Está en la página 1de 16

DISTRIBUCIÓN DE

PROBABILIDAD

POR:
ERNESTO DANILO ARIAS RUBIANO
NICOLÁS SANTIAGO RODRÍGUEZ ARIAS
FITZGERALD FERNANDO LATORRE BERNAL
DEFINICIÓN:

Es una función la cual asigna


a una serie de valores
escogidos aleatoriamente el
porcentaje de que este
suceda.
Diseña un escenario de
acontecimientos futuros
teniendo en cuenta tendencias
actuales
Ejemplo 1: Lanzamiento de 2 monedas iguales

Probabilidad
60%
Evento Cantidad Probabilidad 50%

40%
Cara-Cara 1 25%
30%
Probabilidad
20%
Cara-Sello 2 50%
10%

0%
Sello-Sello 1 25% Cara-Cara Cara-Sello Sello-Sello
TIPOS DE VARIABLES
• CUANTITATIVA DISCRETA
Es aquello conjunto de variables las cuales pueden ser
contadas su cantidad de eventos posibles.

• CUANTITATIVA CONTINUA
Es aquello conjunto de variables las cuales tienen un número
infinito de eventos posibles.
FUNCIÓN DE
DISTRIBUCIÓN
Cualquier evento debe cumplir con las siguientes
propiedades:

1. Cada una de la probabilidades obtenidas debe estar en el


intervalo [0,1] o entre 0% a 100%.
𝟎≤P(x) ≤1

2. La sumatoria de todas las probabilidades debe ser 1.


σ𝒏𝒊=𝟏 𝑷 𝒙𝒊 = 𝟏
TIPOS DE
DISTRIBUCIONES DE
VARIABLES DISCRETAS

• Distribución Uniforme (eventos independientes)


• Distribución Binomial (eventos independientes)
• Distribución Poisson (eventos independientes)
• Distribución Hipergeométrica (eventos dependientes)
DISTRIBUCIÓN
BINOMIAL
En cada ensayo, experimento o prueba solo son posibles
dos resultados (éxito o fracaso)

n es el número de intentos de la prueba.


p es la probabilidad de éxito. Este valor es constante.
q es la probabilidad de fracaso, donde q=1-p
x es la cantidad de éxitos que deseo tener.
• Los sucesos son colectivamente exhaustivos, es decir, al
menos uno de los 2 ha de ocurrir.
DISTRIBUCIÓN
HIPERGEOMETRICA

Representa el número de éxitos de una muestra n de N


resultados posibles donde k son los éxitos y N-k los
fracasos.
DISTRIBUCIÓN DE
POISSON
• Es utilizada en situaciones donde los sucesos son
impredecibles o aleatorios.
• Se utiliza cuando la probabilidad del evento de interés se
distribuye dentro de un segmento (n), este puede ser área,
distancia, volumen, tiempo, etc.

x es el número de éxitos.
λ es el promedio de éxitos esperados en la unidad de área,
distancia, etc.
TIPOS DE
DISTRIBUCIONES DE
VARIABLES CONTINUAS

• Distribución Normal o Gaussiana


• Distribución Chi
• Distribución T²
• Entre otras
DISTRIBUCIÓN NORMAL
O GAUSSIANA
Donde
• Se trata de una de las mas
frecuentes distribuciones de x es el número de éxitos
probabilidad.
m es la media.
• Se puede calcular la
probabilidad de que varios σ es la desviación
estándar.
valores ocurran dentro de
ciertos rasgos o intervalos.
• Sus medidas de tendencia
central (moda, media y mediana)
son muy similares.
GRADOS DE LIBERTAD
DE UNA DISTRIBUCIÓN
En la estadística, se nombra por primera vez el concepto de
grados de libertad en los trabajos de William Sealy Gosset en
1908, y es por primera vez explicado por Sir Ronald Fisher,
quien fue el fundador de la estadística moderna en 1915. pero el
concepto ya era familiar para Gauss, a la hora de generalizar la
teoría de los mínimos cuadrados.
Algunas definiciones:
• “El valor de los grados de libertad se relaciona con el
número de veces que se usa la información de la muestra”.
(Dawson 2005, p91)
• “Se definen como el número de valores que podemos
escoger libremente”. (Levin 1996, p388)
• “Los grados de libertad de una prueba estadística son el
número de datos que son libres de variar cuando se calcula
tal prueba”. (Pagano 2009, p321)
Ejemplo:
Si tenemos que escoger a 10 personas de un grupo grande de
modo tal que el peso promedio sea de 60 Kg, tenemos la libertad
de elegir a los diez que nosotros consideremos. Obviamente
pueden existir muchas muestras de diez diferentes personas,
pero siempre debemos tener en cuenta que el promedio de los
pesos debe ser 60 Kg. Fácilmente nos podemos dar cuenta que
solo podemos elegir libremente a las primeras 9 personas, dado
que para elegir al décimo este debe ser elegido de manera tal
que el promedio del grupo no sea mayor ni menor de 60 Kg. Es
decir, podemos elegir con libertad a los 9 primeros, y el décimo
queda automáticamente restringido por la condición de que su
peso debe ser tal que la media de los diez pesos debe ser 60 Kg.
Por lo tanto, para una muestra de 10 personas escogidas al azar,
bajo la condición de que la media de los pesos sea 60 Kg,
tenemos 9 grados de libertad
Explicación de manera geométrica
Otra aproximación:

Caso 1
x+y=9

Caso 2
x+y=9
x-y=1
x=5; y=4.
REFERENCIAS
• http://www-
ljk.imag.fr/membres/Bernard.Ycart/emel/cours/mp/node14.
html
• De La Cruz-Oré, Jorge Luis, ¿Qué significan los grados de
libertad?. Revista Peruana de Epidemiología [en línea] 2013,
17 (Agosto-Sin mes) : [Fecha de consulta: 28 de enero de
2019] Disponible
en:<http://www.redalyc.org/articulo.oa?id=203129458002> I
SSN
• https://www.esan.edu.pe/apuntes-
empresariales/2016/10/conoce-las-principales-
distribuciones-de-probabilidad/
• https://economipedia.com/definiciones/distribucion-
binomial.html