Las distribuciones de probabilidad son idealizaciones de los polgonos de

frecuencias. En el caso de una variable estadstica continua consideramos el

histograma de frecuencias relativas, y se comprueba que al aumentar el nmero
de datos y el nmero de clases el histograma tiende a estabilizarse llegando a
convertirse su perfil en la grfica de una funcin.




Las distribuciones de probabilidad de variable continua se definen mediante una
funcin y=f(x) llamada funcin de probabilidad o funcin de densidad.
As como en el histograma la frecuencia viene dada por el rea, en la funcin de
densidad la probabilidad viene dada por el rea bajo la curva, por lo que:
El rea encerrada bajo la totalidad de la curva es 1.
Para obtener la probabilidad P(asXsb) obtenemos la proporcin de rea que hay
bajo la curva desde a hasta b.
La probabilidad de sucesos puntuales es 0, P(X=a)=0

Distribucin de Probabilidad
Parmetros en una distribucin de probabilidad
Por analoga con las variables estadsticas podemos definir tambin
aqu la media y la desviacin tpica o de la variable aleatoria.

La media , tambin llamada
esperanza matemtica, es un valor
representativo de todos los valores
que toma la variable aleatoria X,
lo podemos imaginar como el punto
sobre el eje de abscisas donde al
poner una cua la figura plana
definida por la funcin de densidad
quedar en equilibrio. Para
calcularla hemos de hacer:


La desviacin tpica o es una
medida de la dispersin de los
valores que toma la variable
aleatoria de la media. Como ocurra
con las variables estadsticas la
desviacin tpica ser ms pequea
o ms grande segn la grfica de la
funcin de densidad sea ms
estrecha o ms ancha en torno a la
media. En este caso se calcula:

Probabilidad de x = Funcin de x
Una distribucin de probabilidad es un modelo matemtico que asocia
valores de una variable aleatoria con sus respectivas probabilidades,
es decir:

Las distribuciones se caracterizan por una frmula que determina el tipo
de distribucin y por un conjunto de parmetros, que son propios de cada
espacio muestral.
En el caso de una variable discreta , la distribucin puede describirse
mediante una funcin de probabilidad, que para cada valor de x de la
variable X determina la probabilidad de ser asumido:

P( X= x) =p (x)
o bien por medio de una funcin de distribucin de probabilidad acumulada o
simplemente funcin de distribucin, la que, para cada valor provee la
probabilidad de no ser superado
evidentemente, el valor de la funcin de distribucin es igual a la suma de todos
los valores de la funcin de probabilidad desde el extremo inferior del dominio de
la variable hasta x inclusive
Ejemplo: Al lanzar dos dados la suma de ambos puede asumir 11 valores
diferentes en 36 puntos muestrales
En este caso vemos que la distribucin de p(x) obtenida es simtrica.

Para el caso de 1 solo dado, donde todos los valores tienen la misma
probabilidad de salir (1/6), obtendramos una
distribucin uniforme
Supongamos que un experimento aleatorio tiene las siguientes caractersticas:

En cada prueba del experimento slo son posibles dos resultados: el suceso A
(xito) y su contrario (fracaso).
El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.
La probabilidad del suceso A es constante, la representamos por p, y no vara
de una prueba a otra. La probabilidad de es 1- p y la representamos por q .

El experimento consta de un nmero n de pruebas.
Distribucin Binomial
Todo experimento que tenga estas caractersticas diremos que sigue el modelo de la
distribucin Binomial. A la variable X que expresa el nmero de xitos obtenidos
en cada prueba del experimento, la llamaremos variable aleatoria binomial.
Funcin de probabilidad de la distribucin Binomial
o tambin denominada funcin de la distribucin de Bernoulli (para n=1).
Verificndose: 0 s p s 1





Distribucin Binomial
La variable binomial es una variable aleatoria discreta, slo puede tomar los valores
0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas.
Como hay que considerar todas las maneras posibles de obtener k-xitos y (n-k)
fracasos debemos calcular stas por combinaciones (nmero combinatorio n sobre k).

