DISTRIBUCION MULTINOMIAL
Características:
Al llevar a cabo un experimento con esta distribución se esperan más de dos tipos de resultados.
Las probabilidades asociadas a cada uno de los resultados son constantes.
Cada uno de los ensayos o repeticiones del experimento son independientes.
El número de repeticiones del experimento, n es constante.
DISTRIBUCCION HIPERGEOMETRICA
Los experimentos que tienen este tipo de distribución tienen las siguientes características:
Al realizar un experimento con este tipo de distribución, se esperan dos tipos de resultados.
Las probabilidades asociadas a cada uno de los resultados no son constantes.
Cada ensayo o repetición del experimento no es independiente de los demás.
El número de repeticiones del experimento (n) es constante.
DISTRIBUCIÓN DE POISSON
Características:
En este tipo de experimentos los éxitos buscados son expresados por unidad de área, tiempo, pieza, etc, etc,:
- N. de defectos de una tela por m2
- N. de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc, etc.
- N. de bacterias por cm2 de cultivo
- N. de llamadas telefónicas a un conmutador por hora, minuto, etc, etc.
- N. de llegadas de embarcaciones a un puerto por día, mes, etc, etc.
Para determinar la probabilidad de que ocurran x éxitos por unidad de tiempo, área, o producto, la fórmula a utilizar sería:
donde:
p(x, l) = probabilidad de que ocurran x éxitos, cuando el número promedio de ocurrencia de ellos es l
l = media o promedio de éxitos por unidad de tiempo, área o producto
e = 2.718
x = variable que nos denota el número de éxitos que se desea que ocurra
DISTRIBUCIÓN EXPONENCIAL
la distribución exponencial es una distribución de probabilidad continua con un parámetro λ > 0 cuya función de densidad es:
Su función de distribución es:
Donde e representa el número e.
El valor esperado y la varianza de una variable aleatoria X con distribución exponencial son:
DISTRIBUCIÓN NORMAL
es aquella que con más frecuencia aparece en fenómenos reales. La grafica de su funcion de densidad tiene una forma acampanada y es simétrica respecto de un determinado parametro. Esta curva se conoce como campana de gauus.
La importancia de esta distribución radica en que permite modelar numerosos fenómenos naturales, sociales y psicológicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de fenómenos son desconocidos, por la enorme cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada observación se obtiene como la suma de unas pocas causas independientes.
