La distribución logística es una distribución de probabilidad continua cuya función de distribución es la función logística. Esta distribucion ha sido usada extensamente en áreas como:Biología: para describir cómo se comportan las especies en entornos competitivos. Epidemiología - para describir la propagación de epidemias Psicología - para describir el proceso de aprendizaje. Tecnología - para describir cómo las tecnologías se popularizan y compiten entre sí. Márketing - para estudiar la difusión de nuevos productos. Energía - para estudiar la difusión y sustitución de unas fuentes de energía primarias por otras
DISTRIBUCION CONTINUA En teoría de la probabilidad una distribución de probabilidad se llama continua si su fusión es continua. Puesto que la función de distribución de una variable aleatoria X viene dada por , la definición implica que en una distribución de probabilidad continua X se cumple P[X = a] = 0 para todo número real a, esto es, la probabilidad de que X tome el valor a es cero para cualquier valor de a. Si la distribución de X es continua, se llama a X variable aleatoria continua. En las distribuciones de probabilidad continuas, la distribución de probabilidad es la integral de la función de densidad, por lo que tenemos entonces que:
Mientras que en una distribución de probabilidad discreta un suceso con probabilidad cero es imposible, no se da el caso en una variable aleatoria continua. Por ejemplo, si se mide la anchura de una hoja de roble, el resultado 3,5 cm es posible, pero tiene probabilidad cero porque hay infinitos valores posibles entre 3 cm y 4 cm. Cada uno de esos valores individuales tiene probabilidad cero, aunque la probabilidad de ese intervalo no lo es. Esta aparente paradoja se resuelve por el hecho de que la probabilidad de que X tome algún valor en un conjunto infinito como un intervalo, no puede calcularse mediante la adición simple de probabilidades de valores individuales. Formalmente, cada valor tiene una probabilidad infinitesimal que estadísticamente equivale a cero. Existe una definición alternativa más rigurosa en la que el término "distribución de probabilidad continua" se reserva a distribuciones que tienen función de densidad de probabilidad. Estas funciones se llaman, con más precisión, variables aleatorias absolutamente continuas (véase el Teorema de Radon-Nikodym). Para una variable aleatoria X absolutamente continua es equivalente decir que la probabilidad P[X = a] = 0 para todo número real a, en virtud de que hay un incontables conjuntos de medida de Lebesgue cero (por ejemplo, el conjunto de Cantor). Una variable aleatoria con la distribución de Cantor es continua de acuerdo con la primera definición, pero según la segunda, no es absolutamente continua. Tampoco es discreta, ni una media ponderada de variables discretas y absolutamente continuas. En aplicaciones prácticas, las variables aleatorias a menudo ofrece una distribución discreta o absolutamente continua, aunque también aparezcan de forma natural mezclas de los dos tipos.
Es un cálculo que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño.
Para realizar este cálculo primero se necesitan establecer los datos, segundo, se aplica el uso de la fórmula para hacer un estandarizado de los valores de X, tercero, se elabora la gráfica del problema en forma de campana muy similar a la de la Distribución Normal, cuarto, es necesario hallar el valor de T de la formula de Student, quinto, encontrar la probabilidad de T en la tabla de distribución y por último se interpreta el valor hallado.
Esta distribución de probabilidad se usa como estadística prueba en varias situaciones. Se emplea para probar si dos muestras provienen de poblaciones que poseen varianzas iguales. Esta prueba es útil para determinar si una población normal tiene una mayor variación que la otra y también se aplica cuando se trata de comparar simultáneamente varias medias poblacionales.
