Distribución de Probabilidades

REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA
FUERZA ARMADA NACIONAL
UNEFA
NUCLEO GUATIRE
III SEMESTRE
ASIGNATURA: PROBABILIDAD Y ESTADISTICA
DISTRIBUCIONES DE PROBABILIDAD.
Unidad. 4
PROFESOR: ZORAIDA JIMENEZ

ESTUDIANTES:
EDWIN PIÑANGO V.23.657.927
Guatire, Julio 2018

DISTRIBUCIÓN DE PROBABILIDADES
Una distribución de probabilidad indica toda la gama de valores que pueden
representarse como resultado de un experimento si éste se llevase a cabo.
DISTRIBUCIONES DE VARIABLE DISCRETA

Se denomina distribución de variable discreta a aquella cuya función de
probabilidad solo toma valores positivos en un conjunto de valores X finito o infinito
numerable. A dicha función se le llama función de masa de probabilidad.
DISTRIBUCIÓN BINOMIAL
La distribución Binomial es un caso particular de probabilidad de variable
aleatoria discreta, y por sus aplicaciones, es posiblemente la más importante.
Esta distribución corresponde a la realización de un experimento aleatorio que
cumple con las siguientes condiciones:
* Al realizar el experimento sólo son posible dos resultados: el suceso A,
llamado éxito, y el suceso B , llamado fracaso.
* Al repetir el experimento, el resultado obtenido es independiente de los
resultados obtenidos anteriormente.
* La probabilidad del suceso A es constante, es decir, no varía de una prueba
del experimento a otra.
* En cada experimento se realizan n pruebas idénticas.
Media
n es el número de pruebas.
p es la probabilidad de éxito.
Varianza
n es el número de pruebas.
p es la probabilidad de éxito.
q es la probabilidad de fracaso.
DISTRIBUCIÓN DE POISSON
La distribución de Poisson es una distribución de probabilidad discreta que
expresa, a partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra
un determinado número de eventos durante cierto período de tiempo. Concretamente,
se especializa en la probabilidad de ocurrencia de sucesos con probabilidades muy
pequeñas, o sucesos "raros".
Propiedades del modelo de Poisson
1) Esperanza: E(X) = λ.
2) Varianza: V(X) = λ.
En esta distribución la esperanza y la varianza coinciden.
DISTRIBUCIÓN GEOMÉTRICA O DE PASCAL

La distribución geométrica es un modelo adecuado para aquellos procesos en
los que se repiten pruebas hasta la consecución del éxito a resultado deseado y tiene
interesantes aplicaciones en los muestreos realizados de esta manera
Propiedades del modelo Geométrico o de Pascal
1) Esperanza: E(X) = (1 − p)/p
2) Varianza: V(X) = (1 − p)/p2
DISTRIBUCIÓN HIPERGEOMÉTRICA
Es una distribución discreta relacionada con muestreos aleatorios y sin
reemplazo.
Propiedades del modelo Hipergeométrico
1) Esperanza: E(X) = n ´ N1/N
2) Varianza: V(X) = (n ´ N1 ´ N2 (N − n))/(N2 ´ (N − 1))
Donde N es el tamaño de población, n es el tamaño de la muestra extraída, N1
es el número de elementos en la población original que pertenecen a la categoría
deseada y x es el número de elementos en la muestra que pertenecen a dicha categoría
DISTRIBUCIÓN UNIFORME
La distribución uniforme es la que corresponde a una variable que toma todos
sus valores, x1, x2... , xk, con igual probabilidad; el espacio muestral debe ser finito.
LA DISTRIBUCIÓN EXPONENCIAL
Este modelo suele utilizarse para variables que describen el tiempo hasta que se
produce un determinado suceso.
Propiedades del modelo Exponencial
Su esperanza es α.
Su varianza es α2
LA DISTRIBUCIÓN GAMMA
Este modelo es una generalización del modelo Exponencial ya que, en ocasiones, se

utiliza para modelar variables que describen el tiempo hasta que se produce p veces
un determinado suceso.
Propiedades de la distribución Gamma
Su esperanza es pα.
Su varianza es pα2
LA DISTRIBUCIÓN NORMAL
Se trata, sin duda, del modelo continuo más importante en estadística, tanto por
su aplicación directa, veremos que muchas variables de interés general pueden
describirse por dicho modelo, como por sus propiedades, que han permitido el
desarrollo de numerosas técnicas de inferencia estadística. En realidad, el nombre de
Normal proviene del hecho de que durante un tiempo se creyó, por parte de médicos y
biólogos, que todas las variables naturales de interés seguían este modelo.
Propiedades del modelo Normal
Su esperanza es μ.
Su varianza es σ2 y, por tanto, su desviación típica es σ.
DISTRIBUCIÓN Χ²
En estadística, la distribución de Pearson, llamada también ji cuadrada(o) o chi

cuadrado(a) (χ²), es una distribución de probabilidad continua con un parámetro k que
representa los grados de libertad de la variable aleatoria

Distribución de Probabilidades

Cargado por

Copyright:

Formatos disponibles

Distribución de Probabilidades

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Distribución de Probabilidades

Cargado por

Copyright:

Formatos disponibles

REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

PROFESOR: ZORAIDA JIMENEZ

Guatire, Julio 2018

DISTRIBUCIONES DE VARIABLE DISCRETA

DISTRIBUCIÓN GEOMÉTRICA O DE PASCAL

Este modelo es una generalización del modelo Exponencial ya que, en ocasiones, se

Propiedades de la distribución Gamma

Propiedades del modelo Normal

Su varianza es σ2 y, por tanto, su desviación típica es σ.

En estadística, la distribución de Pearson, llamada también ji cuadrada(o) o chi

También podría gustarte

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.