1.

Distribución de probabilidad
La distribución de probabilidad es una función que asigna a cada suceso definido sobre
una variable la probabilidad de que dicho suceso ocurra. Una distribución de probabilidad
la podemos definir como una distribución teórica de frecuencia, es decir, es una
distribución que describe como se espera que varíen los resultados. Dado que esta clase de
distribuciones se ocupan de las expectativas, son modelos de gran utilidad para hacer
inferencias y tomar decisiones en condiciones de incertidumbre.

Toda distribución de probabilidad es generada por una variable (porque puede tomar
diferentes valores) aleatoria x (porque el valor tomado es totalmente al azar), y puede ser de
tres tipos:

 Variable aleatoria: Es aquella cuyo valor es el resultado de un evento aleatorio. Lo

que quiere decir que son los resultados que se presentan al azar en cualquier evento
o experimento.

 Variable aleatoria discreta: Es aquella que solo toma ciertos valores

(frecuentemente enteros) y que resulta principalmente del conteo realizado.

 Variable aleatoria continua: Es aquella que resulta generalmente de la medición y

puede tomar cualquier valor dentro de un intervalo dado.

Las variables descritas anteriormente nos generan una distribución de probabilidad, las
cuales pueden ser.

 Distribución de probabilidad discreta.

 Distribución de probabilidad continua.

2. Características de una distribución discreta de probabilidad

 Es generada por una variable discreta (x).

X = Variable que solo toma valores enteros y un número finito de ellos.

 Las probabilidades asociadas a cada uno de los valores que toma x deben ser
mayores o iguales a cero, y menores o iguales a 1.
  La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x
debe ser igual a 1.

3. Características de una distribución continua de probabilidad

 Es generada por una variable continua (x).

X = Variable que puede tomar tanto valores enteros como fraccionarios, y un número
infinito de ellos dentro de un mismo intervalo.

 Las probabilidades asociadas a cada uno de los valores que toma x deben ser
mayores o iguales a cero. Dicho de otra forma, la función de densidad de
probabilidad deberá tomar solo valores mayores o iguales a cero.

 La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x
debe ser igual a 1. El área definida bajo la función de densidad de
probabilidad deberá ser de 1.

4. Características de una distribución normal de probabilidad

La distribución normal es un caso particular de probabilidad de variable aleatoria
continua. Carl Friedrich Gauss (1777-1855) elaboró desarrollos más profundos y formuló la
ecuación de la curva; de ahí que también se le conozca, más comúnmente, como
la "campana de Gauss". La distribución de una variable normal está completamente
determinada por dos parámetros, su media (µ) y su desviación estándar (σ). Con esta
notación, la densidad de la normal viene dada por la ecuación:
 En la distribución normal, se puede calcular la probabilidad de que varios valores
ocurran dentro de ciertos rangos o intervalos. Sin embargo, la probabilidad exacta de un
valor particular dentro de una distribución continua, como la distribución normal, es cero.
Esta propiedad distingue a las variables continuas, que son medidas, de las variables
discretas, las cuales son contadas.

Las principales características de la distribución normal de probabilidad son:

 Su forma: Es una campana simétrica con respecto a su centro. La curva tiene un

solo pico; por tanto, es unimodal.

La media de una población distribuida normalmente cae en el centro de su curva

normal. Debido a la simetría de la distribución normal de probabilidad, la mediana
y la moda de la distribución se encuentran también en el centro; en consecuencia,
para una curva normal, la media, la mediana y la moda tienen el mismo valor.

 Los dos extremos de la distribución normal de probabilidad se extienden

indefinidamente y nunca tocan el eje horizontal.

 Posee dos parámetros:

 Parámetro de localización: La media

 Parámetro de forma: La varianza

 Su variable aleatoria asociada tiene un rango infinito.

 El área bajo la curva es igual a uno.
 Tiene una asíntota en y = 0 (eje x).
 5. Uso de la tabla de áreas bajo la curva normal

La tabla de la distribución normal presenta los valores de probabilidad para una variable
estándar Z, con media igual a 0 y varianza igual a 1.

Para usar la tabla, siempre debemos estandarizar la variable por medio de la expresión:

Siendo el valor de interés; la media de nuestra variable y su desviación estándar.

La corresponden a parámetros, o sea valores en el universo, que generalmente no
conocemos, por lo que debemos calcular Z usando los datos de nuestra muestra.

En general, el valor de Z se interpreta como el número de desviaciones estándar que

están comprendidas entre el promedio y un cierto valor de variable x. En otras palabras, se
puede decir que es la diferencia entre un valor de la variable y el promedio, expresada esta
diferencia en cantidad de desviaciones estándar.

Ejemplo:

Supongamos un conjunto de personas con edad promedio 25 años y desviación estándar

3,86. Nuestro valor de interés (x) es 30 años. El valor de Z correspondiente será:

Este valor de Z nos dice que la edad de 30 años está a 1,29 desviaciones estándar sobre el
promedio.
Otro ejemplo sería:

Necesitamos hallar la probabilidad p ( z ≤ 0,45 )

En la tabla podemos leer directamente la probabilidad de valores menores o

iguales que un número positivo.
 Pasos a seguir:

a) En la 1ª columna z buscamos el valor de las unidades y las décimas.

b) En la fila correspondiente al valor de la columna buscamos el valor de
las centésimas.
c) Basta buscar 0,4 en la columna y 0,05 en la fila. Su intersección nos da
la probabilidad.
d) Leemos y nos da 0,6736. La probabilidad p( z ≤ 0,45 ) = 0,6736
 INTRODUCCION.
En el siguiente trabajo se desarrollara el tema: Distribución de probabilidad, 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 probabilidades, Estas se representan en 3 tipos: Variable aleatoria, Variable
aleatoria discreta y Variable aleatoria continúa. Se explicaran las distintas características
como lo son: Características de una distribución discreta de probabilidad, Características de
una distribución continúa de probabilidad y las Características de una distribución normal
de probabilidad.

Por otra parte, también se desarrollara lo que es el Uso de la tabla de áreas bajo la curva
normal, estableciendo de manera precisa su respectiva funcionalidad en el tema.
 CONCLUSION.
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 caso especifico. 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.

Cuando nos planteamos estudiar estas distribuciones de probabilidad, lo hacemos partiendo

de la base que su estudio nos permitirá simplificar el tratamiento estadístico de muchos
fenómenos reales.