La distribución t de student fue desarrollada por William Sealy Gosset en 1908 ,es una distribucion de probabilidad ,se utiliza para hacer estimaciones de la media de una variable,que esta distribuida normalmente, esta es la base de la popular prueba t de estudent para la determinacion de las diferenias entre dos muestras y para la construccion del intervalo de confianza para la diferencia entre las medias de dos poblaciones.tambien se utiliza par hacer estimaciones de parametros delas poblaciones a partir de los valores de los estadisticos correespondientes en las muestras,cuando se desconoce el valor de la varianza o la desviación estandar de la población La distribucion T es mas ancha y mas plana en el centro que la distribucion normal estandar como resultado de ello se tiene una mayor variabilidad de las medias de muestra calculadas a partir de muestras mas pequeñas. Sin embargo, a medida que aumenta el tamaño de la muestra, la distribucion t se aproxima a la distribucion normal estandar. Caracteristicas: • La distribución se denomina distribución de Student o distribución “t”. • Es simétrica, con media de 0, y variancia mayor que 1. • Es más achatada que la normal y adopta diferentes formas, según el número de grados de libertad. • La variable t se extiende desde -a +. • A medida que aumenta los (n -1) grados de libertad la distribución “t” se aproxima en su forma a una distribución normal. • El parámetro de la distribución es (n-1) grados de libertad, originando una distribución diferente para cada tamaño de muestra Condiciones: • Se utiliza en muestras de 30 o menos elementos. • La desviacion estándar de la poblacion no se conoce
distribución ji cuadrado es una distribución fundamental en estadística inferencial en los test estadísticos de bondad de ajuste se emplean entre muchas otras aplicaciones, para determinar los limites de confianza de la varianza de una población normal . características : La distribución es asimétrica positiva. A medida que aumenta el tamaño de la muestra la curva es menos asimétrica, aproximándose a una curva normal. Para cada tamaño muestral, se tendrá una distribución 2 diferente. El parámetro que caracteriza a una distribución 2 son sus grados de libertad originado una distribución para cada grado de libertad. utilidad: 1)para determinar si la muestra se ajusta o no a una distribución teórica 2)para saber si una población es homogénea o no.
DISTRIBUCION EXPONENCIAL El uso de la distribución exponencial supone que los tiempos de servicio son aleatorios, es decir, que un tiempo de servicio determinado no depende de otro servicio realizado anteriormente ni de la posible cola que pueda estar formándose. Otra característica de este tipo de distribución es que no tienen "edad" o en otras palabras, "memoria". Por ejemplo. Supongamos que el tiempo de atención de un paciente en una sala quirúrgica sigue una distribución exponencial. Si el paciente ya lleva 5 horas siendo operado, la probabilidad de que esté una hora más es la misma que si hubiera estado 2 horas, o 10 horas o las que sea. Esto es debido a que la distribución exponencial supone que los tiempos de servicio tienen una gran variabilidad. A lo mejor el próximo paciente operado tarda 1 hora porque su cirugía era mucho más simple que la anterior.
Esta distribución resulta útil no sólo porque un gran número de distribuciones de frecuencias presentan formas aproximadamente normales, sino también por su gran significado teórico en el campo de la estadística inferencial. En resumen, la importancia de la distribución normal se debe principalmente a que hay muchas variables asociadas a fenómenos naturales que siguen el modelo de la normal: • Caracteres morfológicos de individuos: talla, peso,.. • Caracteres sociológicos: consumo de un cierto producto por un grupo de individuos, puntuaciones de examen… • Caracteres psicológicos: cociente intelectual, grado de adaptación a un medio,.. • Valores estadísticos muestrales: la media. • Otras distribuciones como la binomial o la de Poisson son aproximaciones normales.
1. El valor esperado, la mediana y la moda tienen el mismo valor cuando la variable aleatoria se distribuye normalmente. 2. La media indica la posición de la campana, la gráfica se desplaza a lo largo del eje x. 3. La curva es siimétrica respecto a la media. Las propiedade son importantes por que resulta especialmente interesante en la práctica, ya que para una distribución existen tablas a partir de ellas se puede obtener de modo sencillo la probabilidad de observar un dato menor o igual a un cierto valor z, y que permitirán resolver preguntas de probabilidad acerca del comportamiento de variables de las que se sabe o se asume que siguen una distribución aproximadamente normal.
- Existe una distribución F diferente para cada combinación de tamaño de muestra y número de muestras. Por tanto, existe una distribución F que se aplica cuando se toman cinco muestras de seis observaciones cada una, al igual que una distribución F diferente para cinco muestras de siete observaciones cada una. A propósito de esto, el número distribuciones de muestreo diferentes es tan grande que sería poco práctico hacer una extensa tabulación de distribuciones. Por tanto, como se hizo en el caso de la distribución t, solamente se tabulan los valores que más comúnmente se utilizan. En el caso de la distribución F, los valores críticos para los niveles 0,05 y 0,01 generalmente se proporcionan para determinadas combinaciones de tamaños de muestra y número de muestras.
