Mapa mental
Generación de variables aleatorias
Contenido del mapa
Generación de variables aleatorias
Romero García Ezequiel
3.5 Procedimientos especiales.
- Existen algunas distribuciones estadísticas de probabilidad en las cuales es posible emplear sus propiedades para obtener expresiones matemáticas para la generación de variables aleatorias en forma eficiente. En varios casos se aplica el Teorema Central del Límite y en otros se utiliza el método directo para encontrar las variables aleatorias.
- El Teorema del Límite Central o Teorema Central del Límite indica que, bajo condiciones muy generales, la distribución de la suma de variables aleatorias tiende a una distribución gaussiana cuando la cantidad de variables es muy grande. Existen diferentes versiones del teorema, en función de las condiciones utilizadas para asegurar la convergencia. Una de las más simples establece que es suficiente que las variables que se suman sean independientes, idénticamente distribuidas, con valor esperado y varianza finitas.
- La aproximación entre las dos distribuciones es en general mayor en el centro de las mismas que en sus extremos o colas, motivo por el cual se prefiere el nombre “Teorema del Límite Central” (“central” califica al límite, más que al teorema).
- Esta relación entre la forma de la distribución de la población y la forma de la distribución de muestreo se denomina teorema del límite central, que es tal vez el más importante de toda la inferencia estadística. Nos asegura que la distribución de muestreo de la media se aproxima a la normal al incrementarse el tamaño de la muestra.
- La aproximación entre las dos distribuciones es en general mayor en el centro de las mismas que en sus extremos o colas, motivo por el cual se prefiere el nombre “Teorema del Límite Central” (“central” califica al límite, más que al teorema).
- El Teorema del Límite Central o Teorema Central del Límite indica que, bajo condiciones muy generales, la distribución de la suma de variables aleatorias tiende a una distribución gaussiana cuando la cantidad de variables es muy grande. Existen diferentes versiones del teorema, en función de las condiciones utilizadas para asegurar la convergencia. Una de las más simples establece que es suficiente que las variables que se suman sean independientes, idénticamente distribuidas, con valor esperado y varianza finitas.
- Existen algunas distribuciones estadísticas de probabilidad en las cuales es posible emplear sus propiedades para obtener expresiones matemáticas para la generación de variables aleatorias en forma eficiente. En varios casos se aplica el Teorema Central del Límite y en otros se utiliza el método directo para encontrar las variables aleatorias.
3.6 Pruebas estadísticas.
- Cuando se analizan datos medidos por una variable cuantitativa continua, las pruebas estadísticas de estimación y contraste frecuentemente empleadas se basan en suponer que se ha obtenido una muestra aleatoria de una distribución de probabilidad de tipo normal o de Gauss.
- PRUEBAS NO PARAMÉTRICAS
- Las pruebas estadísticas no paramétricas son las que, a pesar de basarse en determinadas suposiciones, no parten de la base de que los datos analizados adoptan una distribución normal.
- Se denominan pruebas no paramétricas aquellas que no presuponen una distribución de probabilidad para los datos, por ello se conocen también como de distribución libre (distribución free).
- Las pruebas estadísticas no paramétricas son las que, a pesar de basarse en determinadas suposiciones, no parten de la base de que los datos analizados adoptan una distribución normal.
- PRUEBAS PARAMÉTRICAS
- Las pruebas estadísticas paramétricas, como la de la “t” de Student o el análisis de la varianza (ANOVA), se basan en que se supone una forma determinada de la distribución de valores, generalmente la distribución normal, en la población de la que se obtiene la muestra experimental.
- ANÁLISIS DE LA VARIANZA (ANOVA)
- ANOVA son siglas para el análisis de la Variación (ANalysis Of VAriance).
- Un ANOVA segrega diversas fuentes de la variación vistas en resultados experimentales.
- Conjunto de técnicas estadísticas para conocer el modo en que el valor medio de una variable es afectado por diferentes tipos de clasificaciones de los datos.
- Un ANOVA segrega diversas fuentes de la variación vistas en resultados experimentales.
- ANOVA son siglas para el análisis de la Variación (ANalysis Of VAriance).
- ANÁLISIS DE REGRESIÓN
- En un conjunto de datos sobre la variable dependiente y sobre una o más variables independientes,
- Consiste en determinar el modelo matemático más ajustado que describa y como una función de las x o para predecir y a partir de las x.
- En un conjunto de datos sobre la variable dependiente y sobre una o más variables independientes,
- PRUEBAS NO PARAMÉTRICAS
- Cuando se analizan datos medidos por una variable cuantitativa continua, las pruebas estadísticas de estimación y contraste frecuentemente empleadas se basan en suponer que se ha obtenido una muestra aleatoria de una distribución de probabilidad de tipo normal o de Gauss.
Imágenes y archivos del mapa
Información
- Descripción
- Ingenieria Ingeniería Mapa Mental sobre Generación de variables aleatorias, creado por Ezequiel Romero el 04/05/2020.
- Creado por
- Ezequiel Romero
- Visitas
- 2
- Valoración
Más sobre Generación de variables aleatorias