Tecnológico de Estudios Superiores de Ecatepec

División de Ingeniería en Sistemas Computacionales

Academia de Ciencias Básicas

Materia: Probabilidad y Estadística

Grupo 5201

Nombre de la Maestra Mercedes Flores Flores

Integrantes:
*Cortez Martinez Jesus Alfredo
*Escobar Iván Héctor Alexey
*Estrada Romero Ángel Yael
*Herrera Vega Sonia Margarita

Fecha de Entrega-------7/10/2022
 Índice De Contenido

 Portada

 Indice

 Introducción

 ¿Qué es una función de probabilidad?

 ¿Que son las distribuciones de probabilidad?

 Distribución de poisson

 Distribución normal

 Distribución de T de student

 Distribución chi-cuadrada

 Distribución de F

 Conclusiones

 Referencias
Introducción
 ¿Qué es una función de probabilidad?

Una función de probabilidad, también llamada función de masa de probabilidad es

una función matemática que describe la probabilidad de que una variable aleatoria
discreta tome un determinado valor.

Es decir, una función de probabilidad devuelve la probabilidad asociada a que una

variable discreta sea exactamente igual a un valor.

Por ejemplo, la probabilidad de sacar cualquier número al lanzar un dado es de

1/6 (un dado tiene seis caras), por lo tanto, la función de probabilidad asociada a
este espacio muestral será igual a 1/6 para cualquier valor.

Propiedades de la función de probabilidad

Las funciones de probabilidad tienen las siguientes propiedades:

 Las probabilidades no pueden ser negativas, por lo que la función de

probabilidad es nula o positiva para cualquier valor de x.

 Asimismo, la probabilidad máxima es la unidad, y significa que el evento

sucederá siempre. En consecuencia, el valor máximo de la función de
probabilidad es igual a 1.

 Finalmente, la suma de todos los valores de una función de probabilidad da

como resultado 1, pues es la suma de todas las probabilidades del espacio
muestral.
 ¿Que son las distribuciones de probabilidad?

Una distribución de probabilidad es aquella que permite establecer toda la gama

de resultados probables de ocurrir en un experimento determinado.  

La distribución de probabilidad es una herramienta fundamental para la

prospectiva, puesto que con ella es posible diseñar un escenario de
acontecimientos futuros considerando las tendencias actuales de diversos
fenómenos.

Las características más importantes a considerar en una distribución de

probabilidad son:

 La probabilidad de un resultado específico está entre cero y uno.

 La suma de las probabilidades de todos los resultados mutuamente
excluyentes es 1.

Toda distribución de probabilidad se genera por una variable (debido a que puede
tomar diferentes valores) aleatoria x (porque el valor que se toma es
completamente al azar), y puede ser de dos tipos:

1. Variable aleatoria discreta (x)

Solo puede tomar valores representados por números enteros y un número finito
de ellos. Por ejemplo:

X variable que nos define el número de alumnos aprobados en el curso de historia

universal en un grupo de 30 alumnos (1, 2 ,3 y así sucesivamente ó los 30).

2. Propiedades de una variable aleatoria discreta (X)

Las probabilidades que se relacionan con cada uno de los valores que toma x
deben ser mayores o iguales a cero y menores o iguales a 1:

P (xi) < 1

La sumatoria de las probabilidades asociadas a cada uno de los valores que toma
x debe ser igual a 1:

E p (xi) = 1

3. Variable aleatoria continua (x)

Esta puede tomar tanto valores expresados en números enteros como

fraccionarios y un número infinito de ellos dentro de un mismo intervalo. Por
ejemplo:

x es la variable que nos define la concentración en gramos de oro de algunas

muestras de mineral (7.4 gr, 6.1, 1.9, 23.3, 12.7, 8.1, 9.5, 11.8, ... n)

4. Propiedades de una variable aleatoria discreta (X)

Las probabilidades vinculadas a cada uno de los valores que toma x deben ser
mayores o iguales a cero. Dicho de otro modo: la función de densidad de
probabilidad deberá tomar solo valores mayores o iguales a cero.

El área definida bajo la función de densidad de probabilidad deberá ser de 1.

5. Esperanza matemática o valor esperado

El valor esperado de una variable aleatoria X es el promedio ponderado de todos

los valores posibles.

