REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA

EDUCACION UNIVERSITARIA
UNIVERSIDAD NACIONAL EXPERIMENTALSUR DEL LAGO
“JESÚS MARIA SEMPRUM”
PROGRAMA NACIONAL DE FORMACIÓNEN CONSTRUCCIÓN CIVIL
TRAYECTO I

DISTRIBUCIÒN DE
PROBABILIDADES

Alumnas:

Nieto Fuentes, Katherin Johanna C.I: 31.571.414

Royero Soto, Oriana Paola C.I: 27.183.951

Urdaneta Salas, Milkelis Andrea C.I: 26.401.508

Santa Bárbara del Zulia, Diciembre de 2017

 Índice

 Variable aleatoria
 Variable aleatoria discreta
 Variable aleatoria continua
 Valor esperado
 Distribución binomial
 Distribución de Poisson
 Distribución normal
 Introducción

De acuerdo al estudio de la estadística entre sus objetivos implica

conocer de manera cuantitativa determinada parte de la realidad, por esto se
hace necesario construir un modelo particular del objeto de estudio; en este
sentido la probabilidad se caracteriza en la forma medible de diferentes
valores donde se asigna a cada posible resultado de un experimento
aleatorio determinada probabilidad. Las distribuciones de probabilidad están
relacionadas con la distribución de frecuencias; debido a que la
distribuciones tratan sobre expectativas de que algo suceda, resultan ser
modelos útiles para hacer inferencias y tomar decisiones de incertidumbre
una distribución; por ello la distribución de frecuencias teórica es una
distribución de probabilidades que describe la forma en que se espera que
varíen los resultados. A continuación se presentará diferentes probabilidades
 Distribución de probabilidades

Variable aleatoria

Una variable aleatoria es una función que asume sus valores de

acuerdo a los resultados de un experimento aleatorio. Usualmente se
representa por las últimas letras del alfabeto: X, Y o Z. Una variable aleatoria
X es una función cuyo dominio es el espacio muestral S y cuyo rango Rx, es
un subconjunto de los números reales. Ejemplos de variables aleatorias: • X:
La suma que aparece al lanzar un par de dados. • Y: El número de caras que
aparecen al lanzar una moneda tres veces. • Z: El número de errores que se
encuentran en la página de un libro. • T: El tiempo de vida de la componente
de un sistema • W: El tiempo de espera para ser atendido en un banco.

Variable aleatoria discreta.

Si X es una variable aleatoria discreta con rango de valores Rx

entonces, su función de probabilidad se define por: p(x) = P[X = x], para todo
x R x y tiene las siguientes propiedades:

• p(x) > 0 y

• Σ p(x) = 1, x ∈ Rx

Cuando Rx no contiene muchos valores es más conveniente expresar

p(x) en una tabla de valores, la cual es llamada tabla de función de
probabilidad.

Ejemplo
Variable aleatoria continúa

Es aquella que puede asumir un número infinito de valores dentro de

un determinado rango. Por ejemplo, el peso de una persona podría ser 80.5,
80.52, 80.525,... dependiendo de la precisión de la báscula. Una variable
aleatoria X se dice que es continua si existe una función no negativa f(x)
definida para todo número real en (−∞,∞) que satisface

Donde B es cualquier subconjunto de los números reales. La función

f(x) es llamada la función de densidad de la variable aleatoria X.

Ejemplo:
Valor esperado

Valor esperado de una variable aleatoria X

Valor esperado de una función g(x) de una variable aleatoria X:

Distribución binomial

La distribución binomial es una distribución de probabilidad discreta

que mide el número de éxitos si la variable es una variable aleatoria discreta,
es decir, sólo puede tomar los valores 0, 1, 2, 3, 4, ..., n suponiendo que se
han realizado n pruebas. En las empresas tenemos muchas situaciones
donde se espera que ocurra o no un evento específico. Éste, sólo puede ser
de éxito o fracaso. Por ejemplo, en la producción de una pieza, ésta puede
salir buena o defectuosa. Para situaciones como éstas se utiliza la
distribución binomial.

La distribución de Poisson

Describe la probabilidad como un acontecimiento fortuito ocurrido en

un tiempo o intervalo de espacio bajo las condiciones que la probabilidad de
un acontecimiento ocurre es muy pequeño, pero el número de intentos es
muy grande, entonces el evento actual ocurre algunas veces

Distribución normal

La distribución de probabilidad conocida como distribución normal es,

por la cantidad de fenómenos que explica, la más importante de las
distribuciones estadísticas. A la distribución normal también se la denomina
con el nombre de campana de Gauss, pues al representar su función de
probabilidad, ésta tiene forma de campana.

La distribución de probabilidad normal y la curva normal que la

representa, tienen las siguientes características:

• La curva normal tiene forma de campana y un solo pico en el centro

de la distribución. De esta manera, la media aritmética, la mediana y la moda
de la Distribución Normal Proyecto e-Math 3 Financiado por la Secretaría de
Estado de Educación y Universidades (MECD) distribución son iguales y se
localizan en el pico. Así, la mitad del área bajo la curva se encuentra a la
derecha de este punto central y la otra mitad está a la izquierda de dicho
punto.

• La distribución de probabilidad normal es simétrica alrededor de su

media.

• La curva normal desciende suavemente en ambas direcciones a

partir del valor central. Es asintótica, lo que quiere decir que la curva se
acerca cada vez más al eje X pero jamás llega a tocarlo. Es decir, las “colas”
de la curva se extienden de manera indefinida en ambas direcciones
 Conclusión

Una vez desarrollado el tema sobre probabilidades se puede llegar a

las siguientes conclusiones: A través de esas construcciones teóricas, se
podrá experimentar sobre aquello que la realidad no permitía; se usa
extensamente en áreas como la estadística, la física, la matemática, la
ciencia para lograr conclusiones sobre la probabilidad de sucesos
potenciales en sistemas complejos. Debido a la necesidad de modelar lo
observable la probabilidad constituye un importante parámetro en la
determinación de las diversas casualidades obtenidas tras una serie de
eventos esperados dentro de un rango estadístico; un modelo resulta
extremadamente útil, siempre que se corresponda con la realidad que
pretende representar o predecir; por ello es necesario conocer cada
distribución de la probabilidad en el casos especifico, sus usos y formas de
aplicarlas. Asimismo la probabilidad mide la frecuencia con la que se obtiene
un resultado (o conjunto de resultados) al llevar a cabo un experimento
aleatorio, del que se conocen todos los resultados posibles, bajo condiciones
suficientemente estables; en este sentido se recurre a diferentes
distribuciones de probabilidad
 Bibliografía

 http://academic.uprm.edu/eacuna/prob2.pdf (VARIABLES
ALEATORIAS Y SUS PROPIEDADES, Dr Edgar Acuña)
 http://www.dcb.unam.mx/profesores/irene/Notas/Tema_3-1.pdf
(FACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y
ESTADÍSTICA ,Irene Patricia Valdez y Alfaro)
 https://riunet.upv.es/bitstream/handle/10251/7936/Distribucion%20bino
mial.pdf (Universidad Politécnica de Valencia, la distribución binomial)
 https://www.uoc.edu/in3/emath/docs/Distrib_Normal.pdf (LA
DISTRIBUCIÓN NORMAL Autores: Ángel A. Juan (ajuanp@uoc.edu),
Máximo Sedano (msedanoh@uoc.edu), Alicia Vila (avilag@uoc.edu).