Distribucin de probabilidad

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 y cada uno de los sucesos es el rango de valores de la variable aleatoria. Tambin se
dice que tiene una relacin estrecha con las distribuciones de frecuencia. De hecho, se puede
entender que una distribucin de probabilidades sera una frecuencia terica, ya que sta ltima es
aquella que describe cmo se espera que varen los resultados.

La distribucin de probabilidad est completamente especificada por la funcin de distribucin, cuyo

valor en cada x real es la probabilidad de que la variable aleatoria sea menor o igual que x.

Distribucin de frecuencias

En estadstica, se le llama distribucin de frecuencias a la agrupacin de datos en categoras

mutuamente excluyentes que indican el nmero de observaciones en cada categora. 1 Esto
proporciona un valor aadido a la agrupacin de datos. La distribucin de frecuencias presenta las
observaciones clasificadas de modo que se pueda ver el nmero existente en cada clase.

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. 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.

1
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.

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

1) Distribucin de probabilidad discreta.

2) Distribucin de probabilidad contina.

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

2
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.

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

3. p(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 contina

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.

3
 Funcin de densidad de probabilidad

En la teora de la probabilidad, la funcin de densidad de probabilidad, funcin de densidad, o,

simplemente, densidad de una variable aleatoria continua describe la probabilidad relativa segn la
cual dicha variable aleatoria tomar determinado valor.

Cul es la diferencia entre probabilidad Exponencial y Poisson?

La Distribucin Poisson es una distribucin de probabilidad discreta muy til en la que la variable
aleatoria representa el nmero de eventos independientes que ocurren a una velocidad constante.
La Distribucin de Poisson es el principal modelo de probabilidad empleado para analizar problemas
de lnea de espera.

La Distribucin Exponencial es un caso especial de la distribucin gamma, la variable aleatoria

exponencial es el tiempo que transcurre hasta que se da el primer evento de Poisson. Es decir, la
distribucin exponencial puede modelar el lapso entre dos eventos consecutivos de Poisson que
ocurren de manera independiente y a una frecuencia constante.
Describe procesos en los que interesa saber el tiempo hasta que ocurre un determinado evento,
sabiendo que el tiempo que puede transcurrir desde cualquier instante dado t, hasta que ello ocurra
en un instante tf, no depende del tiempo transcurrido anteriormente.

Por ejemplo:
En promedio se sabe que en un conmutador entran 1 llamada cada 2 minutos, poisson ( = 1/2).
Se sabe que en un conmutador entran cada 2 minutos una llamada, Exponencial (= 2).
Ahora la pregunta del milln cundo utilizo cada una?
Si preguntan qu tan probable es que entren 3 llamadas en los prximos 2 minutos? Usar Poisson.

Si preguntan qu tan probable es que la prxima llamada entre en los prximos 3 minutos? Usar
Exponencial.

Se puede ver que la diferencia radica en que Poisson pregunta por la posibilidad de que se repita un
evento, mientras que Exponencial pregunta que tan probable es que un evento se repita en un
intervalo de tiempo, mejor dicho:

Poisson Evento suceso

Exponencial Intervalo de tiempo