1. 1. Edwin Mogolln Escalona C.I :20499564
2. 2. En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de variable continua que con ms frecuencia aparece aproximada en fenmenos reales. La funcin de distribucin de la distribucin normal est definida como sigue:
3. 3. Aplicaciones: La importancia de esta distribucin radica en que permite modelar numerosos fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de fenmenos son desconocidos, por la enorme cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada observacin se obtiene como la suma de unas pocas causas independientes.
4. 4. En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo.
5. 5. La distribucin t de Student es la distribucin de probabilidad del cociente donde Z tiene una lateral de media nula y mediana 1 x tiene una distribucin bilateral con grados de confianza o y z son independientes Si es una constante no nula, el cociente es una variable aleatoria que . sigue la distribucin t de Student no central con parmetro de no-centralidad .
6. 6. Usada en teora de probabilidad y estadstica, la distribucin F es una distribucin de probabilidad continua. Tambin se le conoce como distribucin F de Snedecor (por George Snedecor) o como distribucin F de Fisher- Snedecor. Una variable aleatoria de distribucin F se construye como el siguiente cociente: U1 y U2 siguen una distribucin chi-cuadrado con d1 y d2 grados de libertad respectivamente, y U1 y U2 son estadsticamente independientes.
7. 7. La distribucin F aparece frecuentemente como la distribucin nula de una prueba Aplicacin: Es utilizado para probar diferencias entre 2 o mas varianzas de poblaciones con distribucin normal
8. 8. En estadstica, la distribucin de Pearson, llamada tambin ji cuadrado o chi cuadrado () es una distribucin de probabilidad continua con un parmetro K que representa los grados de libertad de la variable aleatoria Donde Z son variables . aleatorias normales independientes de media cero y varianza uno. El que la variable X aleatoria tenga esta distribucin se representa habitualmente as:
9. 9. Aplicaciones: La distribucin tiene muchas aplicaciones en inferencia estadstica. La ms conocida es la de la denominada prueba utilizada como prueba de independencia y como prueba de bondad de ajuste y en la estimacin de varianzas. Pero tambin est involucrada en el problema de estimar la media de una poblacin normalmente distribuida y en el problema de estimar la pendiente de una recta de regresin lineal, a travs de su papel en la distribucin t de Student. Aparece tambin en todos los problemas de anlisis de varianza por su relacin con la distribucin F de Snedecor, que es la distribucin del cociente de dos variables aleatorias independientes con distribucin .
10. 10. En estadstica la distribucin gamma es una distribucin de probabilidad continua con dos parmetros __y__ cuya funcin de densidad para valores ______ es:_______________ Aqu e es el nmero e y es la funcin gamma. El valor esperado y la varianza de una variable aleatoria X de distribucin gamma son
11. 11. Aplicacin: Los tiempos que tardan en revisar un motor de un automvil avin tienen una distribucin de frecuencias sesgadas. Las poblaciones asociadas a estas variables aleatorias frecuentemente tienen distribuciones que se pueden modelar adecuadamente por la funcin de densidad tipo gamma.
12. 12. La distribucin de probabilidad beta es una funcin de densidad con dos parmetros definida en el intervalo cerrado 0