Please enable JavaScript.
Coggle requires JavaScript to display documents.
DISTRIBUCIONES FINANCIERAS, Distribución de Poisson: Se usa para estimar…
-
Distribución de Poisson: Se usa para estimar el número de veces que sucede un hecho determinado en un intervalo de tiempo o espacio.
- La probabilidad de ocurrencia es la misma para cualesquiera dos intervalos de la misma magnitud.
- la ocurrencia o no-ocurrencia en cualquier intervalo es independiente de la ocurrencia o no-ocurrencia en cualquier otro intervalo.
-
Es una distribución de probabilidad discreta que modeliza la frecuencia de eventos determinados durante un intervalo de tiempo fijado a partir de la frecuencia media de aparición de dichos eventos.
Distribución Binomial: Se relaciona con un experimento que tiene una seri "n" de ensayos idénticos, donde cada ensayo hay dos resultados posibles, uno de éxito y el otro de fracaso.
-
Una distribución binomial es una distribución de probabilidad discreta que describe el número de éxitos al realizar n experimentos independientes entre sí, acerca de una variable aleatoria.
La principal diferencia entre la distribución binominal y la distribución Bernoulli es que la distribución binominal es repetir (n) veces el único experimento que figura en el proceso de Bernoulli y anotar los resultados favorables.
Distribución Hipergeométrica: Está relacionada con la distribución binomial, pero difiere en que los ensayos no son independientes y la probabilidad de éxito varía de ensayo a ensayo.
-
La distribución hipergeométrica es una distribución discreta que modela el número de eventos en una muestra de tamaño fijo cuando usted conoce el número total de elementos en la población de la cual proviene la muestra. Cada elemento de la muestra tiene dos resultados posibles (es un evento o un no evento). Las muestras no tienen reemplazo, por lo que cada elemento de la muestra es diferente.
Distribución Normal: Describe qué tan probables son los resultados obtenidos en un muestreo y su función de densidad define la curva en forma de campana
-
Adapta una variable aleatoria a una función que depende de la media y la desviación típica. Es decir, la función y la variable aleatoria tendrán la misma representación pero con ligeras diferencias.
Distribución Exponencial: Es un modelo que se utiliza para variables que describen el tiempo hasta que se produce un determinado suceso.
-
Se pude considerar como un modelo adecuado para la distribución de probabilidad del tiempo de espera entre dos hechos que sigan un proceso de Poisson. De hecho la distribución exponencial puede derivarse de un proceso experimental de Poisson con las mismas características que las que enunciábamos al estudiar la distribución de Poisson, pero tomando como variable aleatoria , en este caso, el tiempo que tarda en producirse un hecho.
Distribución Uniforme: La variable aleatoria solo puede tomar valores comprendidos entre dos extremos a y b, de manera que cualquier intervalo entre los dos extremos es igual de probable.
-
La distribución uniforme es una distribución continua que modela un rango de valores con igual probabilidad. La distribución uniforme se especifica mediante cotas inferior y superior.
A diferencia de la distribución normal, la distribución de Poisson solo depende de un parámetro, mu (marcado en amarillo).
Mu informa del número esperado de eventos que ocurrirán en un intervalo de tiempo fijado. Cuando se habla de algo “esperado” tenemos que redirigirlo a pensar en la media. Por tanto, mu es la media de la frecuencia de los eventos.
Tanto la media como la varianza de esta distribución son mu, estrictamente positiva.
-
-
-
-
-
-
-
-
-
-
-
-
-
-
