unidad 2

Flowchart nodes

• Probabilidad Condicional y Distribuciones de Probabilidad

• Variables aleatorias 

• Distribuciones discretas de Probabilidad.

• Distribuciones continuas de Probabilidad

• Variables aleatorias:  toma diferentes valores numéricos, los valores posibles de un experimento aun no realizado.

• V a Discreta: Es aquella que que sólo puede tomar un número finito de valores dentro de un intervalo (frecuentemente enteros) y que resulta principalmente del conteo realizado

•  función que asigna un valor numérico, de un experimento aleatorio, ejemplo: lanzar dados, los resultados posibles son {1, 2, 3, 4, 5, 6} y sus probabilidades respectivas son {1/6, 1/6, 1/6, 1/6, 1/6, 1/6}.

• Describe la probabilidad de ocurrencia de cada valor de una variable aleatoria discreta, que tiene valores contables, tales como una lista de enteros no negativos

• BINOMIAL

• Donde x={1,2,3,4...n}  solo dos resultados son posibles. A uno de estos se denomina «éxito» y tiene una probabilidad de ocurrencia p y al otro, «fracaso», con una probabilidad2​ q = 1 - p. 

• Binomial (binary/octet-stream)

• HIPERGEOMETRICA

• 2020 04 17+(1) (binary/octet-stream)

• Aparece en procesos muestrales sin reemplazo. Suponga que se tiene una población de N elementos de los cuales, d pertenecen a la categoría A y N-d a la B. La distribución hipergeométrica mide la probabilidad de obtener x ({\displaystyle 0\leq x\leq d}) elementos de la categoría A en una muestra sin reemplazo de n elementos de la población original.

• IMPORTANCIA EN LA VIDA DIARIA muy importante que surge en muchas aplicaciones bioestadísticas Y Esta describe varios procesos de interés para los administradores.

•  IMPORTANCIA. La distribución hipergeométrica es especialmente útil en todos aquellos casos en los que se extraigan muestras o se realizan experiencias repetidas sin devolución del elemento extraído o sin retornar a la situación experimental inicial

• GEOMETRICA

• Se realizan sucesivas repeticiones independientes de pruebas de Bernoulli identicas, con probabilidad de exito p, hasta que aparece el primer exito, y se mide el numero de fracasos. Caso particular de la distribucion binomial negativa con r = 1.

• POISSON

• Sus principales aplicaciones, determinar el número 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 consideración límite de procesos dicotómicos reiterados un gran número de veces si la probabilidad de obtener un éxito es muy pequeña 

• IMPORTANCIA Y USO tiene muchos casos de uso. Podemos poner como ejemplos de uso: la disminución de una muestra radioactiva, la llegada de pasajeros de un aeropuerto o estación de trenes o autobuses,

• tiene muchos casos de uso. Podemos poner como ejemplos de uso: la disminución de una muestra radioactiva, la llegada de pasajeros de un aeropuerto o estación de trenes o autobuses,

• D NORMAL

• nos permite crear modelos de muchísimas variables y fenómenos, como por ejemplo, la estatura de los habitantes de un país, la temperatura ambiental de una ciudad,​​​​​​. 

• IMPORTANCIA  Es muy usado en la Industria en la vida cotidiana para calcular propiedades de productos,personas, bienes etc

• UNIFORME O RECTANGULAR

•  Cualquiera que sea la distribución F de cierta variable X, la variable transformada Y = F(X) sigue una distribución uniforme en el intervalo (0,1). Esta propiedad es fundamental por ser la base para la generación de números aleatorios de cualquier distribución en las técnicas de simulación, y recibe el nombre de método de inversión.

• Campo de variación: a< x< b Parámetros: a: mínimo, -∞< a< ∞b: máximo, -∞ < b< ∞ con a< b

• Distribuciion+Normal (binary/octet-stream)

• Poisson (binary/octet-stream)