Se suele representar por B(n,p) siendo n y p los parmetros de dicha distribucin.
Probabilidad de obtener K xitos
q p
k n k
k
n
k X p

- -
|
.
|

\
|
= = ) (
Parmetros de la Distribucin Binomial





Distribucin Binomial
Funcin de Distribucin de la variable aleatoria Binomial




Esta funcin de distribucin proporciona, para cada nmero real x
i
, la probabilidad
de que la variable X tome valores menores o iguales que x
i
.

Siendo K el mayor nmero entero menor o igual a x
i
q p q p q p
k n k n n
k
n n n
x X p x F

- -
|
.
|

\
|
+ + - -
|
.
|

\
|
+ - -
|
.
|

\
|
= s = ....
1 0
) ( ) (
1 1 0
1 1
Resumen Distribucin Binomial










Distribucin Binomial
Sea X una variable aleatoria discreta correspondiente a una distribucin binomial.

x n x
x n x
q p
x x n
n
p n x P
p p
x x n
n
p n x P

=
! )! (
!
) , ; (
) 1 (
! )! (
!
) , ; (
Distribucin Binomial
Ejemplo
La probabilidad de xito de una determinada vacuna es 0,72. Calcula la
probabilidad de que una vez administrada a 15 pacientes:
a) Ninguno sufra la enfermedad
b) Todos sufran la enfermedad
c) Dos de ellos contraigan la enfermedad

Solucin :
Se trata de una distribucin binomial de parmetros B(15, 0'72)
Distribucin de Poisson
Esta distribucin aparece en algunos procesos que tienen una dimensin temporal
o espacial, y en fenomenos que tienen un alto nmero de experimentos (alto n) y
una baja probabilidad de que ocurran (baja p).
Ejemplos:
nmero de llamadas telefnicas que recibe un servicio de atencin a urgencias
durante un intervalo de tiempo determinado
nmero de cultivos infectados por una plaga en una cierta regin geogrfica
La funcin de probabilidad de una variable aleatoria de Poisson con media > 0,
que simplificamos con la notacin P(), es



siendo su funcin de distribucin el sumatorio de cada uno de los valores
menores.


La media y varianza de X son ambas iguales a ,
E[S] = V[S] = .

Distribucin de Poisson
Ejemplo
El nmero de enfermos que solicitan atencin de urgencia en un hospital durante un
periodo de 24 horas tiene una media de = 43,2 pacientes. Unas obras en las
instalaciones mermarn las capacidades de atencin del servicio, el cual se sabe que
colapsar si el nmero de enfermos excede de 50. Cual es la probabilidad de que
colapse el servicio de urgencias del hospital?
Bajo las condiciones del modelo de Poisson, se trata de una distribucin P(43,2).
La probabilidad solicitada es

Pr{X > 50} = 1 - Pr{X <= 50} = 1 - F(50) = 0.13.

El responsable del servicio deber valorar si esta probabilidad es lo
suficientemente alta como para reforzar la atencin de urgencias con ms
efectivos, materiales, espacios, etc.

Distribucin de Poisson
Ejemplo
Cierta enfermedad tiene una probabilidad muy baja de ocurrir, p=1/100.000. Calcular
la probabilidad de que en una ciudad con 500.000 habitantes haya ms de 3 personas
con dicha enfermedad.
Calcular el nmero esperado de habitantes que la padecen.
Consideramos la v.a. X que contabiliza el nmero de personas que padecen la
enfermedad, es claro que sigue un modelo binomial, pero que puede ser muy bien
aproximado por un modelo de Poisson, de modo que



As el nmero esperado de personas que padecen la enfermedad es

Existe una gran dispersin, y no sera extrao encontrar que en realidad hay muchas ms
personas o menos que estn enfermas. La probabilidad de que haya ms de tres personas
enfermas es:
P=0.7365