INFO INICIATIVA

INFOGRAFIA DISTRIBUCIONES

DISTRIBUCIÓN NORMAL

La distribución normal, también conocida como distribución gaussiana, es una distribución de probabilidad continua que se utiliza para modelar una gran variedad de fenómenos naturales y sociales. Se caracteriza por tener una forma de campana simétrica alrededor de su media, lo que significa que la mayoría de las observaciones se concentran alrededor de este valor central.

COMPARACIÓN DE MODELOS

Es el planteamiento de una expresión matemática que representa el comportamiento general de la población bajo estudio, teniendo en cuenta el diseño experimental establecido y el objetivo u objetivos que se desean verificar. Por lo regular estos planteamientos inician con la recogida de datos en base a teorías o hipótesis que se desean verificar. Es allí donde se busca el mejor modelo que se ajuste a los datos disponibles para que proporcione resultados fiables. Tipos de modelos: • Modelos Lineales (LM), que engloban los modelos de regresión, los modelos ANOVA y los modelos ANCOVA. • Modelos Lineales Generalizados (GLM), que engloba los modelos de respuesta binomial (modelos de regresión logística), modelos de respuesta poisson, modelos para tablas de contingencia (modelos log-lineales), y modelos de supervivencia.

Distribución Binomial

Es una distribución discreta que nos dice el porcentaje en que es probable obtener un resultado entre dos posibles al realizar un número n de pruebas. Tomando en consideración que la probabilidad de cada posibilidad no puede ser más grande que 1 y tampoco puede ser negativa. En la distribución binomial tenemos tres variables: n es el número de veces o ensayos que repetimos el experimento. p es uno de los dos resultados al que llamaremos probabilidad de éxito. q es el otro resultado posible al que llamaremos probabilidad de fracaso. x números de éxitos En las variables p y q son los dos únicos resultados posibles, entre los dos su porcentaje debe sumar 1 por lo que p=1-q.

loremipsumdolor.com

La distribución de Poisson es una distribución de probabilidad discreta que describe el número de eventos que ocurren en un intervalo de tiempo o espacio específico, cuando la tasa promedio de ocurrencia es conocida y constante. Esta distribución es muy útil para modelar eventos raros o aleatorios, como el número de llamadas telefónicas que recibe un centro de atención al cliente en una hora determinada, el número de accidentes de tráfico en una calle en un día determinado, o el número de partículas radiactivas emitidas por una fuente en un intervalo de tiempo.

distribución de poisson

T de student

Es una prueba distribución probabilística, que se utiliza para estimar cuál es la media de una población con una muestra pequeña normalmente distribuida, menor de 30; para aplicarla, se necesita una distribución normal de los datos, ya que esta prueba estadística es una prueba paramétrica y se utiliza cuando se desconoce la desviación estándar poblacional. Para realizar esta prueba se necesita una distribución normal de los datos, ya que esta prueba estadística es una prueba paramétrica y se utiliza cuando se desconoce la desviación estándar poblacional debido a que si se conociera este dato estadístico en vez de utilizar esta prueba se utilizaría la distribución normal para pruebas de hipótesis.

Chi cuadrada

Chi cuadrada Es un procedimiento estadístico utilizado para determinar si existe una diferencia significativa entre los resultados esperados y los observados en una o más categorías. Se trata de una prueba no paramétrica que es utilizada por los investigadores para examinar las diferencias entre variables categóricas en la misma población. También puede utilizarse para validar o proporcionar un contexto adicional para las frecuencias observadas. La prueba de chi-cuadrado, también conocida como Chi-Cuadrado de Pearson o prueba exacta de Fisher, es uno de los métodos utilizados para probar una hipótesis en una investigación. La idea básica de la prueba es que se comparan los valores de los datos reales con lo que se esperaría si la hipótesis nula fuera cierta. De esta forma, se busca determinar si una diferencia entre los datos observados y los esperados se debe al azar, o si se debe a una relación entre las variables que se están estudiando. Para la realización de la prueba chi cuadra se deben seguir los siguientes pasos: 1. Identificación de las variables que se desean asociar. 2. Identificar los tipos de variables que se desean asociar (nominales u ordinales). En este caso, pueden ser dos variables nominales, al menos una de ellas nominal, y dos variables ordinales. 3. Establecer el tipo de relación que se desea realizar. En este sentido hay dos manera en que se pueden relacionar las variables que son: • Medidas de simetría. Miden la relación de variables. • Medidas de la direccionalidad. Mide la relación de dependencia entre dos variables (una dependiente y otra independiente). En el caso de al menos una variable nominal se puede medir la intensidad de la relación. Mientras que si son dos variables ordinales, se puede medir la intensidad de la relación y la direccionalidad de esta. 4. Identificar el tipo de prueba que se debe realizar. • Si es una medida simétrica. • Si es una medida de direccionalidad.

distribución f

Distribución F (Anova) (Actividades de comprensión) Se considera un modelo estadístico que se utiliza para estudiar las varianzas de dos poblaciones independientes. Es utilizado principalmente en el análisis de varianza, una técnica estadística desarrollada por el estadístico inglés Fisher. Al igual que otras distribuciones, la distribución F presenta características y propiedades específicas. La distribución F sirve para demostrar las variaciones de una población. Más específicamente, se usa una distribución F cuando se busca estudiar la razón de las varianzas de dos poblaciones distribuidas normalmente. Asimismo, este tipo de distribución también se utiliza en un análisis de varianza de un factor (ANOVA). El análisis de varianza se encarga de comparar la variación entre varios grupos o poblaciones y la variación que hay dentro de cada una de ellas. Para lograrlo, se usa una proporción de variaciones. La distribución F permite analizar la relación entre las varianzas.