Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILIDAD Y ESTADÍSTICA
TAREA # 03
NUA:435162
Distribución binomial
La distribución más simple para datos discretos de mayor uso en medicina,
donde estamos interesados en la proporción de una de ellas. La distribución
binomial da la probabilidad de que un resultado específico ocurra dentro de un
número dado de pruebas independientes.
Poisson
Está determinada por un solo parámetro, la media, ya que la desviación estándar
es igual a la media. Es apropiada para estudiar eventos de muy escasa
ocurrencia por lo que también se la denomina como: la distribución de los
eventos raros. Da la probabilidad de que un resultado ocurra un número
específico de veces cuando la cantidad de pruebas es grande y la probabilidad
de ocurrencia es pequeña.
Hipergeométrica
La distribución hipergeométrica suele aparecer en procesos muestrales sin
reemplazo, en los que se investiga la presencia o ausencia de cierta
característica.
Se puede ilustrar del modo siguiente: se tiene una población finita con N
elementos, de los cuales R tienen una determinada característica que se llama
“éxito”. El número de “éxitos” en una muestra aleatoria de tamaño n, extraída sin
reemplazo de la población, es una variable aleatoria con distribución
hipergeométrica de parámetros N, R y n.
Geométrica
La distribución geométrica permite calcular la probabilidad de que tenga que
realizarse un número k de repeticiones antes de obtener un éxito por primera
vez; esta probabilidad decrece a medida que aumenta k con lo que la función de
masa de probabilidad es siempre decreciente.
Uniforme
Es útil para describir una variable aleatoria con probabilidad constante sobre el
intervalo (a,b) en el que está definida y se denota por U(a,b).
Logarítmica normal
La variable resultante de aplicar la función exponencial a una variable que se
distribuye normal con media y desviación estándar , sigue una distribución
lognormal con parámetros (escala) y (forma). Dicho de otro modo, si una
variable X sigue una distribución lognormal entonces la variable lnX se distribuye
normalmente.
Gamma
Si se está interesado en la ocurrencia de un evento generado por un proceso de
Poisson de media , la variable que mide el tiempo transcurrido hasta obtener n
ocurrencias del evento sigue una distribución gamma con parámetros a = n
(escala) y p = n (forma). Se denota por Gamma(a,p).
Exponencial
describe procesos en los que interesa saber el tiempo hasta que ocurre
determinado evento; en particular, se utiliza para modelar tiempos de
supervivencia. Un ejemplo es el tiempo que tarda una partícula radiactiva en
desintegrarse.
Chi cuadrada
Cuando a = 1/2 y p=n/2, y es conocida por el nombre de distribución chi-cuadrada
de Pearson con n grados de libertad (se denota por 2n ). Es la distribución que
sigue la suma de los cuadrados de n variables independientes e idénticamente
distribuidas según una distribución normal estándar, N(0,1).
Es fundamental en inferencia estadística y en los tests estadísticos de bondad
de ajuste. Se emplea, entre otras muchas aplicaciones, para realizar la prueba
de hipótesis de homogeneidad, de independencia o la prueba de bondad de
ajustes.
Weibull
Debe su nombre al físico sueco Waloddi Weibull quien la usó en
un artículo sobre resistencia de los materiales.
Se utiliza para modelar situaciones del tipo tiempo-fallo, modelar tiempos de vida
o en el análisis de supervivencia, a parte de otros usos como, por ejemplo,
caracterizar el comportamiento climático de la lluvia.
Conclusión
Limitar las aplicaciones a la que puede someterse la probabilidad, es no conocer
todo lo que se puede obtener gracias a ella. De tal forma que poder identificar de
manera específica los casos que podemos experimentar para predecir algún
evento son realmente bastas, ya que dentro de este mismo documento no se
señalan todas a las que podemos acceder.
Sin embargo, como ingeniero poder distinguir estos casos para las variables que
trabajamos enfoca nuestro trabajo y nos permite expandir los conocimientos
generados respecto a lo desarrollado, comprobando que lo que podemos
obtener mediante ellas es verídico.
Aún sabiendo que no todo lo predecible puede cumplirse, ser consciente de todo
este mundo, provee otra perspectiva de como muchas de las cosas en muestra
cotidianeidad están de alguna forma previstas para que ocurran.
Bibliografía
• Ochoa Sangrador C, Molina Arias M, Ortega Páez E. Inferencia
estadística: probabilidad, variables aleatorias y distribuciones de
probabilidad. Evid Pediatr. 2019;15:27.
• Altman DG, Bland JM. Statistics notes: the normal distribution. BMJ.
1995;310:298.
• Binomial, D. (2014). Distribuciones de variables discretas. Rev Chil Anest,
43, 122-124.
• Solano, H. L., & Álvarez, C. R. (2005). Estadística descriptiva y
distribuciones de probabilidad. Universidad del Norte.
• Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.