- 3 -

Introduccin.
Las distribuciones de probabilidad estn relacionadas con la distribucin de frecuencia.
Algunos libros dicen que se puede pensar en la distribucin de la probabilidad como una
distribucin de frecuencia terica; podemos decir que la distribucin de la probabilidad
describe la forma en que se espera que varen los resultados y como estas distribuciones
tratara sobre expectativas de que algo suceda, sirven para hacer inferencias y formar
decisiones en condiciones de incertidumbre.
Las probabilidades son nmeros comprendidos entre 0 y 1. Probabilidades prximas a 1
indican que cabe esperar que ocurran los sucesos en estudio. Probabilidades prximas a 0
indican que no cabe esperar que ocurran los sucesos de que se trate. Probabilidades
prximas a 0.5 indican que es tan verosmil que el suceso se produzca como que no.
La teora de la probabilidad se emplea para sacar conclusiones acerca de una poblacin,
con base en una muestra extrada utilizando mtodos estadsticos llamados mtodos
inferenciales y para aplicarlos se requiere en el enfoque paramtrico del conocimiento de
la distribucin de probabilidad de los datos poblacionales.
En el siguiente trabajo se clasifican los tipos de distribuciones de probabilidad. Muestra
formulas y ejemplos de cada distribucin expuesta. En el trabajo tambin se puede
observar la varianza y la esperanza matemtica.










- 4 -

Distribucin Hipergeomtrica.
En teora de la probabilidad la distribucin hipergeomtrica es una distribucin discreta
relacionada con muestreos aleatorios y sin reemplazo.
La funcin de probabilidad de una variable aleatoria con distribucin hipergeomtrica puede
deducirse a travs de razonamientos combinatorios y es igual a:

Dnde:
1.)N= Total de poblacin.
2.)R= N de xitos o fracasos de la poblacin.
3.)X= N de xitos o fracasos que interesan.
4.)n= Muestra.
La esperanza matemtica o valor medio de la distribucin hipergeomtrica se calcula:

Y la varianza se define como:

- 5 -

Ejemplo:
De 50 programas realizados en C, 12 no corren perfectamente. Si se seleccionan 6
aleatoriamente. Mediante la distribucin hipergeomtrica, Determine la probabilidad de que
3 programas no corran perfectamente?



DATOS:
N= 50
n= 6
R=12
X=3













- 6 -

Variables aleatorias continuas.
Son aquellas en las que la funcin de distribucin es una funcin continua.
Si el conjunto de valores de X es un conjunto finito o infinito numerable, es decir, si se
pueden enlistar o enumerar, se dice que la variable es discreta, y si el conjunto de valores de X
es no numerable, o es un subconjunto de los nmeros reales, la variable aleatoria se
llama variable aleatoria continua.
Son ejemplos de variables aleatorias continuas: la estatura, el peso, la edad, el volumen, entre
otros.
Generalmente, se corresponden con variables asociadas a experimentos en los cuales la
variable medida puede tomar cualquier valor en un intervalo.
Ejemplo:
Supongamos que la Secretara del Medio Ambiente inspecciona una vez al mes la cantidad
de un contaminante que descarga una compaa de productos qumicos. Si la cantidad del
contaminante excede el nivel mximo permitido, se multa a la compaa y se le obliga a
corregir el problema. Consideremos las siguientes dos variables aleatorias asociadas a este
problema:
Solucin:
Si la segunda variable X es la cantidad del contaminante que excede los lmites
permitidos (en miligramos por litro) medidos por mes en una muestra de aguas residuales de la
compaa, qu valores toma la variable?, el conjunto de valores de sta no se puede enlistar o
numerar, sino que proviene de una medicin. El conjunto de valores es un intervalo de valores
desde 0 y un nmero indeterminado, quizs entre 0 y 500 miligramos o 1000 miligramos, tal
vez. Decimos entonces, que X es una variable aleatoria continua.
Distribucin uniforme
Es una distribucin en el intervalo [a,b] en la cual las probabilidades son las mismas para todos
los posibles resultados, desde el mnimo de a hasta el mximo de b.
El experimento de lanzar un dado es un ejemplo que cumple la distribucin uniforme, ya que
todos los 6 resultados posibles tienen 1/6 de probabilidad de ocurrencia.
- 7 -

- La funcin de densidad de una
distribucin uniforme (altura de cada
rectngulo en la grfica anterior) es:
En Donde:
a = mnimo valor de la distribucin
b = mximo valor de la distribucin
b a = Rango de la distribucin

- La media, valor medio esperado o esperanza matemtica de una distribucin uniforme se
calcula empleando la siguiente frmula:


