DISTRIBUCIÓN DE POISSON

Justificación:
A partir de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado número de
eventos durante cierto período de tiempo. Concretamente,
se especializa en la probabilidad de ocurrencia de
sucesos con probabilidades muy pequeñas, o sucesos
"raros".
Características:
La distribución de Poisson verifica el teorema de adición
para el parámetro l. Este resultado es importante a la hora
del cálculo de probabilidades, o, incluso a la hora de inferir
características de la distribución binomial cuando el
número de pruebas sea muy grande y la probabilidad de
éxito sea muy pequeña

Aplicaciones:
Se pueden modelar muchos fenómenos como un proceso
de Poisson. El número de sucesos en un intervalo de
tiempo dado es una variable aleatoria de distribución de
Poisson, por ejemplo defectos de nacimiento,
enfermedades raras y accidentes automovilísticos.
 DISTRIBUCIÓN NORMAL
Justificación:
Se presenta una descripción del comportamiento del
conjunto de datos que estás tomando en cuenta en un
análisis determinado. Para considerarse normal -no
abordaré las reglas de normalidad- se habla de un
determinado número de desviaciones estándar de las que
se alejan los datos. Es decir, en una distribución normal, la
mayoría de los datos se acercan al promedio de los datos,
luego entonces, la observación de los datos que estás
tomando en cuenta es válidos para el análisis del
fenómeno.
Características:
Característica de la distribución normal tipificada (reducida
o estándar): No depende de ningún parámetro. Su media
es 0, su varianza es 1 y su desviación típica es 1. La
curva f(x) es simétrica respecto al eje de ordenadas y
tiene un máximo en este eje.
Aplicaciones:
Esta distribución es frecuentemente utilizada en las
aplicaciones estadísticas. Su propio nombre indica su
extendida utilización, justificada por la frecuencia o
normalidad con la que ciertos fenómenos tienden a
parecerse en su comportamiento a esta distribución.
DISTRIBUCIÓN BINOMINAL
Aplicaciones:
Tiene algunas propiedades que la hacen aplicable a un
gran número de situaciones en las que es necesario hacer
inferencias mediante la toma de muestras. La distribución
normal es una útil distribución de muestreo.
Justificación:
Una forma corriente de descripción de los experimentos
aleatorios equiprobables con variable discreta es la
distribución binomial. En este tipo de distribución se
estudia la probabilidad de que se produzca un cierto
resultado, que se describe por medio de dos parámetros:
el número de repeticiones realizadas del experimento y la
probabilidad individual del suceso aleatorio que se
persigue como resultado.
Esta distribución describe una variedad de procesos de
interés para los administradores y describe datos discretos,
no continuos, que son resultado de un experimento conocido
como proceso de Bernoulli.
Uso del proceso de Bernoulli.
Podemos describir el proceso de la manera siguiente:
1.-Cada intento tiene sólo dos resultados posibles.
2.-La probabilidad del resultado de cualquier intento
permanece fijo con respecto al tiempo.
3.-Los intentos son estadísticamente independientes.