0 calificaciones0% encontró este documento útil (0 votos)
22 vistas4 páginas
Este documento resume diferentes tipos de distribuciones de probabilidad discretas como la hipergeométrica, geométrica y uniforme. Explica que la distribución uniforme asigna la misma probabilidad a intervalos de igual longitud, mientras que la distribución hipergeométrica modela la probabilidad de eventos sin reemplazamiento finitos. Finalmente, la distribución geométrica modela procesos de prueba de Bernoulli hasta obtener el primer éxito.
Este documento resume diferentes tipos de distribuciones de probabilidad discretas como la hipergeométrica, geométrica y uniforme. Explica que la distribución uniforme asigna la misma probabilidad a intervalos de igual longitud, mientras que la distribución hipergeométrica modela la probabilidad de eventos sin reemplazamiento finitos. Finalmente, la distribución geométrica modela procesos de prueba de Bernoulli hasta obtener el primer éxito.
Este documento resume diferentes tipos de distribuciones de probabilidad discretas como la hipergeométrica, geométrica y uniforme. Explica que la distribución uniforme asigna la misma probabilidad a intervalos de igual longitud, mientras que la distribución hipergeométrica modela la probabilidad de eventos sin reemplazamiento finitos. Finalmente, la distribución geométrica modela procesos de prueba de Bernoulli hasta obtener el primer éxito.
En teora de la probabilidad y estadstica, la distribucin de probabilidad de una
variable aleatoria es una funcin que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. Existen dos tipos de variables las variables continuas y las discretas las cuales este trabajo hablara especficamente de las discretas as como enfocndose ms a las variables hipergeometricas, geomtricas, uniformes. Distribucin uniforme: La distribucin Uniforme es el modelo (absolutamente) continuo ms simple. Corresponde al caso de una variable aleatoria que slo puede tomar valores comprendidos entre dos extremos a y b, de manera que todos los intervalos de una misma longitud (dentro de (a, b)) tienen la misma probabilidad. Tambin puede expresarse como el modelo probabilstico correspondiente a tomar un nmero al azar dentro de un intervalo (a, b). Su representacin grfica ser:
De manera que la funcin de distribucin resultar:
Este resultado nos lleva a la conclusin de que la probabilidad de cualquier
suceso depende nicamente de la amplitud del intervalo (D X), y no de su posicin en la recta real [a , b] . Lo que viene a demostrar el reparto uniforme de la probabilidad a lo largo de todo el campo de actuacin de la variable, lo que, por otra parte, caracteriza al modelo. Distribucin hipergeometrica: Este modelo presenta similitudes con el Binomial, pero sin la suposicin de independencia de ste ltimo. Vemoslo: Partimos de un conjunto formado por N individuos divididos en dos categoras mutuamente excluyentes: A y Ac; de manera que N1 individuos pertenecen a la categora A y N2 individuos, a la categora Ac. Por tanto, se cumple que N = N1 + N2 Si del conjunto anterior extraemos n individuos sin reemplazamiento (n N), la variable X que representa el nmero k de individuos que pertenecen a la categora A (de los n extrados) tiene por funcin de densidad:
La dependencia se debe al hecho de que N es finito y las extracciones se
efectan sin reemplazamiento. El caso de extracciones con reemplazamiento sera equivalente al de N infinito y se resolvera mediante el modelo Binomial. El programa siguiente nos muestra la forma de la funcin de densidad de esta variable y el valor de la funcin de densidad y de la funcin de distribucin en el punto que elijamos: Esperanza: E(X) = n N1 / N 2. Varianza: V(X) = (n N1 N2 (N-n)) / (N2 (N-1) ) Distribucin geomtrica: La distribucin geomtrica es un modelo adecuado para aquellos procesos en los que se repiten pruebas hasta la consecucin del xito a resultado deseado y tiene interesantes aplicaciones en los muestreos realizados de esta manera. Tambin implica la existencia de una dicotoma de posibles resultados y la independencia de las pruebas entre s. Proceso experimental del que se puede hacer derivar Esta distribucin se puede hacer derivar de un proceso experimental puro o de Bernoulli en el que tengamos las siguientes caractersticas: El proceso consta de un nmero no definido de pruebas o experimentos separados o separables. El proceso concluir cuando se obtenga por primera vez el resultado deseado. Cada prueba puede dar dos resultados mutuamente excluyentes: A y no A La probabilidad de obtener un resultado A en cada prueba es p y la de obtener un resultado no A es q Siendo (p + q = 1). Las probabilidades p y q son constantes en todas las pruebas, por tanto, las pruebas, son independientes (si se trata de un proceso de "extraccin" ste se llevar a, cabo con devolucin del individuo extrado). Nombre: Jos Ramn Bonet Lezama. Materia: Probabilidad y estadstica. Grupo: Carrera: Ing. electrnica. Maestra: Freeman Murguia Rose Mary.