PROBABILIDAD Y ESTADÍSTICA.

UNIDAD 6. DISTRIBUCIONES DE PROBABILIDAD

CONTINUA.
MATERIA:
PROBABILIDAD Y ESTADÍSTICA.

CUADRO COMPARATIVO:
VARIABLE CONTINUA, VARIABLE DISCRETA.

TITULAR:
ING. IGNACIO ARIAS ARIAS.

CARRERA:
ING. INDUSTRIAL.

GRUPO-TURNO:
2º “A”- MATUTINO.

EQUIPO DE ELABORACIÓN:

INTEGRANTES. MATRICULA.
 JEYSSON GUADALUPE ARIAS MATÍAS. 171160075.
 ÁNGEL JESÚS LÓPEZ DE LOS SANTOS. 171160040.
 MIGUEL GUADALUPE TORRES LÓPEZ. 171160031.
 JOSÉ MICHEL MADRIGAL IZQUIERDO. 171160036.

FECHA Y LUGAR:
22 DE MAYO DE 2018.
C. JALPA-NACAJUCA, TABASCO.

1
PROBABILIDAD Y ESTADÍSTICA.

INTRODUCCIÓN DE LA ACTIVIDAD.

Es importante identificar, las principales diferencias de dos de las variables

importantes en la probabilidad, las cuales son, la variable continua y la variable
discreta, es por ello, que nosotros como estudiantes de probabilidad y estadística,
nos dimos a la tarea de comparar a amabas y llegar a una conclusión.
En el proceso de realización de esta actividad, nosotros tomamos en consideración
varios parámetros a comparar, los cuales son:
1. Interpretación del significado.
2. Características de las variables.
3. Propiedades de cada una de las variables.
4. Aplicaciones.
Por lo tanto, nuestro principal propósito es llegar a reconocer a una variable discreta
y continua, en determinadas situaciones de probabilidad, de esta manera, nosotros
logramos ser estudiantes capaces de resolver situaciones que se presentan en la
vida cotidiana y posiblemente en la vida laboral de un ingeniero industrial.
Esperemos que este arduo trabajo de investigación y principalmente de análisis
cumpla con las expectativas esperadas y sirva como fuente de premisas para nutrir
el conocimiento del estudiante y cualquier persona interesada en examinar el
presente trabajo.

2
PROBABILIDAD Y ESTADÍSTICA.

CUADRO COMPARATIVO.

1. INTERPRETACIÓN DEL SIGNIFICADO:

DISTRIBUCIÓN SIGNIFICADO DIFERENCIA

Una distribución continua

describe las
probabilidades de los La diferencia entre los
DISTRIBUCIÓN posibles valores de una modelos continuos y los
CONTINUA. variable aleatoria modelos discretos, es que en
continua. Una variable los modelos discretos la
aleatoria continua es una función de probabilidad toma
variable aleatoria con un valores positivos en un
conjunto de valores conjunto de valores de X
posibles (conocido como finito, mientras en el modelo
el rango) que es infinito y continuo es aquella que
no se puede contar. puede tomar cualquiera de los
infinitos valores existentes
dentro de un intervalo. En el
DISTRIBUCIÓN Una distribución discreta caso de variable continua la
DISCRETA. describe la probabilidad distribución de probabilidad
de ocurrencia de cada es la integral.
valor de una variable
aleatoria discreta. Una
variable aleatoria discreta
es una variable aleatoria
que tiene valores
contables, tales como una
lista de enteros no
negativos.

3
PROBABILIDAD Y ESTADÍSTICA.

2. CARACTERÍSTICAS DE LAS VARIABLES.

DISTRIBUCIÓN CARACTERISTICAS
1. Es generada por una variable discreta (x) es
decir:
X = Variable que solo toma valores enteros
X = 0, 1, 2, 3, 4, 5, 6, 7, 8,....∞

2. p(xi)≥0 Las probabilidades asociadas a

DISTRIBUCION
cada uno de los valores que toma x deben
DISCRETA.
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.

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 función de densidad de
probabilidad deberá tomar solo valores
DISTRIBUCION mayores o iguales a cero. La función de
CONTINUA. densidad de probabilidad sólo 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 área definida
bajo la función de densidad de probabilidad
deberá ser de 1.
-∝
∫-∝ 𝑓 (𝑥)𝑑𝑥 = 1

4
PROBABILIDAD Y ESTADÍSTICA.

3. PROPIEDADES DE CADA UNA DE LAS VARIABLES.

DISTRIBUCIÓN: PROPIEDADES:
 Como se sabe, la ley de probabilidad de una
variable aleatoria discreta X está bien definida si
se conoce su distribución de probabilidad P(X=xi);
i = 1, 2,…, n. O bien, si se conoce su función de
distribución F(x), teniendo que:

 Una variable aleatoria discreta X que toma valores

enteros 1, 2, …, n con probabilidades: P(X=k)=1/n;
k=1, 2, …, n recibe el nombre de variable uniforme
DISTRIBUCION discreta y su distribución de probabilidad
DISCRETA. distribución uniforme discreta.

a) Depende de un solo parámetro n.

b) Su media y varianza son:

 En el caso de variable continua la distribución de

probabilidad es la integral de la función de
densidad, por lo que tenemos entonces que:
𝑥
F(x)= P(X ≤ x)= ∫−∞ 𝑓(𝑥)𝑑𝑥

DISTRIBUCION  Sea X un variable continua, un distribución de

CONTINUA. probabilidad o función de densidad de probabilidad
(FDP) de X es una función f(x) tal que, para
cualesquiera dos números a y b, siendo a≤ 𝑏
𝑏
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = ∫ 𝑓(𝑥)𝑑𝑥
𝑏

5
PROBABILIDAD Y ESTADÍSTICA.

4. APLICACIONES.

DISTRIBUCIÓN APLICACIÓN. DIFERENCIA

Se aplica a una colección de datos

observados de un fenómeno (X) toma
cualquier valor dentro de un conjunto La distribución
de datos. La colección puede ser en continua se aplica a
dependencia del tiempo o del espacio situaciones que
o puede tener otra dependencia. tienen un fenómeno x
dentro de un conjunto
Algunos ejemplos de variables de datos, en el que los
DISTRIBUCIÓN aleatorias continuas son: datos pueden
CONTINUA. cambiar a largo plazo,
 El tiempo que tarda el servicio en
un restaurante de comida rápida. tomando cualquier
 La cantidad de milímetro de valor dentro de los
refresco que contiene cada botella. números reales
 El peso de las mercancías que positivos,
transporta un barco. dependientes del
tiempo, espacio, entre
 El tiempo que tarda un empleado
en producir 100 artículos. otros, mientras que la
distribución discreta
se realiza en
experimentos con
Se aplican en experimentos aleatorios
valores fácilmente
que tienen valores contables, tales
contables y estables
como una lista de enteros no
únicamente con
negativos. Cada valor posible de la
números positivos.
variable aleatoria discreta puede estar
asociado con una probabilidad distinta
DISTRIBUCIÓN de cero.
DISCRETA.
Ejemplos:
 Probabilidad de obtener cara en el
lanzamiento de una moneda.
 Probabilidad de que un individuo
nazca macho/ hembra.
 Probabilidad de que de las 4 crías
de un mamífero 3 sean hembra.

6
PROBABILIDAD Y ESTADÍSTICA.

BIBLIOGRAFÍAS.
 https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-topics/basics/continuous-and-
discrete-probability-distributions/
 Canavos GC. Probabilidad y estadística: aplicaciones y métodos. Madrid:
McGraw- Hill;1988.
 Fernández-Abascal H, Guijarro MM, Rojo JL, Sanz JA. Cálculo de
probabilidades y estadística. Barcelona: Editorial Ariel; 1994.
 https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-topics/basics/continuous-and-
discrete-probability-distributions/
 http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/04D
istribuciones%20de%20Probabilidad.htm