Distribuciones

de probabilidad
Los resultados de un experimento pueden
ser causa de múltiples variables. En estas
situaciones se requiere de tener una función
de probabilidad que describa la variación de
la probabilidad de ocurrencia con respecto a
la variación de estas variables.
Una distribución de probabilidad puede ser
discreta o continua dependiendo del tipo de
variables que se describen.
 Introducción
La estadística actual es el resultado de la unión
de dos disciplinas que evolucionaron de manera
independiente hasta confluir en el siglo XIX: el
Cálculo de Probabilidades, que nace en el siglo
XVII como teoría matemática de los juegos de
azar, y la Estadística, ciencia del estado, que
estudia la colección y descripción de datos.
 Conceptos básicos

Estadística: (Spiegel)
estudia los métodos
científicos para recoger,
organizar, resumir y analizar
datos, así como para sacar
conclusiones válidas y
tomar decisiones
razonables basadas en tal
análisis.
 Conceptos básicos

Promedios máximos
Estadística descriptiva: conjunto 4

de cadmio
3
de métodos que se utilizan para 2
1
organizar, clasificar y presentar la 0 1 2 3 4 5
Tipo de laboratorio

información.

Estadística inferencial: métodos

que se utilizan para deducir alguna
característica de la población con
información parcial.
 Conceptos básicos

Población: conjunto de seres u

objetos acerca de los que se
desea tener información.

Muestra: subconjunto de esa

población (al que sometemos a
un verdadero análisis). El número
de elementos de una muestra se
denomina tamaño.
 Conceptos básicos

Variable estadística: característica o atributo que se

mide en los individuos (seres u objetos) de una
población.

Ej, años de edad, talla, estado civil, el peso de la

ganadería ovina, diámetro de una pieza, etc.

Se distinguen dos tipos principales de variables:

cuantitativas y cualitativas.
 Variable aleatoria
Una variable aleatoria es una función que asocia
un número real con cada elemento del espacio
muestral.

Esta función se llama variable porque puede tomar

diferentes valores, y se llama también aleatoria
porque los valores que toma son al azar, y es
medible porque se puede calcular su probabilidad.
 Variable aleatoria
Los estadísticos utilizan planes de muestreo ya
sea para aceptar o para rechazar lotes de
materiales. Suponga que uno de los planes de
muestreo implica el muestreo independiente de 10
artículos de un lote de 100 de ellos.

Sea X la variable aleatoria definida como el número

de artículos que están defectuosos en la muestra de
10. en este caso, la variable aleatoria toma los
valores 0, 1,…, 9, 10.
 Variable cuantitativa
Miden alguna cualidad o atributo “cuantificable” de
los individuos. (Valor numérico)

Variables discretas: al ser

numerables, pueden tomar una
serie de valores determinados,
pero no los valores intermedios.

Por ejemplo, el número de

cabezas de ganado de una
explotación puede ser 50 ó 51
pero no 50,5.
 MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR
Parámetros:
Histograma de la Poblacion
160

140 Media (m)

120

100
Varianza(s2)

Frecuencia
Datos 80

60
Desv. Est. (s)
(Población de Interés) 40

20

0
Etc.
-4 -2 0 2 4
Clases

Muestreo 16
Histograma de la Muestra

14
Estadísticos:
12
Frecuencia

10
Promedio ( X )
Muestras 8

4
Varianza muestral(S2)
2

0
Desv. Est. muestral(s)
-4 -2 0 2 4
Clases
Etc.
 V. A. DISCRETA Y CONTINUA
Se llama variable aleatoria (v.a.) a toda aplicación que
asocia a cada elemento del espacio muestral (Ω) de un
experimento, un número real.

X:Ω→R

Ejemplo: Se realiza un experimento en un laboratorio cuyo

resultado puede ser positivo o negativo. Construir el
espacio muestral y dar una v.a. asociada al experimento.

