DISTRIBUCIONES DE PROBABILIDAD DISCRETAS


Distribución de Probabilidad Discreta Parámetros Grafico
Distribución Binomial


 


La distribución de Binomial se aplica cuando se realiza una sola vez un experimento que tiene únicamente dos posibles resultados (p = éxito o q = fracaso), el número de ensayos es n y los resultados  son independientes entre sí.
Distribución Binomial Negativa 


Este modelo se refiere al cálculo de laprobabilidad de ocurrencia de K éxitos en n ensayos. 

P = probabilidad de éxito

Q= probabilidad de fracaso

X = n° de ensayo

Distribución Geométrica

P (X = x) = (1 – p)x -1 p


 

Este modelo se refiere al cálculo de la probabilidad de ocurrencia del primer éxito en n ensayos. 

P = Probabilidad de éxito.

Q = Probabilidad de fracaso.

Distribución Poisson 


Se identifica por las siguientes propiedades: 

a)    El n° de ocurrencias sucede a una velocidad o frecuencia constante x en un intervalo de tiempo o espacio.

b)    La probabilidad de ocurrencia es proporcional al tamaño del intervalo.

c)    Los sucesos son independientes.

Distribución Hipergeometrica 


Cuando las extracciones se hacen sin reposición, donde: 

N = Tamaño de la población

n =  Tamaño de la muestra extraída

d = n° de éxitos en la población

x = el n° de éxitos en la muestra

 

DISTRIBUCIÓN DE PROBABILIDAD CONTINUA

 

Distribución de probabilidad continua Parámetros Grafica
Distribución Uniforme continua 


Cada miembro de la familia, todos los intervalos de igual longitud en la distribución en su rango son igualmente probables. El dominio está definido por dos parámetros, a y b, que son sus valores mínimo y máximo
Distribución Normal 



  • Puede tomar cualquier valor (- ¥, + ¥)
  • Son más probables los valores cercanos a uno central que llamamos media  m
  • Conforme nos separamos de ese valor m , la probabilidad va decreciendo de igual forma a derecha e izquierda (es simétrica).
  • Conforme nos separamos de ese valor m , la probabilidad va decreciendo de forma más o menos rápida dependiendo de un parámetro s , que es la desviación típica.
Distribución Weibull


 


k > 0 es el parámetros de forma y λ > 0 es el parámetro de escala de la distribución. La distribución modela la distribución de fallos (en sistemas) cuando la tasa de fallos es proporcional a una potencia del tiempo: 

  • Un valor k<1 indica que la tasa de fallos decrece con el tiempo.
  • Cuando k=1, la tasa de fallos es constante en el tiempo.
  • Un valor k>1 indica que la tasa de fallos crece con el tiempo.
Distribución Erlang 



En estadística, la distribución Erlang, es una distribución de probabilidad continua con dos parámetros k y λ. 

La distribución Erlang es el equivalente de la distribución gamma con el parámetro y λ = 1 / θ. Para k = 1 eso es la distribución exponencial.

Distribución Triangular 



Esta distribución tiene 3 parámetros, a (límite inferior de la variable); b (el modo) y c (límite superior de la variable).
Distribución Exponencial 


Parámetro λ > 0
Distribución Beta 


Dos parámetros a y b cuya función de densidad para valores 0 < x < 1. Γ es la función gamma.
Distribución Gamma 



Dos parámetros k y λ. 

Aquí e es el número e y Γ es la función gamma.

Distribución T-Student 


El parámetro ν representa el número de grados de libertad. La distribución depende de ν, pero no de μ o σ. Γ es la función gamma.

 

 

Anuncios