-La razón más pequeña es 0. La razón no puede ser negativa, ya que ambos términos de la razón F están elevados al cuadrado. Por otra parte, grandes diferencias entre los valores medios de la muestra, acompañadas de pequeñas variancias muestrales pueden dar como resultado valores extremadamente grandes de la razón F.
- La forma de cada distribución de muestreo teórico F depende del número de grados de libertad que estén asociados a ella. Tanto el numerador como el denominador tienen grados de libertad relacionados.
la distribucion lognormal es util para modelar datos de numeroso estudios tales como el periodo de incubacion de una enfermedad, losn titulos de anticuerpos a un virus, el tiempo de supervivencia en pacientes con cancer o sida, el tiempo hasta la seroconversion de VIH+, ETC
la distribucion normal, una de sus caracteristicas mas importante es que casi cualquier distribucion de probabilidad tanto discreta como continua se puede aproximar a una normal bajo ciertas condiciones. soy yomaury Milian
Es generada por una variable continua (x). f(x)³ 0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero. Dicho de otra forma, la función de densidad de probabilidad deberá tomar solo valores mayores o iguales a cero. La función de densidad de probabilidad sólo puede estar definida en los cuadrantes I y II.
Hasta el momento se han considerado las distribuciones de probabilidad para variables discretas, donde se podía asignar el valor que toma la función de probabilidad cuando la variable aleatoria tomaba un valor en concreto. Sin embargo, al considerar las variables continuas se encuentra uno el problema de que, lo más probable, los datos que se puedan recabar no sean completamente exactos, o dos o más de ellos no coincidan, por lo que se tienen que trabajar en intervalos y, en ese momento, modelar una función se convierte en un problema serio.
Sin embargo, se pueden realizar aproximaciones y describir la probabilidad a través de modelos teóricos de probabilidad cuya gráfica es una línea continua, a diferencia de las variables discretas que le corresponde un histograma.
Devuelve la probabilidad de una variable aleatoria siguiendo una distribución de Weibull. Esta distribución se aplica en los análisis de fiabilidad, para establecer, por ejemplo, el periodo de vida de un componente hasta que presenta una falla.
La ecuación para la función de distribución acumulada de Weibull es:
DISTRIBUCION BETA En la estaditicala ditribucion beta es una ditribucion de probabilidades continuas con dos parametros. Esta distribución de probabilidades se usa comúnmente para modelar variación en la proporción o porcentajes de una cantidad que se presenta en muestras diferentes; tal es el caso del porcentaje de producto defectuoso en un día o la fracción de componentes que no pasaron una prueba de laboratorio. La distribución beta es una familia de distribuciones sesgadas que posee los mismos parámetros y escala...
DISTRIBUCION NORMAL En estadística y probabilidad se llama distribución normal, distribución de Gauss o distribución gaussiana, a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece aproximada en fenómenos reales.
Hola yo dare una presentación a lo que sera el foro. Donde les hablare un poco sobre el tema a tratar que es distribución continua sabiendo que una variable continua puede tener un numero cualquiera y no un numero determinado. Conoceremos las distribuciones mas importantes tales como: * distribución T student: Es un cálculo que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño. * distribución beta: Esta distribución de probabilidades se usa comúnmente para modelar variación en la proporción o porcentajes de una cantidad que se presenta en muestras. *distribución gamma: Es una distribución adecuada para modelizar el comportamiento de variables aleatorias continuas con asimetría positiva. Es decir, variables que presentan una mayor densidad de sucesos a la izquierda de la media que a la derecha. * distribución exponencial: El uso de la distribución exponencial supone que los tiempos de servicio son aleatorios, es decir, que un tiempo de servicio determinado no depende de otro servicio realizado anteriormente ni de la posible cola que pueda estar formándose. * Entre otras.
distribución gamma es una distribución adecuada para modelizar el comportamiento de variables aleatorias continuas con asimetria positiva .es decir variables que presentan una mayor densidad de sucesos en su expresión se encuentran dos parámetros siempre positivos de los que depende su forma y alcance. ventajas en una distribución flexible sirve para modelizar las formas de la asimetria positiva . desventaja problemas de la ciomplejidad de algunos calculos .especialmente respecro a la funcion gamma cuando el parametro es un valor no entero. utilidad este modelo es una generalización del modelo exponencial ya que, en ocasiones se utiliza para modelar variables que describen el tiempo que se produce p veces en un determinado suceso. propiedades su esperanza es p su varianza es p la distribución gamma es una distribución exponencial de parámetro es decir el modelo exponencial es un caso particular de la gamma.
Podemos decir que es una variable f, es el cociente de 2 variables ji cadrado y que a su vez tambien sera dividida por su correspondiente grado de libertad. Esta razón fue inicialmente utilizada en biologia pero luego tomo gran importancia y empezo a ser aplicada en la industria y en la experimentacion agricola, medica e industrial. Tambien es muy aplicada en la inferencia estadistica.
La distribución uniforme es aquella que puede tomar cualquier valor dentro de un intervalo, todos ellos con la misma probabilidad.
Es una distribución continua porque puede tomar cualquier valor y no únicamente un número determinado (como ocurre en las distribuciones discretas).
Su función de densidad, aquella que nos permite conocer la probabilidad que tiene cada punto del intervalo, viene definida por:
• Función de distribución F(x) = 1 / (b – a)
• Precipitación media esperada E(x) = (a + b) / 2
Donde: b: es el extremo superior o mayor magnitud. a: es el extremo inferior o menor magnitud.
Por lo tanto, la función de distribución del siguiente ejemplo sería:
El volumen de precipitaciones estimado para el próximo año en la ciudad de Anaco va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular la función de distribución y la precipitación media esperada:
F(x) = 1 / (b – a) F(x) = 1 / (500 – 400) = 0.01
Es decir, que el volumen de precipitaciones esté entre 400 y 401 litros tiene un 1% de probabilidades; que esté entre 401 y 402 litros, otro 1%, etc.
El valor medio esperado es:
E(x) = (a + b) / 2 E(x) = (400 + 500) / 2 = 450
Es decir, la precipitación media estimada en Anaco para el próximo año es de 450 litros.
la distribución uniforme continua Es una familia de distribuciones de probabilidad para variables aleatorias continuas, tales que 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. La distribución es a menudo escrita en forma abreviada como U(a,b).
Aplicaciones de χ² (ji-cuadrado) ANDREA CARABALLO C.I: 22.874.013
La distribución χ² tiene muchas aplicaciones en la Estadística Inferencial. La más conocida es la de la denominada prueba χ² utilizada como prueba de independencia y como prueba de bondad de ajuste y en la estimación de varianzas. Pero también está involucrada en el problema de estimar la media de una población normalmente distribuida y en el problema de estimar la pendiente de una recta de regresión, a través de su papel en la distribución t de Student. Aparece también en todos los problemas de análisis de varianza por su relación con la distribución F de Snedecor, que es la distribución del cociente de dos variables aleatorias independientes con distribución χ². Esta distribución se deriva del muestreo porque algunos estadísticos muéstrales siguen esta distribución, al igual esto permite hacer inferencias acerca de la población con base en la muestra.
La distribución logística es una distribución de probabilidad continua cuya función de distribución es la función logística. Esta distribucion ha sido usada extensamente en áreas como:Biología: para describir cómo se comportan las especies en entornos competitivos. Epidemiología - para describir la propagación de epidemias Psicología - para describir el proceso de aprendizaje. Tecnología - para describir cómo las tecnologías se popularizan y compiten entre sí. Márketing - para estudiar la difusión de nuevos productos. Energía - para estudiar la difusión y sustitución de unas fuentes de energía primarias por otras
ResponderEliminarDISTRIBUCION CONTINUA
ResponderEliminarEn teoría de la probabilidad una distribución de probabilidad se llama continua si su fusión es continua. Puesto que la función de distribución de una variable aleatoria X viene dada por , la definición implica que en una distribución de probabilidad continua X se cumple P[X = a] = 0 para todo número real a, esto es, la probabilidad de que X tome el valor a es cero para cualquier valor de a. Si la distribución de X es continua, se llama a X variable aleatoria continua.
