Documente Academic
Documente Profesional
Documente Cultură
Realizado por:
Ana Perez
C.I: 27.519.271
DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE
CONTINUA
Las distribuciones de probabilidad de variable continua son idealizaciones de
las distribuciones estadísticas de variable continua. Estas se obtienen
empíricamente (experimentando u observando). Aquellas son distribuciones
teóricas.
Las distribuciones de probabilidad de variable continua se definen por medio de
una función y = f(x) que se llama función de probabilidad o función de
densidad. Ha de ser f(x) ≥ 0 para todo x.
Las probabilidades vienen dadas por el área bajo la curva. Por tanto, el área
encerrada bajo la totalidad de la curva es 1. Es decir, tomamos como unidad el
área bajo la curva completa.
Para que f(x) sea la función de densidad o de probabilidad de una variable
aleatoria es necesario que:
- f(x) se no negativa para todo x
- El área bajo la curva y = f(x) sea igual a 1
Para hallar la probabilidad P[a ≤ x ≤ b], obtendremos el área que hay bajo la
curva en el intervalo [a, b]
Las probabilidades de sucesos puntuales son cero: P[x = a] = 0.
Por tanto: P[a ≤ x ≤ b] = P[a < x < b]
La media y la desviación típica tienen los mismos significados que en las
distribuciones estadísticas pero su cálculo exacto no corresponde a este curso
LA DISTRIBUCIÓN NORMAL
La campana de Gauss o curva normal es una función de probabilidad
continua , simétrica, cuyo máximo coincide pues con la media μ
Para cada valor de μ (media) y cada valor de Õ (desviación típica) hay una
curva normal, que se denomina N (μ ,Õ )
Puedes usar la tabla de abajo para saber el área bajo la curva desde la línea
central hasta cualquier línea vertical "a valor Z" hasta 3, en incrementos de 0.1
Esto te dice qué parte de la población está dentro de "Z" desviaciones estándar
de la media.
En lugar de una tabla LARGA, hemos puesto los incrementos de 0.1 hacia
abajo, y los de 0.01 de lado.
Por ejemplo, para saber el área debajo de la curva entre 0 y 0.45, ve a la fila de
0.4, y sigue de lado hasta 0.45, allí pone 0.1736
Como la curva es simétrica, la tabla vale para ir en las dos direcciones, así que
0.45 negativo también tiene un área de 0.1736
DISTRIBUCIÓN T DE STUDENT
Las distribuciones t de Student fueron descubiertas por William S. Gosset
(1876-1937) en 1908 cuando trabajaba para la compañía de cervezas
Guinness en Dublín (Irlanda). No pudo publicar sus descubrimientos usando su
propio nombre porque Guinness había prohibido a sus empleados que
publicaran información confidencial. Gosset firmó sus publicaciones usando el
nombre de "Student". Gosset tenía buena relación con Karl Pearson que había
sido su maestro. Necesitaba una distribución que pudiera usar cuando el
tamaño de la muestra fuera pequeño y la varianza desconocida y tenía que ser
estimada a partir de los datos. Las distribuciones t se usan para tener en
cuenta la incertidumbre añadida que resulta por esta estimación. Fisher
comprendió la importancia de los trabajos de Gosset para muestras pequeñas.
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.
Aparece de manera natural al realizar la prueba t de Student para la
determinación de las diferencias entre dos medias muestrales 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.
USO DE TABLAS:
OTRAS DISTRIBUCIONES DE PROBABILIDAD:
LA DISTRIBUCIÓN BINOMIAL:
Para ciertos valores de n y p, las distribuciones binomiales tienen un
extraordinario parecido con las correspondientes distribuciones normales.
En general, una binomial B(n, p) se parece a una curva normal tanto más,
cuanto mayor es el producto np (o nq si q < p) Cuando np y nq son ambos
mayores que 3, la aproximación es bastante buena. Y si superan a 5, la
aproximación es casi perfecta.
Naturalmente, la curva normal a la cual se aproxima tiene la misma media y la
misma desviación típica que la binomial, es decir: μ = np Õ= √npq
DISTRIBUCIÓN GAMMA:
APLICACIONES EN LA ADMINISTRACIÓN:
El control de calidad
El nivel de averías y sus frecuencias
Los tiempos para cambios o preparación de herramientas
Los niveles de productividad de distintos procesos, actividades y
productos
Los costos correspondientes a distintos tipos de conceptos y actividades
La gestión de créditos y cobranzas
El seguimiento del flujo de fondos
Los niveles de satisfacción de los clientes y usuarios
Los tipos de accidentes y sus frecuencias
El análisis paretiano de defectos, costes, rentabilidades, ventas
EJEMPLO DE LA DISTRIBUCIÓN DE T DE STUDENT: