Please enable JavaScript.
Coggle requires JavaScript to display documents.
Distribución Normal - Coggle Diagram
Distribución Normal
-
Tipos de Distribución
Distribución Normal
Distribuciones de probabilidad de variable continua que con más frecuencia aparece en estadística y en la teoría de probabilidades.
La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de un determinado parámetro estadístico. Esta curva se conoce como campana de Gauss y es el gráfico de una función gaussiana.
Permite modelar numerosos fenómenos naturales, sociales y psicológicos.
Sólo permite describir un fenómeno, sin explicación alguna. Para la explicación causal es preciso el diseño experimental, de ahí que al uso de la estadística en psicología y sociología sea conocido como método correlacional.
Distribución Binomial
Un experimento de Bernoulli se caracteriza por ser dicotómico, esto es, solo dos resultados son posibles. A uno de estos se denomina «éxito» y tiene una probabilidad de ocurrencia p y al otro, «fracaso», con una probabilidad 2 q = 1 - p.
El anterior experimento se repite n veces, de forma independiente, y se trata de calcular la probabilidad de un determinado número de éxitos. Para n = 1, la binomial se convierte, de hecho, en una distribución de bernoulli.
Es una distribución de probabilidad discreta que cuenta el número de éxitos en una secuencia de n ensayos de bernoulli independientes entre sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos.
Distribución Poisson
Es una distribución de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra un determinado número de eventos durante cierto período de tiempo.
Describe la cantidad de veces que ocurre un evento en un intervalo determinado. El intervalo puede ser de tiempo de distancia, área o volumen.
La distribución se basa en dos supuestos: El primero es que la probabilidad es proporcional a la extensión del intervalo. El segundo supuesto es que los intervalos son independientes. Dicho de otra manera, cuanto mayor sea la magnitud o extensión del intervalo, tanto mayor será la probabilidad; y el número de ocurrencias en un intervalo, no afecta a los otros intervalos.
-