En las distribuciones de probabilidad continuas, la distribución de probabilidad es la integral de la función de densidad, por lo que tenemos entonces que:
Mientras que en una distribución de probabilidad discreta un suceso con probabilidad cero es imposible, no se da el caso en una variable aleatoria continua. Por ejemplo, si se mide la anchura de una hoja de roble, el resultado 3,5 cm es posible, pero tiene probabilidad cero porque hay infinitos valores posibles entre 3 cm y 4 cm. Cada uno de esos valores individuales tiene probabilidad cero, aunque la probabilidad de ese intervalo no lo es. Esta aparente paradoja se resuelve por el hecho de que la probabilidad de que X tome algún valor en un conjunto infinito como un intervalo, no puede calcularse mediante la adición simple de probabilidades de valores individuales. Formalmente, cada valor tiene una probabilidad infinitesimal que estadísticamente equivale a cero.
Existe una definición alternativa más rigurosa en la que el término "distribución de probabilidad continua" se reserva a distribuciones que tienen función de densidad de probabilidad. Estas funciones se llaman, con más precisión, variables aleatorias absolutamente continuas (véase el Teorema de Radon-Nikodym). Para una variable aleatoria X absolutamente continua es equivalente decir que la probabilidad P[X = a] = 0 para todo número real a, en virtud de que hay un incontables conjuntos de medida de Lebesgue cero (por ejemplo, el conjunto de Cantor).
Una variable aleatoria con la distribución de Cantor es continua de acuerdo con la primera definición, pero según la segunda, no es absolutamente continua. Tampoco es discreta, ni una media ponderada de variables discretas y absolutamente continuas.
En aplicaciones prácticas, las variables aleatorias a menudo ofrece una distribución discreta o absolutamente continua, aunque también aparezcan de forma natural mezclas de los dos tipos.
Distribución T de Student.
ResponderEliminarEs un cálculo que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño.
Para realizar este cálculo primero se necesitan establecer los datos, segundo, se aplica el uso de la fórmula para hacer un estandarizado de los valores de X, tercero, se elabora la gráfica del problema en forma de campana muy similar a la de la Distribución Normal, cuarto, es necesario hallar el valor de T de la formula de Student, quinto, encontrar la probabilidad de T en la tabla de distribución y por último se interpreta el valor hallado.
PARA QUE SE USA LA DISTRIBUCIÓN F DE FISHER:
ResponderEliminarEsta distribución de probabilidad se usa como estadística prueba en varias situaciones. Se emplea para probar si dos muestras provienen de poblaciones que poseen varianzas iguales. Esta prueba es útil para determinar si una población normal tiene una mayor variación que la otra y también se aplica cuando se trata de comparar simultáneamente varias medias poblacionales.
Este comentario ha sido eliminado por el autor.
ResponderEliminarLa distribución t de student fue desarrollada por William Sealy Gosset en 1908 ,es una distribucion de probabilidad ,se utiliza para hacer estimaciones de la media de una variable,que esta distribuida normalmente, esta es la base de la popular prueba t de estudent para la determinacion de las diferenias entre dos muestras y para la construccion del intervalo de confianza para la diferencia entre las medias de dos poblaciones.tambien se utiliza par hacer estimaciones de parametros delas poblaciones a partir de los valores de los estadisticos correespondientes en las muestras,cuando se desconoce el valor de la varianza o la desviación estandar de la población
ResponderEliminarLa distribucion T es mas ancha y mas plana en el centro que la distribucion normal estandar como resultado de ello se tiene una mayor variabilidad de las medias de muestra calculadas a partir de muestras mas pequeñas. Sin embargo, a medida que aumenta el tamaño de la muestra, la distribucion t se aproxima a la distribucion normal estandar.
Caracteristicas:
• La distribución se denomina distribución de Student o distribución “t”.
• Es simétrica, con media de 0, y variancia mayor que 1.