Ω = {Positivo, Negativo} X ( Positivo ) = 1

X es una variable aleatoria X ( Negativo ) = 0
 V. A. DISCRETA Y CONTINUA
La distribución de probabilidad de una v.a. es una función
que asigna a cada valor posible de dicha v.a. una probabilidad

Ejemplo. Experimento en un laboratorio

P{X = 1} = P {positivo}

Ejemplo. X : “Bacterias de tipo A en una pipeta”

P {1000 ≤ X ≤ 1500} = P(A)
 V. A. DISCRETA Y CONTINUA
Variable aleatoria discreta

Función de densidad

Dada una v.a. discreta X llamaremos función de densidad de

probabilidad a aquella que asocia una probabilidad puntual a
cada valor de la v.a.

f (x) = P (X = x)

f (x) ≥ 0 para todo real x

Σx f (x) = 1
 V. A. DISCRETA Y CONTINUA

Variable aleatoria discreta

Función de distribución (acumulada)

Dada X una v.a. discreta llamaremos función de

distribución de X a la función que indica su probabilidad
acumulada.

F (x) = P(X ≤ x) = Σ i ≤ x f (xi)

 V. A. DISCRETA Y CONTINUA

Variable aleatoria discreta

Valor esperado y varianza

μ = E (x) = Σx x* f (x)

V (X) = E (x2) – (E (x ))2 = Σ x2 f (x) - (E (x ))2

 V. A. DISCRETA Y CONTINUA

Variable aleatoria continua

Función de densidad
Una v.a. continua puede tomar un número infinito no
numerable de puntos, la probabilidad que hemos de
asignarle a cada valor de la variable estará en [0,1], la
suma de todas las probabilidades es 1.

f (x) ≥ 0 para todo real de x

 V. A. DISCRETA Y CONTINUA

Variable aleatoria continua

Función de distribución (acumulada)

La función de distribución nos da la probabilidad
acumulada desde -∞ hasta el valor que se tiene en
consideración

gráficamente la función de distribución es el área limitada

por la función de densidad y el eje de abscisas entre -∞ y
x
 V. A. DISCRETA Y CONTINUA
Variable aleatoria continua

Valor esperado y varianza

𝑬(𝑿) = 𝑥𝑓 𝑥 𝑑𝑥
−∞

𝑽 𝑿 = 𝐸 𝑋 2 − (𝐸 𝑋 )2 𝑥 2 𝑓 𝑥 𝑑𝑥 − (𝐸 𝑋 )2
−∞
 ESTADÍSTICOS Y SUS DISTRIBUCIONES

Un parámetro es una caracterización numérica de la

distribución de la población de manera que describe, parcial
o completamente, la función de densidad de probabilidad de
la característica de interés.

Un estadístico es cualquier cantidad cuyo valor puede ser

calculado a partir de datos muestrales, un estadístico es una
variable aleatoria, se utiliza una letra minúscula para
representar el valor calculado. Un estadístico que se usa
para estimar el parámetro de la población, se llama
estimador del parámetro.
 ESTADÍSTICOS Y SUS DISTRIBUCIONES

MEDIA ARITMÉTICA

Equivale al cálculo del promedio simple de un conjunto

de datos. Podemos diferenciar la fórmula del promedio
simple para datos poblaciones y muéstrales:
 ESTADÍSTICOS Y SUS DISTRIBUCIONES
Varianza:

Esta medida nos permite identificar la diferencia

promedio que hay entre cada uno de los valores
respecto a su punto central (Media).
 ESTADÍSTICOS Y SUS DISTRIBUCIONES

Desviación estándar:

La desviación típica o estándar (raíz cuadrada de la

varianza) es una medida de la dispersión de los datos,
cuanto mayor sea la dispersión mayor es la desviación
estándar. Así, si no hubiera ninguna variación en los
datos, es decir, si todos fueran iguales, entonces la
desviación estándar sería cero.
 ESTADÍSTICOS Y SUS DISTRIBUCIONES

Distribuciones Discretas

• Distribución Bernoulli

• Distribución Discreta Uniforme

• Distribución Binomial

• Distribución Geométrica

• Distribución Poisson
 Distribuciones Continuas

• Distribución Uniforme • Distribución Beta

• Distribución Exponencial • Distribución Pearson tipo V

• Distribución Gamma • Distribución Pearson tipo VI

• Distribución Weibull • Distribución Log-logistic

• Distribución Normal • Distribución Johnson SU

• Distribución Lognormal • Distribución Triangular

 Referencias
•Quevedo Urías, H., & Pérez Salvador, B. (2008). Estadística
para Ingeniería y Ciencias. México, D.F. : Grupo Editorial
Patria.

•Walpole, R., Myers, R., Myers, S., & Ye, K. (2007).

Probabilidad y Estadística para Ingeniería y Ciencias (Octava
ed.). México: Pearson Prentice Hall.