INTRODUCCIN

Uno de los objetivos de la estadstica es el conocimiento cuantitativo de una determinada parcela de la

realidad. Los valores de una variable sirven para describir o clasificar individuos o distinguir entre ellos.
La mayora de nosotros hacemos algo ms que simplemente describir, clasificar o distinguir, porque
tenemos ideas respecto a las frecuencias relativas de los valores de una variable. En estadstica decimos
que la variable tiene una funcin de probabilidad (discreta), una funcin de densidad (continua) de
probabilidad o simplemente una funcin de distribucin. Siendo la funcin de probabilidad el objeto de
estudio a tratar.
Las distribuciones de probabilidad estn relacionadas con la distribucin de frecuencias, la cual es una
distribucin de probabilidades que describe la forma en que se espera que varen los resultados. Debido
a que estas distribuciones tratan sobre expectativas de que algo suceda, resultan ser modelos tiles para
hacer inferencias y tomar decisiones de incertidumbre.
Por lo tanto, la distribucin de probabilidad de una variable aleatoria es una funcin que asigna a cada
suceso definido sobre la variable aleatoria, que es la probabilidad de que dicho suceso ocurra. La
distribucin de probabilidad est definida sobre el conjunto de todos los sucesos y cada uno de estos es
el rango de valores de la variable aleatoria.
Las variables aleatorias se clasifican en discretas y continuas, dependiendo del nmero de valores que
pueden asumir. Una variable aleatoria es discreta si slo puede tomar una cantidad finita o infinita
numerable de valores. Si por el contrario, la variable aleatoria puede tomar cualquier valor de un conjunto
infinito no numerable, entonces la variable es continua. Desde luego, el anlisis de stas difiere una de
otra.
Los objetivos de distribuciones de probabilidad son:
a) Introducir las distribuciones de probabilidad que ms se utilizan en la toma de decisiones.
b) Utilizar el concepto de valor esperado para tomar decisiones.
c) Mostrar qu distribucin de probabilidad utilizar, y cmo encontrar sus valores.
d) Entender las limitaciones de cada una de las distribuciones de probabilidad que utilice.

1
 RESULTADOS DE LA INVESTIGACIN

1. DISTRIBUCIN DE PROBABILIDAD
Es un modelo terico que describe la forma en que varan los resultados de un experimento aleatorio, es
decir, nos da todas las probabilidades de todos los posibles resultados que podran obtenerse cuando se
realiza un experimento aleatorio. Se clasifican como discretas o continuas. En la distribucin de
probabilidad discreta est permitido tomar slo un nmero limitado de valores. En la continua, llamada
funcin de densidad, la variable que se est considerando puede tomar cualquier valor dentro de un
intervalo dado.

1.1 Distribucin de probabilidad discreta

Sea un espacio probabilstico y sea X una variable aleatoria discreta que toma como posibles valores
1 , 2 , , se define la distribucin de probabilidad de X como el conjunto de pares ( , ) que a cada
valor de la variable le asocia una probabilidad, donde = ( = ), tal que la suma de todas las
probabilidades es igual a la unidad.

2.2 Distribucin de probabilidad continua

Si la variable aleatoria es continua, hay infinitos valores posibles de la variable y entre cada dos de ellos
se podran definir infinitos valores. En estas condiciones no es posible deducir la probabilidad de un valor
puntual de la variable como se puede hacer en el caso de las variables discretas. Pero s es posible
calcular la probabilidad acumulada hasta un cierto valor (funcin de distribucin) y como cambia esa
probabilidad acumulada en cada punto (densidad de probabilidad). Por lo tanto, cuando la variable
aleatoria sea continua hablaremos de funcin de densidad.
Sea X una variable aleatoria continua, se llama funcin de densidad y se representa como () a una
funcin no negativa definida sobre la recta real, tal que para cualquier intervalo que estudiemos se verifica:

( ) = ()

2. TIPOS DE VARIABLES
Las variables aleatorias se clasifican en discretas y continuas:
2.1 Variables aleatorias discretas (funcin de probabilidad)
El comportamiento aleatorio de una variable aleatoria discreta se analiza a travs de una funcin de
probabilidad.

