En teora de la probabilidad y estadstica, la distribucin de probabilidad de una variable

aleatoria es una funcin que asigna a cada suceso definido sobre la variable aleatoria la
probabilidad de que dicho suceso ocurra. La distribucin de probabilidad est definida
sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de la
variable aleatoria.
La distribucin de probabilidad est completamente especificada por la funcin de
distribucin, cuyo valor en cada real x es la probabilidad de que la variable aleatoria sea
menor o igual que x.
Contenido
- 1 Definicin de funcin de distribucin
- 2 Propiedades
- 3 Distribuciones de variable discreta
o 3.1 Distribuciones de variable discreta ms importantes
- 4 Distribuciones de variable continua
o 4.1 Distribuciones de variable continua ms importantes
- 5 Enlaces externos
Definicin de funcin de distribucin
Dada una variable aleatoria , su funcin de distribucin, , es

Por simplicidad, cuando no hay lugar a confusin, suele omitirse el subndice y se
escribe, simplemente, .
Propiedades
Como consecuencia casi inmediata de la definicin, la funcin de distribucin:
- Es una funcin continua por la derecha.
- Es una funcin montona no decreciente.
Adems, cumple

y

Para dos nmeros reales cualesquiera y tal que , los sucesos y
son mutuamente excluyentes y su unin es el suceso , por lo que
tenemos entonces que:


y finalmente

Por lo tanto una vez conocida la funcin de distribucin para todos los valores de la
variable aleatoria conoceremos completamente la distribucin de probabilidad de la
variable.
Para realizar clculos es ms cmodo conocer la distribucin de probabilidad, y sin
embargo para ver una representacin grfica de la probabilidad es ms prctico el uso de la
funcin de densidad.
Distribuciones de variable discreta


Grfica de distribucin binomial.
Se denomina distribucin de variable discreta a aquella cuya funcin de probabilidad slo
toma valores positivos en un conjunto de valores de finito o infinito numerable. A dicha
funcin se le llama funcin de masa de probabilidad. En este caso la distribucin de
probabilidad es la suma de la funcin de masa, por lo que tenemos entonces que:

Y, tal como corresponde a la definicin de distribucin de probabilidad, esta expresin
representa la suma de todas las probabilidades desde hasta el valor .
Distribuciones de variable discreta ms importantes
Las distribuciones de variable discreta ms importantes son las siguientes:
- Distribucin binomial
- Distribucin binomial negativa
- Distribucin Poisson
- Distribucin geomtrica
- Distribucin hipergeomtrica
- Distribucin de Bernoulli
- Distribucin Rademacher, que toma el valor 1 con probabilidad y el valor -1 con
probabilidad .
- Distribucin uniforme discreta, donde todos los elementos de un conjunto finito son
equiprobables.
Distribuciones de variable continua


Distribucin normal.
Se denomina variable continua a aquella que puede tomar cualquiera de los infinitos
valores existentes dentro de un intervalo. En el caso de variable continua la distribucin de
probabilidad es la integral de la funcin de densidad, por lo que tenemos entonces que:

Distribuciones de variable continua ms importantes
Las distribuciones de variable continua ms importantes son las siguientes:
- Distribucin ji cuadrado
- Distribucin exponencial
- Distribucin t de Student
- Distribucin normal
- Distribucin Gamma
- Distribucin Beta
- Distribucin F
- Distribucin uniforme (continua)


DISTRIBUCIONES DE PROBABILIDAD.

Toda distribucin de probabilidad es generada por una variable aleatoria x, la que
puede ser de dos tipos:
1. Variable aleatoria discreta (x). Se le denomina variable porque
puede tomar diferentes valores, aleatoria, porque el valor
tomado es totalmente al azar y discreta porque solo puede
tomar valores enteros y un nmero finito de ellos.

Ejemplos:
x Variable que nos define el nmero de burbujas por envase de vidrio que
son generadas en un proceso dado.
x0, 1, 2, 3, 4, 5, etc, etc. burbujas por envase
xVariable que nos define el nmero de productos defectuosos en un lote de
25 productos.
x0, 1, 2, 3,....,25 productos defectuosos en el lote

xVariable que nos define el nmero de alumnos aprobados en la materia de
probabilidad en un grupo de 40 alumnos.
x0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en probabilidad

Con los ejemplos anteriores nos damos cuenta claramente que los valores de la
variable x siempre sern enteros, nunca fraccionarios.

2. Variable aleatoria continua (x). Se le denomina variable
porque puede tomar diferentes valores, aleatoria, porque los
valores que toma son totalmente al azar y continua porque
puede tomar tanto valores enteros como fraccionarios y un
nmero infinito de ellos.

