TIPOS DE DISTRIBUCIONES,

VARIABLES ALEATORIAS DISCRETAS

Y CONTINUAS

Ing. María de Jesús Sigala Martínez

Continuando con el tratamiento de las probabilidades,
consideremos el siguiente ejemplo: si lanzamos una moneda
tres veces y observamos su resultados, el espacio muestral
como conjunto de resultados posibles estará formado por:
ccc, ccs, csc, css, scc, scs, ssc y sss

siendo la probabilidad de cada evento 1/8.

Si definimos una variable X como el número de caras, la
misma puede asumir los valores 0, 1, 2 y 3. Si calculamos la
probabilidad de que no salga una cara:
 
P(X=0) = P(sss) = 0.125 
Dada la variable X y las probabilidades de
sus elementos, se puede definir la función
de probabilidad como:
 Variable aleatorias discretas

Una variable aleatoria es aquella cuyos valores

surgen asignando números, a los resultados de un
experimento aleatorio.
Si X representa el número de caras
Una función de probabilidad es aquella que surge
al asignar probabilidades a cada uno de los valores
de una variable aleatoria.
Para la variable X= a número de caras.
 Valor esperado y varianza de una variable
aleatoria discreta
La esperanza matemática de una variable
aleatoria discreta, se calcula como la suma
de cada valor que toma la variable
multiplicado por su respectiva probabilidad.
La varianza de una variable aleatoria
discreta, se define como la suma de los
desvíos de cada calor que toma la variable
aleatoria con respecto a la esperanza
matemática, elevada al cuadrado y
multiplicado por su respectiva probabilidad.
 Ejemplo
Supongamos que la probabilidad de que una
casa de cierto tipo sea destruida por un incendio
en un período cualquiera de 12 meses es 0.005,
según cálculos actuariales efectuados por un
organismo pertinente.
Una compañía de seguros ofrece al propietario
de una casa una póliza contra incendio por el
término de 1 año valuando la casa en 20,000
dólares y cobrándole una prima de 200 dólares.
¿Cuál es la ganancia esperada de la compañía?
DISTRIBUCIÓN BINOMIAL
Una variable con distribución binomial se
define como la cantidad de veces que se
presenta uno de dos resultados posibles,
generalmente denominado éxito, en una
serie finita de repeticiones.
Formula de la Distribución Binomial

Donde:
x=número de éxitos
n=número de pruebas
p=probabilidad de éxito
q=probabilidad de fracaso
Esperanza matemática y varianza
E(X)=np
Donde p=M/N
Siendo M la cantidad de elementos de la
población que pertenecen a la categoría
 definida como éxito y N el total de
elementos de la población.
V(X)=npq
 Ejemplo
El gerente de ventas de una empresa de bebidas sin
alcohol piensa que aproximadamente el 10% de los
supermercados dejará de comprar su producto a causa
de una fuerte campaña publicitaria de la competencia.
En su agenda de clientes de una determinada ciudad
tiene registrados 18 supermercados.
En base a estos datos, cuál será la probabilidad de que
dejen de comprar a esta empresa:
3 supermercados.
6 supermercados.
ningún supermercado.
El gerente de ventas también podría estar
interesado en averiguar el valor esperado de
clientes perdidos por la empresa y, para eso,
podrá calcular la correspondiente esperanza
matemática de la distribución binomial que
él está considerando.
E(X) = np = (18)(0.10) = 1.8
supermercados

Aproximadamente, 2 supermercados de
dicha ciudad dejarán de ser clientes de la
empresa.
  
 
DISTRIBUCIÓN DE POISSON
(como distribución limite de la distribución binomial)

La distribución de Poisson es una

distribución de probabilidad de variable
discreta. Ella se ocupa del número de veces
que ocurre un acontecimiento raro ("p"
chico), ya que a diferencia de la
distribución binomial, es muy grande el
número de veces que el acontecimiento no
ocurre. En general se toma por convención
m= np < 5; es decir np menor a cinco
unidades.
 Formulas

Donde:
m > 0, x = 0, 1, 2, ..., m y el número e es
una constante aproximadamente igual a
2.71828 muy utilizada en matemáticas.
m= np
En la distribución de Poisson el parámetro
m es tanto la esperanza matemática como la
varianza de la distribución y significa la
tasa de ocurrencia, es decir la cantidad de
sucesos definidos como éxitos por la unidad
continua (tiempo, espacio, volumen, etc.).
 
E(X) = V(X) = m
en la literatura este parámetro también se
presenta como ʎ (Lamda)
 Ejemplo
Supongamos que un agrónomo sabe, a través
de la literatura existente sobre el tema, que el
2% de las semillas correspondientes a una
especie determinada, no germinan en un tipo
específico de suelo.
Con el fin de tomar los recaudos pertinentes,
antes de comenzar cierta investigación, desea
conocer la probabilidad de que, en el caso de
sembrar 100 semillas, 6 de ellas no germinen.
 DISTRIBUCIÓN DE POISSON
(como proceso estocástico)
La variable de una distribución de Poisson
X se define ahora como la cantidad de
eventos que ocurren por unidad de tiempo,
de espacio y tomando valores de 0 en
adelante.
 Propiedades que debe cumplir
1. Su correspondiente media o esperanza matemática
debe ser pequeña en comparación con el número
máximo de eventos ocurridos en cada unidad de tiempo
o de espacio. En otras palabras, el evento debe ser
'raro'. En el ejemplo dado en primera instancia, los
cuadrados donde se cuentan las plantas de musgo deben
ser lo suficientemente grandes como para que las
plantas de musgo puedan crecer y desarrollarse
físicamente. Así, un cuadrado de 1 cm. de lado es muy
pequeño para que pueda desarrollarse una gran cantidad
de plantas de musgo y considerar su distribución
espacial según una distribución de Poisson.
En cuanto a los fenómenos distribuidos
temporalmente, la longitud del intervalo de
tiempo debe ser lo suficientemente grande
como para que, la ocurrencia del evento
pueda seguir una ley de comportamiento
Poisson (ser raros). En el ejemplo de las
llamadas telefónicas, la cantidad de eventos
por unidad de tiempo debe ser pequeña.
2. La aparición de un éxito debe ser
independiente de los éxitos anteriores en
una misma unidad de tiempo o de espacio.
 Distribución Normal (Z)
La distribución de probabilidad continua
más importante en todo el campo de la
estadística es la distribución normal. Su
gráfica, denominada curva normal, es la
curva con forma de campana.
La curva normal
Para calcular la variable estandarizada Z
Tablas de la distribución normal Z
 Distribución Ji cuadrada
Una variable Ji-cuadrada se define como la
suma de n variables normales
estandarizadas elevadas al cuadrado.
Tablas de Ji-Cuadrada