DISTRIBUCIÓN BETA

Es una distribución que permite generar una gran variedad de perfiles y se utiliza principalmente
para representar variables físicas cuyos valores se encuentran restringidos a un intervalo de
longitud finita y para obtener ciertas cantidades que se conocen como límites de tolerancia (en
Inferencia no paramétrica).

La distribución beta es una familia de distribuciones de probabilidad continua definidas en el

intervalo [0,1] con dos parámetros positivos que determinan la forma, típicamente notados como
α y β que aparecen como exponentes de la variable aleatoria y controlan la forma. . La distribución
beta puede tomar muchas formas según los valores de α y β. Generalmente es utilizada cuando
no existen datos históricos sólidos en los cuales basar la estimación de las actividades.

Función Densidad: En la teoría de la probabilidad, la función de densidad de probabilidad, función

de densidad, o, simplemente, densidad de una variable aleatoria continua describe la probabilidad
relativa según la cual dicha variable aleatoria tomará determinado valor.
 ORIGEN

Lo que hoy se conoce como distribución beta había sido usada por Thomas Bayes como la
Probabilidad a posteriori del parámetro de la distribución de Bernoulli en su trabajo de 1763 sobre
la probabilidad inversa. La distribución beta ganó prominencia debido a su pertenencia al sistema
Pearson y era conocida hasta los años 1940 como la distribución Pearson tipo I. Por lo tanto fue
creada inicialmente bajo el nombre de distribución Pearson tipo I, por Karl Pearson y con el pasar
del tiempo su nombre cambio en año 1973 gracias a un matemático llamado Ballestero quien en
1973, la relacionó con un método utilizado en su Teoría General de Valoración, denominado, por
Ballestero y Caballer (1982), método de distribución beta.

CONDICIONES PARA APLICAR LA DISTRIBUCIÓN BETA

La distribución beta se utiliza cuando se dan las siguientes condiciones:

 El rango mínimo y máximo debe estar comprendido entre 0 y un valor positivo.

 La forma se puede especificar con dos valores positivos, alfa y beta. Si los parámetros son
iguales, la distribución es simétrica. Si alguno de los parámetros es 1 y el otro parámetro
es mayor que 1, la distribución tiene forma de J. Si alfa es menor que beta, se dice que la
distribución está sesgada positivamente (la mayoría de los valores se aproximan al valor
mínimo). Si alfa es superior a beta, la distribución está sesgada negativamente (la mayoría
de los valores se aproximan al valor máximo).
 EJEMPLOS Y/O APLICACIONES

Se utiliza normalmente para representar variabilidad en un rango fijo y la incertidumbre en la

probabilidad de que se produzca un evento. Se utiliza también para describir datos empíricos y
predecir el comportamiento aleatorio de porcentajes y fracciones además de representar la
fiabilidad de los dispositivos de una empresa. Dentro de algunos ejemplos más específicos se
tienen;

- Fracción de tiempo que un equipo está en reparación.

- Proporción de piezas defectuosas en un lote.

- Proporción del gasto de una familia en alimentación con respecto a los gastos totales.

- La participación de la producción de una empresa con respecto al total de lo producido en ese

sector.

Ejemplos Prácticos
 GLOSARIO

Distribución de Probabilidad: Se refiere a todos los resultados posibles que pueda tener una
variable aleatoria, es decir, describe el comportamiento de dicha variable dentro de un intervalo
de valores o de posibles resultados. La distribución de probabilidad permite asignar a cada evento
la probabilidad de que este ocurra o tenga éxito, ejemplo de esto, la realización de experimentos,
estudios sobre el progreso de una empresa, etc. Con el estudio de las probabilidades, se ha
permitido una manera de estandarizar los sucesos y procesos que ocurren al azar, esto se ha
logrado estimando las frecuencias en las que se obtiene un resultado en específico