INTRODUCCIÓN A LA

ESTADÍSTICA Y
PROBABILIDAD

Ing. Nancy Chariguamán

ESPOCH
UNIDAD IV:
DISTRIBUCIONES DE PROBABILIDAD

• Introducción.
• Principales modelos de Distribuciones de Probabilidad: variables aleatorias discretas y continuas.
• Distribuciones de probabilidad de variables discretas. Binomial y Poisson.
• Distribuciones de Probabilidad de variables Continuas. Normal, t- Student, F Fisher.
• Aplicaciones (Investigación Formativa - Estudiantes)
OBJETIVO

Identificar y distinguir entre distribuciones de probabilidad

discretas y continuas, aplicando estas distribuciones en el cálculo y

análisis de probabilidades.
 Tipos de Variables Aleatorias:
Variable aleatoria discreta: Variable aleatoria continua:
Una variable aleatoria discreta toma un Una variable aleatoria continua puede tomar cualquier
conjunto finito o contable de valores valor dentro de un intervalo (finito o infinito) de números
específicos. Esto significa que los valores reales. No se pueden enumerar individualmente los valores
posibles, pero se puede describir mediante una función de
posibles se pueden enumerar, aunque sean
densidad de probabilidad (pdf), denotada como 𝒇(𝒙).
infinitos. Matemáticamente, se representa por 𝑿, y
su función de probabilidad 𝑷(𝑿 = 𝒙𝒊 ) da la • Función de densidad de probabilidad: 𝒇(𝒙), donde la
probabilidad de que X tome un valor dentro de un intervalo
probabilidad de que 𝑿 tome un valor específico 𝒙𝒊 .
[𝐚, 𝐛] es:
• Función de probabilidad: 𝑷(𝑿 = 𝒙𝒊 ) 𝒃
𝑷(𝒂 ≤ 𝑿 ≤ 𝒃 ) = ‫𝒙𝒅 𝒙 𝒇 𝒂׬‬
• Aplicaciones:
• Aplicaciones:
✓ El número de defectos en un lote de
productos. ✓ El tiempo de vida de una molécula en una reacción
química.
✓ El número de átomos radioactivos que
decaen en un periodo de tiempo específico. ✓ La concentración de una solución en un punto específico.
 Distribuciones de Probabilidad:
Distribución discreta: Distribución continua:
Una distribución discreta describe la Una distribución continua describe la probabilidad de ocurrencia de
los valores de una variable aleatoria continua, que puede tomar
probabilidad de ocurrencia de cada valor posible
cualquier valor dentro de un intervalo. La probabilidad de que una
de una variable aleatoria discreta. Las variables variable continua tome un valor exacto es cero; en cambio, se
aleatorias discretas pueden tomar un conjunto considera la probabilidad de que caiga dentro de un intervalo.
finito o infinitamente contable de valores Para una variable aleatoria continua 𝑋, su distribución se describe
específicos, como los números enteros. mediante una función de densidad de probabilidad (pdf) 𝑓(𝑥), que
satisface las siguientes propiedades:
Para una variable aleatoria discreta 𝑋, su
distribución se define mediante una función de 1. 𝑓 𝑥 ≥ 0 para todo 𝑥
probabilidad 𝑃(𝑋 = 𝑥𝑖 ) , que satisface las ∞
2. ‫׬‬−∞ 𝑓 𝑥 𝑑𝑥 = 1
siguientes propiedades:
• 𝑃(𝑋 = 𝑥𝑖 ) ≥ 0 para todo 𝑥𝑖 en el dominio de 𝑋. 3. La probabilidad de que 𝑋 tome un valor dentro de un intervalo
𝑎, 𝑏 se calcula como:
• σ𝑛𝑖=1 σ 𝑃(𝑋 = 𝑥𝑖 )=1.
𝑏
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏 ) = ‫𝑥𝑑 𝑥 𝑓 𝑎׬‬
 Distribuciones de Probabilidad:
Distribuciones discretas: Distribución continua:
Una distribución continua describe la probabilidad de ocurrencia de los valores de una
Una distribución discreta describe la probabilidad de variable aleatoria continua, que puede tomar cualquier valor dentro de un intervalo. La
probabilidad de que una variable continua tome un valor exacto es cero; en
ocurrencia de cada valor posible de una variable aleatoria cambio, se considera la probabilidad de que caiga dentro de un intervalo.
discreta. Las variables aleatorias discretas pueden tomar
Para una variable aleatoria continua 𝑿, su distribución se describe mediante una función
un conjunto finito o infinitamente contable de valores de densidad de probabilidad (pdf) 𝒇(𝒙), que satisface las siguientes propiedades:
específicos, como los números enteros.
1. 𝒇 𝒙 ≥ 𝟎 para todo 𝑥
El conjunto de pares ordenados 𝒙, 𝒇(𝒙) es una función de 2.
∞
‫׬‬−∞ 𝒇 𝒙 𝒅𝒙 = 𝟏
probabilidad, una función de masa de probabilidad o una
3. La probabilidad de que 𝑋 tome un valor dentro de un intervalo 𝑎, 𝑏 se calcula
distribución de probabilidad de la variable aleatoria discreta como:
𝑿 si, para cada resultado x posible, que satisface las 𝒃
𝑷(𝒂 ≤ 𝑿 ≤ 𝒃 ) = ‫𝒙𝒅 𝒙 𝒇 𝒂׬‬
siguientes propiedades:
La función de distribución acumulativa F(x), de una variable aleatoria continua X con
• 𝑷(𝑿 = 𝒙𝒊 ) ≥ 𝟎 para todo 𝑥𝑖 en el dominio de 𝑋. función de densidad f (x), es:
𝒙