Ejemplos:

xVariable que nos define el dimetro de un engrane en pulgadas
x5.0, 4.99, 4.98, 5.0, 5.01, 5.0, 4.96

xVariable que nos define la longitud de un cable o circuito utilizado en un arns de
auto
x20.5 cm, 20.1, 20.0, 19.8, 20,6, 20.0, 20.0

xVariable que nos define la concentracin en gramos de plata de algunas muestras
de mineral
x14.8gramos, 12.0, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8

Como se observa en los ejemplos anteriores, una variable continua puede tomar
cualquier valor, entero o fraccionario, una forma de distinguir cuando se trata de una
variable continua es que esta variable nos permite medirla o evaluarla, mientras que
una variable discreta no es medible, es una variable de tipo atributo, cuando se
inspecciona un producto este puede ser defectuoso o no, blanco o negro, cumple con
las especificaciones o no cumple, etc, etc.

Las variables descritas anteriormente nos generan una distribucin de probabilidad,
las que pueden ser.

1) Distribucin de probabilidad discreta.
2) Distribucin de probabilidad continua.


Las caractersticas de cada una de las distribuciones anteriores se mencionarn a
continuacin:


DISTRIBUCIN DE PROBABILIDAD DISCRETA.
Caractersticas:
1. Es generada por una variable discreta (x).

xVariable que solo toma valores enteros
x0, 1, 2, 3, 4, 5, 6, 7, 8, ... etc,etc.

2. p(xi)>0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero.

3.Ep(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los
valores que toma x debe ser igual a 1.


DISTRIBUCIN DE PROBABILIDAD CONTINUA.
Caractersticas:
1. Es generada por una variable continua (x).

x Es una variable que puede tomar tanto valores enteros como fraccionarios.

x 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, .....,

2. f(x)>0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero. Dicho de otra forma, la funcin de
densidad de probabilidad deber tomar solo valores mayores o iguales a cero.
La funcin de densidad de probabilidad slo puede estar definida en los
cuadrantes I y II.

3. La sumatoria de las probabilidades asociadas a cada uno de los
valores que toma x debe ser igual a 1. El rea definida bajo la funcin de densidad
de probabilidad deber ser de 1.


CALCULO DE MEDIA Y DESVIACIN ESTANDAR PARA UNA DISTRIBUCIN
DISCRETA

1. Media o valor esperado de x.- Para determinar la media de la distribucin
discreta se utiliza la siguiente frmula:



Donde:
= media de la distribucin
E(x) = valor esperado de x
x
i
= valores que toma la variable
p(x
i
) = probabilidad asociada a cada uno de los valores de la variable x

2. Desviacin estndar. Para determinar la desviacin estndar de la distribucin
discreta se utiliza la siguiente frmula:


Donde:
o = desviacin estndar
= media o valor esperado de x
x
i
= valores que toma la variable x
p(x
i
) = probabilidad asociada a cada uno de los valores que toma x

Ejemplos:
1. Segn estadsticas la probabilidad de que el motor de un auto nuevo, de cierto
modelo, y marca sufra de algn desperfecto en los primeros 12 meses de uso es
de 0.02, si se prueban tres automviles de esta marca y modelo, encuentre el
nmero esperado de autos que no sufren de algn desperfecto en los primeros
doce meses de uso y su desviacin estndar.

Solucin:
Haciendo uso de un diagrama de rbol, usando las literales siguientes, se obtiene el
espacio muestral o como se muestra a continuacin;
N = no sufre de algn desperfecto en el motor los primeros 12 meses de uso
S = sufre de algn desperfecto en el motor los primeros 12 meses de uso



N


N
S

N
N
S

S

N

1
er
auto N
S
S
N
2
o
auto S

3
o
S
o = {NNN, NNS, NSN, NSS, SNN, SNS, SSN, SSS}

x = variable que nos define el nmero de autos que no sufre de algn desperfecto
en el motor durante los primeros 12 meses de uso

x = 0, 1, 2 o 3 autos que no sufren algn desperfecto en el motor en los primeros 12
meses de uso


p(x=0)=p(SSS)=(0.02)(0.02)(0.02)=0.000008
p(x=1)=p(NSS, SNS, SSN)=(0.98)(0.02)(0.02)+(0.02)(0.98)(0.02)+(0.02)(0.02)(0.98)=
=0.001176
p(x=2)=p(NNS,NSN,SNN)=(0.98)(0.98)(0.02)+(0.98)(0.02)(0.98)+(0.02)(0.98)(0.98)=
=0.057624
p(NNN) = (0.98)(0.98)(0.98) =0.941192

Por tanto la media o valor esperado se determina de la siguiente manera:


=E(x) = (0)(0.000008)+(1)(0.001176)+(2)(0.057624)+(3)(0.941192)=
=0.0+0.001176+0.115248+2.823576=2.94~ 3 autos que no sufren algn desperfecto en
el motor en los primeros 12 meses de uso

La interpretacin de la media o valor esperado es; se espera que los 3 autos probados
no sufran de algn desperfecto en el motor en los primeros 12 meses de uso.

o= =


= 0.2497~0.0 autos que no
sufren algn desperfecto en su motor en los primeros 12 meses de uso.


