Fichas
Distribuciones de probabilidad: discretas y continuas
Fichas del conjunto (20)
- 1DISTRIBUCIONES DE PROBABILIDADUno de los conceptos más importantes de la teoría de probabilidades es el de variable aleatoria que, intuitivamente, puede definirse como cualquier característica medible que toma diferentes valores con probabilidades determinadas.
- 2VARIABLES DISCRETASEs aquella que puede asumir un número contable de valores. Mientras que una variable continua es aquella que puede asumir un número incontable de valores.
- 3VARIABLE CONTINUAEs aquella que puede adoptar cualquier valor en el marco de un intervalo que ya está predeterminado. Entre dos de los valores, siempre puede existir otro valor intermedio, susceptible de ser tomado como valor por la variable continua.
- 4DISTRIBUCIÓN TRIANGULAR (a, c, b)Estos tres valores son los parámetros que caracterizan a la distribución triangular y se denotan por a, b y c, respectivamente.
- 5DISTRIBUCIÓN WEIBULL (a, b)La distribución Weibull queda totalmente definida mediante dos parámetros, forma (a) y escala (b).
- 6DISTRIBUCIÓN CAUCHY (u, )La distribución de Cauchy depende de dos parámetros: escala () y situación (); en el caso particular de que = 1 y = 0, recibe el nombre de distribución de Cauchy estándar.
- 7DISTRIBUCIÓN EXPONENCIAL (2)Ha sido limitado en bioestadística, debido a que la propiedad de falta de memoria la hace demasiado restrictiva para la mayoría de los problemas.
- 8DISTRIBUCIÓN BETA (P,Q)Uno de los principales recursos de esta distribución es el ajuste a una gran variedad de distribuciones empíricas, pues adopta formas muy diversas dependiendo de cuáles sean los valores de los parámetros de forma p y q, mediante los que viene definida la distribución, denotada por Beta(p,q).
- 9DISTRIBUCIÓN LOGNORMAL (u, )La variable resultante de aplicar la función exponencial a una variable que se distribuye normal con media y desviación estándar , sigue una distribución lognormal con parámetros u (escala) y (forma).
- 10DISTRIBUCIÓN NORMAL (u, )La importancia de la distribución normal queda totalmente consolidada por ser la distribución límite de numerosas variables aleatorias, discretas y continuas, como se demuestra a través de los teoremas centrales del límite.
- 11DISTRIBUCIÓN UNIFORME O RECTANGULAR (A,B)Es útil para describir una variable aleatoria con probabilidad constante sobre el intervalo (a,b) en el que está definida y se denota por U (a,b).
- 12DISTRIBUCIÓN PASCAL (R,P)El número de pruebas necesarias para obtener r éxitos, siendo p la probabilidad de éxito, es una variable aleatoria que sigue una distribución Pascal de parámetros r y p.
- 13DISTRIBUCIÓN POISSONEn general, la distribución de Poisson de parámetro se puede utilizar como una aproximación de la binomial, Bin(n, p), si el número de pruebas n es grande, pero la probabilidad de éxito p es pequeño.
- 14DISTRIBUCIÓN BINOMIAL NEGATIVA (R,P)La distribución binomial negativa es más adecuada que la de Poisson para modelar, por ejemplo, el número de accidentes laborales ocurridos en un determinado lapso.
- 15DISTRIBUCIÓN GEOMÉTRICA (P)La distribución geométrica permite calcular la probabilidad de que tenga que realizarse un número k de repeticiones antes de obtener un éxito por primera vez; esta probabilidad decrece a medida que aumenta k con lo que la función de masa de probabilidad es siempre decreciente.
- 16DISTRIBUCION HIPERGEOMETRICA(N,R,N)Suele aparecer en procesos muestra les sin reemplazo, en los que se investiga la presencia o ausencia de cierta característica esta distribución es la equivalente a la binomial, pero cuando el muestreo se hace sin reemplazo, de forma que la probabilidad de éxito no permanece constante a lo largo de las n pruebas, a diferencia de la distribución binomial.
- 17DISTRIBUCIÓN BINOMIAL (N,P)Es una distribución discreta muy importante que surge en muchas aplicaciones bioestadísticas. que el proceso de producción sea estable (la proporción de piezas defectuosas se mantiene constante a largo plazo) y sin memoria (el resultado de cada pieza no depende de las anteriores).
- 18DISTRIBUCIÓN UNIFORME DISCRETA (a,b)Esta distribución asigna igual probabilidad a todos los valores enteros entre el límite inferior y el límite superior que definen el recorrido de la variable. Si la variable puede tomar valores entre a y b, debe ocurrir que b sea mayor que a, y la variable toma los valores enteros empezando por a, a+1, a+2, etc.
- 19DISTRIBUCIONES CONTINUASuna variable continua hay infinitos valores posibles de la variable y entre cada dos de ellos se pueden definir infinitos valores más. En estas condiciones no es posible deducir la probabilidad de un valor puntual de la variable; como se puede hacer en el caso de variables discretas, pero es posible calcular la probabilidad acumulada hasta un cierto valor (función de distribución de probabilidad), y se puede analizar como cambia la probabilidad acumulada en cada punto (estos cambios no son probabilidades sino otro concepto: la función de densidad.
- 20DISTRIBUCIÓN NORMALLa distribución normal también es importante por su relación con la estimación por mínimos cuadrados, uno de los métodos de estimación más simples y antiguos.
Información
- Descripción
- Fichas sobre Sin título, creado por kimberli sofia aceytuno galindo el 18/04/2020.
- Creado por
- kimberli sofia aceytuno galindo · abr 2020
- Actualizado
- 18 abr 2020
- Visitas
- 0
- Historial
-
- Creado por kimberli sofia aceytuno galindo · 18 abr 2020
- Copiado por kimberli sofia aceytuno galindo · 18 abr 2020
- Valoración
Más sobre Distribuciones de probabilidad