• Es más achatada que la normal y adopta diferentes formas, según el número de grados de libertad.
• La variable t se extiende desde -a +.
• A medida que aumenta los (n -1) grados de libertad la distribución “t” se aproxima en su forma a una distribución normal.
• El parámetro de la distribución es (n-1) grados de libertad, originando una distribución diferente para cada tamaño de muestra
Condiciones:
• Se utiliza en muestras de 30 o menos elementos.
• La desviacion estándar de la poblacion no se conoce
distribución ji cuadrado
ResponderEliminares una distribución fundamental en estadística inferencial en los test estadísticos de bondad de ajuste se emplean entre muchas otras aplicaciones, para determinar los limites de confianza de la varianza de una población normal .
características :
La distribución es asimétrica positiva.
A medida que aumenta el tamaño de la muestra la curva es menos asimétrica, aproximándose a una curva normal.
Para cada tamaño muestral, se tendrá una distribución 2 diferente.
El parámetro que caracteriza a una distribución 2 son sus grados de libertad originado una distribución para cada grado de libertad.
utilidad:
1)para determinar si la muestra se ajusta o no a una distribución teórica
2)para saber si una población es homogénea o no.
Este comentario ha sido eliminado por el autor.
ResponderEliminarDISTRIBUCION EXPONENCIAL
ResponderEliminarEl uso de la distribución exponencial supone que los tiempos de servicio son aleatorios, es decir, que un tiempo de servicio determinado no depende de otro servicio realizado anteriormente ni de la posible cola que pueda estar formándose. Otra característica de este tipo de distribución es que no tienen "edad" o en otras palabras, "memoria". Por ejemplo. Supongamos que el tiempo de atención de un paciente en una sala quirúrgica sigue una distribución exponencial. Si el paciente ya lleva 5 horas siendo operado, la probabilidad de que esté una hora más es la misma que si hubiera estado 2 horas, o 10 horas o las que sea. Esto es debido a que la distribución exponencial supone que los tiempos de servicio tienen una gran variabilidad. A lo mejor el próximo paciente operado tarda 1 hora porque su cirugía era mucho más simple que la anterior.
Importancia de la Distribucion Normal
ResponderEliminarEsta distribución resulta útil no sólo porque un gran número de distribuciones de frecuencias presentan formas aproximadamente normales, sino también por su gran significado teórico en el campo de la estadística inferencial. En resumen, la importancia de la distribución normal se debe principalmente a que hay muchas variables asociadas a fenómenos naturales que siguen el modelo de la normal:
• Caracteres morfológicos de individuos: talla, peso,..
• Caracteres sociológicos: consumo de un cierto producto por un grupo de individuos, puntuaciones de examen…
• Caracteres psicológicos: cociente intelectual, grado de adaptación a un medio,..
• Valores estadísticos muestrales: la media.
• Otras distribuciones como la binomial o la de Poisson son aproximaciones normales.
Propiedades de la distribucion normal:
ResponderEliminar1. El valor esperado, la mediana y la moda tienen el mismo valor cuando la variable aleatoria se distribuye normalmente.
2. La media indica la posición de la campana, la gráfica se desplaza a lo largo del eje x.
3. La curva es siimétrica respecto a la media.
Las propiedade son importantes por que resulta especialmente interesante en la práctica, ya que para una distribución existen tablas a partir de ellas se puede obtener de modo sencillo la probabilidad de observar un dato menor o igual a un cierto valor z, y que permitirán resolver preguntas de probabilidad acerca del comportamiento de variables de las que se sabe o se asume que siguen una distribución aproximadamente normal.
CARACTERISTICAS DE LA DISTRIBUCION F DE FISHER
ResponderEliminar- Existe una distribución F diferente para cada combinación de tamaño de muestra y número de muestras. Por tanto, existe una distribución F que se aplica cuando se toman cinco muestras de seis observaciones cada una, al igual que una distribución F diferente para cinco muestras de siete observaciones cada una. A propósito de esto, el número distribuciones de muestreo diferentes es tan grande que sería poco práctico hacer una extensa tabulación de distribuciones. Por tanto, como se hizo en el caso de la distribución t, solamente se tabulan los valores que más comúnmente se utilizan. En el caso de la distribución F, los valores críticos para los niveles 0,05 y 0,01 generalmente se proporcionan para determinadas combinaciones de tamaños de muestra y número de muestras.
