Beruflich Dokumente
Kultur Dokumente
Fundamentos de estadística
ID: 00243698
Introducción
Una distribución de probabilidad es aquella que permite establecer toda la gama
de resultados probables de ocurrir en un experimento determinado. Es decir,
describe la probabilidad de que un evento se realice en el futuro.
Distribución t de Student
Distribución normal
Por otra parte, la distribución normal es la distribución continua que se utiliza más
comúnmente en estadística, fue descubierta por Carl Gauss al estudiar el
comportamiento de los procesos aleatorios. Es ampliamente utilizada en
estadística y teoría de las probabilidades. Dicha distribución tiene forma de
campana donde las desviaciones estándar sucesivas con respecto a la media
establecen valores de referencia para estimar el porcentaje de observaciones de
los datos. Estos valores de referencia son la base de muchas pruebas de
hipótesis, como las pruebas Z y t.
Distribución de Poisson
Este modelo se llama así para honrar la memoria de otro gran probabilista y
matemático. La distribución de Poisson se refiere a sucesos en un intervalo de
tiempo o en un área específica. La distribución de Poisson es una distribución de
probabilidad discreta que se aplica a las ocurrencias de algún suceso durante un
intervalo determinado. Nuestra variable aleatoria x representará el número de
ocurrencias de un suceso en un intervalo determinado, el cual podrá ser tiempo,
distancia, área, volumen o alguna otra unidad similar o derivada de éstas. El
intervalo de tiempo puede ser de cualquier duración, un minuto, una hora, un día,
un año. Algunos ejemplos de situaciones modeladas con el modelo de Poisson
son: el número de fallas de una máquina en una semana, el número juegos de
algún deporte pospuestos por lluvia en una temporada.
La Distribución binomial
Es uno de los modelos de distribución teórica de probabilidad que se utiliza
cuando la variable aleatoria discreta es el número de éxitos en una muestra
compuesta por n observaciones. Es una de las distribuciones de probabilidad más
útiles que se emplea en control de calidad, producción, investigaciones, etc.
Donde:
n = tamaño de la muestra
p = probabilidad de éxito
1 – p = probabilidad de fracaso
1.
2.
SMITH, A. (2016). Por qué hay que adorar la estadística. Ted Ideas worth
spreading. [Archivo de video]. Recuperado de:
https://www.ted.com/talks/alan_smith_why_we_re_so_bad_at_statistics?
language=es#t-757875
https://ebookcentral.proquest.com/lib/unidsp/reader.action?docID=3229229