Distribucin de Probabilidad

La distribucin Normal suele conocerse como la "campana de gauss".

En teora de la probabilidad y estadstica, la distribucin de probabilidad de una
variable aleatoria es una funcin que asigna a cada suceso definido sobre la
variable aleatoria la probabilidad de que dicho suceso ocurra. La distribucin de
probabilidad est definida sobre el conjunto de todos los eventos rango de valores
de la variable aleatoria.
Cuando la variable aleatoria toma valores en el conjunto de los nmeros reales, la
distribucin de probabilidad est completamente especificada por la funcin de
distribucin, cuyo valor en cada real x es la probabilidad de que la variable
aleatoria sea menor o igual que x.
Definicin de funcin de distribucin.-
Dada una variable aleatoria todos son puntos , su funcin de distribucin,
es:

Por simplicidad, cuando no hay lugar a confusin, suele omitirse el subndice y se
escribe, simplemente,
Propiedades.-
Como consecuencia casi inmediata de la definicin, la funcin de distribucin:
Es una funcin continua por la derecha.
Es una funcin montona no decreciente.
Adems, cumple

Y

Para dos nmeros reales cualesquiera a y b tal que (a < b), los sucesos
y son mutuamente excluyentes y su unin es el suceso ,
por lo que tenemos entonces que:


Y finalmente

Por lo tanto una vez conocida la funcin de distribucin F(x) para todos los valores
de la variable aleatoria x conoceremos completamente la distribucin de
probabilidad de la variable.
Para realizar clculos es ms cmodo conocer la distribucin de probabilidad, y sin
embargo para ver una representacin grfica de la probabilidad es ms prctico el
uso de la funcin de densidad.
Una distribucin de probabilidad de una variable aleatoria X es el conjunto
de pares ordenados (X, f(X)) donde f(X) es la funcin de probabilidad de X
(si X es discreta) o funcin densidad de probabilidad de X (si X es
continua). Una distribucin de probabilidad puede estar dada por una
tabla, una grfica o una expresin matemtica (frmula) que da las
probabilidades con que la variable aleatoria toma diferentes valores.
Funciones de Distribucin de Probabilidad.-
La represent aci n de una funci n de di stri buci n de
probabi l i dad es una grf i ca escal onada.








Funcin
distribucin (acumulada)
Si X es una variable aleatoria, entonces para cualquier nmero real x
0
, existe la
probabilidad del evento (X toma cualquier valor menor o igual a x
0
).
La probabilidad que depende de la eleccin de x
0
es la probabilidad
acumulada hasta x
0
que es la funcin distribucin o distribucin acumulada y
se denota por F(x
0
).
F(x
0
) =
Funcin distribucin para variables aleatorias continuas.-
Si X es una variable aleatoria continua, entonces la regla de la correspondencia que
define la funcin distribucin acumulada F(X) es:

Hemos usado v para representar la variable de integracin, ya que x se usa para
representar al lmite superior de la integracin. El integrando f es la funcin
densidad de probabilidad, y al derivar la expresin anterior (Teorema Fundamental
del Clculo) se tiene que

La funcin distribucin acumulada es
F(x
0
) =

PROPIEDADES DE LA FUNCIN DISTRIBUCIN ACUMULADA:

2. , si X es discreta
, si X es continua.

3. , si X es continua.
4. Si X es continua

Distribucin de probabilidad continua


Una distribucin de probabilidad continua, la distribucin normal.
En teora de la probabilidad una distribucin de probabilidad se llama continua si
su funcin de distribucin es continua. Puesto que la funcin de distribucin de una
variable aleatoria X viene dada por , la definicin implica
que en una distribucin de probabilidad continua X se cumple P [X = a] = 0 para
todo nmero real a, esto es, la probabilidad de que X tome el valor a es cero para
cualquier valor de a. Si la distribucin de X es continua, se llama a X variable
aleatoria continua.
En las distribuciones de probabilidad continuas, la distribucin de probabilidad es la
integral de la funcin de densidad, por lo que tenemos entonces que:

Definicin
Para una variable continua hay infinitos valores posibles de la variable y entre cada
dos de ellos se pueden definir infinitos valores ms. En estas condiciones no es
posible deducir la probabilidad de un valor puntual de la variable; como se puede
hacer en el caso de va discretas, pero es posible calcular la probabilidad acumulada
hasta un cierto valor (funcin de distribucin de probabilidad), y se puede analizar
como cambia la probabilidad acumulada en cada punto (estos cambios no son
probabilidades sino otro concepto: la funcin de densidad.
En el caso de variable continua la distribucin de probabilidad es la integral de la
funcin de densidad, por lo que tenemos entonces que:

Sea X una va continua, una distribucin de probabilidad o funcin de densidad de
probabilidad (FDP) de X es una funcin f(x) tal que, para cualesquiera dos nmeros
a y b siendo .



La grfica de f(x) se conoce a veces como curva de densidad, la probabilidad de
que X tome un valor en el intervalo [a,b] es el rea bajo la curva de la funcin de
densidad; as, la funcin mide concentracin de probabilidad alrededor de los
valores de una variable aleatoria continua.

rea bajo la curva de f(x) entre a y b.

1. f(x) 0 para toda x.

2.

Ya que la probabilidad es siempre un nmero positivo, la FDP es una funcin no
decreciente que cumple:

1. . Es decir, la probabilidad de todo el espacio muestral es
1.

