DISTRIBUCIONES DE PROBABILIDAD

Una distribución de probabilidad indica toda la gama de valores que pueden representarse
como resultado de un experimento si éste se llevase a cabo.
Es decir, describe la probabilidad de 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.
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.

 VARIABLES ALEATORIAS: Se denomina variable aleatoria (o

estocástica) a la función que adjudica eventos posibles a números reales
(cifra), cuyos valores se miden en experimentos de tipo aleatorio. Estos
posibles valores representan los resultados de experimentos que todavía
no se llevaron a cabo o cantidades inciertas.

 VARIABLES ALEATORIAS DISCRETAS: Es aquella que sólo puede

tomar un numero finito de valores dentro de un intervalo, es decir, solo
toma ciertos valores (frecuentemente enteros) y que resulta principalmente
del conteo realizado.

 VARIABLE ALEATORIA CONTINÚAS: Es aquella puede tomar un

número infinito de valores entre un intervalo dado.

ESTIMACIONES DE LA VARIANZA

La estimación de varianza entre muestras, determina una estimación de las varianzas

iguales de la población de una forma indirecta a través de una distribución de muestreo de
medias. La estimación de la varianza es basada en el promedio de las varianzas
muéstrales que se llama estimación interna de variancia.

DISTRIBUCIÓN

Una distribución estadística, o una distribución de probabilidad, describen cómo se

distribuyen los valores para un campo. En otras palabras, la distribución estadística
muestra qué valores son comunes y no comunes.

 DISTRIBUCIÓN BINOMINAL: 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.
  LA DISTRIBUCIÓN NORMAL: es una distribución con forma de campana donde
las desviaciones estándar sucesivas con respecto a la media establecen valores
de referencia para estimar el porcentaje de observaciones de los datos. Estos
valores de referencia son la base de muchas pruebas de hipótesis, como las
pruebas Z y t.

 LA DISTRIBUCIÓN DE POISSON: Se trata de un modelo discreto, pero en el

que el conjunto de valores con probabilidad no nula no es finito, sino numerable.
Se dice que una variable aleatoria X sigue la distribución de Poisson si su función
de densidad viene dada. Concretamente, se especializa en la probabilidad de
ocurrencia de sucesos con probabilidades muy pequeñas, o sucesos "raros".

Fue descubierta por Siméon-Denis Poisson, que la dio a conocer en 1838 en su

trabajo “Recherches sur la probabilité des jugements en matières criminelles
et matière civile” (Investigación sobre la probabilidad de los juicios en materias
criminales y civiles).

 DISTRIBUCIÓN DE MUESTREO: Es lo que resulta de considerar todas

las muestras posibles que pueden ser tomadas de una población. Su
estudio permite calcular la probabilidad que se tiene, dada una sola
muestra, de acercarse al parámetro de la población. Mediante la
distribución de muestreo se puede estimar el error para un tamaño de
muestra dado.

LA T DE STUDENT

Es una distribución de probabilidad que surge del problema de estimar la media de

una población normalmente distribuida cuando el tamaño de la muestra es pequeño. Esta
aparece de manera natural, al realizar la prueba t de Student para la determinación de las
diferencias entre dos varianzas muéstrales y para la construcción del intervalo de
confianza para la diferencia entre las partes de dos poblaciones cuando se desconoce
la desviación típica de una población y ésta debe ser estimada a partir de los datos de
una muestra.

La distribución t de Student (desarrollada por Gosset ) es también, una definición

alternativa, tomada como la distribución marginal de la primera variable de una
distribución "normal-gamma”; en este sentido la expresión de su función de densidad.

RELACIÓN ENTRA LAS DIFERENTES DISTRIBUCIONES.

RELACCÓN ENTRE DISTRIBUCIÓN BINOMINAL Y DISTRIBUCIÓN DE POISSON.

 DISTRIBUCIÓN BINOMINAL.

Es una distribución de propiedad discreta que mide el número de éxitos de una secuencia
de “n” ensayos independientes entre sí con una probabilidad fija “p” de ocurrecia de éxitos
entre los ensayos.

Es decir:

“p”= Probabilidades de éxito.

“q” =1-p= Probabilidades de fracaso.

 DISTRIBUCIÓN DE POISSON.

Puede ser considera como el límite al cual tiende una Distribución Binominal cuando el
número de elementos es muy grande, es decir, tiende al infinito con una probabilidad muy
pequeña.

 RELACIÓN

Esto es cómodo en ocasiones cuando el cálculo con la distribución Binominal se hace

dificultoso, por tal motivo, se hace la aproximación a Poisson al no tener elementos más
sofisticados como la calculadora o el ordenador.

RELACION ENTRE LA DISTRIBUCION BINOMINAL Y LA DISTRIBUCION NORMAL

 DISTRIBUCION NORMAL

Es aquella que sigue una distribución basada a la Media y la Desviación Estándar, es

decir, esta distribución se encontrara ubicada dentro de un grafico y entre puntos
estratégicos para representar la probabilidad de ciertos acontecimientos o eventos.

 RELACIÓN.

Es comprobado que en una distribución binominal, a medida de que “n” crece, es más
difícil hacer el uso de las formulas o tablas.

La distribución binominal se aproxima a una curva normal de media y desviación típica

cuando “n” tiende hacer infinita o muy grande.

Esta aproximación solo se puede aplicar si “n” es muy grande, con lo cual tendríamos a
una buena aproximación.
Si no se cumplen dichas condiciones, no se pueden hacer no se pueden aproximación de
la distribución de la probabilidad binominal con la distribución de la probabilidad normal.
.