Interpretacin:
En este experimento se espera que los 3 autos probados no sufran de algn
desperfecto en su motor en los primeros 12 meses de uso y la variabilidad de este
experimento es de cero.

Nota:
La media y la desviacin estndar se redondean a un valor entero ya que son la media
y desviacin de una distribucin de probabilidad discreta.


2. Se ha detectado en una lnea de produccin que 1 de cada 10 artculos
fabricados es defectuoso; se toman de esa lnea tres artculos uno tras otro, a)
obtenga la distribucin de probabilidad del experimento, b) encuentre el
nmero esperado de artculos defectuosos en esa muestra y su desviacin
estndar.

Solucin:
Tambin haciendo uso de in diagrama de rbol, se obtiene el espacio muestral o

a)
D = objeto defectuoso
N = objeto no defectuoso
o={DDD, DDN, DND, DNN, NDD, NDN, NND, NNN}

Este espacio muestral ha sido obtenido haciendo uso de un diagrama de rbol,

x = Variable que nos define el nmero de objetos defectuosos encontrados
x = 0, 1, 2 o 3 objetos defectuosos

p(x=0)=p(NNN)=(0.9)(0.9(0.9)=0.729
p(x=1)=p(DNN, NDN, NND)=(0.1)(0.9)(0.9)+(0.9)(0.1)(0.9)+(0.9)(0.9)(0.1)=0.243
p(x=2)=p(DDN, DND, NDD)=(0.1)(0.1)(0.9)+(0.1)(0.9)(0.1)+(0.9)(0.1)(0.1)=0.027
p(x=3)=p(DDD)=(0.1)(0.1)(0.1)=0.001

Distribucin de probabilidad

x 0 1 2 3
P(x) 0.729 0.243 0.027 0.001



b) (0)(0.729)+(1)(0.243)+(2)(0.027)+(3)(0.001)=
= 0.0 + 0.243 + 0.054 + 0.003 = 0.3 ~0 productos defectuosos

Interpretacin:
Se espera que ninguno de los productos inspeccionados sea defectuoso.




= 0.6 = 1 producto defectuoso


Interpretacin:
En este experimento se espera que ninguno de los productos inspeccionados sea
defectuoso, pero los resultados de este experimento pueden variar en 1 producto
defectuoso, por lo que al inspeccionar los 3 productos el numero de productos
defectuosos puede variar desde 1 producto defectuoso, hasta 1 producto
defectuoso, pero, es posible obtener 1 producto defectuoso?, claro que esto no
puede ocurrir, luego el nmero de productos defectuosos en el experimento
variar de 0 a 1 producto defectuoso solamente.


3. Segn estadsticas, la probabilidad de que un pozo petrolero que se perfore en
cierta regin pueda ser beneficiado es de 0.30. Se perforan tres pozos en esa
regin, encuentre el nmero esperado de pozos que pueden ser beneficiados y
su desviacin estndar.

Solucin:
Se obtiene el espacio muestral o, de la misma forma que se ha hecho en los
ejemplos anteriores;

B = se puede el pozo que se perfora
N = no se puede beneficiar el pozo que se perfora

o= {BBB, BBN, BNB, BNN, NBB, NBN, NNB, NNN}

x = variable que nos define el nmero de pozos que se pueden beneficiar
x = 0, 1, 2 o 3 pozos que se pueden beneficiar

p(x = 0) = p(NNN) = (0.7)(0.7)(0.7)= 0.343
p(x = 1) = p(BNN, NBN, NNB) = (0.3)(0.7)(0.7)(3)=0.441
p(x = 2) = p(BBN, BNB, NBB) = (0.3)(0.3)(0.7)(3)=0.189
p(x = 3) = p(BBB) =(0.3)(0.3)(0.3)= 0.027



~1 pozo beneficiado

Interpretacin:
Se espera que solo 1 de los tres pozos perforados sea el que pueda ser beneficiado.