La esperanza matemática o valor esperado de una variable aleatoria se origina en

los juegos de azar, debido a que los apostadores deseaban saber su esperanza
de ganar repetidamente un juego. Por lo tanto, el valor esperado representa la
cantidad de dinero promedio que el jugador está dispuesto a ganar o perder
después de un número grande de apuestas. 

Distribución de poisson

Esta distribución se utiliza para determinar cuántos empleados de caja son

necesarios para mantener el tiempo de espera en la fila a niveles especificados,
cuántas líneas telefónicas son necesarias para evitar que el sistema se
sobrecargue, y muchas otras aplicaciones prácticas.

Una modificación de la distribución de Poisson, la Pascal, inventada hace casi

cuatro siglos, es utilizada hoy en día por las compañías de telecomunicaciones de
todo el mundo para los factores de carga, los niveles de conexión de los satélites y
los problemas de capacidad de internet. La distribución recibe su nombre de
Simeón Poisson, que la presentó en 1837 como una extensión de la distribución
binomial.

Hay dos características principales de un experimento de Poisson.

1. La distribución de probabilidad de Poisson da la probabilidad de que se

produzca un número de eventos en un intervalo fijo de tiempo o espacio si
estos eventos se producen con una tasa promedio conocida.

2. Los eventos son independientes del tiempo transcurrido desde el último

evento. Por ejemplo, un editor de libros podría estar interesado en el
número de palabras escritas incorrectamente en un libro en particular.

Puede ser que, en promedio, haya cinco palabras mal escritas en 100
páginas. El intervalo son las 100 páginas y se supone que no hay relación
entre el momento en que se producen los errores ortográficos.
 Distribución normal

Se dice que muchos fenómenos se distribuyen normalmente. Esto significa que, si

uno toma al azar un número suficientemente grande de casos y construye un
polígono de frecuencias con alguna variable continua, por ejemplo peso, talla,
presión arterial o temperatura, se obtendrá una curva de características
particulares, llamada distribución normal. Es la base del análisis estadístico, ya
que en ella se sustenta casi toda la inferencia estadística.

Esta función, también conocida como distribución normal tiene la forma de una

campana, por este motivo también es conocida como la campana de Gauss.

Sus características son las siguientes:

•       Es una distribución simétrica.

•       Es asintótica, es decir sus extremos nunca tocan el eje horizontal, cuyos
valores tienden a infinito.

•       En el centro de la curva se encuentran la media, la mediana y la moda.

•       El área total bajo la curva representa el 100% de los casos.

•       Los elementos centrales del modelo son la media y la varianza.

Esta distribución es un modelo matemático que permite determinar probabilidades

de ocurrencia para distintos valores de la variable.
 Distribución de T de student

 la distribución t es una distribución de probabilidad que estima el valor de la media

de una muestra pequeña extraída de una población que sigue una distribución
normal y de la cual no conocemos su desviación típica.

Fórmula de la distribución t de Student

Dada una variable aleatoria continua L, decimos que la frecuencia de sus

observaciones puede aproximarse satisfactoriamente a una distribución t con g
grados de libertad tal que: 

La variable aleatoria L sigue una distribución t con g grados de libertad.

 Distribución chi-cuadrada

La distribución de chi-cuadrada es una distribución continua que se especifica por

los grados de libertad y el parámetro de no centralidad. La distribución es
positivamente asimétrica, pero la asimetría disminuye al aumentar los grados de
libertad.

Minitab utiliza la distribución de chi-cuadrada (χ2) en pruebas de significancia

estadística para:

 Comprobar qué tan bien se ajusta una muestra a una distribución teórica.
Por ejemplo, puede utilizar una prueba de bondad de ajuste de chi-
cuadrada para determinar si los datos de la muestra se ajustan a una
distribución de Poisson.

 Comprobar la independencia de las variables categóricas. Por ejemplo, un

fabricante desea saber si la ocurrencia de cuatro tipos de defectos
(espárrago faltante, abrazadera rota, sujetador flojo y sello con fugas) está
relacionada con los turnos (diurno, vespertino, nocturno).

Cuando los grados de libertad son 30 o más, la distribución de chi-cuadrada puede

aproximarse razonablemente con una distribución normal.

Distribución de chi-cuadrada con 20 grados de

libertad

Distribución de chi-cuadrada con 40 grados de

libertad
 Distribución de F

La distribución F también se conoce como distribución de Fisher-Snedecor, en

honor a los estadísticos Ronald Fisher y George Snedecor. Ambos trabajaron en
el desarrollo del análisis de varianza, a principios del siglo XX, sentando las bases
de la estadística moderna.

La distribución F sirve para demostrar las variaciones de una población. Más

específicamente, se usa una distribución F cuando se busca estudiar la razón de
las varianzas de dos poblaciones distribuidas normalmente. Asimismo, este tipo de
distribución también se utiliza en un análisis de varianza de un factor (ANOVA).

El análisis de varianza se encarga de comparar la variación entre varios grupos o

poblaciones y la variación que hay dentro de cada una de ellas. Para lograrlo, se
usa una proporción de variaciones. La distribución F permite analizar la relación
entre las varianzas.

Características de la distribución F

 Las distribuciones F incluyen varios métodos estadísticos.

 La distribución F particular que se utiliza depende del número de grado de
libertad que tiene la muestra. Esta característica de la distribución F
también está presente en otras distribuciones, como la distribución T y la
distribución chi-cuadrado.
 El valor de la distribución F es nulo, es decir, cero o positivo. No tiene
valores negativos.
 La distribución F posee una leve inclinación hacia la derecha. Por lo tanto,
se trata de una distribución de probabilidad que no es simétrica.
 Conclusiones
Gracias a esta investigación logramos entender comprender y conocer los temas vistos en
esta tarea. Entendimos que una función de probabilidad, también llamada función de
masa de probabilidad es una función matemática que describe la probabilidad de que una
variable aleatoria discreta tome un determinado valor, también conocimos que una
distribución de probabilidad es aquella que permite establecer toda la gama de resultados
probables de ocurrir en un experimento determinado.
Conocimos también que es la distribución y las formas de distribución que existen ,la
distribución poisson que sirve para determinar cuántos empleados de caja son necesarios
para mantener el tiempo de espera en la fila a niveles especificados, cuántas líneas
telefónicas son necesarias para evitar que el sistema se sobrecargue, y muchas otras
aplicaciones práctica, la distribución de T student que es una distribución de probabilidad
que estima el valor de la media de una muestra pequeña extraída de una población que
sigue una distribución normal y de la cual no conocemos su desviación típica, la
distribución chi cuadrada que es una distribución continua que se especifica por los
grados de libertad y el parámetro de no centralidad. La distribución es positivamente
asimétrica, pero la asimetría disminuye al aumentar los grados de libertad, la distribución
F también se conoce como distribución de Fisher-Snedecor,y sirve para demostrar las
variaciones de una población. Más específicamente, se usa una distribución F cuando se
busca estudiar la razón de las varianzas de dos poblaciones distribuidas normalmente.
Asimismo, este tipo de distribución también se utiliza en un análisis de varianza de un
factor (ANOVA) y por último la distribución normal si uno toma al azar un número
suficientemente grande de casos y construye un polígono de frecuencias con alguna
variable continua, por ejemplo peso, talla, presión arterial o temperatura, se obtendrá una
curva de características particulares, llamada distribución normal. Es la base del análisis
estadístico, ya que en ella se sustenta casi toda la inferencia estadística.
Todo esto es algo nuevo para nosotros pero gracias a esta investigación hoy en día
conocemos sus definiciones y sus funciones
 Referencias

 Conoce las principales distribuciones de probabilidad | Conexión ESAN.

(s. f.). Recuperado 5 de noviembre de 2022, de
[Link]
distribuciones-de-probabilidad

 Estadística, P. Y. (2022, 25 mayo). ¿Qué es una función de probabilidad?

(Propiedades y ejemplo). Probabilidad y Estadística.
[Link]

 4.4 Distribución de Poisson - Introducción a la estadística empresarial |

OpenStax. (s. f.). Recuperado 5 de noviembre de 2022, de
[Link]
empresarial/pages/4-4-distribucion-de-poisson

 Distribución Normal. (s. f.). Recuperado 5 de noviembre de 2022, de

[Link]
applets/matematicas_VI_12/Applets_Geogebra/[Link]

 Rodó, P. (2021, 13 enero). Distribución t de Student. Economipedia.

[Link]

 Distribución de chi-cuadrada - Minitab. (s. f.). (C) Minitab, LLC. All rights

Reserved. 2022. Recuperado 5 de noviembre de 2022, de
[Link]
distributions-random-data-and-resampling-analyses/supporting-topics/
distributions/chi-square-distribution/
 Martinez, C. (2021, 1 mayo). ¿Qué es la distribución F? YuBrain.
[Link]