-La razón más pequeña es 0. La razón no puede ser negativa, ya que ambos términos de la razón F están elevados al cuadrado.
Por otra parte, grandes diferencias entre los valores medios de la muestra, acompañadas de pequeñas variancias muestrales pueden dar como resultado valores extremadamente grandes de la razón F.
- La forma de cada distribución de muestreo teórico F depende del número de grados de libertad que estén asociados a ella. Tanto el numerador como el denominador tienen grados de libertad relacionados.
la distribucion lognormal es util para modelar datos de numeroso estudios tales como el periodo de incubacion de una enfermedad, losn titulos de anticuerpos a un virus, el tiempo de supervivencia en pacientes con cancer o sida, el tiempo hasta la seroconversion de VIH+, ETC
ResponderEliminarla distribucion normal, una de sus caracteristicas mas importante es que casi cualquier distribucion de probabilidad tanto discreta como continua se puede aproximar a una normal bajo ciertas condiciones. soy yomaury Milian
ResponderEliminarCARACTERÍSTICAS DE LA DISTRIBUCION DE PROBABILIDAD CONTINUA :
ResponderEliminarx® Es una variable que puede tomar tanto valores enteros como fraccionarios.
x® 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, .....,¥
Es generada por una variable continua (x).
f(x)³ 0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero. Dicho de otra forma, la función de densidad de probabilidad deberá tomar solo valores mayores o iguales a cero. La función de densidad de probabilidad sólo puede estar definida en los cuadrantes I y II.
Hasta el momento se han considerado las distribuciones de probabilidad para variables discretas, donde se podía asignar el valor que toma la función de probabilidad cuando la variable aleatoria tomaba un valor en concreto. Sin embargo, al considerar las variables continuas se encuentra uno el problema de que, lo más probable, los datos que se puedan recabar no sean completamente exactos, o dos o más de ellos no coincidan, por lo que se tienen que trabajar en intervalos y, en ese momento, modelar una función se convierte en un problema serio.
Sin embargo, se pueden realizar aproximaciones y describir la probabilidad a través de modelos teóricos de probabilidad cuya gráfica es una línea continua, a diferencia de las variables discretas que le corresponde un histograma.
la curva normal es cinetica... yomauri milian
ResponderEliminarDISTRIBUCIÓN WEIBULL
ResponderEliminarDevuelve la probabilidad de una variable aleatoria siguiendo una distribución de Weibull. Esta distribución se aplica en los análisis de fiabilidad, para establecer, por ejemplo, el periodo de vida de un componente hasta que presenta una falla.
La ecuación para la función de distribución acumulada de Weibull es:
F(x,a,b)= 1 - e^-(x/b)^a
DISTRIBUCION BETA
ResponderEliminarEn la estaditicala ditribucion beta es una ditribucion de probabilidades continuas con dos parametros.
Esta distribución de probabilidades se usa comúnmente para modelar variación en la proporción o porcentajes de una cantidad que se presenta en muestras diferentes; tal es el caso del porcentaje de producto defectuoso en un día o la fracción de componentes que no pasaron una prueba de laboratorio. La distribución beta es una familia de distribuciones sesgadas que posee los mismos parámetros y escala...
ARDELYS SIERRA
DISTRIBUCION NORMAL
ResponderEliminarEn estadística y probabilidad se llama distribución normal, distribución de Gauss o distribución gaussiana, a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece aproximada en fenómenos reales.
KARLA SABINO
Hola yo dare una presentación a lo que sera el foro. Donde les hablare un poco sobre el tema a tratar que es distribución continua sabiendo que una variable continua puede tener un numero cualquiera y no un numero determinado.
ResponderEliminarConoceremos las distribuciones mas importantes tales como:
* distribución T student: Es un cálculo que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño.
* distribución beta: Esta distribución de probabilidades se usa comúnmente para modelar variación en la proporción o porcentajes de una cantidad que se presenta en muestras.
