Nombre del docente:

Gamboa Murueta Omar David.

Materia:
Probabilidad y Estadística Descriptiva.

Trabajo:
Investigación Unidad 3.

Nombre del alumno:

Guillén López Jaime.

Semestre:
3°

Fecha de entrega:
31 de octubre de 2018

Guillén López Jaime

 ÍNDICE
3.Tipos de distribuciones, variables aleatorias discretas y continuas.
3.1 Binomial.
3.1.1 Propiedades: Media, Varianza y desviación estándar.
3.1.2 Gráfica.
3.2 Poisson.
3.3 Propiedades: Media, Varianza y desviación estándar.
3.4 Gráfica.
3.5 Hipergeométrica.
3.6 Propiedades: Media, Varianza y desviación estándar.
3.7 Gráfica.
3.8 Normal y Logarítmico-normal.
3.9 Propiedades: Media, Varianza y desviación estándar.
3.10 Gráfica.
3.11 Aproximación de la normal a la binomial.
3.12 Propiedades: Media, Varianza y desviación estándar.
3.13 Gráfica.

Guillén López Jaime

 3.Tipos de distribuciones, variables aleatorias discretas y continuas.
3.1 Binomial
La distribución binomial es una distribución de probabilidad discreta que mide el
número de éxitos en una secuencia de n ensayos de Bernoulli independientes entre
sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos. Un
experimento de Bernoulli se caracteriza por ser dicotómico, esto es, sólo son
posibles dos resultados. A uno de estos se denomina éxito y tiene una probabilidad
de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribución
binomial el anterior experimento se repite n veces, de forma independiente, y se
trata de calcular la probabilidad de un determinado número de éxitos. Para n = 1, la
binomial se convierte, de hecho, en una distribución de Bernoulli.
3.1.1 Propiedades: Media, Varianza y desviación estándar.
-Media

-Varianza

-Desviación típica

3.1.2 Gráfica.

Función de distribución de probabilidad Función de probabilidad.

Guillén López Jaime

 3.2 Poisson.

Es una distribución de probabilidad discreta que expresa, a partir de una frecuencia

de ocurrencia media, la probabilidad de que ocurra un determinado número de
eventos durante cierto período de tiempo. Concretamente, se especializa en la
probabilidad de ocurrencia de sucesos con probabilidades muy pequeñas, o
sucesos "raros".
Propiedades:
La función de masa de probabilidad de la distribución de Poisson es :

Donde
“k” es el número de ocurrencias del evento o fenómeno (la función nos da la
probabilidad de que el evento suceda precisamente k veces).
“λ” es un parámetro positivo que representa el número de veces que se espera que
ocurra el fenómeno durante un intervalo dado. Por ejemplo, si el suceso estudiado
tiene lugar en promedio 4 veces por minuto y estamos interesados en la probabilidad
de que ocurra k veces dentro de un intervalo de 10 minutos, usaremos un modelo
de distribución de Poisson con λ = 10×4 = 40.
“e” Es la base de los logaritmos naturales (e = 2,71828...)
Tanto el valor esperado como la varianza de una variable aleatoria con distribución
de Poisson son iguales a λ.
3.3 Propiedades: Media, Varianza y desviación estándar.
-Media

E(X)= “λ”
-Varianza
V(X)= “λ”

-Desviación estándar

Guillén López Jaime

 3.4 Gráfica.

3.5 Hipergeométrica

En teoría de la probabilidad la distribución hipergeométrica es una distribución

discreta relacionada con muestreos aleatorios y sin reemplazo. Suponga que se
tiene una población de N elementos de los cuales, d pertenecen a la categoría A y
N-d a la B. La distribución hipergeométrica mide la probabilidad de obtener x (0 ≤ x
≤ d) elementos de la categoría A en una muestra sin reemplazo de n elementos de
la población original.
Utilice la distribución hipergeométrica para muestras obtenidas de poblaciones
relativamente pequeñas, sin reemplazo. Por ejemplo, la distribución
hipergeométrica se utiliza en la prueba exacta de Fisher para probar la diferencia
entre dos proporciones y en muestreos de aceptación por atributos cuando se toman
muestras de un lote aislado de tamaño finito.
La distribución hipergeométrica se define por 3 parámetros: tamaño de la población,
conteo de eventos en la población y tamaño de la muestra.
La diferencia entre las distribuciones hipergeométrica y binomial
Tanto la distribución hipergeométrica como la distribución binomial describen el
número de veces que un evento ocurre en un número fijo de ensayos. Para la
distribución binomial, la probabilidad es igual para cada ensayo. Para la distribución
hipergeométrica, cada ensayo cambia la probabilidad de cada ensayo subsiguiente
porque no hay reemplazo.

Guillén López Jaime

 3.6 Propiedades: Media, Varianza y desviación estándar.

-Media
Considerando que una variable hipergeométrica de parámetros N, n, p, puede
considerarse generadas por la reiteración de un proceso dicotómico n veces en las
que la n dicotomías NO es independiente; podemos considerar que una variable
hipergeométrica

-Varianza
Si se evalúa el valor de la varianza para nuestro caso se obtiene la varianza de
una distribución hipergeométrica de parámetros N, n, p es: si X H (N, n, p).