Interpretacin:
La cantidad esperada de pozos que se pueden beneficiar puede variar en 1 1 pozo,
esto es la cantidad de pozos que se pueden beneficiar puede variar de 0 a 2 pozos.

4. La distribucin de probabilidad de x , el nmero de defectos por cada 10
metros de una tela sinttica en rollos continuos de ancho uniforme , es


x 0 1 2 3 4
p(x) 0.41 0.37 0.16 0.05 0.01

a) Determine la distribucin de probabilidad acumulada de x; P(x).
b) Determine el nmero esperado de defectos por cada 10 metros de tela sinttica
en rollos continuos de ancho uniforme y la desviacin estndar del nmero de
defectos por cada 10 metros de tela .....
c) Determine la probabilidad de que en 10 metros de tela sinttica se encuentren
como mximo 2 defectos.
d) Determine la probabilidad de que en 10 metros de tela sinttica se encuentren
por lo menos 2 defectos.


Solucin:

a)
X 0 1 2 3 4
p(x) 0.41 0.37 0.16 0.05 0.01
P(x) 0.41 0.78 0.94 0.99 1.0

b)
~ 1 defecto

Interpretacin:0.16, 0.05 ,0.01
Se espera que por cada 10 metros de tela se encuentre un defecto.






Interpretacin:
El nmero de defectos esperado puede variar en 1 defecto, es decir que el
nmero de defectos esperado por cada 10 metros de tela puede variar de 0 a 2.

c) p(x s 2)= p(x=0) + p(x=1) + p(x=2) = 0.41+0.37+0.16 = 0.94

d) p(x > 2) = p(x=2) + p(x=3) + p(x=4) = 0.16 + 0.05 + 0.01= 0.22



CALCULO DE MEDIA Y DESVIACIN ESTNDAR PARA UNA
DISTRIBUCIN CONTINUA
1.Media o valor esperado de x.- Para calcular la media de una distribucin de
probabilidad continua se utiliza la siguiente frmula:



Donde:
= E(x) = media o valor esperado de la distribucin
x = variable aleatoria continua
f(x) = funcin de densidad de la distribucin de probabilidad



2.Desviacin estndar.- La frmula para determinar la desviacin estndar de una
distribucin continua es;



luego:



Ejemplos:
1. Para la siguiente funcin,


cuando 0s x s 3 , f(x) = 0 para cualquier otro valor

a) Diga si esta funcin nos define una distribucin de probabilidad.
b) Si la funcin define una distribucin de probabilidad, entonces,
determine su media y desviacin estndar.
c) Determine la probabilidad de que 1s x < 2.
Solucin:

a) Para verificar que la funcin nos define una distribucin de
probabilidad, es necesario que cumpla con las caractersticas que se
haban mencionado.
1. x s es una variable continua porque puede tomar cualquier
valor entre 0 y 3
2. f(x)> 0, lo que se comprueba si damos diferentes valores a x
para ver que valores toma f(x), dndonos cuenta de que
efectivamente f(x) solo toma valores mayores o iguales a cero.


x f(x)
0 0.0
0.5 0.02778
1.0 0.11111
1.4 0.21778
2.1 0.49
2.7 0.81
3.0 1.0

3. Para comprobar que la sumatoria de las probabilidades que
toma cada valor de x es de 1, se integra la funcin de 0 a 3
como se muestra a continuacin:





A= rea bajo la funcin
Con las operaciones anteriores comprobamos que la funcin s
nos define una distribucin de probabilidad continua.

b) Clculo de media y desviacin estndar.



















Las barras nos indican la evaluacin de la integral entre 0 y 3.

c)


La barra nos indica la evaluacin de la integral de 1 a 2.

Con las operaciones anteriores nos damos cuenta que para evaluar probabilidades
para variables de tipo continuo, es necesario evaluar la funcin de densidad de
probabilidad en el rango de valores que se desea; que vendra siendo el rea que se
encuentra entre f(x) y el eje de las x y entre el rango de valores definidos por la
variable x.


2. Suponga que el error en la temperatura de reaccin, en
o
C, para un
experimento controlado de laboratorio es una variable aleatoria continua x,
que tiene la funcin de densidad de probabilidad:


, para -1< x < 2 y f(x) = 0 en cualquier otro caso

a) Verifique la tercera condicin de la definicin de una distribucin de
probabilidad continua.
b) Determine la media o valor esperado de la distribucin de
probabilidad.
c) Encuentre la probabilidad de que 0< x s 1.


Solucin:

a) Como la tercera condicin es que la sumatoria de las probabilidades
asociadas a cada uno de los valores que toma x debe de ser 1, esto se
comprueba de la siguiente manera:





b)



c)