You are on page 1of 10

INTRODUCCIN

El objetivo de este trabajo es principalmente conocer el concepto claro de lo que es una distribucin en el rea de la probabilidad, adems de saber y analizar los tipos de distribuciones que existen en conjunto con sus diversas frmulas, para que en tiempo futuro podamos ejecutarlas al momento de realizar un problema de la vida real.

DISTRIBUCIN PROBABILSTICA
CONCEPTO Una distribucin de probabilidad la podemos concebir como una distribucin terica de frecuencia, es decir, es una distribucin que describe como se espera que varen los resultados. Dado que esta clase de distribuciones se ocupan de las expectativas son modelos de gran utilidad para hacer inferencias y tomar decisiones en condiciones de incertidumbre. Las distribuciones probabilsticas se pueden clasificar en dos grandes grupos: Distribuciones de variable discreta Distribuciones de variable continua

DISTRIBUCIONES DE VARIABLE DISCRETA Se les llama as a aquellas distribuciones cuya funcin de probabilidad solo toma valores positivos en un conjunto de valores de X finito o infinito numerable. A dicha funcin se le llama funcin de masa de probabilidad. Su frmula es:

Las distribuciones de variable discreta ms importantes son:


Distribucin binomial Distribucin poisson Distribucin geomtrica Distribucin hipergeomtrica Distribucin de Bernoulli Distribucin Rademacher Distribucin uniforme discreta

DISTRIBUCIN BINOMIAL Es una distribucin de probabilidad discreta que mide el nmero de xitos en una secuencia de n ensayos de Bernoulli independientes entre s, con una probabilidad fija p de ocurrencia del xito entre los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotmico, es decir, solo con dos posibles resultados. A uno de estos se denomina xito y tiene una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q=1-p. Para representar que una variable aleatoria X sigue una distribucin binomial de parmetros n y p, se escribe: Frmula: Donde: n= es el nmero de pruebas k= es el nmero de xitos p= es la probabilidad de xito q= es la probabilidad de fracaso Ejemplo de distribucin binomial

DISTRIBUCION POISSON Es una distribucin de probabilidad discreta que expresa a partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra un determinado nmero de eventos durante cierto periodo de tiempo. Frmula: Donde: k= es el nmero de ocurrencias del evento o fenmeno = es un parmetro positivo que representa el nmero de veces que se espera que ocurra el fenmeno durante un intervalo dado. Su valor ser de 10x4=40. e = es la base de los logaritmos naturales valor de 2.7

DISTRIBUCIN GEOMTRICA Es cualquiera de las dos distribuciones de probabilidad discretas siguientes: La distribucin de probabilidad del nmero X del ensayo de Bernoulli necesaria para obtener un xito, contenido en el conjunto {1, 2,3,} La distribucin de probabilidad del nmero Y= X-1 de fallos antes del primer xito, contenido en el conjunto {0, 1, 2,3,.} Frmula: DISTRIBUCIN HIPERGEOMTRICA Es una distribucin relacionada con muestreos aleatorios y sin reemplazo. Mide la probabilidad de obtener x ( x d) elementos de la categora A en una muestra de n elementos de la poblacin original. Frmula: Donde: N= es el tamao de la poblacin n = es el tamao de la muestra extrada d= es el nmero de elementos en la poblacin original que pertenecen a la categora deseada x= es el nmero de elementos en la muestra que pertenecen a dicha categora. DISTRIBUCIN DE BERNOULLI Es una distribucin de probabilidad discreta, que toma valor de 1 para la probabilidad de xito (p) y valor 0 para la probabilidad de fracaso (q=1-p). Frmula: Su funcin de probabilidad viene definida por:

DISTRIBUCIN DE VARIABLE CONTINUA Se denomina variable continua a aquella que puede tomar cualquiera de los infinitos valores existentes dentro de un intervalo. Su expresin queda de la siguiente manera:

Las distribuciones de variable continua ms importantes son: Distribucin ji cuadrado Distribucin exponencial Distribucin t de Student Distribucin normal Distribucin de Gamma Distribucin Beta Distribucin uniforme

DISTRIBUCIN JI CUADRADO Es una distribucin de probabilidad continua con un parmetro k que representa los grados de libertad de la variable aleatoria. Frmula: Donde: Zi= variables aleatorias normales e independientes de media cero y varianza uno.

Ejemplo de grfica de una distribucin ji cuadrado.

DISTRIBUCIN EXPONENCIAL Es una distribucin de probabilidad continua con un parmetro >0 cuya funcin de densidad es:

Su funcin de distribucin es:

DISTRIBUCIN T STUDENT Surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo. Aparece de manera natural al realizar la prueba t de Student para la determinacin de las diferencias entre dos medias muestrales y para la construccin del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la desviacin tpica de una poblacin y sta debe ser estimada a partir de los datos de una muestra.
6

Frmula:

Ejemplo de una grfica de distribucin t Student

DISTRIBUCIN GAMMA Es una distribucin de probabilidad continua con dos parmetros k y , cuya funcin de densidad para valores x>0 es:

Grfica de distribucin Gamma

DISTRIBUCIN NORMAL Se llama tambin distribucin Gaussiana. Es una de las distribuciones de probabilidad de variable continua que con ms frecuencia aparece aproximada a fenmenos reales. La grfica de su funcin densidad tiene una forma acampanada y es simtrica respecto de un determinado parmetro. Esta curva se conoce como campana de Gauss. La importancia de esta distribucin radica en que permite modelar numerosos fenmenos naturales, sociales y psicolgicos. Frmula:

Grfica de una distribucin normal

DISTRIBUCIN BETA Es una distribucin de probabilidad continua con dos parmetros a y b cuya funcin de densidad para valores 0<x<1 es:

CONCLUSIN
En mi opinin personal no conoca nada relacionado a la probabilidad, gracias al trabajo de investigacin anterior conozco ahora que hay maneras de clasificar a las distribuciones y que estas clasificaciones tambin tienen otras pequeas categoras. Las frmulas de las distribuciones parecen difciles pero no, tal vez solo son complejas. Decid agregar algunas grficas para aprender a distinguir los posibles escenarios de algunas de las distribuciones.

BIBLIOGRAFA
La anterior informacin la obtuve de Internet, a continuacin enlisto las pginas. http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabili dad http://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial http://es.wikipedia.org/wiki/Distribuci%C3%B3n_Poisson http://es.wikipedia.org/wiki/Distribuci%C3%B3n_geom%C3% A9trica http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Bernoulli http://es.wikipedia.org/wiki/Distribuci%C3%B3n_hipergeom% C3%A9trica http://es.wikipedia.org/wiki/Distribuci%C3%B3n_%CF%87%C 2%B2 http://es.wikipedia.org/wiki/Distribuci%C3%B3n_exponencial http://es.wikipedia.org/wiki/Distribuci%C3%B3n_t_de_Stude nt http://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal http://es.wikipedia.org/wiki/Distribuci%C3%B3n_Gamma http://es.wikipedia.org/wiki/Distribuci%C3%B3n_Beta

10