INTITUTO TENOLOGIO DE MEXIALI

INGENIERIA INDUSTRIAL

Materia: Estadística I

Maestro: Ing. Daniel Alonso Díaz Sotuyo

Alumnos: Rodríguez Morales Carolina Ortega Moreno Abraham

No. Control 09490712 09490391

A 30 de Enero del 20011 Mexicali Baja California

es importante porque con ello podemos saber cómo realizar algunas estadísticas o probabilidades de algunas que se nos presenten. distribución de probabilidad T de Student. la media y varianza de una variable aleatoria. distribución de probabilidad tipo Gamma. son las probabilidades de las que se hablan en este trabajo .INTRODUCCION La tarea de Estadística realizada en este trabajo sobre distribuciones de probabilidades. los concepto de cada uno de ellos. distribución de probabilidad ji cuadrada y F (Ficher). La distribución de probabilidad de una variable aleatoria continua. Las cuales con pueden ayudar en un futuro en algún trabajo. En este trabajo se explican los las siguientes maneras de calcular algunas estadísticas como probabilidades. cuales son algunas formulas de media y varianza lo que es una variable.

Las distribuciones continuas son una forma conveniente de presentar distribuciones discretas que tienen muchos resultados posibles. MEDIA Y VARIANZA DE UNA VARIABLE ALEATORIA . La distribución de probabilidad está definida sobre el conjunto de todos los eventos rango de valores de la variable aleatoria. la variable que se está considerando puede tomar cualquier valor dentro de un intervalo dado. Cuando la variable aleatoria toma valores en el conjunto de los números reales. cuyo valor en cada real x es la probabilidad de que la variable aleatoria sea menor o igual que x. todos muy cercanos entre sí.DISTRIBUCION DE PROBABILIDAD CONTINUA DISTRIBUCION DE PROBABILIDAD DE UNA VARIABLE ALEATORIA CONTINUA La distribución de probabilidad de una variable aleatoria es una función que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. En una distribución de probabilidad continua. la distribución de probabilidad está completamente especificada por la función de distribución.

La media o valor esperado denotado de la siguiente manera: La varianza denotada: DISTRIBUCION DE PROBABILIDAD T DE STUDENT . La integración reemplaza a la suma en las definiciones.La media y Varianza de una variable Aleatoria continua se define en forma similar a una variable aleatoria discreta. Suponga que x es una variable aleatoria continua como función de densidad de probabilidad f(x).

. Entonces sigue una distribución normal de media 0 y varianza 1. La distribución t de Student es la distribución de probabilidad del cociente donde • • • Z tiene una distribución normal de media nula y varianza 1 V tiene una distribución chi-cuadrado con ν grados de libertad Z y V son independientes Si μ es una constante no nula. Aparición y especificaciones de la distribución t de Student Supongamos que X1. Sea la media muestral. Aparece de manera natural al realizar la prueba t de Student para la determinación de las diferencias entre dos medias muéstrales y para la construcción del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la desviación típica de una población y ésta debe ser estimada a partir de los datos de una muestra. Xn son variables aleatorias independientes distribuidas normalmente. .En probabilidad y estadística.. con media μ y varianza σ2. la distribución t (de Student) es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño. el cociente es una variable aleatoria que sigue la distribución t de Student no central con parámetro de nocentralidad μ...

El parámetro ν representa el número de grados de libertad.Sin embargo. lo cual es muy importante en la práctica. . La distribución de T se llama ahora la distribución-t de Student. dado que la desviación estándar no siempre es conocida de antemano. donde Es la varianza muestral y demostró que la función de densidad de T es Donde ν es igual a n − 1. Gosset estudió un cociente relacionado. La distribución depende de ν. pero no de μ o σ.

Pero esta distribución en si tiene aplicaciones importantes al evaluar el tiempo y los problemas de confiabilidad. Este número especifico de eventos es el parámetro α en la función de densidad gamma. La distribución Gamma describe la función de la densidad de la variable aleatoria que representa el tiempo (o espacio) que transcurre hasta que ocurre un número específico de eventos poisson.DISTRIBUCION DE PROBABILIDAD TIPO GAMMA En estadística la distribución gamma es una distribución de probabilidad continua con dos parámetros k y λ cuya función de densidad para valores x ˃ 0 es Aquí e y Γ es la función La importancia de la distribución gamma radica en el hecho de que define una familia de la cual otras distribuciones son casos especiales. Entonces es fácil entender que cuando α=1 ocurre el caso especial de la distribución exponencial. . La densidad gamma puede desarrollarse a partir de su relación con el proceso de poisson.

DISTRIBUCION DE PROBABILIDAD Ji² En estadística. Es conveniente tener en cuenta que la letra griega χ se transcribe al latín como chi1 y se pronuncia en castellano como ji Distribución ji cuadrado . la distribución χ² (de Pearson) es una distribución de probabilidad continua con un parámetro k que representa los grados de libertad de la variable aleatoria Donde Zi son variables aleatorias normales independientes de media cero y varianza uno. El que la variable aleatoria X tenga esta distribución se representa habitualmente así: .

qunque es importante el orden en el que se dan estos.DISTRIBUCION DE PROBABILIDAD F (FICHER) Una variable F se define como el cociente entre dos variables ji-cuadrado divididas por sus correspondientes grados de libertad. de tamaño n1 y n2. Calcule para cada par el cociente de variancias que proporciona un valor de F. El campo de variabilidad de la variable F es entre 0 e ∞ (al ser un cosiente de cuadros) y su funcion de densidad depende exclisuvamente de los parametros n1 y n2. Considerando dos muestras aleatorias independientes. Graficar los valores de F de los k pares de muestras. • • Distribución F para diferentes grados de libertad . pero su asimetría disminuye cuando aumentan los grados de libertad del numerador y denominador. extraídas de una población normal. Parámetros: Grados de libertad asociados al numerador y denominador • • • ¿Cómo se deduce una distribución F? • Extraiga k pares de muestras aleatorias independientes de tamaño n < 30. Hay una distribución F por cada par de grados de libertad. CARACTERISTICAS • Una variable con distribución F es siempre positiva por lo tanto su campo de variación es 0 " F " " La distribución de la variable es asimétrica.

Sign up to vote on this title
UsefulNot useful