TIPOS DE VARIABLES

DISTRIBUCIONES DISCRETAS

CONCEPTOS TEORICOS
DE LA UNIDAD 2
VARIABLES ALEATORIAS
DISTRIBUCIONES CONTINUAS
 Es aquella cuyo valor es el resultado de un evento aleatorio. Lo
VARIABLE ALEATORIA que quiere decir que son los resultados que se presentan al
azar en cualquier evento o experimento.

VARIABLE ALEATORIA Es aquella que solo toma ciertos valores (frecuentemente

DISCRETA enteros) y que resulta principalmente del conteo realizado.

VARIABLE ALEATORIA Es aquella que resulta generalmente de la medición y puede

CONTINUA tomar cualquier valor dentro de un intervalo dado

Es una distribucion de probabilidad discreta

Carcteristicas:
1. solo tienen dos posibles resultados, a los que se les pueden nombrar éxito o
fracaso
2.los datos son resultado de un conteo, razon por la cual se clasifica como discreta
3. el experimento consiste de varias pruebas y en cada una la probabilidad de exito
es la misma
4. las pruebas que se repiten son independientes

Si n ∈ N y p ∈ [0 , 1] , se dice que una variable aleatoria X tiene distribución

binomial con parámetros n y p si su función de densidad está dada por la fórmula:
DISTRIBUCION
BINOMINAL
 Es una distribución de probabilidad discreta que expresa, a partir de una
frecuencia de ocurrencia media, la probabilidad de que ocurra un determinado
DISTRIBUCION número de eventos durante cierto período de tiempo. Concretamente, se
POISSON especializa en la probabilidad de ocurrencia de sucesos con probabilidades muy
pequeñas, o sucesos "raros".

Es una distribución discreta relacionada con muestreos aleatorios y sin reemplazo.

Suponga que se tiene una población de N elementos de los cuales, d pertenecen a
DISTRIBUCION
HIPERGEOMETRICA la categoría A y N-d a la B. La distribución hipergeométrica mide la probabilidad de
obtener x ( 0 ≤ x ≤ d ) elementos de la categoría A en una muestra sin reemplazo de
n elementos de la población original.

DISTRIBUCION BETA Es una distribución de probabilidad continua con dos parámetros α y β cuya
función de densidad para valores 0 < x < 1 } es
 es una distribución de probabilidad continua. También se le conoce como
distribución F de Snedecor (por George Snedecor) o como distribución F de Fisher-
Snedecor (por Ronald Fisher).
DISTRIBUCION F La distribución F aparece frecuentemente como la distribución nula de una prueba
estadística, especialmente en el análisis de varianza.

Una variable aleatoria de distribución F se construye como el siguiente cociente:

la distribución de Pearson, llamada también ji cuadrada(o) o chi cuadrado(a) (χ²),

DISTRIBUCION JI es una distribución de probabilidad continua con un parámetro k que representa
CUADRADO los grados de libertad de la variable aleatoria

DISTRIBUCION En estadística la distribución exponencial es una distribución de probabilidad

EXPONENCIAL continua con un parámetro λ > 0 cuya función de densidad es:
DISTRIBUCION
NORMAL Esta distribucion es frecuentemente utilizada en las aplicaciones estadisticas. Su
propio nombre indica su extendida utilizacion, justificada por la frecuencia o
normalidad con la que ciertos fenómenos tienden a parecerse en su
comportamiento a esta distribución.
Caracteristicas:
1. la distribucion de probabilidad normal es simetrica con respecto a su media.
2. la curva normal decrece uniformemente en ambas direcciones a partir del valor
central
3. es asintonica esto significa que la curva se acerca cada vez mas al eje X, pero en
realidad nunca llega a tocarlo. Esto es, los puntos extremos de la curva se
extienden indefinidamente en ambas direcciones

DISTRIBUCION T- Esta funcion se basa en establecer un intervalo de confianza, utlizando un nivel de

STUDENT confinza y los grados de libertad. obteniendo valores de una tabla dada y con
respecto a estas variables y aplicarla a la formula.
Cracteristicas:
1. la distribucionT-student se usa cuando no se conoce la desviacion tipica
poblacional
2. es similar a la curva normal, pero esta distribucion tiene mayor area a los
extremos y menor en el centro
A continuacion tenemos las formulas de media, varianza y desviacion típica.

1.MEDIA

2.VARIANZA

3.DESVIACION TÍPICA

A continuacion tenemos las formulas de media, varianza y

desviacion estandar.

1.MEDIA

2.VARIANZA

3.DESVIACION ESTANDAR
A continuacion tenemos las formulas de media, varianza y
desviacion estandar.

1.MEDIA

2.VARIANZA

3.DESVIACION ESTANDAR

La función de probabilidad de una variable aleatoria

Funcion de con distribución hipergeométrica puede deducirse a
probabilidad través de razonamientos combinatorios y es igual a
Como se deduce de este último apartado, no existe una única distribución normal, sino una
familia de distribuciones con una forma común, diferenciadas por los valores de su media y
su varianza. De entre todas ellas, la más utilizada es la distribución normal estándar, que
corresponde a una distribución de media 0 y varianza 1. Así, la expresión que define su
densidad se puede obtener de la Ecuación 1, resultando:

Es importante conocer que, a partir de cualquier variable X que siga una distribución , se
puede obtener otra característica Z con una distribución normal estándar, sin más que
efectuar la transformación:
A continuacion tenemos las formulas de media, varianza y desviacion
estandar.

1.MEDIA

2.VARIANZA

3.DESVIACION ESTANDAR