Distribucion de Probabilidad

Una distribución de probabilidad la podemos concebir como una distribución teórica de frecuencia, es decir, es una distribución que describe como se espera que varíen los resultados. Dado que esta clase de distribuciones se ocupan de las expectativas son modelos de gran utilidad para hacer inferencias y tomar decisiones en condiciones de incertidumbre.




Variable aleatoria.



Es aquella que asume diferentes valores a consecuencia de los resultados de un experimento aleatorio.



Estas variables pueden ser discretas o continuas. Si se permite que una variable aleatoria adopte sólo un número limitado de valores, se le llama variable aleatoria discreta. Por el contrario, si se le permite asumir cualquier valor dentro de determinados límites, recibe el nombre de variable aleatoria continua.



DISTRIBUCIONES DE PROBABILIDAD.



Toda distribución de probabilidad es generada por una variable aleatoria x, la que puede ser de dos tipos:

1. 1. Variable aleatoria discreta (x). Se le denomina variable porque puede tomar diferentes valores, aleatoria, porque el valor tomado es totalmente al azar y discreta porque solo puede tomar valores enteros y un número finito de ellos.



Ejemplos:

x® Variable que nos define el número de burbujas por envase de vidrio que son generadas en un proceso dado.

x®0, 1, 2, 3, 4, 5, etc, etc. burbujas por envase

x®Variable que nos define el número de productos defectuosos en un lote de 25 productos.

x®0, 1, 2, 3,....,25 productos defectuosos en el lote



x®Variable que nos define el número de alumnos aprobados en la materia de probabilidad en un grupo de 40 alumnos.

x®0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en probabilidad



Con los ejemplos anteriores nos damos cuenta claramente que los valores de la variable x siempre serán enteros, nunca fraccionarios.



2. 2. Variable aleatoria continua (x). Se le denomina variable porque puede tomar diferentes valores, aleatoria, porque los valores que toma son totalmente al azar y continua porque puede tomar tanto valores enteros como fraccionarios y un número infinito de ellos.



Ejemplos:



x®Variable que nos define el diámetro de un engrane en pulgadas

x®5.0”, 4.99, 4.98, 5.0, 5.01, 5.0, 4.96



x®Variable que nos define la longitud de un cable o circuito utilizado en un arnés de auto

x®20.5 cm, 20.1, 20.0, 19.8, 20,6, 20.0, 20.0



x®Variable que nos define la concentración en gramos de plata de algunas muestras de mineral

x®14.8gramos, 12.0, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8



Como se observa en los ejemplos anteriores, una variable continua puede tomar cualquier valor, entero o fraccionario, una forma de distinguir cuando se trata de una variable continua es que esta variable nos permite medirla o evaluarla, mientras que una variable discreta no es medible, es una variable de tipo atributo, cuando se inspecciona un producto este puede ser defectuoso o no, blanco o negro, cumple con las especificaciones o no cumple, etc, etc.



Las variables descritas anteriormente nos generan una distribución de probabilidad, las que pueden ser.



1) 1) Distribución de probabilidad discreta.

2) 2) Distribución de probabilidad continua.





Las características de cada una de las distribuciones anteriores se mencionarán a continuación:





DISTRIBUCIÓN DE PROBABILIDAD DISCRETA.

Características:

1. Es generada por una variable discreta (x).



x®Variable que solo toma valores enteros

x®0, 1, 2, 3, 4, 5, 6, 7, 8, ... etc,etc.



2. p(xi)³0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero.



3.Sp(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x debe ser igual a 1.





DISTRIBUCIÓN DE PROBABILIDAD CONTINUA.

Características:

1. Es generada por una variable continua (x).



x® Es una variable que puede tomar tanto valores enteros como fraccionarios.



x® 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, .....,¥



2. f(x)³0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero. Dicho de otra forma, la función de densidad de probabilidad deberá tomar solo valores mayores o iguales a cero. La función de densidad de probabilidad sólo puede estar definida en los cuadrantes I y II.



3. La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x debe ser igual a 1. El área definida bajo la función de densidad de probabilidad deberá ser de 1.