Distribuciones Continuas

FACULTAD DE INGENIERIA
ESCUELA PROFESIONAL INGENIERIA CIVIL
ASIGNATURA:
Estadística Aplicada
DOCENTE:
Mg. Irene Maricela Silva Siesquén
TAREA:
Distribuciones De Probabilidad Continuas Importantes
CICLO:
III
INTEGRANTES:
1. Galindo Sanchez Victor Dante Miguel
2. Laura Flores Ronald Jeyson
3. De la cruz García Noemí
4. Lozano Lavado,Valery Mallely
5. Huarcaya Pacotaipe Jheral Fredy
6. Canales Riveros, Niels Denilson
7. Hinostroza Palomino Carlos Alberto
AYACUCHO - PERÚ
2021-02
DISTRIBUCIONES DE PROBABILIDADES CONTINUAS
Las distribuciones de variables continuas más importantes para la

aplicación en métodos estadísticos matemáticos son las siguientes:
1. DISTRIBUCIÓN DE BERNOULLI
La distribución o ensayo de Bernoulli es utilizado para pruebas donde solo

existen dos posibles resultados excluyentes entre sí, básicamente podría
llamarse éxito y no éxito.
Parámetro P
Dado una variable Z donde su frecuencia puede aproximarse

satisfactoriamente a un ensayo de Bernoulli con un parámetro P:
 si la variable Z resulta en el resultado que habíamos definido

como éxito al inicio de la prueba, (z=1), entonces, la probabilidad
de obtener ese resultado en si es (1-p).
 si la variable Z resulta en distinto al que habíamos definido como
no éxito al inicio de la prueba , (z=0) entonces, la probabilidad de
obtener ese resultado en si es (1-p).
Fórmula Del Parámetro P Y La Regla De Laplace
Éxito :p(z=1)=p
No éxito :p(z=0)=(1–p)
casos problables
p=
casos posibles
2. DISTRIBUCIÓN NORMAL
El reparto de posibilidad continúa más relevante a lo largo del campo de la estadística es

con toda estabilidad el reparto regular ya que en la práctica varios fenómenos
industriales científicos o de la vida cotidiana tienen la posibilidad de describirse por esta
repartición a el reparto común muchas veces se le llama repartición guassiana la
curvatura común puede considerarse como modelo teórico para examinar situaciones
reales
PROPIEDADES DE LA DISTRIBUCION NORMAL
1.El reparto regular es simétrica y tiene forma de campana se alarga del menos infinito a
infinito
2. El reparto usual la media está en la mitad y divide la zona en 2 Mitades y la media la

mediana y la moda poseen el mismo costo
3. La zona total bajo la curva habitual es el 100%
4. Hay una repartición usual distinto para cada mezcla de media y desviación estándar.
5. La posibilidad de que una variable aleatoria tenga un costo entre 2 aspectos es lo
mismo al área bajo la curva usual entre 2 aspectos de la misma forma que se muestra en
la figura
LA DISTRIBUCIÓN NORMAL ESTÁNDAR
Dado existente una repartición regular distinto o para una conjunción de media y
desviación estándar podría ser inútil intentar llevar a cabo las tablas suficientes para
calcular probabilidades además de la dificultad de la capacidad de densidad existe no
obstante una opción fácil que eludir dichos inconvenientes para eso se puede
transformar está escala real en una relativa o estandarizada por medio de la variable
normalizada
3. DISTRIBUCIÓN T DE STUDENT
Se plantea que una variable T tiene una repartición t student con v grados independencia
si su funcionalidad de densidad de posibilidad está dada por
OBSERVACIONES
El reparto de la variable aleatoria T es dependiente sólo del parámetro V entonces existe

una repartición t que corresponde a cada nivel de independencia en la figura 20 se
muestra un bosquejo de la capacidad de densidad de la variable aleatoria T para
diferentes grados de independencia en la misma figura se da la Gráfica de la regla
estándar no te la simetría de el reparto T cerca de T = 0 y cambia de menos infinito
hasta más infinito la media y la varianza de el reparto T student con v grados de
independencia permanecen dadas po
Cómo tenemos la posibilidad de ver el reparto de T de student es muy semejante a el
reparto usual n(0,1) debido a que las dos poseen como dominio todos los Reales son
simétricamente con en relación a su media cero ambas poseen gráficos de manera de
campana empero el reparto T de student tiene más grande dispersión que el reparto
común n(0,1) el reparto T the student se aproxima a la común n(0,1) una vez que el
nivel de independencia V es suficientemente enorme en la práctica una vez que el nivel
de la independencia V es más grande .
USO DE TABLAS DE DISTRIBUCIÓN T DE STUDENT.
gracias a el valor del reparto T en la inferencia estadística y la complejidad para evaluar