- La varianza de una distribucin uniforme se calcula empleando la siguiente frmula:


- probabilidad de que una observacin caiga entre dos valores se calcula de la siguiente
manera:


Ejemplo:

Sea X el momento elegido al azar en que un estudiante recibe clases en un determinado
da entre las siguientes horas: 7:00 - 8:00 - 9:00 - 10:00 - 11:00 - 12:00 - 1:00
1) Cul es la funcin de densidad de la variable X?
2) Calcular el valor medio esperado
3) Calcular la varianza
4) Calcular la probabilidad de que llegue en la primera media hora
5) Si recibe clases de Estadstica Aplicada de 10:00 a 12:15, calcular la probabilidad de recibir
esta asignatura.
- 8 -

Solucin: Remplazando:

1. a = 7 y b = 13

2. Reemplazando valores en la
frmula del valor esperado se
obtiene:






3. Reemplazando valores en la frmula de la varianza se obtiene:







1.) Llegar en la primera media hora significa que llega a la 7:30. Por lo tanto se debe
calcular la probabilidad entre las 7:00 y las 7:30.

Como 7:30 = 7horas + 30 minutos, y el porcentaje que representa 30 minutos de una hora es:







- 9 -


Por lo tanto se debe calcular la probabilidad entre 7 y 7,5
Aplicando la frmula de la probabilidad entre dos valores se obtiene:



1. Se debe calcular la probabilidad entre las 10:00 y las 12:15
Como 12:15 = 12horas + 15 minutos, y el porcentaje que representa 15 minutos de una hora
es:

Por lo tanto de debe calcular la probabilidad entre 10 y 12,25
Aplicando la frmula de la probabilidad entre dos valores se obtiene:


Esperanza matemtica y varianza de la distribucin uniforme
En estadstica la esperanza matemtica (o simplemente esperanza) o valor esperado
de una variable aleatoria es la suma de la probabilidad de cada suceso multiplicada por su
valor.
Por ejemplo en un juego de azar el valor esperado es el beneficio medio. Si todos los sucesos
son de igual probabilidad la esperanza es la media aritmtica.

La Varianza sirve para identificar a la media de las desviaciones cuadrticas de
una variable de carcter aleatorio, considerando el valor medio de sta.
- 10 -

La varianza de las variables aleatorias, por lo tanto, consiste en una medida vinculada a su
dispersin. Se trata de la esperanza del cuadrado de la desviacin de esa variable considerada
frente su media y se mide en una unidad diferente. Por ejemplo: en los casos en que la
variable mide una distancia en kilmetros, su varianza se expresa en kilmetros al cuadrado.
Esperanza Matemtica


Varianza



Ejemplo
Calcular la Esperanza matemtica y la Varianza al lanzar una moneda tres veces
Probabilidad que salga:
Cara 0,5 (p)
Sello 0,5 (q) o (1-p)
Lanzamientos: n= 3
Sustituyendo



Distribucin exponencial
Mientras que la distribucin de Poisson describe las llegadas por unidad de tiempo, la
distribucin exponencial estudia el tiempo entre cada una de estas llegadas. Si las llegadas son
de Poisson el tiempo entre estas llegadas es exponencial. Mientras que la distribucin de
Poisson es discreta la distribucin exponencial es continua porque el tiempo entre llegadas no
tiene que ser un nmero entero. Esta distribucin se utiliza mucho para describir el tiempo
entre eventos. Ms especficamente la variable aleatoria que representa al tiempo necesario
para servir a la llegada.
Ejemplos tpicos de esta situacin son el tiempo que un medico dedica a una
exploracin, el tiempo de servir una medicina en una farmacia, o el tiempo de atender a una
urgencia.
El uso de la distribucin exponencial supone que los tiempos de servicio son aleatorios,
es decir, que un tiempo de servicio determinado no depende de otro servicio realizado
anteriormente ni de la posible cola que pueda estar formndose. Otra caracterstica de este
tipo de distribucin es que no tienen "edad" o en otras palabras, "memoria". Por ejemplo.
Supongamos que el tiempo de atencin de un paciente en una sala quirrgica sigue una
distribucin exponencial. Si el paciente ya lleva 5 horas siendo operado, la probabilidad de que
E(x)= n*p
E(x)= (3)*(0,5)= 1,5
V(x)= n*p*q
V(x)= (3)*(0,5)*(0,5)= 0,75
- 11 -

est una hora ms es la misma que si hubiera estado 2 horas, o 10 horas o las que sea. Esto es
debido a que la distribucin exponencial supone que los tiempos de servicio tienen una gran
variabilidad. A lo mejor el prximo paciente operado tarda 1 hora porque su ciruga era mucho
ms simple que la anterior.
La funcin de densidad de la distribucin exponencial es la siguiente:
Se dice que la variable aleatoria continua X tiene distribucin exponencial con parmetro

