You are on page 1of 2

Es una variable cuyo valor se encuentra determinado por el azar para cada resultado de un

experimento. En algunos experimentos el resultado es cuantitativo como pesos, número de hijos y


Variable el resultado de otros es cualitativo como color o preferencia religiosa. También podemos decir que
aleatoria. una variable aleatoria es aquella de la cual no podemos conocer su valor hasta que sucede, se
representa siempre utilizando alguna letra, por lo general X.

Discretas: Una variable que solo puede tomar valores enteros de algún experimento de interés, o
Variables claramente separados y definidos sus valores numéricos
Discretas y
continua Continuas: Tiene un número infinito de valores y estos pueden asociarse a mediaciones en
escala continua de tal manera que no hay huecos ni interrupciones

Una distribución de probabilidad indica todos los resultados probables de un experimento, así
Distribución de como la probabilidad de ocurrencias de estos resultados, también podemos decir que es una
probabilidad lista de todos los resultados de un experimento y la probabilidad que se asocia con cada uno de
TEMAS
PROBABILIDAD ellos.
UNIDAD 2

La distribución de probabilidad binomial es un ejemplo de distribución de probabilidad discreta.


Distribución
El término "binomial" se utiliza para designar situaciones en las que los resultados de una
bimodal
variable aleatoria se pueden agrupar en dos clases o categorías.

��

Distribución La distribución binomial negativa o distribución de Pascal es una generalización de la distribución


bimodal geométrica donde la variable aleatoria X es el número de ensayos Bernoulli efectuados hasta que se
negativa y tienen éxitos, con una probabilidad constante de éxito p. Se dice entonces que X tiene una distribución
geométrica binomial negativa con parámetros.

Es el principal modelo de probabilidad empleado para analizar problemas de líneas de espera,


Distribución de confiabilidad y control de calidad; como el número de personas que llegan a un lugar determinado en un
Poisson tiempo definido, los defectos en piezas similares para el material, el número de bacterias en un cultivo,
x −µ
µ e
el número de goles anotados en un partido de fútbol. P (x )=
x!
Sea N el número de elementos de un conjunto de los cuales k son determinados como éxitos y N-k
como fallas, se trata ahora de determinar la probabilidad de éxitos en n ensayos de los N elementos del
Distribución conjunto donde K≤ N y n ≤ N. Sea también la variable aleatoria X el número de éxitos en la muestra.
Hipergeometrica Entonces, X tiene una distribución hipergeométrica y su función de distribución de probabilidad está
dada por: f (x, N, k, n) = (kCx . N-kCn-x) / NCn x=0,1, 2... min (k, n)
La variable aleatoria discreta más sencilla es aquella que toma sólo un número finito de valores posibles
Distribución n, cada uno con la misma probabilidad. Ella se denomina entonces variable aleatoria discreta uniforme y
uniforme discreta su distribución uniforme discreta está dada por: f(x)= 1/n

Con esta ley de probabilidad, la probabilidad de que al hacer un experimento aleatorio, el valor de X
Distribución este comprendido en cierto subintervalo de [a,b] depende únicamente de la longitud del mismo, no de
uniforme continua su posición.

TEMAS Es el modelo de distribución más utilizado en la práctica, ya que multitud de fenómenos se comportan
PROBABILIDAD
UNIDAD 2 según una distribución normal.

Esta distribución de caracteriza porque los valores se distribuyen formando una campana de Gauss, en
torno a un valor central que coincide con el valor medio de la distribución.

Distribución normal La distribución gaussiana, recibe también el nombre de distribución normal, ya que una gran mayoría de
las variables aleatorias continuas de la naturaleza siguen esta distribución.

E(x): µ Var(x) = S2

µ: es el valor medio de la distribución y es precisamente donde se sitúa el centro de la curva (de la


campana de Gauss).

S2: Es la varianza. Indica si los valores están más o menos alejados del valor central: si la varianza es
baja los valores están próximos a la media; si es alta, entonces los valores están muy alejados de ella.
Se representa por s2 porque su raíz cuadrada, s, es la denominada desviación estándar.