-Desviación Estándar

3.7 Gráfica.

Guillén López Jaime

 3.8 Normal y Logarítmico-normal.
1-Normal
Una variable aleatoria continua, X, sigue una distribución normal de parámetros y si
su función de densidad.
-Propiedades
1. La curva que describe la función es simétrica alrededor de p, y sus ramas se
alejan o se o acercan según la desviación estándar que posea la -í -4 -3 -2 -i o i 2 3
4 5 x variable aleatoria.
2. p = Md = P50 = Mc Md: Moda,
P50: Percentil 50, Me: Mediana
3. Tiene dos puntos de inflexión que están en p - a y (i + o
NOTACIÓN X ~ n ,a2) Esto quiere decir que la variable aleatoria X tiene una
distribución Normal con media (i y varianza a2)

2.- Logarítmico-Normal
recios de acciones, precios de propiedades inmobiliarias, escalas salariales y
tamaños de depósitos de aceite.
-Parámetros
Ubicación, Media, Desviación estándar
De forma predeterminada, la distribución logarítmico normal utiliza la media
aritmética y la desviación estándar. En el caso de aplicaciones en las que hay datos
históricos disponibles, resulta más adecuado utilizar la desviación estándar
logarítmica y la media logarítmica o la media geométrica y la desviación estándar
geométrica. Estas opciones están disponibles en el menú Parámetros de la barra
de menús. Tenga en cuenta que el parámetro de ubicación está siempre en el
espacio aritmético.
-Condicionales
La distribución logarítmico normal se utiliza cuando se dan las siguientes
condiciones:
Los límites superiores e inferiores son ilimitados, pero la variable incierta no puede
estar por debajo del valor del parámetro de ubicación.
La distribución se ha sesgado positivamente, con la mayoría de los valores próximos
al límite inferior.
El logaritmo natural de la distribución es una distribución normal.

Guillén López Jaime

 3.9 Propiedades: Media, Varianza y desviación estándar.
1-Normal
-Media

-Varianza

-Desviación Estándar

2-Logaritmico normal
-Media

-Varianza

-Desviación Estándar

Guillén López Jaime

 3.10 Grafica
1.-Normal

2.- Logarítmico-Normal

Guillén López Jaime

 3.11 Aproximación de la normal a la binomial.
La distribución binomial, es una distribución discreta en la que n ensayos pueden
producir un éxito o un fracaso. La probabilidad de éxito la denominamos p y la
posibilidad de fracaso será q = (1 - p). Como se ha visto en otros apartados el
cálculo de la distribución binomial puede exceder el límite de cualquier tabla y
volverse muy engorrosa en su cálculo si el valor de n es muy grande.
Un método alternativo para el cálculo de la distribución binomial es por medio del
uso de la distribución normal para aproximar la distribución binomial. Para ello es
fundamental que se satisfagan las siguientes condiciones, np ≥ 5 y n(1 - p) ≥ 5 y
además p está próximo a 0,5.
Debido a que la distribución normal es continua, y en consecuencia entre dos
valores existirá una serie infinita de valores posibles, para estimar una variable
aleatoria discreta se requiere de un leve ajuste, denominado factor de corrección de
continuidad, sumando o restando 1/2 al valor de x. De esta forma el valor de z se
obtiene mediante la fórmula:

Ejemplos:
1. El 45% de todos los empleados de una dependencia pública poseen título que
los acredita para el puesto. ¿Cuál es la probabilidad de que de los 160 empleados
elegidos al azar 75 posean título para el puesto?
Solución:
Datos: n = 160, x = 75, p = 0,45, q = 0,55

Guillén López Jaime

 3.12 Propiedades: Media, Varianza y desviación estándar.
-Media

-Varianza

-Desviación Estándar

3.13 Gráfica.

Guillén López Jaime

 “Bibliografía”
http://www.stadcenterecuador.com/estadisticas/ejercicios/16-sp-327/54-aproximacion-
normal-a-la-binomial
https://es.slideshare.net/luisalfredomoctezumapascual/aproximacion-normal-a-la-binomial-
60995270
http://trabajoprobabilidad.blogspot.com/p/aproximacion-de-la-distribucion-normal.html
http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T03.pdf
https://jcastrom.jimdo.com/matematica/estadistica/aproximación-normal-a-la-binomial/
http://e-
ducativa.catedu.es/44700165/aula/archivos/repositorio/2000/2010/html/31_aproximacin_n
ormal_a_la_binomial.html
http://www.matematicasvisuales.com/html/probabilidad/varaleat/binomialnormal.html
https://es.wikipedia.org/wiki/Distribución_log-normal
https://es.wikipedia.org/wiki/Desviación_típica
https://www.crystalballservices.com/Portals/0/CB_Material/CrystalBallUserGuides/es/Cryst
al%20Ball%20Users%20Guide/frameset.htm?lognormal_distribution.htm
https://www.google.com.mx/search?ei=PinWW6WXGILCsQXAyY3wDg&q=3.5+hipergeom
etrica+graficas&oq=3.5+hipergeometrica+Gradica%2B&gs_l=psy-
ab.3.1.33i160k1l2.376917.381567.0.383302.11.11.0.0.0.0.302.1421.0j8j0j1.9.0....0...1c.1.
64.psy-ab..2.9.1419...0i22i30k1j33i21k1.0.edgrW1NujGY
https://es.scribd.com/doc/54075845/DISTRIBUCION-HIPERGEOMETRICA
http://cidecame.uaeh.edu.mx/lcc/mapa/PROYECTO/libro19/42hipergeomtrica_e_hipergeo
mtrica_multivariada.html
https://es.wikipedia.org/wiki/Distribución_de_Poisson
https://www.monografias.com/trabajos81/distribuciones-probabilidad-
discreta/distribuciones-probabilidad-discreta2.shtml

Guillén López Jaime