Cuya funcin de densidad es:

Se dice que sigue una distribucin exponencial de parmetro ,
,
Un clculo inmediato nos dice que si x>0,





Luego la funcin de distribucin es:




- 12 -

Para calcular el valor esperado y la varianza de la distribucin exponencial, obtenemos en
primer lugar la funcin caracterstica




Para despus, derivando por primera vez


Y derivando por segunda vez,


Entonces la varianza vale




Ejemplo:

Suponga que la vida de cierto tipo de tubos electrnicos tiene una distribucin exponencial
con vida media de 500 horas. Si X representa la vida del tubo (tiempo q dura el tubo).

a) Hallar la probabilidad que se queme antes de las 300 horas.
b) Cul es la probabilidad que dure por lo menos 300 horas?
c) Si un tubo particular ha durado 300 horas. cal es la probabilidad de que dure otras 400
horas?



- 13 -

Solucin

Este, es una propiedad de la distribucin exponencial que se conoce como la de no tener
memoria.

Distribucin gamma
La distribucin gamma es una distribucin de probabilidades continua generalizadas de
la distribucin exponencial , utilizada para modelar variables aleatorias continuas con
asimetra positiva, es decir, aquellas que presentan una mayor densidad de ocurrencia a la
izquierda de la media que a la derecha.
La notacin fue ideada por Adrien-Marie Legendre. Si la parte real del nmero
complejo z es positivo, entonces la integral

Converge absolutamente; esta integral puede ser extendida a todo el plano complejo
excepto a los enteros negativos y al cero.
Si n es un entero positivo, entonces
- 14 -



Componentes de la distribucin gamma
X; es el valor en el que se desea evaluar la distribucin.
Alfa; es un parmetro de la distribucin.
Beta; es tambin un parmetro de la distribucin.
Funcin gamma; determina si se presenta convergencia.
F(x); es la representacin de la probabilidad estadstica.

Formulacin de la distribucin gamma
















- 15 -

Conclusin.
La importancia de la distribucin se pone de manifiesto ante las variadas disciplinas del
quehacer humano en las cuales este concepto est involucrado, en forma definida o implcita.
As, la distribucin en el campo de las ciencias exactas remite a los parmetros estadsticos de
la distribucin de probabilidades de las variables aleatorias, entendida como una funcin que
permite asignar a ciertos sucesos definidos la probabilidad de que esos sucesos tengan lugar.
Del mismo modo, en el rico entorno del anlisis matemtico, se reserva la idea de distribucin
a la denominada teora de funciones generalizadas, ideal para extender la aplicacin de
derivadas a todas las funciones matemticas que pueden integrarse. La sistematizacin de la
distribucin aplicada al anlisis matemtico ha permitido avances acentuados en mbitos
como la ingeniera, la fsica, el diagnstico por imgenes y el procesamiento de seales, entre
otros.


















- 16 -

Bibliografa
Distribucin hipergeomtrica (en lnea). (Consulta: 22 de mayo de 2014). Disponible
en: http://es.wikipedia.org/wiki/Distribuci%C3%B3n_hipergeom%C3%A9trica

Distribucin hipergeomtrica (en lnea). (Consulta: 22 de mayo de 2014). Disponible
en:
http://www.uv.es/ceaces/base/modelos%20de%20probabilidad/hipergeometrica.htm

Variables aleatorias continuas (en lnea). (Consulta: 22 de mayo de 2014). Disponible
en:
http://pendientedemigracion.ucm.es/info/genetica/Estadistica/estadistica_basica%20
1.htm

Distribucin de probabilidad uniforme hipergeomtrica (en lnea). (Consulta: 22 de
mayo de 2014). Disponible en: http://www.monografias.com/trabajos86/distribucion-
probabilidad-uniforme/distribucion-probabilidad-uniforme.shtml

Distribucin exponencial (en lnea). (Consulta: 22 de mayo de 2014). Disponible en:
http://www.bioestadistica.uma.es/libro/node78.htm

Distribucin exponencial (en lnea). (Consulta: 22 de mayo de 2014). Disponible en:
http://www.slideshare.net/monicamantillahidalgo/distribucion-exponencial

Distribucin gamma (en lnea). (Consulta: 22 de mayo de 2014). Disponible en:
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_gamma

Distribucin gamma y sus relativos (en lnea). (Consulta: 22 de mayo de 2014).
Disponible en: http://www.monografias.com/trabajos94/distribucion-
gamma/distribucion-gamma.shtml