2
Definicin: Sea X una variable aleatorio discreta, cuyo rango (conjunto de valores posibles) es el conjunto
que denotamos por . Se define la funcin de probabilidad X como:
: [0,1]
Tal que, () = ( = ) para todo valor .
Esto es, la funcin de probabilidad de X es una funcin que asigna a cada valor de x del rango de X, la
probabilidad de que la variable aleatoria lo asuma en la siguiente realizacin del experimento.
En otras palabras Toman valores enteros, por lo general contar el nmero de veces que
ocurre un suceso (abundancia o conteos).
Ejemplo:
Supongamos que la variable aleatoria X representa el nmero de automviles que pasan por una caseta
de peaje en un perodo de un da. El rango de la variable aleatoria es = {0,1,2, }; es decir, todos
los enteros no negativos. Como el rango es un conjunto infinito numerable, la variable aleatoria X es
discreta.
La funcin de probabilidad de X es la funcin que determina para cada valor x, la probabilidad de que ese
valor sea el observado; es decir, (0) = ( = 0) es la probabilidad de que en un da no pase ningn
carro por la caseta mencionada. (1) = ( = 1) es la probabilidad de que en un da pase
exactamente un automvil por la caseta de peaje, etc.
2.1.1 Propiedades
La funcin de probabilidad de una variable aleatoria tiene las siguientes propiedades:
1) Sus valores estn entre 0 y 1
2) La suma de los valores de () cuando se consideran todos los valores de rango, es igual
a uno.
3) La probabilidad de que la variable aleatoria presente alguno de los valores que pertenecen a
un conjunto, es la suma de las probabilidad de los valores particulares

2.2 Variables aleatorias continuas (funcin de densidad de probabilidad)

La variable aleatoria X ser continua si los valores asignados pueden ser cualesquiera, dentro de ciertos
intervalos, es decir, puede tomar cualquier valor de R. Por ejemplo, si consideramos el experimento
aleatoria consistente en medir el nivel de agua en un embalse y tomamos la variable aleatoria = nivel
de agua, esta puede tomar valores entre 0 y ms infinito.

En otras palabras Toman valores en un intervalo, por lo general medir magnitudes continuas (alta,
temperatura, etc.).

3
 3. FUNCIN DE DISTRIBUCIN
La funcin de distribucin describe el comportamiento probabilstico de una variable aleatoria X asociada
a un experimento aleatorio y se representa como:
()
Para estudiar la funcin de distribucin distinguiremos entre el caso discreto y el caso continuo.
3.1 Caso discreto
Sea X una variable aleatoria discreta asociada a un espacio probabilstico, se define la funcin
de distribucin:
(): [0,1] que verifica () = [ ] = <

3.2 Caso con continuo

Sea X una variable aleatoria continua con funcin de densidad (), se define la funcin de
distribucin, (), como:

() = ()

En donde es el valor ms pequeo que podra asumir la variable aleatoria X.

3.3 Propiedades

1. Dado que es una probabilidad, solamente puede tomar valores entre cero y uno.
2. Para el mayor valor del rango de X, la funcin de distribucin toma el valor de uno.
3. Para el menor valor del rango de X, la funcin de distribucin toma el valor de cero.
4. La funcin () es una funcin no decreciente, escalonada si la variable es discreta o
creciente si X es continua.
5. Permite calcular fcilmente la probabilidad de que X est en el intervalo semi-abierto
(, ].

4
 4. PARMETROS DE LAS DISTRIBUCIONES DE VARIABLES ALEATORIAS
Con el fin de lograr una mejor descripcin de una variable aleatoria, es necesario utilizar caractersticas
numricas, las caractersticas numricas de una variable aleatoria se pueden clasificar en:
Medidas de tendencia central
Medidas de dispersin
Parmetros de forma

4.1 Medidas de tendencia central

Las medidas de tendencia central son importantes, ya que sern utilizadas como valores representativos
de dicha variable. Dependiendo de la naturaleza del experimento ser ms recomendable alguna de ellas.
Las tres medidas de tendencia central ms importantes son:
4.1.1 Moda. Es aquel valor en el rango de la variable aleatoria para el cual la funcin de
probabilidad o de densidad, segn sea el caso, alcanza su mximo.
4.1.2 Mediana. La mediana es el valor de la variable aleatoria para el cual la funcin de
distribucin vale 0.5. Desde luego, es el valor en el rango de la variable aleatoria que
divide el rango en dos conjuntos con igual probabilidad; esto es, es tal que:
() = 0.5
4.1.3 Valor esperado (media). El valor esperado de una variable aleatoria, tambin
conocido como media o esperanza matemtica, se puede interpretar como el valor
que en promedio tomara una variable aleatoria en un nmero grande de repeticiones
del experimento, aunque tambin se puede interpretar como el valor que cabe
esperar que tome la variable aleatoria en la siguiente realizacin del experimento. El
valor esperado de una variable aleatoria se define como sigue:

a. Si X es discreta

() = = ()

b. Si X es continua

() = = ()

