Distribuciones
UNIFORME o rectangular U[a,b]
Distribución Uniforme en el intervalo [a, b]
densidad
media: varianza:
Uniforme sobre un conjunto C de R o Rn de medida lebesgue (u otra) 0< (C) < ∞ :
Probabilidad proporcional a la medida : p(A)=
Ejemplos: uniforme sobre el cuadrado [0,1]2, sobre el cubo [0,1]3…
uniforme sobre la bola de centro 0y radio 1.
uniforme sobre una semiesfera de centro 0 y radio 1.
uniforme sobre la bisectriz del cuadrado [0,1]2…
TRIANGULAR
Triangular en [a,b]:
densidad
Triangular en [a,b] con centro c:
densidad
EXPONENCIAL negativa exp()
densidad es el parámetro de intensidad.
También se utiliza el parámetro inverso = 1/
esun parámetro deescala;
es además la media de la distribución.
No envejece: p( X > t + s / X > t )= p( X > s )
- la probabilidad de fallo no depende de la duración de la vida anterior
- modeliza tiempos de espera hasta fallo de procesos sin envejecimiento, sin desgaste:
vida de componente, espera hasta recibir una llamada, petición de servicio, tiempo
entre paso devehículos, llegada de clientes …
- en este sentido, es la generalización continua de la distribución geométrica.
media: ; varianza: ; 2
LAPLACE o doble exponencial:
densidad
media: 0 varianza: ;
GAMMA (a,p) a parámetro de forma (a>0)
p parámetro de escala
(,) en Lindgren
densidad
Para entero, se denominaERLANG, quien la utilizó para modelizar problemas relacionados con el uso de líneas telefónicas.
Modeliza la espera hasta el n° fallo en procesos sin desgaste.
Generaliza la exponencial negativa: exp() (,)
media: varianza:
La función de Euler
Definición para > 0
Propiedades
n= (n-1)! nN+extiende a R la noción de factorial
BETA (a,b) a y b parámetros de forma (a>0; b>0)
densidad
formas muy variadas, que se adaptan a multitud de problemas con soporte finito:
media: varianza:
La función
Definición a> 0, b> 0
Propiedad
La densidad de la distribución beta puede escribirse con la función beta:La distribución Uniforme en [0,1] es una Beta(1,1).
NORMAL (,2) ó (,) parámetro de centralización
2 parámetros de escala (2>0)
Normal Estandar.
densidad
simétrica respecto de
media: varianza: 2
La encuentra De Moivre en 1733 como límite de la distribución Binomial (n,p) cuando n→∞ .
Seolvida y la redescubren en el siglo XIX Gauss y Laplace estudiando errores en astronomía.
Por ello se denomina también Gaussiana o Laplaciana.
Es la distribución más importante, la más utilizada y la que más aparece en la naturaleza.
En condiciones bastante generales, si un valor aleatorio es el resultado final de muchos pequeños factores que le influyen, su distribución será normal (TCL).Aparece muchas veces como límite de otras distribuciones (Binomial, 2, t, …)
LOGNORMAL log (,2)
densidad
media: exp(+2/2) varianza: exp2(+2)- exp(2+2)
El logaritmo de una log(,2) se distribuye según una (,2)
Muy utilizada par modelizar el comportamiento de magnitudes aleatorias continuas con distribución asimétrica: pesos y volúmenes decultivos, de colonias bacterianas, rentas de familias, ventas…
Chi-cuadrado 2n parámetro n: grados de libertad
densidad
media: n varianza: 2n
La distribución es una .
Aparece como la distribución de una suma de cuadrados de variables normales.
Es la distribución de la varianza muestral en el muestreo de la Normal.
Aparece también en los test de ajuste...
Regístrate para leer el documento completo.