• σ𝒏𝒊=𝟏 σ 𝑷(𝑿 = 𝒙𝒊 )=1. 𝑭 𝒙 = 𝑷 𝑿 ≤ 𝒙 = න 𝒇 𝒕 𝒅𝒕 𝒑𝒂𝒓𝒂 − ∞ < 𝒙 < ∞

−∞
La función de la distribución acumulativa F(x) de una Como una consecuencia inmediata de la definición anterior se pueden escribir los dos
variable aleatoria discreta X con distribución de probabilidad resultados:
f (x) es: 𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = σ𝑡≤𝑥 𝑓 𝑡 𝑝𝑎𝑟𝑎 − ∞ < 𝑥 < ∞ 𝑷 𝒂<𝑿<𝒃 =𝑭 𝒃 −𝑭 𝒂 𝒚 𝑭 𝒙 =
𝒅𝑭(𝒙)
Si existe la derivada.
𝒅𝒙
 Aplicaciones:
Distribuciones discretas: Distribución continua:
Si una agencia automotriz vende 50% de su Suponga que el error en la temperatura de
inventario de cierto vehículo extranjero equipado
reacción, en °C, en un experimento de
con bolsas de aire laterales, calcule una fórmula
para la distribución de probabilidad del número laboratorio controlado, es una variable
de automóviles con bolsas de aire laterales entre aleatoria continua X que tiene la función de
los siguientes 4 vehículos que venda la agencia.
densidad de probabilidad.
Calcule la función de la distribución acumulativa
de la variable aleatoria X. Utilice F(x) para 𝑥2
verificar que f (2) = 3/8. 𝑓 𝑥 =ቐ3 , −1 < 𝑥 < 2
𝑜 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
a) Verifique que 𝑓 𝑥 es una función de
densidad.
b) Calcule P(0 < 𝑋 ≤ 1)
 Solución Distribución Discreta:
Como la probabilidad de vender un automóvil con bolsas de aire Considerando las probabilidades:
laterales es 0.5, los 24 = 16 puntos del espacio muestral tienen la 1 1 𝟑 1
𝑓 0 = ,𝑓 1 = ,𝒇 𝟐 = ,𝑓 3 = ,𝑓 4
misma probabilidad de ocurrencia. Por lo tanto, el denominador para 16 4 𝟖 4
todas las probabilidades, y también para nuestra función, es 16.
1
=
Para obtener el número de formas de vender tres automóviles con 16
1
bolsas de aire laterales necesitamos considerar el número de formas 𝐹 0 =𝑓 0 =
de dividir 4 resultados en 2 celdas, con 3 automóviles con bolsas de 16
5
aire laterales asignados a una celda, y el modelo sin bolsas de aire 𝐹 1 =𝑓 0 +𝑓 1 =
16
laterales asignado a la otra. Esto se puede hacer de 4
3
= 4 formas. 11
𝐹 2 = 𝑓 0 + 𝑓 1 + 𝑓(2) =
En general, el evento de vender x modelos con bolsas de aire 16
laterales y 4 - 𝑥 modelos sin bolsas de aire laterales puede ocurrir de 15
