Please enable JavaScript.

Coggle requires JavaScript to display documents.

DISTRIBUCIONES - Coggle Diagram

- - - - SEMEJANZA Se utiliza en la distribución de tiempos de espera, de manera que
        si los ensayos se realizan a intervalos regulares de tiempo
      - DIFERENCIA Se diferencia de la distribución binomial en que el número de repeticiones no está predeterminado, sino que es la variable aleatoria que se mide
  - - - SEMEJANZA Es útil para modelar la distribución del número de pruebas hasta el resultado correcto r, como el número de visitas de ventas que necesita realizar para cerrar 10 pedidos.
      - DIFERENCIAS Cuando la forma es igual a 1, la distribución binomial negativa se convierte en distribución geométrica.
  - - - SEMEJANZAS La variable de número de cápsulas que no cumplen
        los criterios de calidad establecidos sigue una distribución hipergeométrica
      - DIFERENCIAS Modela el número de eventos en una muestra de tamaño fijo cuando usted conoce el número total de elementos
  - - - SEMEJANZA Se asigna igual probabilidad a
        todos los valores enteros entre el límite inferior y el límite superior
      - DIFERENCIAS Modeliza fenómenos en los que tenemos un conjunto de n sucesos posibles, cada uno de los cuales con la misma probabilidad de ocurrir.
  - - - SEMEJANZAS Se observa la realización de hechos de cierto tipo durante un cierto periodo de tiempo o a lo largo de un espacio de observación
      - DIFERENCIAS 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 .
  - - - SEMEJANZAS Este modelo se aplica a poblaciones finitas al azar con reemplazo, y también a poblaciones infinitas
      - DIFERENCIAS Se entiende como una serie de pruebas o ensayos en la que solo podemos tener 2 resultados, siendo el éxito nuestra variable aleatoria.
  - - - SEMEJANZAS Esta distribución está relacionada con la binomial negativa de idénticos parámetros del modo siguiente:
        Pascal(r,p) = BN(r,p)+r
      - DIFERENCIAS De la misma manera que ocurre en la distribución binomial negativa, Epidat 4 sólo permite
        realizar el cálculo cuando el número de éxitos considerados es igual o inferior a 1.000.
- - - - Es una distribución teórica de valores de una población.
        
        SEMEJANZAS Se utiliza para pruebas estadísticas en las que la estadística de la prueba sigue una distribución ji cuadrado.
        
        DIFERENCIAS La prueba de bondad de ajuste de ji cuadrado y la prueba de independencia de ji cuadrado.
  - - - Permite estimar el valor de la media poblacional de una variable aleatoria que sigue una distribución normal
      - SEMEJANZAS Se parece bastante a una distribución normal estándar.
      - DIFERENCIAS Es una de las más utilizadas en la inferencia estadística asociada a muestras pequeñas,
  - - - Es el equivalente continuo de la distribución geométrica discreta.
        
        SEMEJANZAS Es equivalente continuo de la distribución geométrica discreta.
        
        DIFERENCIAS Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo que el tiempo que pueda ocurrir desde cualquier instante
  - - - DIFERENCIAS Es continua cuando los resultados posibles del experimento son obtenidos de variables aleatorias continuas
      - SEMEJANZAS Se especifica mediante cotas inferior y superior.
  - - - DIFERENCIAS El valor de la distribución F es nulo, es decir, cero o positivo. No tiene valores negativos.
      - SEMEJANZAS Posee una leve inclinación hacia la derecha. Por lo tanto, se trata de una distribución de probabilidad que no es simétrica.
  - - - SEMEJANZAS Es fácil definir y explicar estos valores, que son una representación razonable de los datos.
      - DIFERENCIAS Es una distribución continua que se describe por sus valores mínimos, máximos y su moda. La distribución tiene una forma triangular.
  - - - Puede describir el tiempo que transcurre para que falle un componente eléctrico.
      - La mayoría de los valores en una distribución gamma ocurren cercanos entre sí, pero algunos valores quedan al final de la cola superior.
  - - - SEMEJANZAS Es una ley de potencia distribución de probabilidad que se utiliza en la descripción de sociales , control de calidad, científicos , geofísicos , actuariales y muchos otros tipos de fenómenos observables.
      - DIFERENCIAS Establece que el 80% de los resultados se deben al 20% de las causas se nombró en honor a Pareto
  - - - SEMEJANZAS Suele utilizarse para modelar la distribución de estadísticos de orden y modelar eventos mínimos y máximos.
      - DIFERENCIAS Suele modificarse para modelar el tiempo hasta la culminación de una tarea.
  - - - DIFERENCIAS La diferencia entre dos variables aleatorias exponenciales independientes distribuidas de forma idéntica se rige por una distribución de Laplace
      - SEMEJANZAS También se conoce como doble exponencial ya que su densidad puede ser vista como la Asociación de dos densidades de leyes exponenciales.
  - - - SEMEJANZAS La velocidad del viento cambia continuamente, por lo que es necesario describirlo de forma estadística.
      - DIFERENCIAS La distribución se utiliza frecuentemente con análisis de fiabilidad para modelar datos de tiempo antes de falla
  - - - SEMEJANZAS
        
        Es similar a la distribución normal en forma pero tiene colas más pesadas (mayor curtosis).
      - DIFERENCIAS
        
        Aparece en la regresión logística y las redes neuronales feedforward . Se asemeja a la distribución normal en forma, pero tiene colas más pesadas
  - - - SEMEJANZAS Se puede utilizar cuando la cantidad de interés debe ser positiva, ya que log(x) solo se da cuando el valor de x es positivo.
      - DIFERENCIAS Se ha usado esta función para estudiar tanto la supervivencia en SIDA (1), como el tiempo hasta la seroconversión de HIV+
  - - - SEMEJANZAS La distribución de Cauchy depende de dos parámetros: escala () y situación ()
      - DIFERENCIA Es para probar qué tan bien funcionan las técnicas robustas bajo diversos supuestos de distribución.
  - - - SEMEJANZAS queda totalmente definida mediante dos parámetros: la media () y
        la desviación estándar o desviación típica ()
      - DIFERENCIAS La probabilidad de un suceso depende exclusivamente de la amplitud del intervalo considerado y no de su posición en el campo de variación de la variable.