nmeros

aleatorios en [0, 1) con la funcin rnd, y paramos
cuando obtengamos un nmero que no exceda a p,
que es el equivalente al primer xito.
El problema es que si p es pequeo, en promedio se
necesitan 1/p pasos de tiempo y se consume mucho
tiempo de cmputo.
Una forma alternativa con tiempo de cmputo
independiente del valor de p sera:

Sea q = 1-p y definamos la variable Y como el menor

entero que satisface:
1 q rnd
Y

Entonces tenemos:

i 1
P(Y i) P(1 q rnd 1 q )
i

i 1 i 1 i 1
q q q (1 q) q p.
i

De modo que Y est distribuida geomtricamente

con parmetro p.
Para generar Y, basta con que despejemos de:

1 q rnd
Y

Ln (1 rnd )
Y int
Ln q
 Distribucin de Poisson
Cuando en una distribucin binomial el nmero de intentos (n)
es grande y la probabilidad de xito (p) es pequea, la
distribucin binomial converge a la distribucin de Poisson:

e x
p ( x) , x 0,1,2,... 0
x!
donde np =

Observa que si p es pequea, el xito es un suceso raro

La distribucin de Poisson, junto con la uniforme y la binomial,

son las distribuciones ms utilizadas
 Caractersticas de la distribucin de
Poisson

Media P(X) = 0.5

E (X ) .6
.4
.2
0 X
Desviacin estndar 0 1 2 3 4 5

P(X) = 6
.6
.4
Nota: el mximo de la distribucin .2
se encuentra en x 0 X
0 2 4 6 8 10
La distribucin de Poisson se obtiene como aproximacin de
una distribucin binomial con la misma media, para n grande
(n > 30) y p pequeo (p < 0,1). Queda caracterizada por un nico
parmetro (que es a su vez su media y varianza)

n p =

Distribucin de Poisson para varios valores de