Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRESENTADO POR:
ARMANDO PUMAREJO J.
WILMAR ORTIZ
PRESENTADO A
ii. La curva normal es asinttica al eje de abscisas. Por ello, cualquier valor
entre y es tericamente posible. El rea total bajo la curva
es, por tanto, igual a 1.
iii. Es simtrica con respecto a su media . Segn esto, para este tipo de
variables existe una probabilidad de un 50% de observar un dato
mayor que la media, y un 50% de observar un dato menor.
iv. La distancia entre la lnea trazada en la media y el punto de inflexin de
la curva es igual a una desviacin tpica ( ). Cuanto mayor sea ,
ms aplanada ser la curva de la densidad.
v. El rea bajo la curva comprendida entre los valores situados
aproximadamente a dos desviaciones estndar de la media es igual a
0.95. En concreto, existe un 95% de posibilidades de observar un
1
https://www.gestiopolis.com/que-es-la-distribucion-normal/
Sabemos que la media ocupa el lugar central de la distribucin, y que la media
1 desvo estndar engloban aproximadamente el 68% central de las
observaciones, que la media 1.96 desvos estndar engloban
aproximadamente el 95% central y que la media 2.58 desvos estndar
engloban aproximadamente el 99% central de las observaciones. Que la
distribucin sea paramtrica permite entonces ubicar la probabilidad de que se
d determinado valor en la distribucin2.
DISTRIBUCIN BINOMIAL
N! / R! (N-R)! PR QN-R
2
http://www.sac.org.ar/cuestion-de-metodo/que-es-la-distribucion-normal-o-gaussiana/
3
https://www.gestiopolis.com/que-es-una-distribucion-binomial/
3! = 3*2*1 = 6
Ejemplo:
Imaginemos una escuela primaria donde los alumnos llegan tarde a menudo.
Cinco alumnos estn en el jardn de nios. La directora lleva tiempo estudiando
el problema, habiendo llegado a la conclusin de que hay una probabilidad de
0.4 de que un alumno llegue tarde y de que los alumnos lleguen
independientemente uno de otro Cmo trazamos una distribucin binomial de
probabilidad que ilustre las probabilidades de que 0,1,2,3,4 5 estudiantes
lleguen tarde simultneamente? Para hacerlo necesitaremos utilizar la frmula
binomial donde:
P= 0.4
4
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial
Q= 0.6
N=
P(0) = 0.0777
DISTRIBUCIN DE POISSON
5
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
P(1) = 5!/ 1!(5-1)! (0.4 )1 (0.6)4
P(1) = 0.2592
P(2) = 0.3456
Para R= 3
Obtenemos que:
P(3) = 0.2304
P(4) = 0.0768
Donde
Intervalo de confianza
6
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
Entonces los lmites del parmetro estn dadas por: .
Distribucin binomial
La distribucin de Poisson es el caso lmite de la distribucin binomial. De hecho,
Aproximacin normal
Como consecuencia del teorema central del lmite, para valores grandes de
una variable aleatoria de Poisson X puede aproximarse por otra normal dado que
el cociente converge a una distribucin normal de media 0 y varianza 1.
Distribucin exponencial
Supngase que para cada valor t > 0, que representa el tiempo, el nmero de
sucesos de cierto fenmeno aleatorio sigue una distribucin de Poisson de
parmetro t. Entonces, los tiempos transcurridos entre dos sucesos sucesivos
sigue la distribucin exponencial
Ejemplos
LA DISTRIBUCIN HIPERGEOMTRICA
Propiedades:
1) Esperanza: E(X) = n N1 / N 2.
7
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
Propiedades del modelo Hipergeomtrico
Observacin