Tecnológico Nacional de México

Instituto tecnológico de La Paz

Carrera: Ingeniería industrial.

Materia: Simulación.

Trabajo: distribuciones de probabilidad

Que presenta:
Luna Camargo Enrique

Docente:
JESUS MANUEL BAUTISTA ORTEGA
Introducción.
Una distribución de probabilidad indica toda la gama de valores que pueden representarse
como resultado de un experimento. Una distribución de probabilidad es similar a la
distribución de frecuencias relativas. Sin embargo, en vez de describir el pasado, describe
la probabilidad que un evento se realice en el futuro, constituye una herramienta
fundamental para la prospectiva, puesto que se puede diseñar un escenario de
acontecimientos futuros considerando las tendencias actuales de diversos fenómenos
naturales. Las decisiones estadísticas basadas en la estadística inferencial son
fundamentales en la investigación que son evaluadas en términos de distribución de
probabilidades
Los valores de una variable sirven para describir o clasificar individuos o distinguir entre
ellos. La mayoría de nosotros hacemos algo más que simplemente describir, clasificar o
distinguir, porque tenemos ideas respecto a las frecuencias relativas de los valores de una
variable. En estadística decimos que la variable tiene una función de probabilidad, una
función de densidad de probabilidad o simplemente una función de distribución Las
distribuciones de probabilidad están relacionadas con la distribución de frecuencias. De
hecho, podemos pensar en la distribución de probabilidad como una distribución de
frecuencias teórica. Una distribución de frecuencias teórica es una distribución de
probabilidades que describe la forma en que se espera que varíen los resultados. Debido a
que estas distribuciones tratan sobre expectativas de que algo suceda, resultan ser modelos
útiles para hacer inferencias y tomar decisiones de.

Los objetivos de distribuciones de probabilidad son: a) Introducir las distribuciones de

probabilidad que más se utilizan en la toma de decisiones. b) Utilizar el concepto de valor
esperado para tomar decisiones. c) Mostrar qué distribución de probabilidad utilizar, y
cómo encontrar sus valores. d) Entender las limitaciones de cada una de las distribuciones
de probabilidad que utilice.

En estadística y probabilidad se llama distribución normal, distribución de

Gauss, distribución gaussiana o distribución de Laplace-Gauss, a una de las distribuciones
de probabilidad de variable continua que con más frecuencia aparece estadística y teoría
de probabilidad.

La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto

de un determinado parámetro estadístico. Esta curva se conoce como campana de Gauss y
es el gráfico de una función gaussiana.

La importancia de esta distribución radica en que permite modelar numerosos fenómenos

naturales, sociales y psicológicos. Mientras que los mecanismos que subyacen a gran parte
de este tipo de fenómenos son desconocidos, por la enorme cantidad de variables
incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse
asumiendo que cada observación se obtiene como la suma de unas pocas causas
independientes.

Una distribución binomial es una distribución de probabilidad ampliamente utilizada de

una variable aleatoria discreta es la distribución binomial. Esta describe varios procesos de
interés para los administradores.

Describe datos discretos, resultantes de un experimento denominado proceso de Bernoulli

en honor del matemático suizo Jacob Bernoulli, quien vivió en el siglo XVII.
Podemos servirnos de los resultados de un número fijo de lanzamientos de una moneda
como ejemplo de un proceso de Bernoulli. Este proceso lo describimos así:

