Distribucin de probabilidad: es una lista de todos los resultados posibles de un experimento y sus probabilidadesCaractersticas de una distribucin de probabilidad 1.

La probabilidad de un resultado es particular se encuentra entre 0 y 1 , 0<= pi <= 1 2. Los resultados son eventos numricos 3. La suma de las posibilidades asociadas a los diferentes resultados es 1 ( p1 + p2 + ...+pn = 1) Variables aleatorias: es la cantidad resultante de un experimento , la cual puede asumir diferentes valores.

Discreta: (# enteros,) generalmente es el resultado de un conteo Continua: (# infinito de valores en un intervalo), generalmente es el de alguna medida

Distribucin discreta: es aquella en las que se tiene un nmero limitado de valores (graficas de barras)

Binomial Hipergeometrica Poisson Multinomial

Distribucin continua: son aquellas en las que los valores de estudio pueden tomar cualquier valor dentro de los lmites

Uniforme Exponencial Normal

Funcin de probabilidad: se llama funcin de probabilidad de una variable aleatoria discreta X a la aplicacin que asocia a cada valor de xi de la variable a su probabilidad pi. Es el conjunto de pares ordenados (x, f(x)), tambin se conoce como funcin de masa de probabilidad y distribucin d probabilidad Espacio muestral discreto: Si un espacio muestral (E) contiene un numero infinito de posibilidades a una serie interminable de elementos Funcin de distribucin: sea X una variable aleatoria discreta cuyos valores se ordenan de menor a mayor, F(x) = p(x<=xi) La F(x) asocia a cada valor d la variable aleatoria la probabilidad acumulada hasta ese valor Media: representa el valor tpico usado para representar la localizacin central de una distribucin de probabilidad (valor esperado). Tambin se conoce como esperanza matemtica Varianza: mide el monto de la amplitud de la distribucin Distribucin Binomial o de Bernoulli B(n,p) Propiedades

En cada prueba del experimento solo son posibles dos resultados: xito y fracaso La probabilidad de xito es constante, es decir, no varia de una prueba a otra El resultado obtenido es cada prueba es independiente de los dems resultados

Variable aleatoria binomial: representa el nmero de xitos obtenidos en cada prueba del experimento. Este tipo de variables es discreto( solo admite valores enteros) Distribucin normal [Gaussiana, curva de campana, curva de Mouvre] Una variable aleatoria continua X, si de una distribucin normal de Media, y desviacin tpica, se representa por N(M, desv. tip) si se cumplen las siguientes condiciones:

Puede tomar cualquier valor de los nmeros reales El rea bajo la curva y el eje de las x siempre vale 1 Es simtrica con respecto a la media Tiene un mximo en la media Los puntos de inflexin son: Media - desviacin tpica y Media + desviacin tpica El lado derecho respecto a la media y el lado izquierdo valen cada una 0.5 La probabilidad depende del rea del recinto ( campana de Gauss)

Distribucin de Poisson Es una distribucin de probabilidad discreta que aplica a las ocurrencias de algn suceso durante un intervalo especifico. El intervalo puede ser tiempo, distancia, rea volumen o alguna unidad similar. A menudo se utiliza para describir comportamientos que ocurren en raras ocasiones. Se utiliza en situaciones donde no se sabe el total de posibles resultados. Permite determinar la probabilidad de un suceso con resultados discretos. Es muy til cuando la muestra o segmento "n" es grande a la probabilidad de xito "p" es pequea. El nmero de resultados X que ocurre durante un experimento d Poisson se llama variable aleatoria de Poisson y su distribucin correspondiente se conoce como distribucin de Poisson. Esta variable aleatoria se representa por landa. Proceso Estocstico: toda variable que evoluciona a lo largo del tiempo de forma total o parcialmente aleatoria. A los posibles valores que pude tomar la variable aleatoria se le denomina estados, por lo que se puede tener un espacio de estados discreto o un espacio de estados continuo. Los procesos estocsticos se pueden clasificar en:

Tiempo discreto: cuando el valor d la variable solo puede cambiar en una serie de momentos determinado de tiempo. Tiempo continuo: cuando el valor de la variable puede cambiar en cualquier momento del tiempo

Otra forma de clasificacion

Variable continua: la variable puede tomar cualquier valor comprendido en un rango, por ejemplo la temperatura Variable discreta: la variable solo pude tomar determinados valores o estados discretos

Tiempo Discreto
Cambia en una serie de momentos

Tiempo Continuo
Cambia en cualquier momento

X Discreta
Toma valores determinados

X Continua
Puede tomar valor en un rango

Proceso de estado discreto y tiempo discreto (Cadena) Ejem: unidades producidos mensualmente de un producto Proceso de estado continuo y tiempo discreto. Ejem: toneladas de produccin diaria en un producto

Proceso de estado discreto y tiempo continuo (proceso de saltos puros ) Ejem: unidades producidas hasta el instante t Proceso de estado continuo y tiempo continuo ( proceso continuo) Ejem: velocidad de un vehculo en el instante t

Cadena: es un proceso estocstico en el cual el tiempo se mueve en forma discreta y la variable aleatoria solo toma valores discretos en el espacio de estados. Proceso de saltos: es un proceso en el cual los cambios de estados ocurren de forma aislada y aleatoria, pero la variable aleatoria solo toma valores discretos en el espacio de estados Proceso continuo: los cambios de estado se producen en cualquier instante y hacia cualquier estado dentro de un espacio continuo de estados Proceso estocstico estacionario: las propiedades estadsticas de esta variable son constantes durante largo periodo de tiempo Proceso estocstico no estacionario: el valor esperado puede crecer sin lmites, lo que implica tambin que la varianza va aumentando conforme aumenta el tiempo. Distribucin uniforme: este tipo de distribuciones consideran o contemplan un intervalo acotado [a,b]. Las probabilidades para todos los posibles resultados son los mismos desde a hasta b.