1. Importancia
1.1. 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.
2. Aplicación en la vida diaria
2.1. Ejemplo de variable aleatoria discreta: Al lanzar una moneda se puede obtener solo dos resultados: cara (50%) o sello (50%).
2.2. Ejemplo variable continua: es la que nos define la concentración en gramos de oro de algunas muestras de mineral (7.4 gr, 6.1, 1.9, 23.3, 12.7, 8.1, 9.5, 11.8, ... n)
2.3. El número de vehículos que pasan por una caseta de cobro en las horas de mayor tráfico sirve como ejemplo para mostrar las características de una distribución de probabilidad de Poisson.
3. contenido
3.1. Una distribución de probabilidad es aquella que permite establecer toda la gama de resultados probables de ocurrir en un experimento determinado
3.1.1. DISTRIBUCIÓN DE BERNOUILLI.
3.1.1.1. Con frecuencia en experimentos aleatorios, nos interesa estudiar no ya el resultado concreto del experimento, sino solamente si ha ocurrido o no un cierto suceso.
3.1.1.1.1. En este tipo de experimentos, se denomina éxito al suceso en estudio (evidentemente obtener papeleta premiada será un éxito) y fracaso al suceso contrario, que en nuestro caso será no obtener papeleta premiada.
3.1.2. DISTRIBUCIÓN BINOMIAL
3.1.2.1. Supongamos, que se repite n veces el mismo experimento de Bernouilli y que en todos ellos la probabilidad de éxito, p, es la misma. Diremos entonces que Hemos realizado n tiradas de Bernouilli de parámetro p. Llamemos X a la variable que asocia el numero de éxitos obtenidos en las n tiradas. Pues bien, a la distribución que sigue dicha variable se le denomina Distribución Binomial de parámetros n y p, B(n,p)
3.1.3. DISTRIBUCIÓN DE POISSON
3.1.3.1. La distribución de Poisson se corresponde con una variable aleatoria discreta que indica el número de veces que aparece un determinado suceso A en un periodo de tiempo dado.
3.1.4. DISTRIBUCIÓN NORMAL
3.1.4.1. El estudio por parte de K. Gauss (1.777-1.855) de la Teoría de los errores le lleva al estudio de la distribución de probabilidad de errores, con lo que llega a la distribución Normal, hasta entonces obtenida como aproximación de otras distribuciones.
3.2. Toda distribución de probabilidad se genera por una variable (debido a que puede tomar diferentes valores) aleatoria x (porque el valor que se toma es completamente al azar), y puede ser de dos tipos
3.2.1. Discreta
3.2.1.1. Solo puede tomar valores representados por números enteros y un número finito de ellos
3.2.2. Continua
3.2.2.1. Esta puede tomar tanto valores expresados en números enteros como fraccionarios y un número infinito de ellos dentro de un mismo intervalo.