Cada ensayo (cada lanzamiento, en nuestro caso) tiene sólo dos resultados posibles: lado A
o lado B, sí o no, éxito o fracaso. La probabilidad del resultado de cualquier ensayo
(lanzamiento) permanece fija con el tiempo. Tratándose de una moneda la probabilidad de
que salga del lado A sigue siendo de 0.5 en cada lanzamiento, cualquiera que sea el número
de veces que la moneda sea arrojada. Los ensayos son estadísticamente independientes, es
decir, el resultado de un lanzamiento no afecta al de cualquier otro lanzamiento. Cada
proceso de Bernoulli tiene su propia probabilidad característica. Pongamos el caso en que
siete décimas partes de las personas que solicitaron cierto tipo de empleo pasaron la
prueba. Diremos entonces que la probabilidad característica fue de 0.7 pero podemos
describir los resultados de la prueba como un proceso de Bernoulli sólo si tenemos la
seguridad de que la proporción de los que fueron aprobados permaneció constante con el
tiempo. Des de luego, la otra característica del proceso de Bernoulli también deberá ser
satisfecha. Cada prueba deberá arrojar tan sólo dos resultados (éxito o fracaso= y los
resultados de las pruebas habrán de ser estadísticamente independientes. En un lenguaje
más formal, el símbolo p representa la probabilidad de un éxito y el símbolo q ( 1- p)
representa la probabilidad de un fracaso. Para representar cierto número de éxitos,
utilizaremos el símbolo r y para simbolizar el número total de ensayos emplearemos el
símbolo n.

Distribución exponencial. A pesar de la sencillez analítica de sus funciones de definición, la

distribución exponencial tiene una gran utilidad práctica ya que podemos considerarla
como un modelo adecuado para la distribución de probabilidad del tiempo de espera entre
dos hechos que sigan un proceso de Poisson. De hecho la distribución exponencial puede
derivarse de un proceso experimental de Poisson con las mismas características que las que
enunciábamos al estudiar la distribución de Poisson, pero tomando como variable aleatoria,
en este caso, el tiempo que tarda en producirse un hecho

Obviamente, entonces, la variable aleatoria será continua. Por otro lado existe una relación
entre el parámetro a de la distribución exponencial, que más tarde aparecerá, y el
parámetro de intensidad del proceso l, esta relación es a = l

Al ser un modelo adecuado para estas situaciones tiene una gran utilidad en los siguientes
casos:

· Distribución del tiempo de espera entre sucesos de un proceso de Poisson

· Distribución del tiempo que transcurre hasta que se produce un fallo, si se cumple la
condición que la probabilidad de producirse un fallo en un instante no depende del tiempo
transcurrido .Aplicaciones en fiabilidad y teoría de la supervivencia.

La distribución triangular es la distribución de probabilidad continua que tiene un valor

mínimo a, un valor máximo b y una moda c, de modo que la función de densidad de
probabilidad es cero para los extremos (a y b), y afín entre cada extremo y la moda, por lo
que su gráfico es un triángulo.

A distribución triangular se utiliza generalmente para modelar procesos estocásticos o de

riesgo comercial. Por ejemplo, la recolección de datos para determinar el costo de
construcción de un edificio nuevo resulta difícil. Sin embargo, usted puede estimar los
costos de construcción mínimos, máximos y más probables (moda). Es fácil definir y explicar
estos valores, que son una representación razonable de los datos.

Una distribución triangular es una distribución continua que se describe por sus valores
mínimos, máximos y su moda. La distribución tiene una forma triangular. Comienza en el
valor mínimo, aumenta de manera lineal hasta alcanzar el valor pico en la moda y luego
disminuye de manera lineal hasta alcanzar el valor máximo. La forma del triángulo puede
ser simétrica o asimétrica. Por ejemplo, la siguiente gráfica ilustra una distribución
triangular con parámetros mínimo = 10, moda = 50 y máximo = 150.
Conclusión.
En teoría de la probabilidad y estadística, la distribución de probabilidad de una variable
aleatorias una función que asigna a cada suceso definido sobre
la variable la probabilidad de que dicho suceso ocurra. La distribución de probabilidad está
definida sobre el conjunto de todos los sucesos y cada uno de los sucesos es el rango de
valores de la variable aleatoria. También puede decirse que tiene una relación estrecha con
las distribuciones de frecuencia. De hecho, una distribución de probabilidades puede
comprenderse como una frecuencia teórica, ya que describe cómo se espera que varíen los
resultados. La distribución de probabilidad está completamente especificada por la función
de distribución, cuyo valor en cada x real es la probabilidad de que la variable aleatoria sea
menor o igual que x.