DISTRIBUCIONES ESTADÍSTICAS CUANTITATIVAS
DISCRETAS
CONTINUAS
HIPERGEOMÉTRICA
BINOMIAL
POISSON
NORMAL
X² DE PEARSON
UNIFORME
t DE ESTUDENT
F DE FISHER
CALCULA LA PROBABILIDAD DE UNA SELECCIÓN ALEATORIA DE UN OBJETO SIN REPETICIÓN
FORMA
SE DEFINE COMO LA FUNCIÓN QUE DA EL NÚMERO DE ÉXITOS EN UN PROCESO DE BERNOULLI
FORMA
UNIFORME
PARA QUE SEA CONSIDERADA UNA DISTRIBUCIÓN POISSON DEBE CUMPLIR CON LAS SIGUIENTES CONDICIONES:
FORMA
2.la probabilidad de que un resultado sencillo ocurra en un intervalo pequeño es proporcional a la longitud, el proceso es estable.
- los sucesos aparecen de forma independiente
- la probabilidad de que ocurra mas de un resultado en un intervalo suficientemente pequeño es despreciable
APLICACIÓN PÁGINA TRES DEL DOCUMENTO
ES LA DISTRIBUCIÓN MAS SIMPLE Y SE CUMPLE CUANDO TODOS LOS POSIBLES VALORES DE LA VARIABLE ALEATORIA SEAN IGUALMENTE PROBABLES
UNA VARIABLE ALEATORIA X SIGUE UNA DISTRIBUCIÓN CONTINUA UNIFORME CUANDO SU FUNCIÓN DE DENSIDAD f(x) TOMA VALORES CONSTANTES EN EL INTERVALO (a,b)
FORMA
FORMA
APLICACIÓN:El tiempo que se tardan la producción de un pastel en JV es de 20 minutos con una varianza de 16 minutos cuadrados; se asume que el tiempo sigue una dist. Normal; se pide: La probabilidad de que una persona invierta entre 18 y 25 en producirlo
ES LA DISTRIBUCIÓN CONTINUA DE PROBABILIDAD MAS IMPORTANTE Y SE DEBE A QUE DESCRIBE CON GRANA APROXIMACIÓN LA DISTRIBUCIÓN DE LAS VARIABLES ASOCIADAS
Aplicaciones en la población, medidas de calidad en proceso industriales, temperaturas,
Se la denomina también distribución gaussiana
La distribucion de la probabilidad normal tiene una forma de campana (Gauss) simétrica por depender de x a trav´es del termino (x−µ)2), centrada en µ y con anchura proporcional a σ Evidentemente, el máximo de la función de densidad ocurre para x = µ y, por tanto, media, mediana y moda coinciden en ese punto. Se puede demostrar que los puntos de inflexión de la curva normal están situados en µ−σ y µ+σ.
FORMA
La importancia de la distribución χ2 en estadística se basa en la siguiente propiedad: Sea σ2 la varianza de una población normal y s2 la varianza de una muestra de tamaño n extraída al azar de dicha población.
FORMA
Sean X1,X2,...,Xn y X, n+1 variables aleatorias normales con media 0 y desviación típica σ independientes entre sí, entonces la variable
FORMA
Sean χ2 n1 y χ2 n2 dos variables χ2 de Pearson con n1 y n2 grados de libertad e independientes entre s´ı. Entonces, la variable aleatoria definida como F de Fisher
Recibe el nombre de t de Student con n grados de libertad. podemos llegar a una expresión más usual de la variable t dividiendo numerador y denominador por la desviación típica σ
click to edit
La media es 0; y la varianza es mayor que 1.
Se define como la suma de n variables normalizadas estandarizadas elevadas al cuadrado.
Una variable f siempre es positiva, su distribución es asimétrica
APLICACIÓN El volumen de producción estimado para el próximo año va a oscilar entre 400 y 500 unidades. Calcular la función de distribución y la producción media esperada:
f(x) = 1 / 500 - 400 = 0.01
Es decir, que el volumen de producción esté entre 400 y 401 unidades tiene un 1% de probabilidades
Datos: Media = 20; Desviación: 4
Z = 25 -20 / 4 = 1 Z = 18 - 20 / 4 = -0.5 A2 - A1 =0.8944 - 0.3085 = 0.5859
La probabilidad de que la producción tarde entre 18 y 25 minutos es de 58.59%