Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MODELOS DISCRETOS
Aunque en adelante hablemos de distribucin "tal", nos estaremos refiriendo al modelo tal.
Los modelos discretos, son modelos de probabilidad de variable aleatoria discreta.Los ms
importante son los modelos de BERNOUILLI (especialmente "la distribucin binomial")
y la "distribucin de Poisson".
Que
La
En
2 = 2= p - p2 = p (1-p) = p.q
Y la F.G.M.:
Cada
La
la varianza 2 = 2y 2 = ''(t=0)
pn - q Mo pn + p
Generalmente ser un nico valor ( la parte entera de la media), y podrn ser dos valores
modales cuando pn +p ( pn-q) sea un nmero entero[p.ej. B(5,0.5)]
3.DISTRIBUCIN HIPERGEOMTRICA
Dada la siguiente situacin:
De los cuales Np individuos son del tipo A , y Nq individuos son del tipo .
4. DISTRIBUCIN DE POISSON
Formalmente : dada una variable aleatoria X con campo de variacin
X {0,1,2,..., }, es decir X N cuya funcin de cuanta sea:
(t)
= et e(et - 1)
' (t =0) = 1= =
''
' (t =0) = 2= + 2
La moda de una distribucin de Poisson puede determinarse como el valor de la variable (el
nmero natural) que verifica que:
- 1 Mo
Habitualmente la moda ser la "parte entera de la (de la media)" , pero habr dos modas
( - 1 y ) cuando sea un nmero entero.
PROPIEDAD IMPORTANTE: CONVERGENCIA BINOMIAL-POISSON.
Dada una variable aleatoria X que siga una distribucin Binomial si el parmetro n es muy
grande (n ) y el parmetro p es muy pequeo (p 0 ) su distribucin puede
aproximarse por la de una de Poisson con parmetro = np.
la f. de cuanta de una variable X / X B(n,p) cuando n y p 0 tiende a:
MODELOS CONTINUOS
1 para x b
2. DISTRIBUCIN EXPONENCIAL
Dada una variable aleatoria continua, X , definida para valores reales positivos.
F(x) =
=0 para x < 0
F.G.M.
para x [- , ]
cuya representacin grfica es:
b) Muchas de las dems distribuciones de uso frecuente, tienden a distribuirse segn una
Normal, bajo ciertas condiciones.
c) (En virtud del teorema central del lmite).Todas aquellas variables que pueden
considerarse causadas por un gran nmero de pequeos efectos (como pueden ser los
errores de medida) tienden a distribuirse segn una distribucin normal.
La probabilidad de cualquier intervalo se calculara integrando la funcin de
densidad a lo largo de ese de intervalo, pero no es necesario nunca resolver la integral
pues existen tablas que nos evitan este problema.
= E(etx) = e( t + 2t2)
La distribucin N(0,1) se conoce con el nombre de Normal tipificada o reducida y tiene una
importancia terica y prctica fundamental.Su Funcin de distribucin est tabulada y ello
nos permite calcular directamente cualquier probabilidad de cualquier intervalo de
cualquier distribucin normal ( X N( ; )), sin necesidad de integrar.
En efecto: si X N( ; ) y queremos calcular P(X [a,b])==P(a X b) =