Professional Documents
Culture Documents
NUCLEO DE ANZOATEGUI
Profesora: bachiller:
C.I: 26552860
Una variable discreta es sencillamente una variable para la que se dan de modo
inherente separaciones entre valores observables sucesivos. En otras palabras, se
define una variable discreta como la variable tal que entre 2 valores cualesquiera
observables, hay por lo menos un valor no observable. A dicha función se la llama
función de masa de probabilidad. En este caso la distribución de probabilidad es el
sumatorio de la función de masa.
Tipos:
Distribución de Bernoulli:
La distribución de Bernoulli, nombrada así por el matemático suizo Jacob
Bernoulli, es una distribución de probabilidad discreta, que toma valor 1 para la
probabilidad de éxito y valor 0 para la probabilidad de fracaso. Si X es una varia-
ble aleatoria que mide el "número de éxitos", y se realiza un único experimento
con dos posibles resultados (éxito o fracaso), se dice que la variable aleatoria se
distribuye como una Bernoulli de parámetro. La distribución de Bernoulli viene da-
da por la siguiente función: F(x)=p^x (1-p) ^ (1-x)
Considerando:
• p= Probabilidad de éxito
• q= probabilidad de fracasos
Cuando tenemos esas consideraciones, la suma de la probabilidad de éxito y la
probabilidad de fracaso es igual a 1: p+q=1 Porque son todos los eventos dentro
del universo que estamos analizando. Cuando la probabilidad de fracaso se plan-
tea en función de la probabilidad de éxito: q=1-p
Usos:
Distribución binomial:
Usos:
Distribución de poisson:
Una variable sigue una distribución de Poisson si se cumplen las siguientes condi-
ciones:
Los datos son conteos de eventos (enteros no negativos, sin límite supe-
rior).
Todos los eventos son independientes.
La tasa promedio no cambia durante el período de interés.
Distribución hipergeometrica:
Usos:
X: Es una variable que puede tomar tanto valores enteros como fraccionarios.
2. Las probabilidades asociadas a cada uno de los valores que toma x deben ser
mayores o iguales a cero. Dicho de otra forma, la función de densidad de probabi-
lidad deberá tomar solo valores mayores o iguales a cero. La función de densidad
de probabilidad sólo puede estar definida en los cuadrantes I y II.
Tipos:
Distribución Laplace:
En teoría de la probabilidad la distribución de Laplace es una densidad de probabi-
lidad continua, llamada así en honor a Pierre-Simón Laplace Es también conocida
como distribución doble exponencial puesto que puede ser considerada como la
relación de las densidades de dos distribuciones exponenciales adyacentes. La
distribución de Laplace resulta de la diferencia de dos variables exponenciales
aleatorias, independientes e idénticamente distribuidas, la distribución de Laplace
también se conoce como distribución exponencial doble, debido a que suele con-
siderarse como dos distribuciones exponenciales, una positiva y una negativa.
Usos:
La distribución de Laplace se utiliza cuando la distribución de los datos tienen un
pico más alto que una distribución normal. Por ejemplo, la distribución de Laplace
se utiliza para modelar datos en aplicaciones en biología, finanzas y economía.
Distribución exponencial:
La distribución exponencial tiene una gran utilidad práctica ya que podemos consi-
derarla 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 distri-
bución 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. Obviamente, entonces, la variable aleatoria será continua.
Por otro lado existe una relación entre el parámetro a de la distribución exponen-
cial, que más tarde aparecerá, y el parámetro de intensidad del proceso, esta rela-
ción es a = l Al ser un modelo adecuado para estas situaciones tiene una gran uti-
lidad en los siguientes casos:
Usos:
La distribución exponencial es utilizada para modelar el tiempo entre eventos en
un proceso continuo de Poisson. Se presupone que eventos independientes ocu-
rren a una tasa constante. Esta distribución tiene una amplia gama de aplicacio-
nes, que incluyen el análisis de fiabilidad de productos y sistemas, teorías de colas
y cadenas de Markov. Por ejemplo, la distribución exponencial se puede utilizar
para modelar:
Distribución F:
La distribución F es una distribución continua de muestreo de la relación de dos
variables aleatorias independientes con distribuciones de chi-cuadrada, cada una
dividida entre sus grados de libertad. La distribución F es asimétrica hacia la dere-
cha y es descrito por los grados de libertad de su numerador (ν1) y denominador
(ν2).
Usos:
La distribución F se utiliza cuando un estadístico de prueba sea la relación de dos
variables que tienen una distribución de chi-cuadrada cada una. Por ejemplo, utili-
ce la distribución F en el análisis de varianza y en pruebas de hipótesis para de-
terminar si dos varianzas de población son iguales.
Distribución gamma:
La distribución gamma es una distribución continua que se define por sus paráme-
tros de forma y escala. La distribución gamma de 3 parámetros se define por sus
parámetros de forma, escala y valor umbral. Esta distribución es adecuada para
modelizar el comportamiento de variables aleatorias continuas con asimetría posi-
tiva. Es decir, variables que presentan una mayor densidad de sucesos a la iz-
quierda de la
Usos:
La distribución gamma se utiliza para modelar valores de datos positivos que
sean asimétricos a la derecha y mayores que 0. La distribución gamma se utiliza
comúnmente en estudios de supervivencia de fiabilidad. Por ejemplo, la distribu-
ción gamma puede describir el tiempo que transcurre para que falle un componen-
te eléctrico. La mayoría de los componentes eléctricos de un tipo particular fallará
aproximadamente en el mismo momento, pero unos pocos tardarán más en fallar.
Conclusión
https://es.wikipedia.org/wiki/Teor%C3%ADa_de_la_probabilidad
https://www.monografias.com/trabajos57/distribuciones-
probabilidad/distribuciones-probabilidad.shtml
https://www.youtube.com/watch?v=unUpFZiI6DM
https://www.youtube.com/watch?v=kgesjcCTSUs
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-topics/distributions/gamma-distribution/