Documente Academic
Documente Profesional
Documente Cultură
1.Distribuciones Continuas
Tiene aplicaciones importantes por la variedad de formas diferentes que puede tomar su funcin de densidad para diferentes valores de sus parmetros. Es ideal para modelar proporciones ya que toma valores en el intervalo [0,1]
Campo de variacin: 0 x1 Parmetros: a: parmetro de forma, a > 0 b: parmetro de forma, b > 0
Por ejemplo, la proporcin de impurezas en un producto qumico o la fraccin del tiempo que una maquina entra en reparacin.
Por ejemplo, el precio medio del litro de gasolina del prximo ao, si este oscilara entre $840 y $870. Saber la precipitacin media de ciudad de Santiago para el prximo ao.
La vemos , en el calculo de errores cometidos al medir ciertas magnitudes en laboratorios. Medidas morfolgicas de personas(altura, presin arterial, talla ,etc.) Valores estadsticos mustrales, como la media muestral.
estudios mdicos tales como el perodo de incubacin de una enfermedad. El tiempo de supervivencia en pacientes con cncer o SIDA, Tamao de un organismo bajo la accin de pequeos impulsos. Ciertas resistencias sometidas a esfuerzos.
La distribucin gamma aparece cuando se realiza el estudio de la duracin de elementos fsicos (tiempo de vida). en una consulta mdica tiempo que transcurre hasta la llegada del segundo paciente.
Por ejemplo, tiempo que tarda una partcula radiactiva en desintegrarse. datacin de fsiles mediante carbono 14. tiempo entre llegada de clientes.
2.Distribuciones Discretas
2.1DISTRIBUCION DISCRETA
Describe el comportamiento de una variable discreta que puede tomar n valores distintos con la misma probabilidad cada uno de ellos. La variable puede tomar valores entre a y b, debe ocurrir que b sea mayor que a, y la variable toma los valores enteros empezando por a, a+1, a+2, etc. hasta el valor mximo b.
Valores: x: a, a+1, a+2, ..., b, nmeros enteros Parmetros: a: mnimo, a entero b: mximo, b entero con a < b
Por ejemplo, Cuando se observa el nmero obtenido tras el lanzamiento de un dado perfecto, los valores posibles siguen una distribucin uniforme discreta en {1, 2, 3, 4, 5, 6}, y la probabilidad de cada cara es 1/6.
2.2DISTRIBUCIN POISSON
La distribucin de Poisson surge cuando un evento o suceso raro ocurre aleatoriamente en el espacio o el tiempo. La variable asociada es el nmero de ocurrencias del evento en un intervalo o espacio continuo, por tanto, es una variable aleatoria discreta que toma valores enteros de 0 en adelante (0, 1, 2,... )
Parmetros: Valores: x: 0, 1, 2, ... Parmetros: lambda: media de la distribucin, lambda > 0
Por ejemplo, Nmero de pacientes que llegan a un consultorio en un lapso dado. El nmero de llamadas que recibe un servicio de atencin a urgencias durante 1 hora. El nmero de clulas anormales en una superficie histolgica o el nmero de glbulos blancos en un milmetro cbico de sangre.
2.3DISTRIBUCIN CONTINUA
AGREGAR INFO
Por ejemplo, Se usa frecuentemente para representar el tiempo requerido para completar una labor. Para simular aquellos casos de lnea de servicio con estaciones, en cada estacin se realiza un proceso con tiempo exponencial.
.
Dependiendo si el parmetro Delta () es positivo, se usar la forma con lmites; en caso contrario (<0), se escoger la forma sin lmites.
Rango (-,+) cuando no tiene limites (,+) cuando tiene limites