PROBABILIDAD Y
ESTADISTICA
Carpeta de Evidencias UNIDAD 3
Jose Miguel Rodriguez Rodriguez -22130231
DISTRIBUCIÓN DE PROBABILIDAD
Una distribución de probabilidad es una función que describe las probabilidades de
ocurrencia de los diversos resultados posibles de una variable aleatoria . Como ejemplo
simple, considere el experimento de lanzar una moneda al aire tres veces. Los posibles
resultados de cada lanzamiento individual son cara o cruz.
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.
Distribución hipergeométrica
es especialmente útil en todos aquellos casos en los que se extraigan muestras o se realicen
experiencias repetidas sin devolución del elemento extraído o sin retornar a la situación
experimental inicial. Es una distribución fundamental en el estudio de muestras pequeñas
de poblaciones pequeñas y en el cálculo de probabilidades de juegos de azar. Tiene grandes
aplicaciones en el control de calidad para procesos experimentales en los que no es posible
retornar a la situación de partida.
Las consideraciones a tener en cuenta en una distribución hipergeométrica:
El proceso consta de "n" pruebas, separadas o separables de entre un conjunto de "N"
pruebas posibles.
Cada una de las pruebas puede dar únicamente dos resultados mutuamente excluyentes.
El número de individuos que presentan la característica A (éxito) es "k".
En la primera prueba las probabilidades son: P(A)= p y P(A)= q; con p+q=1.
Distribucion de Poisson
La distribución de Poisson es una distribución de probabilidad discreta y se emplea para
describir procesos que pueden ser descritos con una variable aleatoria discreta. Describe
situaciones en las cuales los clientes llegan de
manera independiente durante un cierto intervalo de tiempo y el número
de llegadas depende de la magnitud del intervalo. La distribución de
Poisson juega un rol importante en complementar la distribución exponencial en la teoría
de colas o modelo de líneas de espera.
Entre los procesos que se pueden describir con la distribución de
probabilidad de Poisson están la distribución de las llamadas telefónicas que
llagan a un conmutador, la demanda (necesidades) de servicios en una
institución asistencial por parte de los pacientes, los arribos de los camiones
y automóviles a la caseta de cobro y el número de accidentes en un cruce.
Los ejemplos citados tienen un elemento en común. Pueden ser descritos por
una variable aleatoria discreta que asume valores enteros (0,1,2,3,4,5 y así
sucesivamente).
La Distribución de Poisson se llama así en honor a Simeón Dennis Poisson
(1781-1840), francés que desarrolló esta distribución basándose en estudios
efectuados en la última parte de su vida.
El número de enfermos que llegan a un consultorio en cierto intervalo de
tiempo será de 0,1,2,3,4,5 o algún otro número entero. De manera análoga,
si se cuenta el número de automóviles que llegan a una caseta de cobro
durante un periodo de diez minutos, el número será entero.
Distribucion Geometrica
La distribución geométrica tiene un gran parecido con la distribución
binomial ya que también consiste en una serie de ensayos donde pueden
ocurrir éxitos o fracasos. Además, cada ensayo es idéntico e independiente
del otro, sin embargo, no hay un número fijo �n de ensayos, sino que el
experimento se repite hasta que
Distribución binomial es una distribución de probabilidad discreta que nos dice el
porcentaje en que es probable obtener un resultado entre dos posibles al realizar un
número n de pruebas.
La probabilidad de cada posibilidad no puede ser más grande que 1 y no puede ser
negativa. En estas pruebas deberemos tener sólo dos resultados posibles, como al lanzar
una moneda que salga cara o cruz o en una ruleta francesa que salga rojo o negro. Cada
experimento es independiente de los otros que hagamos y no influye en las probabilidades
de los siguientes, en cada uno la probabilidad de que se de uno de los dos resultados será
exactamente la misma. Por ejemplo, si lanzamos un dado la posibilidad de que el resultado
sea par (2, 4 ó 6) o impar (1, 3 ó 5) será exactamente la misma si el dado está bien
equilibrado, el 50% y por muchas veces que lo lancemos la probabilidad, en cada una de
esas veces, seguirá siendo el 50%.
Distribución Multinomial
En teoría de probabilidad, la distribución multinomial es una generalización de la
distribución binomial La distribución binomial es la probabilidad de un número de éxitos
en N sucesos de Bernoulli independientes, con la misma probabilidad de éxito en cada
suceso. En una distribución multinomial, el análogo a la distribución de Bernoulli es la
distribución categórica, donde cada suceso concluye en únicamente un resultado de un
número finito K de los posibles, con probabilidades
Distribución binomial negativa
es discreta. Es útil para modelar la distribución del número de pruebas hasta el resultado
correcto r, como el número de visitas de ventas que necesita realizar para cerrar 10 pedidos.
Se trata fundamentalmente de una superdistribución de la distribución geométrica.
Parámetros
Probabilidad, Forma
Condicionales
La distribución binomial negativa se utiliza cuando se dan las siguientes
condiciones:
El número de pruebas no es fijo.
Las pruebas continúan hasta llegar al resultado correcto r (las pruebas
nunca son menos de r).
L
a
p
r
o
b
a
b
i
l
i
d
a
d
d
e
é
x
i
t
o
e
s
l
a
m
i
s
m
a
d
e
p
r
u
e
b
a
p
r
u
e
b
a
.
Oh 八ーめ U000 、0 ーーい 0 0
0 ) Cuo リ氏、0、一
ら: 0
P=ーー 20・た 0 ー 2
、、■■置 0■■第を
一一 q し 0-ー 06d ー e
20.-0 円「「00
90\00
o、~e い öö.-00-、0
月「5T に日野 5 三
00 笠第罍■0 第第 0 第第を■■0■0 ー 0 製■0 第 0■第 00 第題■圏物■困評第■
新をを■ ■■■一■ー■■■■■0 ■・0■0 願■感■■第一■物動・■・第物
一・・・・朝■・■■ー第
■■は■■第■■臨■物第第 0■態第第 0 ■ 0■0 第■0 第
■動物第を一■・■当■に物■ ■・一■、・ー■ー■・■■第■■物
0 ■■第 0 ■0■一第新 0 臨 0■■■0 を新■・0■数第■第■ー要
、・■■・■0 第 0■■■0・■■新・■■■第一■は■0 ー■ー朝贔第 00 置
■■■・・■■・■■■■第を■ ■・第■・■新一■■ー■を第に 0 第
o 第■0 第■第 0 第 0 物第 0 当 0 ー 0■、・0・第第層第
00 ■0 を■・第 0・■■■題第社 0 る 0 第 0・0■00 を当■■
■第■0 を■・■住■■第 0 第第物第第一を■・■00 第■0 置
00 第■00 新第 0 ■ ■■■0■■第 0 第置 0 第 00 0 ■住 0
第第■00「第 00■第■■■■■ー■第一■ー■ ■■■住 0 ー■0■0
