calculo deprobabilidades

DISTRIBUCIONES DE PROBABILIDAD
CÁLCULO DE PROBABILIDADES
Conceptos generales: Uno de los objetivos de la estadística es el conocimiento cuantitativo de una determinada parcela de la realidad. Para ello, es necesario construir un modelo de esta realidad particular objeto de estudio, partiendo de la premisa de que lo real es siempre más complejo y multiforme que cualquier modelo que se puedaconstruir.
En la práctica hay unas cuantas leyes de probabilidad teóricas, como son, por ejemplo, la ley binomial o la de Poisson (para variables discretas) o la ley normal( para variables continuas) que sirven de modelo para representar las distribuciones empíricas más frecuentes. Así, por ejemplo, la variable “talla de un recién nacido” puede tener valores entre 47 cm y 53cm, pero no todos losvalores tienen la misma probabilidad, porque las más frecuentes son las tallas próximas a los 50 cm.
DISTRIBUCIONES DISCRETAS
Las distribuciones discretas incluidas en el módulo de “Cálculo de probabilidades” son:  Uniforme discreta  Geométrica  Binomial  Binomial Negativa  Hipergeométrica  Poisson Distribución Uniforme discreta (a ,b)Describe el comportamiento de una variable discretaque puede tomar n valores distintos con la misma probabilidad cada uno de ellos. Un caso particular de esta distribución, , ocurre cuando los valores son enteros consecutivos. Esta distribución asigna igual probabilidad a todos los valores enteros entre el límite inferior y el límite superior que definen el recorrido de la variable. Si la variable puede tomar valores entre a y b, debe ocurrir que bsea mayor que a, y la variable toma los valores enteros empezando por a, a+1, a+2, etc. hasta el valor máximo b. Por ejemplo, cuando se observa el número obtenido tras el lanzamiento de un dado perfecto, los valores posibles .
10. Distribución Poisson (lambda)La distribución de Poisson, que debe su nombre al matemático francés Simeón Denis Poisson(1781-1840), ya había sido introducida en 1718 porAbraham De Moivre como una forma límite de la distribución binomial que surge cuando se observa un evento raro después de unnúmero grande de repeticiones10. En general, la distribución de Poisson se puede utilizarcomo una aproximación de la binomial, Bin(n, p), si el número de pruebas n es grande, perola probabilidad de éxito p es pequeña; una regla es que la aproximación Poisson-binomiales“buena” si n≥20 y p≤0,05 y “muy buena” si n≥100 y p≤0,01.La distribución de Poisson también surge cuando un evento o suceso “raro” ocurrealeatoriamente en el espacio o el tiempo. La variable asociada es el número de ocurrenciasdel evento en un intervalo o espacio continuo, por tanto, es una variable aleatoria discretaque toma valores enteros de 0 en adelante (0, 1, 2,...). Así, el número de pacientes quellegan aun consultorio en un lapso dado, el número de llamadas que recibe un servicio de atención aurgencias durante 1 hora, el número de células anormales en una superficie histológica o elnúmero de glóbulos blancos en un milímetro cúbico de sangre son ejemplos de variables quesiguen una distribución de Poisson. En general, es una distribución muy utilizada endiversas áreas de la investigaciónmédica y, en particular, en epidemiología.El concepto de evento “raro” o poco frecuente debe ser entendido en el sentido de que laprobabilidad de observar k eventos decrece rápidamente a medida que k aumenta.Supóngase, por ejemplo, que el número de reacciones adversas tras la administración de unfármaco sigue una distribución de Poisson de media lambda=2. Si se administra este fármaco a
Larelación entre variables nominales se puede evaluar empleando un diseño de una tabla de contingencia que emplea como estadístico de prueba a la distribución de Chi cuadrada.En este caso lo que emplearemos es la medición de las frecuencias de cada una de las categorías a evaluar ( frecuencias observadas) y las compararemos con las frecuencias teóricas o esperadas, y de este modo evaluar si las...