Carrera: Procesos industriales rea manufactura Profesor: Lic. Edgar Mata Ortiz Materia: Estadstica DISTRIBUCIN DE PROBABILIDAD
Una distribucin de probabilidad indica toda la gama de
valores que pueden representarse como resultado de un experimento si ste se llevase a cabo.
Es decir, describe la probabilidad de que un evento se
realice en el futuro, constituye una herramienta fundamental para la prospectiva, puesto que se puede disear un escenario de acontecimientos futuros considerndolas tendencias actuales de diversos fenmenos naturales. DISTRIBUCIN DE BERNOULLI
Consiste en realizar un experimento aleatorio una sola vez y
observar si cierto suceso ocurre o no, siendo p la probabilidad de que esto sea as (xito) y q=1-p el que no lo sea (fracaso). En realidad no se trata ms que de una que nicamente puede tomar dos modalidades, es por ello que el hecho de llamar xito o fracaso a los posibles resultados de las pruebas del resultado. Podramos por tanto definir este experimento mediante una v.a. discreta X que toma los valores X=0 si el suceso no ocurre, y X=1 en caso contrario. DISTRIBUCIN BINOMIAL La distribucin binomial es una distribucin de probabilidad discreta que mide el nmero de xitos en una secuencia de n ensayos de BERNOULLI independientes entre s, con una probabilidad fija p de ocurrencia del xito entre los ensayos. Existen muchas situaciones en las que se presenta una experiencia binomial. Cada uno de los experimentos es independiente de los restantes (la probabilidad del resultado de un experimento no depende del resultado del resto). El resultado de cada experimento ha de admitir slo dos categoras (a las que se denomina xito y fracaso). Las probabilidades de ambas posibilidades han de ser constantes en todos los experimentos (se denotan como p y q o p y 1-p). Se designa por X a la variable que mide el nmero de xitos que se han producido en los n experimentos. Cuando se dan estas circunstancias, se dice que la variable X sigue una distribucin de probabilidad binomial, y se denota B(n,p) DISTRIBUCION POISSON Se trata de un modelo discreto, pero en el que el conjunto de valores con probabilidad no nula no es finito, sino numerable. Esta distribucin suele utilizarse para contajes del tipo nmero de individuos por unidad de tiempo, de espacio, etc. Propiedades del modelo de Poisson 1) Esperanza: E(X) = . 2) Varianza: V(X) = . En esta distribucin la esperanza y la varianza coinciden. DISTRIBUCIN NORMAL En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de variable continua que con ms frecuencia aparece aproximada en fenmenos reales. La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto de un determinad o parmetro . Esta curva se conoce como campana de Gauss y e es el grfico de una funcin gaussiana. DISTRIBUCIN GAMMA En estadstica la distribucin gamma es una distribucin de probabilidad continua con dos parmetros k y cuya funcin de densidad para valores x > 0 es Aqu e es el nmero e y es la funcin gamma. Para valores la aquella es (k) = (k 1)! (el factorial de k 1). En este caso - por ejemplo para describir un proceso de Poisson - se llaman la distribucin distribucin Erlang con un parmetro = 1 / . El valor esperado y la varianza de una variable aleatoria X de distribucin gamma son E[X] = k / = k V[X] = k / 2 = k2 . DISTRIBUCIN T STUDENT En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo. Surge, en la mayora de los estudios estadsticos prcticos, cuando la desviacin tpica de una poblacin se desconoce y debe ser estimada a partir de los datos de una muestra. La prueba t-Student fue desarrollada en 1899 por el qumico ingls William Sealey Gosset (1876-1937), mientras trabajaba en tcnicas de control de calidad para las destileras Guiness en Dubln . Debido a que en la destilera, su puesto de trabajo no era inicialmente de estadstico y su dedicacin deba estar exclusivamente encaminada a mejorar los costes de produccin, public sus hallazgos annimamente firmando sus artculos con el nombre de "Student".