Professional Documents
Culture Documents
FACULTAD DE INGENIERÍA
Distribuciones discretas y
continuas de probabilidad.
Estudiante:
Lupi D. Estefany.
C.I 27.981.833
Por otra parte, mediante la distribución muestral se puede estimar el error para un
tamaño de muestra dado.
Distribución Discreta y Continua de Probabilidad.
Variables discretas: Una variable discreta es una variable que no puede tomar
algunos valores dentro de un mínimo conjunto numerable, quiere decir, no acepta
cualquier valor, únicamente aquellos que pertenecen al conjunto. En estas
variables se dan de modo coherente separaciones entre valores observables
sucesivos. Entonces, son aquellas cuyas observaciones se agrupan
‘inherentemente’ o ‘naturalmente’ en categorías, porque dichas variable por su
naturaleza sólo pueden tomar ciertos valores muy específicos.
Por ejemplo: Los seres humanos pueden ser mujeres u hombres, se ajustan a una
u otra categoría y no hay continuidad ni puntos intermedios entre ellas. Los países
o regiones del mundo también son buenos ejemplos de variables discretas.
Variables continuas: Una variable continua puede tomar un valor fijo dentro de
un intervalo determinado. Y siempre entre dos valores observables va a existir un
tercer valor intermedio que también podría tomar la variable continua. Una variable
continua toma valores a lo largo de un continuo, esto es, en todo un intervalo de
valores. Un atributo esencial de una variable continua es que, a diferencia de una
variable discreta, nunca puede ser medida con exactitud; el valor observado
depende en gran medida de la precisión de los instrumentos de medición. Con una
variable continua hay inevitablemente un error de medida. Además, como su
nombre lo indica, sólo se pueden agrupar en forma arbitraria en categorías,
porque por su naturaleza pueden tomar cualquier valor a lo largo de un continuo (o
de una escala numérica continua).
Campo de variación:
a<x<b
Parámetros:
Normal
Lognormal
Logística
T de Student.
F de Snedecor
Pareto
Cauchy
La distribución de Chernoff.
Distribución Discreta
La distribución binomial.
La distribución geométrica.
Valores:
Parámetros:
a: mínimo, a entero
Ejemplo
La variable que representa el número del tema seleccionado para el examen sigue
una distribución uniforme con parámetros a = 1 y b = 50. La persona ha estudiado
los temas del 1 al 35; por tanto, la probabilidad que se pide es la cola a la
izquierda de 35. Para obtener los resultados basta con proporcionarle los
parámetros de la distribución, y seleccionar la opción de calcular probabilidades
para el punto 35.
La persona tiene una probabilidad del 70% de que el tema elegido sea uno de los
que haya estudiado.
Valores:
k: 0, 1, 2, ..., n
Parámetros:
n: número de pruebas, n ≥ 1 entero
Distribución Normal
Campo de variación:
- < x <
Parámetros:
Función de densidad:
Valores característicos:
Varianza: 2
Asimetría: 0
Curtosis: 0
Es simétrica respecto a x = 0.
Es creciente para x < 0 y decreciente para x > 0.
1, −1 son puntos de inflexión.
y = 0 es una asíntota horizontal.
F (−x) = 1 − F (x)
Ejemplo
- Se supone que el nivel de colesterol de los enfermos de un hospital sigue una
distribución normal con una media de 179,1 mg/dL y una desviación estándar de
28,2 mg/dL.
1.-
Este valor de Z nos dice que la edad de 30 años está a 1,29 desviaciones
estándar sobre el promedio.
Distribución T de Student.
Esta distribución fue propuesta y tabulada por William Sealy Gosset (1876-1937),
más conocido por el seudónimo de Student, como resultado de un estudio sobre la
estimación de la media cuando el tamaño de muestra es pequeño.
Cabe destacar que el programa sólo permite realizar el cálculo para una
distribución t de Student con 150 grados de libertad o menos. Esto no supone una
limitación ya que, a medida que aumentan los grados de libertad, esta distribución
se va aproximando a la normal estándar, de forma que a partir de ese valor de n
pueden considerarse prácticamente idénticas.
Campo de variación:
- < x <
Parámetros:
Función de densidad:
Valores característicos:
Asimetría: 0
1. Calcular, para una distribución N(0,1), el punto que deja a la derecha una cola
de probabilidad 0,05.
Ejemplo:
Ejemplo 2
Distribuciones muestrales
Ejemplo
Tenemos que:
CONCLUSIONES
Se puede decir que las variables discretas son aquellas cuyas observaciones se
agrupan naturalmente en categorías, porque dichas variables sólo pueden tomar
ciertos valores muy específicos es decir, no acepta cualquier valor, únicamente
aquellos que pertenecen al conjunto.
Por otro lado, las variables continuas, sólo se pueden agrupar en forma arbitraria
en categorías, puede tomar un valor fijo dentro de un intervalo determinado a lo
largo de una escala numérica continua.
Existen diferentes tipos dentro de las distribuciones continuas, como lo son las
distribuciones normal; la cual es una de las más importantes por ser la distribución
límite de numerosas variables aleatorias, discretas y continuas. También, la
distribución de T Student que surgió del problema de estimar la media de una
población normalmente distribuida cuando el tamaño de la muestra es pequeño.
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-topics/basics/continuous-and-discrete-
probability-distributions/
https://www.sergas.es/Saude-
publica/Documents/1899/Ayuda_Epidat_4_Distribuciones_de_probabilidad_Octubr
e2014.pdf
https://www.monografias.com/trabajos29/distribucion-probabilidades/distribucion-
probabilidades.shtml
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_muestral