INTRODUCCION A LAS

DISTRIBUCIONES DE
PROBABILIDAD Y
DISTRIBUCION NORMAL

Mario Briones L.
MV, MSc

2005
Variables aleatorias
 Tienen un número para cada resultado de
un experimento (prueba)
 Tienen una distribución de probabilidad
que asocia un valor de probabilidad a cada
resultado numérico de un experimento
 “Una variable aleatoria es una variable
(casi siempre representada por x) que
tiene un solo valor numérico (determinado
por el azar) para cada resultado de un
experimento”.
Ejemplos:
 x = el número de accidentes aéreos de
American Airlines entre 7 accidentes aéros
seleccionados al azar.
 x = La producción lechera de una vaca en
un lactancia completa.
 x = el número de estudiantes que faltaron
hoy a la clase de estadística...
 x = el número de crías en la camada de una
rata de laboratorio.
 x = el puntaje obtenido en el test de clase...
 Variable aleatoria discreta: tiene un
número finito de valor o un número
de valores susceptibles de
encontrarse
 Variable aleatoria continua: tiene un
número infinito de valores y dichos
valores pueden asociarse a
mediciones en una escala continua.
Distribución de probabilidad
 Si se conocen todos los valores de
una variable aleatoria, junto con sus
correspondientes probabilidades,
tenemos una distribución de
probabilidad.
 DEFINICION: una distribución de
probabilidad da la probabilidad para
cada valor de la variable aleatoria
Ejemplo de la distribución
de una variable discreta.
 En la lámina siguiente se observa la
distribución de frecuencia absoluta y
relativa de la variable (x) número de
crías por camada en ratas de
laboratorio, en un total de 1003
ratas.
 La variable es aleatoria discreta y
tiene los siguientes valores posibles:
1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12
Tabla de frecuencia absoluta y
relativa (probabilidad)
x frec. de ocurrencia de x P(X=x )
1 15 0.015
2 34 0.034
3 68 0.068
4 129 0.129
5 258 0.257
6 235 0.234
7 156 0.156
8 71 0.071
9 29 0.029
10 4 0.004
11 3 0.003
12 1 0.001

1003 1.000
 Distribución de frecuencia del número de
crías
Número de madres

300
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12
Número de crías por camada
 Histograma de probabilidad

0.30
0.25
Probabilidad

0.20
0.15
0.10
0.05
0.00
1 2 3 4 5 6 7 8 9 10 11 12
Número de crías
Distribución continua de
probabilidad
 Peso al nacimiento de terneros machos de
razas de carne
 n= 531
 Rango= 64-16= 48 kilos
 Media= 39.4 kilos
 Mediana= 39.5 kilos
 Moda= 40 kilos
 Varianza= 37.9
 Desviación típica= 6.15 kilos
 CV= 15.6%
Descripción de una variable
cuantitativa
 Histograma de frecuencia, 5 clases
500
0.9
0.8
400
0.7

Proportion per Bar

0.6
300
Count

0.5

200 0.4
0.3
100 0.2
0.1
0 0.0
15 20 25 30 35 40 45 50 55 60 65
PNAC
Descripción de una variable
cuantitativa
 Histograma de frecuencia, 10 clases
250

0.4
200

Proportion per Bar

0.3
150
Count

100 0.2

50 0.1

0 0.0
15 20 25 30 35 40 45 50 55 60 65
PNAC
Descripción de una variable
cuantitativa
 Histograma de frecuencia, 12 clases
200

0.3
150

Proportion per Bar

Count

0.2
100

50 0.1

0 0.0
15 20 25 30 35 40 45 50 55 60 65
PNAC
Descripción de una variable
cuantitativa
 Polígono de frecuencia, 12 clases
200

150
Count

100

50

0
15 20 25 30 35 40 45 50 55 60 65
PNAC
Descripción de una variable
cuantitativa
 Curva de densidad, 12 clases
250

200

150
Count

100

50

0
10 20 30 40 50 60 70
PNAC
 En la medida que el número de
observaciones tiende a infinito y el
ancho de los intervalos tiende a cero,
el polígono de frecuencia se aproxima
a una curva uniforme
 Consecuencias
El área total bajo la curva es 1

La frecuencia relativa de ocurrencia de los

valores entre dos puntos sobre el eje X es igual
al área total, limitada por la curva, por el eje X
y por las líneas perpendiculares levantadas
en los dos puntos del eje X.

La probabilidad de cualquier valor específico

es CERO
f(x)
Integración de la
función densidad
de a a b.

a b x
No es posible encontrar la probabilidad para un
valor específico pero si se puede encontrar la
probabilidad para un intervalo entre dos valores
a y b, el cual es igual al área bajo la curva entre
esos dos puntos.
Distribución gaussianna

ABRAHAM De MOIVRE...... 1667-1754

PIERRE LAPLACE…..1749-1827

CARL FRIEDRICH GAUSS..... 1777-1855

DENSIDAD NORMAL (ALTURA DE
LA CURVA PARA DIFERENTES
VALORES DE X)
1 -(x-)2/2
f(x)= e
 2
P= 3,141592
e= 2,71828
= media
= desviación estándar
Abraham de Moivre (1667-1754), matemático anglo francés,
nacido en Vitry-le-Francois, Champagne. Era un descendiente
de hugonotes o protestantes franceses, se mudó a Inglaterra después
de la revocación de la libertad religiosa garantizada por el edicto de
Nantes. Vivió en Inglaterra por el resto de su vida trabajando como
profesor. A la edad de 30 años fue elegido como miembro de la Real
Sociedad. Como uno de los amigos más cercanos de Isaac Newton,
trabajó con él y bajo su encargo, principalmente en la disputa entre
Newton y el matemático alemán Gottfried Wilhelm Leibniz sobre la
invención del Cálculo y las Probabilidades.
Es considerado como uno de los más grandes pensadores en el
desarrollo de la teoría de la probabilidad en el siglo XVIII, junto con
Laplace
 Carl Friederich Gauss (1777-1855, matemático
alemán nacido en Braunschweig el 30 de abril
de 1777.
Contribuyó en muchas áreas de las Matemáticas
incluyendo la teoría de la probabilidad, algebra y
geometría. En su tesis doctoral el probó que
cada polinomio tiene al menos una raíz o
solución.
Esta teoría pasó a ser conocida como la teoría fundamental del
Algebra. Gauss también aplicó su trabajo matemático teorías de
la electricidad y magnetismo. En la teoría de la probabilidad,
desarrolló el importante método de los mínimos cuadrados y las
leyes fundamentales de la distribución de probabilidad. El gráfico
de la probabilidad normal es llamado curva de Gauss.
 Pierre Simon, Marqués de Laplace (1749-1827),
astrónomo y matemático francés, conocido por su
aplicación exitosa de la teoría de la gravitación de
Newton para explicar todos los movimientos
planetarios en el sistema solar.
Laplace nació en Normandía y fue educado en la Escuela Militar
de Beaumont. En 1767 pasó a ser profesor de Matemáticas en la
Escuela Militar de París y en 1785 fue elegido miembro de la
Academia de Ciencias.
Publicó su trabajo en probabilidades en un libro llamado
“Théorie analytique des probabilités” (Teoría analítica de las
probabilidades).