FORMAS DE REPRESENTAR GRÁFICAMENTE DISTRIBUCIONES DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

• Función de distribución acumulada

La función de distribución acumulada (CDF) calcula la probabilidad acumulada para un valor dado de x. Utilice la CDF para determinar la probabilidad de que una observación aleatoria que se tome de la población sea menor que o igual a cierto valor. También puede usar esta información para determinar la probabilidad de que una observación sea mayor que cierto valor o se encuentre entre dos valores.

Para distribuciones discretas, la CDF proporciona la probabilidad acumulada para los valores de x que usted especifique.

• Probabilidad acumulada inversa

Para un número p en el intervalo cerrado [0,1], la función de distribución acumulada inversa (ICDF) de una variable X aleatoria determina, donde sea posible, un valor de x tal que la probabilidad de X ≤ x sea mayor que o igual a p.

• La ICDF para distribuciones discretas

La ICDF es más complicada para las distribuciones discretas que para las distribuciones continuas. Cuando usted calcula la CDF para una binomial con, por ejemplo, n = 5 y p = 0.4, no hay un valor de x tal que la CDF sea 0.5. Para x = 1, la CDF es 0.3370. Para x = 2, la CDF aumenta a 0.6826.

Cuando la ICDF se muestra en la ventana Sesión (es decir, los resultados no están almacenados), se muestran ambos valores de x. Cuando la ICDF se almacena, se almacena el mayor de los dos valores.

• Función de densidad de probabilidad

La función de densidad de probabilidad (PDF) de una variable aleatoria, X, permite calcular la probabilidad de un evento de la siguiente manera:

• Para las distribuciones discretas, la probabilidad de que X tenga valores en un intervalo (a, b) es exactamente la suma de la PDF (también denominada función de masa de probabilidad) de los posibles valores discretos de X en (a, b).

MAPA COGNITIVO DE LAS FORMAS DE REPRESENTAR GRÁFICAMENTE LA DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS