UNIVERSIDAD TECNOLÓGICA DE

HONDURAS
Licenciado enerson rubio
Clase: estadística
Sección: 6
Tarea: informe de distribuciones de probabilidades
Integrantes: Jenny Michell Banegas Ortiz
202310060012
Rosa nesly Lopez Portillo 202210080049
Nury Damaris Mendez 202010030202
Wendy Jimenez 201710030250
Fecha de entrega 23 de marzo del año 2023

¿Qué es una distribución de probabilidad?

R / En el capítulo 2 describimos a las distribuciones de frecuencias como una

forma útil de resumir las variaciones en los datos observados. Preparamos
distribuciones de frecuencias haciendo una lista de todos los resultados
posibles de un experimento para después indicar la frecuencia observada de
cada resultado posible. Las distribuciones de probabilidad están relacionadas
con las distribuciones de frecuencias. De hecho, podemos pensar que una
distribución de probabilidad es una distribución de frecuencias teórica. ¿Qué
significa lo anterior? Una distribución de frecuencias teórica es una distribución
de probabilidades que describe la forma en que se espera varíen los
resultados. Como estas distribuciones representan expectativas de que algo
suceda, resultan modelos útiles para hacer inferencias y tomar decisiones en
condiciones de incertidumbre. En capítulos posteriores, analizaremos
los métodos que utilizamos bajo tales condiciones.

Ejemplos de distribuciones de probabilidad

Para comenzar nuestro estudio de las distribuciones de probabilidad,

regresemos a la idea de la moneda no alterada que introdujimos en el capítulo
4. Suponga que lanzamos esa moneda dos veces.

Tipos de distribuciones de probabilidad

Las distribuciones de probabilidad se clasifican como discretas y continuas. En

la distribución de probabilidad discreta está permitido considerar sólo un
número limitado de valores. En la figura 5-2 se muestra un ejemplo de
distribución de probabilidad discreta, en la que expresamos las ideas de la
candidata sobre las elecciones que se avecinan. En ella, los votos pueden
tomar sólo cuatro valores posibles De manera análoga, la probabilidad de que
usted haya nacido en un mes dado es también discreta, puesto que sólo hay 12
posibles valores (los 12 meses del año). En una distribución de probabilidad
continua, por otro lado, la variable que se está considerando puede tomar
cualquier valor dentro de un intervalo dado. Suponga que estamos examinando
el nivel de afluencia de un cierto número de arroyos, y medimos este nivel en
partes de afluencia por millones de partes de agua. Podríamos esperar un
intervalo bastante continuo de partes por millón (ppm), en todas las corrientes,
desde los niveles más bajos en los pequeños arroyos de montaña hasta niveles
en extremo altos en los arroyos contaminados. De hecho, sería muy normal
que la variable “partes por
millón” tomara una cantidad enorme de valores. Podríamos decir que la
distribución de esta variable es una distribución continua. Las distribuciones
continuas son una forma conveniente de presentar distribuciones discretas que
tienen muchos resultados posibles, todos muy cercanos entre sí.

Variables aleatorias

Una variable es aleatoria si toma diferentes valores como resultado de un

experimento aleatorio. Esta variable aleatoria puede ser discreta o continua. Si
puede tomar sólo un número limitado de valores, entonces es una variable
aleatoria discreta. En el otro extremo, si puede tomar cualquier valor dentro de
un intervalo dado, entonces se trata de una variable aleatoria continua.
Una variable aleatoria es una especie de valor o magnitud que cambia de una
ocurrencia a otra sin
seguir una secuencia predecible. Por ejemplo, en una clínica para tratamiento
del cáncer de mama no se tiene manera de saber con exactitud cuántas
mujeres van a ser atendidas en un día cualquiera, Ejemplo de variables
aleatorias discretas Definición de variable Aleatoria de modo que el número de
mujeres del día siguiente es una variable aleatoria. Los valores de una variable
aleatoria son los valores numéricos correspondientes a cada posible resultado
del experimento aleatorio. Si los registros diarios de la clínica indican que los
valores de la variable aleatoria van desde 100 hasta 115 mujeres al día,
entonces ésta es una variable aleatoria discreta.
La tabla 5-3 lista el número de veces que se ha alcanzado cada nivel durante
los últimos 100 días. Observe que la tabla proporciona una distribución de
frecuencias. Hasta donde creamos que la experiencia de los pasados 100 días
es un comportamiento típico, podemos utilizar este registro para asignar una
probabilidad a cada número posible de mujeres y encontrar una distribución de
probabilidad. Hemos hecho esto en la tabla 5-4 mediante la normalización de la
distribución de frecuencias observadas (en este caso, dividimos cada valor que
aparece en la columna de la derecha de la tabla 5-3 entre 100, el número total
de días en que se tomaron los registros). La distribución de probabilidad
para la variable aleatoria “número de mujeres examinadas” se presenta de
manera gráfica en la figura 5-3. Note que la distribución de probabilidad para
una variable aleatoria proporciona una probabilidad para cada valor posible y
que estas probabilidades deben sumar 1. La tabla 5-4 muestra que ambos
requisitos se cumplen. Además, tanto la tabla 5-4 como la figura 5-3
proporcionan información acerca de la frecuencia de presentación a largo plazo
del número de mujeres examinadas diariamente que esperaríamos observar si
este “experimento” aleatorio se efectuara de nuevo.
El valor esperado es una idea fundamental en el estudio de las distribuciones
de probabilidad. Durante muchos años, el concepto ha sido puesto en práctica
con bastante regularidad por las compañías aseguradoras y, en los últimos 20
años, también ha sido utilizado ampliamente por muchas de las personas que
deben tomar decisiones en condiciones de incertidumbre.
Para obtener el valor esperado de una variable aleatoria discreta,
multiplicamos cada valor que la variable puede tomar por la probabilidad de
ocurrencia de ese valor y luego sumamos los productos. La tabla 5-5 ilustra
este procedimiento para el caso de la clínica. El total de la tabla nos indica que
el valor esperado de la variable aleatoria discreta “Número de mujeres
examinadas al día” es de 108.02 mujeres. ¿Qué significa esto? Significa que,
en un periodo largo, el número de mujeres examinadas diariamente deberá
tener un promedio de aproximadamente 108.02. Recuerde que un valor
esperado de 108.02 no significa que mañana 108.02 mujeres asistan a la
clínica

Definición de los tipos de pérdidas

El vendedor al mayoreo ha sufrido dos tipos de pérdidas: 1) pérdidas por

obsolescencia, ocasionadas por tener en existencia demasiada fruta en un día
y tener que tirarla al siguiente, y 2) pérdidas de oportunidad, ocasionadas por
no tener en existencia el producto al momento en que un cliente lo solicita (los
clientes no esperan más allá del día en que solicitan una caja de frambuesas).
La tabla 5-7 es una tabla de pérdidas condicionales. Cada valor en ella está
condicionado a un número específico de cajas que se encuentran en existencia
y a un número específico de solicitudes. Los valores que se tienen en la tabla
5-7 incluyen no solamente las pérdidas por la fruta descompuesta, sino también
las que se derivan de los ingresos perdidos cuando el vendedor no es capaz de
suministrar un pedido. Cuando el número de cajas en existencia en un día
cualquiera es igual al número de cajas solicitadas no ocurre ninguno de estos
dos tipos de pérdida. En tales casos, el vendedor vende todo lo que tiene
almacenado y no sufre pérdidas. Esta situación se indica con el cero en negrita
que aparece en la columna correspondiente. Las cifras que se encuentren por
encima de un cero cualquiera representan las pérdidas sufridas al tener que
tirar la fruta. En este ejemplo, el número de cajas almacenadas es mayor al de
cajas solicitadas. Por ejemplo, si el vendedor tiene en existencia 12 cajas, pero
recibe solicitud para sólo 10 de ellas, pierde $40 (o $20 por caja no vendida ese
mismo día).