la capacidad de repartición de la variable aleatoria t estás se otorgan en una tabla puesto
existente una repartición T distinto para cada nivel de independencia no es cómodo
proveer una tabla de zonas enteras para cada una de las distribuciones t
correspondientes a diferentes grados de independencia se muestran en las tablas V y VI
solo un resumen de la información de todas estas distribuciones para el cálculo de
superficies del reparto t de student se usan las mismas características del reparto regular
4. DISTRIBUCIÓN BETA
- En teoría de la probabilidad y en estadística, la distribución beta es una familia de

distribuciones continuas de probabilidad definidas en el intervalo [0,1], la
generalización de esta distribución a varias variables es conocida como la
distribución de Dirichlet.
 Parametrizada por dos parámetros positivos de forma, denotados por α y β o u y

v, que aparecen como exponentes de la variable aleatoria y controlan la forma de
la distribución.
 Puede tener variados comportamientos, dependiendo de los valores de los

parámetros, desde comportamientos simétricos hasta totalmente asimétricos.
5. DISTRIBUCIÓN EXPONENCIAL
La distribución exponencial es una distribución que modela el tiempo transcurrido entre

dos eventos que son independientes, separados y uniformes en el tiempo. [ CITATION
21SE \l 2058 ]
Se dice que una variable X sigue una distribución exponencial de parámetro λ, y se

denota por X ∼ exp(λ), si su función de densidad es:
 f (x) = λ e −λx , para x ≥ 0.

 X toma valores en el conjunto S = [0, +∞).
x
x
6. DISTRIBUCIÓN F
- Sean U1 y U2 dos variables aleatorias independientes, tal que:
La variable F se desarrolla con el cociente:
Donde
“U1 y U2 siguen una distribución chi-cuadrado con d1 y d2 grados de libertad

respectivamente, y U1 y U2 son estadísticamente independientes”
Dicha distribución se hace visible de manera continua como una distribución que es
nula.
“La función de densidad de una F (d1, d2) viene dada por”
“La funcion de distribucion es“
Es una distribución chi-cuadrada cuando

REFERENCIAS BIBLIOGRAFICAS
1. [Online]. [cited 2021 SETIEMBRE 29. Available from:

http://halweb.uc3m.es/esp/Personal/personas/aarribas/eng/docs/estIG/tema4Print.pdf.

Distribuciones Continuas

Cargado por

Copyright:

Formatos disponibles

Distribuciones Continuas

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Distribuciones Continuas

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERIA

ESCUELA PROFESIONAL INGENIERIA CIVIL

Las distribuciones de variables continuas más importantes para la

La distribución o ensayo de Bernoulli es utilizado para pruebas donde solo

Dado una variable Z donde su frecuencia puede aproximarse

 si la variable Z resulta en el resultado que habíamos definido

Fórmula Del Parámetro P Y La Regla De Laplace

El reparto de posibilidad continúa más relevante a lo largo del campo de la estadística es

2. El reparto usual la media está en la mitad y divide la zona en 2 Mitades y la media la

3. La zona total bajo la curva habitual es el 100%

El reparto de la variable aleatoria T es dependiente sólo del parámetro V entonces existe

USO DE TABLAS DE DISTRIBUCIÓN T DE STUDENT.

gracias a el valor del reparto T en la inferencia estadística y la complejidad para evaluar

- En teoría de la probabilidad y en estadística, la distribución beta es una familia de

 Parametrizada por dos parámetros positivos de forma, denotados por α y β o u y

 Puede tener variados comportamientos, dependiendo de los valores de los

La distribución exponencial es una distribución que modela el tiempo transcurrido entre

Se dice que una variable X sigue una distribución exponencial de parámetro λ, y se

 f (x) = λ e −λx , para x ≥ 0.

La variable F se desarrolla con el cociente:

“U1 y U2 siguen una distribución chi-cuadrado con d1 y d2 grados de libertad

“La función de densidad de una F (d1, d2) viene dada por”

“La funcion de distribucion es“

Es una distribución chi-cuadrada cuando

1. [Online]. [cited 2021 SETIEMBRE 29. Available from:

También podría gustarte