*distribución gamma: Es una distribución adecuada para modelizar el comportamiento de variables aleatorias continuas con asimetría positiva. Es decir, variables que presentan una mayor densidad de sucesos a la izquierda de la media que a la derecha.
* distribución exponencial: El uso de la distribución exponencial supone que los tiempos de servicio son aleatorios, es decir, que un tiempo de servicio determinado no depende de otro servicio realizado anteriormente ni de la posible cola que pueda estar formándose.
* Entre otras.
distribución gamma
ResponderEliminares una distribución adecuada para modelizar el comportamiento de variables aleatorias continuas con asimetria positiva .es decir variables que presentan una mayor densidad de sucesos en su expresión se encuentran dos parámetros siempre positivos de los que depende su forma y alcance.
ventajas
en una distribución flexible
sirve para modelizar las formas de la asimetria positiva .
desventaja
problemas de la ciomplejidad de algunos calculos .especialmente respecro a la funcion gamma cuando el parametro es un valor no entero.
utilidad
este modelo es una generalización del modelo exponencial ya que, en ocasiones se utiliza para modelar variables que describen el tiempo que se produce p veces en un determinado suceso.
propiedades
su esperanza es p
su varianza es p
la distribución gamma es una distribución exponencial de parámetro es decir el modelo exponencial es un caso particular de la gamma.
CERIANNYS CEDEÑO
Distribución F:
ResponderEliminarPodemos decir que es una variable f, es el cociente de 2 variables ji cadrado y que a su vez tambien sera dividida por su correspondiente grado de libertad. Esta razón fue inicialmente utilizada en biologia pero luego tomo gran importancia y empezo a ser aplicada en la industria y en la experimentacion agricola, medica e industrial. Tambien es muy aplicada en la inferencia estadistica.
Distribuciones continuas: Uniforme
ResponderEliminarLa distribución uniforme es aquella que puede tomar cualquier valor dentro de un intervalo, todos ellos con la misma probabilidad.
Es una distribución continua porque puede tomar cualquier valor y no únicamente un número determinado (como ocurre en las distribuciones discretas).
Su función de densidad, aquella que nos permite conocer la probabilidad que tiene cada punto del intervalo, viene definida por:
• Función de distribución
F(x) = 1 / (b – a)
• Precipitación media esperada
E(x) = (a + b) / 2
Donde:
b: es el extremo superior o mayor magnitud.
a: es el extremo inferior o menor magnitud.
Por lo tanto, la función de distribución del siguiente ejemplo sería:
El volumen de precipitaciones estimado para el próximo año en la ciudad de Anaco va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular la función de distribución y la precipitación media esperada:
F(x) = 1 / (b – a)
F(x) = 1 / (500 – 400) = 0.01
Es decir, que el volumen de precipitaciones esté entre 400 y 401 litros tiene un 1% de probabilidades; que esté entre 401 y 402 litros, otro 1%, etc.
El valor medio esperado es:
E(x) = (a + b) / 2
E(x) = (400 + 500) / 2 = 450
Es decir, la precipitación media estimada en Anaco para el próximo año es de 450 litros.
la distribución uniforme continua
ResponderEliminarEs una familia de distribuciones de probabilidad para variables aleatorias continuas, tales que 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. La distribución es a menudo escrita en forma abreviada como U(a,b).
Aplicaciones de χ² (ji-cuadrado)
ResponderEliminarANDREA CARABALLO C.I: 22.874.013
La distribución χ² tiene muchas aplicaciones en la Estadística Inferencial. La más conocida es la de la denominada prueba χ² utilizada como prueba de independencia y como prueba de bondad de ajuste y en la estimación de varianzas. Pero también está involucrada en el problema de estimar la media de una población normalmente distribuida y en el problema de estimar la pendiente de una recta de regresión, a través de su papel en la distribución t de Student.
Aparece también en todos los problemas de análisis de varianza por su relación con la distribución F de Snedecor, que es la distribución del cociente de dos variables aleatorias independientes con distribución χ².
Esta distribución se deriva del muestreo porque algunos estadísticos muéstrales siguen esta distribución, al igual esto permite hacer inferencias acerca de la población con base en la muestra.