Académique Documents
Professionnel Documents
Culture Documents
INGENIERÍA INDUSTRIAL
MATERIA:
PROBABILIDAD Y ESTADISTICA
DOCENTE:
MIGUEL ANGEL GALLEGOS DE LA CRUZ
TRABAJO:
INVESTIGACION
22 DE MAYO DE 2017
INTRODUCCION ................................................................................................................................... 2
Variable discreta................................................................................................................................... 3
CONCLUSION ........................................................................................................................................ 8
BIBLIOGRAFIA...................................................................................................................................... 9
INTRODUCCION
Una distribución de probabilidad indica toda la gama de valores que pueden representarse como
resultado de un experimento si éste se llevase a cabo.
*Distribución geométrica. Cuando usted realiza un experimento que solo tiene dos resultados
posibles, esta distribución discreta puede modelar el número de ensayos consecutivos que son
necesarios para observar el resultado de interés por primera vez. Además, puede modelar el
número de no eventos que ocurren antes de que se observe el primer resultado.
Por ejemplo, una distribución geométrica puede modelar el número de veces que se debe lanzar
al aire una moneda para obtener el primer resultado de "cara". De forma similar, si se trata de
productos construidos en una línea de ensamblaje, puede modelar el número de unidades
producidas antes de que se produzca la primera unidad defectuosa.
*Distribución multinomial. En teoría de probabilidad, la distribución multinomial es una
generalización de la distribución binomial.
Entonces sea la variable aleatoria {\displaystyle X_ {i}} , que indica el número de veces
que se ha dado el resultado i sobre los n sucesos. El vector {\displaystyle X=(X_{1},...,X_{k})}
p=(p_{1},...,p_{k})} .
*Distribución exponencial. La distribución exponencial tiene una gran utilidad práctica ya que
podemos considerarla como un modelo adecuado para la distribución de probabilidad del tiempo
de espera entre dos hechos que sigan un proceso de Poisson. De hecho la distribución
exponencial puede derivarse de un proceso experimental de Poisson con las mismas
características que las que enunciábamos al estudiar la distribución de Poisson, pero tomando
como variable aleatoria , en este caso, el tiempo que tarda en producirse un hecho.
*Distribución gamma. Este modelo es una generalización del modelo Exponencial ya que, en
ocasiones, se utiliza para modelar variables que describen el tiempo hasta que se produce p
veces un determinado suceso. Su función de densidad es de la forma: Como vemos, este modelo
depende de dos parámetros positivos: α y p.
*Distribución normal. La distribución normal fue estudiada por Gauss. Se trata de una variable
aleatoria continua (la variable puede tomar cualquier valor real). La función de densidad tiene
forma de campana. Dos parámetros determinan una distribución normal: la media y la
desviación típica.
DISTRIBUCIONES DE PROBABILIDAD
En teoría de la probabilidad y estadística, 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. La distribución de probabilidad está definida sobre
el conjunto de todos los sucesos y cada uno de los sucesos es el rango de valores de la variable
aleatoria. También se dice que tiene una relación estrecha con las distribuciones de frecuencia.
De hecho, se puede entender que una distribución de probabilidades sería una frecuencia teórica,
ya que ésta última es aquella que describe cómo se espera que varíen los resultados.
Tipos de variables.
Variable aleatoria: Es aquella cuyo valor es el resultado de un evento aleatorio. Lo que quiere
decir que son los resultados que se presentan al azar en cualquier evento o experimento.
Variable aleatoria discreta: Es aquella que sólo toma ciertos valores (frecuentemente enteros) y
que resulta principalmente del conteo realizado.
Variable aleatoria continua: Es aquella que resulta generalmente de la medición y puede tomar
cualquier valor dentro de un intervalo dado.
División de distribuciones.
Esta división se realiza dependiendo del tipo de variable a estudiar, esto significa que:
b) Si la variable es continua, esto significa que puede tomar cualquier valor dentro de un
intervalo, la distribución que se generará será una distribución continua, también
llamada "distribución normal".
Además, se puede utilizar la "distribución de poisson como una aproximación de la distribución
binomial" cuando la muestra por es estudiar es grande y la probabilidad de éxito es pequeña. De
la combinación de los dos tipos de distribuciones anteriores (a y b), surge una conocida
como "distribución normal como una aproximación de la distribución binomial y de poisson".
CONCLUSION
Una distribución de frecuencia es una tabla de resumen en la que los datos se disponen en
agrupamientos o categorías convenientemente establecidas de clases ordenadas numéricamente.
En esta forma las características más importantes de los datos se aproximan muy fácilmente,
compensando así el hecho de que cuando los datos se agrupan de ese modo, la información
inicial referente a las observaciones individuales de que antes se disponía se pierde a través del
proceso de agrupamiento o condensación.
La principal ventaja de usar una de estas tablas de resumen es que las principales características
de los datos se hacen evidentes inmediatamente para el lector.
La principal desventaja de tal tabla de resumen es que no podemos saber cómo se distribuyen
los valores individuales dentro de un intervalo de clase particular sin tener acceso a los datos
originales. El punto medio de la clase, sin embargo, es el valor usado para representar todos los
datos resumidos en un intervalo particular.
El punto medio de una clase (o marca de clase) es el punto a la mitad de los límites de cada clase
y es representativo de los datos de esa clase.
La regla mas evidente para las probabilidades es que deben variar en valor de 0 a 1. Un evento
imposible tiene una probabilidad cero de ocurrir, y un evento cierto tiene una probabilidad uno
de ocurrir. La probabilidad simple se refiere a la probabilidad de ocurrencia de un evento simple.
Una distribución de probabilidad para una variable aleatoria discreta es un listado mutuamente
excluyente de todos los resultados posibles para esa variable aleatoria, tal que una probabilidad
particular de ocurrencia esté asociada con cada resultado.
BIBLIOGRAFIA
http://www.monografias.com/trabajos20/estadistica/estadistica.shtml#conclu
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/B0C4m1t4.htm
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/B0C4m1t3.htm
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_uniforme_continua
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/B0C3m1t8.htm
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_multinomial
http://support.minitab.com/es-mx/minitab/17/topic-library/basic-statistics-and-
graphs/probability-distributions-and-random-data/distributions/geometric-distribution/
http://support.minitab.com/es-mx/minitab/17/topic-library/basic-statistics-and-
graphs/probability-distributions-and-random-data/distributions/hypergeometric-distribution/
http://www.vitutor.com/pro/3/b_1.html