probabilidad y estadistica






Investigación y ejemplos de modelos discretos y continuos.

2“A”

Probabilidad y estadística.

Ebelin Carina Vázquez C.

Integrantes:

F. Sherlin Roa Calderón.

Estefanía Toledo Yáñez.

15-07-2013.









Índice










Introducción.

Esta investigación nos habla acerca de los modelos de la probabilidad que son el modelo discreto y continuo;contiene definiciones de las diferentes distribuciones del modelo discreto así como ejemplos, el modelo continuo y su definición con sus ejemplos.
Problema y justificación.

Los problemas que se pusieron como ejemplos fueron el resultado de la investigación que se realizó y el entendimiento que se le dio al tema.
Objetivo.

Conocer, aprender y saber localizar la variable continua y discretaen el planteamiento de un problema
Modelos de probabilidad.

La distribución de probabilidad queda definida y se caracteriza por:
La especificación de la variable aleatoria y su campo de variación.
La especificación de su asignación de probabilidades, mediante la función de la distribución.
Si un conjunto dado de distribuciones tiene sus funciones de distribución con la misma estructurafuncional, diremos que pertenece a la misma familia de distribuciones, al mismo modelo de probabilidad o a la misma distribución-tipo.
La estructura matemática de las funciones de definición que caracterizan un modelo de probabilidad suelen depender de uno o más parámetros. Estos parámetros son los parámetros de la distribución, y tienen una importancia fundamental, en Estadística matemática ysobre todo en inferencia estadística.
Muchos modelos de probabilidad pueden establecerse teóricamente sin necesidad de recurrir a un sistema de aleatorización racional. En muchos casos resulta conveniente definir los modelos de probabilidad recurriendo a un claro sistema de aleatorización sobre determinado tipo de fenómeno aleatorio, procediendo de esta manera podremos disponer de un sistemapara identificar el modelo a aplicar en un gran número de situaciones prácticas semejantes.
El procedimiento es sencillo: primero haremos una clasificación de los fenómenos aleatorios de más fácil determinación, después determinaremos algunas aleatorizaciones que nos generan variables aleatorias cargadas de gran significado práctico y por último , obtendremos la estructura funcional de lasfunciones de definición de su distribución , partiendo para ello de la probabilidad inducida para la variable por el fenómeno aleatorio.
Nos apoyamos, en el concepto de proceso experimental para definir muchos de los modelos de probabilidad que vamos a estudiar.
Un proceso experimental es el conjunto de características que rigen la realización de un determinado fenómeno aleatorio. Unproceso quedará definido por una serie de características o hipótesis que puedan aplicarse a cierta categoría de experimentos o experiencias en las que participa el azar. Cada proceso dará cuenta de un conjunto de fenómenos similares que se producen con las mismas características o bajo las mismas hipótesis.

A partir de las características del fenómeno que analicemos podremos, identificandola variable aleatoria que nos interesa, estudiar y determinar la estructura matemática de su distribución. Podremos agrupar los modelos de probabilidad a aplicar.
Modelos discretos.

Los modelos discretos, son modelos de probabilidad de variable aleatoria discreta. Los más importantes son los modelos de BERNOUILLI (especialmente "la distribución binomial") y la "distribución de Poisson".DISTRIBUCIÓN DICOTÓMICA. (Bernoulli)

La distribución de Bernoulli (o distribución dicotómica), nombrada así por el matemático y científico suizo Jakob Bernoulli, es una distribución de probabilidad discreta, que toma valor 1 para la probabilidad de éxito (p) y valor 0 para la probabilidad de fracaso (q = 1 − p).
Si X es una variable aleatoria que mide "número de éxitos", y se realiza un único...