, 0;0 y 1 , 0;0 y 1

DISTRIBUCION BETA
La distribucin de probabilidad beta es una funcin de densidad con dos parmetros, definida en el intervalo cerrado 0 <= y <= 1. Se utiliza frecuentemente como modelo para fracciones, tal como la proporcin de impurezas en un producto qumico o la fraccin de tiempo que una maquina est en reparacin. La funcin de densidad probabilidad esta dada por: , > 0 ; 0 1
1 1 (,)
1

En cualquier otro punto donde

B(, ) =

1 1

() (+)

Ntese que la definicin de () sobre el intervalo 0 1 restringe su aplicacin. Si , = definir una nueva variable en el intervalo 0<= y <= 1. As la funcin de

densidad beta se puede aplicar a una variable aleatoria definida en el intervalo mediante una traslacin y una medicin en la escala.

La funcin de distribucin acumulativa para la variable aleatoria beta se llama comnmente funcin beta y esta dada por =
1 0

DISTRIBUCION BETA (cont.)

1 (, )
1

= (, )

Para valores enteros de alfa y beta, Iy est relacionada con la funcin de probabilidad binomial. Cuando y = p, se puede demostrar que: =
1 1 (,)
1

En donde 0 < < 1 y = + 1 El valor esperado y la varianza de una variable aleatoria X con distribucin beta son = + = + + 1 +

Un caso especial de la distribucin Beta con a = 1 y b = 1 es la probabilidad uniforme

DISTRIBUCION TRIANGULAR
La distribucin triangular se utiliza normalmente como una descripcin subjetiva de una poblacin a la que slo hay datos de la muestra limitada, y sobre todo en los casos en que la relacin entre las variables se conoce, pero los datos son escasos (posiblemente debido al alto costo de la recaudacin). Se basa en el conocimiento de la cantidad mnima y mxima y una "conjetura inspirada" sobre el valor modal SIMULACIONES DE NEGOCIOS La distribucin triangular es de uso frecuente en la toma de decisiones empresariales, sobre todo en las simulaciones. En general, cuando no se sabe mucho acerca de la distribucin de un resultado, (por ejemplo, slo sus valores y de mayor a menor), es posible utilizar la distribucin uniforme. Pero si el resultado ms probable es que tambin se conoce, entonces el resultado puede ser simulado por una distribucin triangular. Vase, por ejemplo en las finanzas corporativas. LA GESTIN DE PROYECTOS

La distribucin triangular, junto con la distribucin Beta, es tambin ampliamente utilizado en la gestin de proyectos(como una entrada en PERT y por lo tanto, mtodo del camino crtico(CPM)) a los eventos del modelo que tienen lugar dentro de un intervalo definido por un valor mnimo y mximo.

DISTRIBUCION TRIANGULAR(cont.)
Ejemplo de una distribucin de probabilidad triangular : Supongamos que contienen una distribucin triangular entre un valor mnimo de 8, un modo de 9 tambin un valor mximo de 15.Cules son las probabilidades acumuladas de 10 y 12, en consecuencia? Solucin: Paso 1: Teniendo en cuenta los valores de distribucin triangular son Mnimo = 8 Mode = 9 Mximo = 15 probabilidades acumuladas = 10 y 12 Paso 2: frmula de probabilidad acumulada es P (x <q) = (q-min)2 (modo-min) (mx.-min)

DISTRIBUCION TRIANGULAR(cont.)
(10-8) 2 (9-8) (15-8) Paso 4: P (x <10) = 4 (1 * 7) Paso 5: P (x <10) = 07.04 Paso 6: Para establecer una probabilidad acumulada sobre el modo, en el lado derecho de la distribucin P (x = <q) 1-P(x> q) P (x <q) = 1 - (mx.-q)2 (mx.- modo) (mx.- min) Paso 7: P (x <12 = 1-P (x> 12) = 1 - (15-12)2 = 1 - (3) 2 = 1 - 9 (15-9) (15-8) (6 * 7) 42 Paso 3: P (x <10) =

DISTRIBUCION 2 DE PEARSON
Esta distribucin, junto con la t de Student y la F de Snedercor (adems de la normal) son de fundamental importancia para el desarrollo de la inferencia estadstica. Como las otras dos, es la distribucin de una cierta caracterstica de los datos obtenidos aleatoriamente a partir de una distribucin normal. En consecuencia puede hacerse derivar de un proceso experimental de seleccin aleatoria, aunque tambin puede ponerse en relacin con las distribuciones Eulerianas.

Se define la con n grados de libertad, como la distribucin que sigue la variable suma de los cuadrados de n variables normales (tipificadas) [0; 1] independientes.
As , dadas n variables aleatorias independientes ( = 1,2, . . ) tales que: 0; 1 Las variables: =
=1

seguiran una 2 con n grados de libertad.

DISTRIBUCION 2 DE PEARSON (cont.)

Dado que la es la suma de n normales tipificadas al cuadrado podemos afirmar , por el motivo de ser precisamente cuadrados ,que el campo de actuacin-variacin de la variable as distribuda ser siempre positivo .La forma de la funcin de densidad y distribucin variarn segn los grados de libertad , siendo su forma habitual la campaniforme, as:

DISTRIBUCION 2 DE PEARSON (cont.)

Como hemos dicho ,la representacn grafca de la distribucin ( su forma) vara segn los valores que tome su parmetro n (grados de libertad); as y como puede observarse en el grfico animado , para grados de libertad bajos ( sobre todo para un g.l.) el conjunto de la probabilidad queda muy prxima al valor cero de la variable ; de esta caracterstica surge , para algunos tipos de contrastes que utilizan la Chi2 , la correccin de Yates .

DISTRIBUCION 2 DE PEARSON (cont.)

2 La funcin de densidad de la vendr dada por : ( 2 )( ( 21) ) , = (2 2 ) 2
Siendo 2 una distribucin gamma de Euler de parametro
2

y
/2

siendo n ( nmero de grados de libertad) el nico parametro de la distribucin La funcin generatriz de momentos vendr dada por = 1 2

partiendo de ella podemos establecer, por aplicacin del teorema de los momentos,que la media vendr establecida en = siendo la varianza 2 = 2 La distribucin JHI-2 (chi 2) cumple el teorema de adicin para su parmetro n (grados de libertad) , as la suma de dos chi2 con n y m grados de libertad respectivamente , no ser otra cosa que una chi2 con (n+m) grados de libertad . Es lgico pensar que si una chi2 con n grados de libertad es la suma de n normales tipificadas(independientes) al cuadrado ; y que una chi2 con m grados de libertad es la suma de m normales tipificadas(independientes) al cuadrado , la suma de ambas ser , obviamente, la suma de (m+n) normales tipificadas (independientes) al cuadrado : es decir, una chi2 con (n+m) grados de libertad