DISTRIBUCIONES

CONOCIDAS
INTEGRANTES:
CAQUI PABLO, Moiss Manuel
HILARIO HUAMAN, Luis Miguel
 1. Distribucin exponencial
Definicin:
Viene a ser el equivalente continuo de la distribucin geomtrica discreta. Esta ley de
distribucin describe procesos en los que:

Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo que,
el tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello ocurra en
un instante tf, no depende del tiempo transcurrido anteriormente en el que no ha
pasado nada.
 Funcin
La funcin de densidad de la distribucin exponencial es la siguiente:

Se dice que la variable aleatoria continua X tiene distribucin exponencial con parmetro

>0
y se describe X-exp() si su funcin de densidad es

, 0
=
0, < 0

Donde obtenemos la funcin

de distribucin:
= = = 1 , 0<
0
 Ejemplo
El tiempo que tarda una partcula radiactiva en desintegrarse. El conocimiento de la
ley que sigue este evento se utiliza en Ciencia para, por ejemplo, la datacin de
fsiles o cualquier materia orgnica mediante la tcnica del carbono 14, C14;
El tiempo que puede transcurrir en un servicio de urgencias, para la llegada de un
paciente;
En un proceso de Poisson donde se repite sucesivamente un experimento a
intervalos de tiempo iguales, el tiempo que transcurre entre la ocurrencia de dos
sucesos consecutivos sigue un modelo probabilstico exponencial. Por ejemplo, el
tiempo que transcurre entre que sufrimos dos veces una herida importante.
 2. Distribucin normal
Definicin:
La distribucin de probabilidad normal ocupa un lugar prominente en la estadstica por dos
razones:

Tiene algunas propiedades que la hacen aplicable un gran nmero de situaciones en las que
es necesario hacer inferencias mediante la toma de muestras.
La distribucin normal casi se ajusta a las distribuciones de frecuencia reales observadas en
muchos fenmenos, incluyendo caractersticas humanas (pesos, altura, IQ, etc.), resultados
de procesos fsicos (dimensiones y rendimientos) y muchas otras medidas de inters para los
administradores, tanto en el sector pblico como en el privado.
 Funcin
La funcin de densidad, es la expresin en trminos de ecuacin matemtica
de la curva de Gauss:
La grafica:
x = Valor de la variable aleatoria que nos preocupa.
= Media de la distribucin de la variable aleatoria.
= Desviacin estndar de la distribucin.
z = Nmero de desviaciones estndar que hay
desde x a la media de la distribucin.
Ejemplo
 3. Distribucin uniforme
Definicin:
Es una distribucin en el intervalo [a,b] en la cual las probabilidades, son las
mismas para todos los posibles resultados, desde el mnimo de a hasta el
mximo de b. El experimento de lanzar un dado es un ejemplo que cumple la
distribucin uniforme, ya que todos los 6 resultados posibles tienen 1/6 de
probabilidad de ocurrencia.
 Funcin
La funcin de densidad de una distribucin uniforme es:

Dnde:
a = mnimo valor de la distribucin
b = mximo valor de la distribucin
 Ejemplo
Supngase una variable que se distribuye
uniformemente entre 380 y 1.200. Determnese:
1. La probabilidad de que el valor de la variable sea
superior a mil.
2. La media y la desviacin estndar de dicha variable.

A Epidat se le proporcionar el lmite superior e

inferior del campo de variacin de la variable [380,
1.200] y, adems, el punto a partir del cual se quiere
calcular la probabilidad.
Resultados con Programa Epidat 4.0

La probabilidad de que la variable sea superior a mil se sita en un entorno de 0,24, la media
es 790 y la desviacin estndar, raz cuadrada de la varianza, es aproximadamente 237.
 4. Distribucin triangular
Definicin:
La distribucin triangular es til como una aproximacin inicial en situaciones
par las que no se dispone de datos confiables.
Nos permite estimar las duraciones de las actividades de un proyecto usando las
tres estimaciones: optimista, muy pesimista, y pesimista.
 Funcin
La funcin densidad de probabilidad es:
 Ejemplo
Uno de los problemas de salud que afectan en mayor medida a la poblacin en los meses de
verano son los golpes de calor; por ese motivo, es necesario llevar un control de la temperatura
atmosfrica que alerta, entre otros indicadores, de la presencia de una ola de calor.

Durante el mes de Agosto del ao 2010, en Santiago de Compostela, las temperaturas mnima
y mxima absolutas fueron de 12,2 C y 35,8C, respectivamente, y el valor ms probable fue
de 19,8C. Si se asume que la temperatura sigue una distribucin triangular de parmetros
a=12,2, c=19,8 y b=35,8, cul es la probabilidad de que supere los 30C?
 5. Distribucin de poisson
Definicin:
Esta distribucin es una de las ms importantes distribuciones de variable
discreta. Sus principales aplicaciones hacen referencia a la modelizacin de
situaciones en las que nos interesa determinar el nmero de hechos de cierto
tipo que se pueden producir en un intervalo de tiempo o de espacio, bajo
presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus
usos frecuentes es la consideracin lmite de procesos dicotmicos reiterados un
gran nmero de veces si la probabilidad de obtener un xito es muy pequea .
 Funcin
Funcin de densidad es:
 Ejemplo
En una tienda los clientes llegan al mostrador conforme una distribucin de
poisson con un promedio de 10 por hora. En una hora dada, Cul es la
probabilidad de que lleguen al menos 5 clientes?
 6. Distribucin binomial
Definicin:
Una distribucin binomial o de Bernoulli tiene las siguientes caractersticas:
En cada prueba del experimento slo son posibles dos resultados: xito y fracaso.
La probabilidad de xito es constante, es decir, que no vara de una prueba a otra. Se representa por p.
La probabilidad de fracaso tambin es constante, Se representa por q, q = 1 p
El resultado obtenido en cada prueba es independiente de los resultados obtenidos anteriormente.
La variable aleatoria binomial, X, expresa el nmero de xitos obtenidos en las n pruebas. Por tanto, los
valores que puede tomar X son: 0, 1, 2, 3, 4, ..., n.
La distribucin binomial se expresa por B(n, p)
 Funcin
Funcin de densidad es:
El nmero combinatorio

n es el nmero de pruebas.
k es el nmero de xitos.
p es la probabilidad de xito.
q es la probabilidad de fracaso.
 Ejemplo
La ltima novela de un autor ha tenido un gran xito, hasta 2. Y cmo mximo 2?
el punto de que el 80% de los lectores ya la han leido. Un
grupo de 4 amigos son aficionados a la lectura:
1. Cul es la probabilidad de que el grupo hayan leido la
novela 2 personas?
n=4
p = 0.8
q = 0.2
B(4, 0.8)