4.1.3.1 Propiedades

Operador lineal
Si c es una constante, () =
Si c es una constante, () = ()

5
 4.2 Medidas de dispersin
Las medidas de dispersin se pueden utilizar como herramientas para medir la validez de la media
como representativa de la variable aleatoria X, ya que muestran qu tanto cercanos estn, en promedio,
los valores de X, de .
Las principales medidas de dispersin se tratan a continuacin.
4.2.1 Varianza
Si X es una variable aleatoria, se define su varianza como:
() = 2 = [( )2 ]
Por lo tanto, si X es discreta:

() = 2 = ( )2 ()

Si X es contina:

() = 2 = ( )2 ()

Pues bien, si se desarrolla el cuadrado de la definicin de 2 , se obtiene una forma ms

sencilla de calcular la varianza.
() = 2 = [( )2 ] = ( 2 ) 2
En donde:

2 ()

[ 2 ] =

2 ()
{
y 2 es el cuadrado de E(X).

4.2.2 Desviacin estndar

Si X es una variable aleatoria se define su desviacin estndar como la raz cuadrada de la
varianza, es decir:

= ()
4.2.3 Coeficiente de variacin
Sea X una variable aleatoria. Se define su coeficiente de variacin como:

6

. . () =

Mide la variacin promedio de la variable aleatoria alrededor de la media , como una
proporcin de la misma . Por lo tanto, es una medida adimensional.

4.3 Parmetros de forma

4.3.1 Coeficiente de Sesgo

El coeficiente de sesgo es una medida del grado de la distribucin de la variable aleatoria X.
[( )3 ]
() =
3
El coeficiente de sesgo se compara contra el cero para decidir acerca de la asimetra de
la distribucin.

4.3.2. Coeficiente de Curtosis

El coeficiente de curtosis de una variable aleatoria X es una medida del grado de
apuntamiento de la distribucin.
[( )4 ]
() =
4
Este coeficiente se compara contra el nmero 3, que es el coeficiente de curtosis de una
distribucin normal estndar. Si k(X) es mayor que 3 significa que la distribucin es ms
alta que la norma estndar.

7
 CONCLUSIONES

Una vez comprendido el tema sobre la distribucin de probabilidades de variables aleatorias (discretas y
continuas) y en particular la distribucin de probabilidades discretas, podemos concluir que a travs de
estas construcciones tericas, se podr experimentar sobre aquello que la realidad no permita o que era
de difcil comprensin. Estos temas se usan extensamente en reas como la estadstica, la fsica, la
matemtica, la ingeniera y en otras ciencias o disciplinas, para lograr conclusiones o ideas generales y
especficas sobre la probabilidad de sucesos potenciales en sistemas complejos.
Debido a la necesidad de modelar lo observable, la probabilidad constituye un parmetro importante en
la determinacin de las diversas casualidades obtenidas tras una serie de eventos esperados dentro de
un rango estadstico; un modelo resulta extremadamente til, siempre que se corresponda con la realidad
que pretende representar o predecir; por ello, es necesario conocer cada distribucin de la probabilidad
de variables aleatorias en casos especficos, conocer sus usos y formas de aplicacin.
As mismo, la probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de
resultados), al llevar acabo un experimento aleatorio, del que se conocen todos los resultados posibles,
bajo condiciones suficientemente estables; en este sentido se recurre a diferentes distribuciones de
probabilidad y la distribucin de probabilidades discretas tienen un rol importante para sus estudios.

8
 BIBLIOGRAFA

Badii, D. M., & Castillo, D. J. (Marzo 2009). Distribuciones probabilsticas de uso comn. Nuevo Len,
Mxico.: International Journal of Good Conscience.

M. en I, I. P. (---). 3.- Variables Aleatorias Discretas y Continuas. Mxico: UNAM-Facultad de

Ingeniera.

http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/04Distribuciones%20de%20Pro
babilidad.htm
https://www2.ulpgc.es/hege/almacen/download/5/5509/Tema_1.pdf
Badii, M.H. & J. Castillo (eds.). 2007. Tcnicas Cuantitativas en la Investigacin. 348 pp. UANL,
Monterrey. ISBN: 970-694-377-3.

Badii, M.H., J. Castillo, J. Landeros & K. Cortez. 2007a. Papel de la estadstica en la investigacin
cientfica. Innovaciones de Negocios. 4(1): 107-145.

Badii, M.H., J. Castillo, A. Wong & J. Landeros. 2007b. Precisin de los ndices estadsticos: tcnicas de
jacknife & bootstrap. Innovaciones de Negocios. 4(1): 63-78.