𝐹 3 = 𝑓 0 + 𝑓 1 + 𝑓 2 + 𝑓(3) =
4
𝑓𝑜𝑟𝑚𝑎𝑠 𝑑𝑜𝑛𝑑𝑒 𝑥 𝑝𝑢𝑒𝑑𝑒 𝑠𝑒𝑟 0, 1, 2, 3 𝑜 4. 16
𝑥
𝐹 4 = 𝑓 0 + 𝑓 1 + 𝑓 2 + 𝑓 3 + 𝑓(4) = 1
𝑃𝑜𝑟 𝑐𝑜𝑛𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒, 𝑙𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑
𝑓 (𝑥) = 𝑃(𝑋 = 𝑥) 𝑒𝑠:
1 4
𝑓 𝑥 = , 𝑝𝑎𝑟𝑎 𝑥 = 0,1,2,3,4.
16 𝑥
Solución Distribución Continua:
a) Evidentemente 𝑓 𝑥 ≥ 0 para verificar b) Calcule P(0𝑥 < 𝑋 ≤ 1) 𝑥
que 𝑓 𝑥 es una función de densidad 𝑡2 𝑡3 𝑥
tenemos: 𝐹 𝑥 = න 𝑓 𝑡 𝑑𝑡 = න 𝑑𝑡 = |
∞
3 9 −1
−∞ −1
𝑥3 + 1
න 𝑓 𝑥 𝑑𝑥 = 1 =
9
−∞
Por lo tanto:
Entonces: 0 , 𝑥 < −1
2
𝑥2 𝑥3 2 8 1 𝐹 𝑥 =
𝑥3 + 1
න 𝑑𝑥 = | = + =1 , −1 ≤ 𝑥 < 2
3 9 9 9 9
−1 −1 1, 𝑥≥2
Calcule P(0 < 𝑋 ≤ 1) entonces: La función de la distribución acumulativa
F(x) entonces:
1 2 1 1
𝑥2 𝑥3 1 1 𝑃 0<𝑋 ≤1 =𝐹 1 −𝐹 0 = − =
9 9 9
න 𝑑𝑥 = | =
3 9 9
0 0
Distribución Binomial:
El número X de éxitos en n experimentos de Bernoulli se
denomina variable aleatoria binomial. La distribución de
probabilidad de esta variable aleatoria discreta se llama distribución
binomial y sus valores se denotarán como b(x; n, p), ya que
dependen del número de ensayos y de la probabilidad de éxito en un
ensayo dado. Por consiguiente, para la distribución de probabilidad de
X el número de productos defectuosos es:
𝒏 𝒙 𝒏−𝒙
𝒃 𝒙; 𝒏, 𝒑 = 𝒑 𝒒 , 𝒙 = 𝟎, 𝟏, 𝟐, … , 𝒏
𝒙
Sumatorias binomiales:
𝒓

𝑷 𝒂 ≤ 𝑿 ≤ 𝒃 = 𝑩 𝒓, 𝒏, 𝒑 = ෍ 𝒃 𝒙; 𝒏, 𝒑
𝒙=𝟎
Aplicación:
Probabilidad de un compuesto exitoso en una reacción
En un laboratorio, se sabe que la probabilidad de que una reacción química produzca un
compuesto deseado es del 70%. Si se realizan 10 reacciones independientes, ¿cuál es la
probabilidad de que exactamente 7 reacciones produzcan el compuesto deseado?
Cálculo: Usamos la fórmula de la distribución binomial:
𝑛 𝑥 𝑛−𝑥
𝑃 𝑋=𝑥 = 𝑝 𝑞
𝑥
donde 𝑛 = 10 , 𝑥 = 7, 𝑦 𝑝 = 0,7
10 10!
𝑃 𝑋=7 = 0.7 7 (0.3)3 = 7!3! 0.7 7 (0.3)3 = 120 ∗ 0.7 7 (0.3)3 = 120 ∗ 0.082354 ∗ 0.027 =
7
0.2668
NOTA: Entonces, la probabilidad de que exactamente 7 reacciones produzcan el compuesto
deseado es aproximadamente 0.2668 o 26.68%.
RESULTADO DE APRENDIZAJE:

Utiliza las principales distribuciones estadísticas de variables

discretas y continuas y las aplica en la determinación de
probabilidades.