2. . Es decir, la probabilidad del suceso nulo es cero.
Distribucin Normal:
Parmetros

> 0
Dominio

Funcin de
densidad
(pdf)

Funcin de
distribucin
(cdf)

Media
Mediana
Moda
Varianza

Coeficiente
de simetra
0
Curtosis 0
Entropa

Funcin
generadora
de momentos
(mgf)

Funcin
caracterstica

En estadstica y probabilidad se llama distribucin normal,
distribucin de Gauss o distribucin gaussiana, a una de las
distribuciones de probabilidad de variable continua que con ms
frecuencia aparece en fenmenos reales.
La grfica de su funcin de densidad tiene una forma acampanada y es
simtrica respecto de un determinado parmetro. Esta curva se conoce
como campana de Gauss.
Estandarizacin de variables aleatorias normales:
Como consecuencia de la Propiedad 1; es posible relacionar todas las variables
aleatorias normales con la distribucin normal estndar.
Si X ~ N(,
2
), entonces

es una variable aleatoria normal estndar: Z ~ N(0,1).
La transformacin de una distribucin X ~ N(, ) en una N(0, 1) se llama
normalizacin, estandarizacin o tipificacin de la variable X.
Una consecuencia importante de esto es que la funcin de distribucin de una
distribucin normal es, por consiguiente,

A la inversa, si Z es una distribucin normal estndar, Z ~ N(0,1), entonces
X = Z +
es una variable aleatoria normal tipificada de media y varianza
2
.
Distribucin de probabilidad discreta:
Una distribucin de probabilidad discreta un suceso con probabilidad cero es
imposible, no se da el caso en una variable aleatoria continua. Por ejemplo, si se
mide la anchura de una hoja de roble, el resultado 3,5 cm es posible, pero tiene
probabilidad cero porque hay infinitos valores posibles entre 3 cm y 4 cm. Cada uno
de esos valores individuales tiene probabilidad cero, aunque la probabilidad de ese
intervalo no lo es. Esta aparente paradoja se resuelve por el hecho de que la
probabilidad de que X tome algn valor en un conjunto infinito como un intervalo,
no puede calcularse mediante la adicin simple de probabilidades de valores
individuales. Formalmente, cada valor tiene una probabilidad infinitesimal que
estadsticamente equivale a cero.
Existe una definicin alternativa ms rigurosa en la que el trmino "distribucin de
probabilidad continua" se reserva a distribuciones que tienen funcin de densidad
de probabilidad. Estas funciones se llaman, con ms precisin, variables aleatorias
absolutamente continuas (vase el Teorema de Radon-Nikodym). Para una variable
aleatoria X absolutamente continua es equivalente decir que la probabilidad P[X =
a] = 0 para todo nmero real a, en virtud de que hay un incontables conjuntos de
medida de Lebesgue cero (por ejemplo, el conjunto de Cantor).
Introduccin.-
Cuando se habla de los tipos de probabilidad, decimos que esta se clasifica en tres:
1. Probabilidad clsica.
2. Probabilidad distribucin de frecuencias.
3. Probabilidad subjetiva.
La distribucin de probabilidades esta muy relacionado con el tipo de variables.
Nosotros conocemos dos tipos de variables:
a. Variable discreta, y
b. Variable contina.
El valor esperado de una variable aleatoria discreta es un promedio ponderado de
todos los posibles resultados, donde las ponderaciones son las probabilidades
asociadas con cada uno de los resultados.
Donde: Xi = i-simo resultado de X, la variable discreta de inters.
P(Xi) = probabilidad de ocurrencia del i-simo resultado de X.
Aplicacin a la Ingeniera Civil:
Una de las herramientas de mayor uso en las empresas es la utilizacin de la curva
normal para describir situaciones donde podemos recopilar datos.
o Se utiliza muy a menudo porque hay muchas variables asociadas a
fenmenos naturales que siguen el modelo de la norma.
o Caracteres morfolgicos de individuos (personas, animales,
plantas,...) de una especie, por ejemplo: tallas, pesos, dimetros,
distancias, permetros,...
o Caracteres fisiolgicos , por ejemplo: efecto de una misma dosis de
un frmaco, o de una misma cantidad de abono
o Caracteres sociolgicos , por ejemplo: consumo de cierto producto
por un mismo grupo de individuos, puntuaciones de examen
o Caracteres psicolgicos, por ejemplo: cociente intelectual, grado de
adaptacin a un medio,...
o Errores cometidos al medir ciertas magnitudes
o Valores estadsticos mustrales como la media, varianza y moda.






















Distribucin binomial

Funcin de distribucin de probabilidad

Parmetros
nmero de ensayos (entero)
probabilidad de xito
(real)
Dominio

Funcin de
probabilidad
(fp)

Funcin de
distribucin
(cdf)

Media
Mediana
Uno de
[1]

Moda

Varianza

Coeficiente
de simetra

Curtosis

Entropa

Funcin
generadora
de momentos
(mgf)

Funcin
caracterstica

En estadstica, la distribucin binomial es una distribucin de probabilidad
discreta que mide el nmero de xitos en una secuencia de n ensayos
independientes de Bernoulli con una probabilidad fija p de ocurrencia del xito entre
los ensayos.
Un experimento de Bernoulli se caracteriza por ser dicotmico, esto es, slo son
posibles dos resultados. A uno de estos se denomina xito y tiene una probabilidad
de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribucin
binomial el anterior experimento se repite n veces, de forma independiente, y se
trata de calcular la probabilidad de un determinado nmero de xitos. Para n = 1,
la binomial se convierte, de hecho, en una distribucin de Bernoulli.
Para representar que una variable aleatoria X sigue una distribucin binomial de
parmetros n y p, se escribe:

La distribucin binomial es la base del test binomial de significacin estadstica.