DISTRIBUCION DE PROBABILIDADES

INTEGRANTES GRUPO #5:
BROWN CASTELO KERLLY NINOSKA
PIN PEZO JORGE VICENTE
CARBO MACIAS KERLYN JULIETTE
HURTADO ANA
Contenido
Contenido 1
INTRODUCCION 1
CAPITULO I 1
1. Concepto de función de distribución 1
2. DISTRIBUCIONES DISCRETAS 1
2.1 Distribución Uniforme discreta 1
ALEATORIO 1
ALEATORIOS EN UN INTERVALO 1
Factor de escala 1
TRASLACIÓN 1
PARTE ENTERA 1ALEATORIO.ENTRE 1
LA MEDIA Y LA VARIANZA DE LAS DISTRIBUCIONES DISCRETAS 1
2.2 Distribución Binomial 1
EJEMPLOS 1
2.3 DISTRIBUCION HIPERGEOMETRICA 1
EJEMPLOS 1
2.4 DISTRIBUCION GEOMETRICA 1
EJEMPLOS 1
CAPITULO II 1
3. DISTRIBUCIONES CONTINUAS 1
3.1. Distribución Uniforme (a,b) 1
3.2 Distribución Normal (Mu, Sigma) 1
3.3 Distribución Lognormal (Mu, Sigma) 1
3.4 Distribución Logística (a, b) 13.5 Distribución Beta (p,q) 1
3.6 Distribución Gamma 1
3.7 Distribución exponencial 1
3.8 Distribución Ji-cuadrado (n) 1
3.9 Distribución t de Student (n) 1
3.10 Distribución F de Snedecor (n,m) 1

INTRODUCCION
La distribución de frecuencias es uno de los primeros pasos que debemos realizar al inicio del análisis estadístico, conjuntamente con la aplicación de las medidas descriptivas,y refleja cómo se reparten los individuos de una muestra según los valores de una variable. Cuando se trata de poblaciones, la probabili-dad de observar los diferentes valores de una variable aleatoria pueden expresarse como una función de probabilidad. La mayoría de los fenómenos de interés en investigación científica, como pueden ser la talla y la presión arterial, siguen unas leyes odistribuciones de probabilidad teóricas, especificadas mate-máticamente en las que se basan la mayoría de los métodos estadísticos. La distribución más conocida es la distribución Normal o de Gauss.
Muchos de los procedimientos estadísticos habitualmente utilizados asumen la normalidad delos datos observados. Aunque muchas de estas técnicas no son demasiado sensibles a desviaciones de la distribuciónnormal, y en general esta hipótesis puede obviarse cuando se dispone de un número suficiente de datos (teorema central del límite), resulta recomendable contrastar si se puede asumir o no una distribución Normal.
Para decidir si nuestra muestra procede o no de una distribución normal existen gráficos (gráficos P-P y Q-Q) y contrastes de hipótesis (test de Kolmogorov-Smirnov) que puedenayudarnos. Cuando los datos no son nor-males pueden transformarse o emplearse otros métodos estadísticos que no exijan este tipo de restricciones, llamados los métodos no paramétricos


CAPITULO I
Concepto de función de distribución
Siempre que se quiera realizar un estudio, debemos medir la(s) variable(s) que caracterizan los resultados del mismo. Tales variables se conocen como variablesaleatorias
Decimos que una variable es continua si puede tomar cualquier valor en un intervalo conocido (por ejemplo, TAS) y es discreta si sólo puede tomar algunos valores (respuesta completa, respuesta parcial, enferme-dad estable).Imaginemos que obtenemos una muestra de los valores de TAS de 100 pacientes; si los agrupáramos en pequeños grupos de igual rango de valores de presiónarterial, es decir, un grupo cada 5 mm Hg y contásemos cuántos hay encada grupo, podríamos dibujar un gráfico o histograma como el que se muestra en la Figura 29. Si cada vez hiciéramos los intervalos más estrechos, así como también aumentáramos el tamaño de muestra veríamos que el histograma tiende a estabilizarse llegando a convertirse su perfil en la gráfica de una función. De esta forma, lasdistribuciones de probabilidad de variables continuas se definen mediante una función y=f(x) llamada función de probabilidad o función de densidad y asocia valores de una variable aleatoria con sus respectivas probabilidades.
Ejemplo 1: Probabilidad de salir cara al lanzar una moneda al aire:
Probabilidad de que salga cara: p = 0,5
Probabilidad de que no salga cara: q = 0,5
p + q = 0,5 + 0,5 = 1...