Esta distribución continua se caracteriza por se igualmente probable cualquier valor del intervalo. Es ampliamente utilizada para contribuciones de incertidumbres tipo B en las cuales se conocen únicamente las cotas mayor y menor del intervalo, por ejemplo en la división o resolución de un instrumento digital. En muchos caso tambien puede asignarse esta distribución cuando se tiene poca información sobre la variable aleatoria, en datos de bibliografía o cuando no se conoce el factor de cobertura de una incertidumbre,
La fórmula general de esta distribución está definida para todos los valores de x para los cuales A ≤ x ≤ B, de acuerdo a la ecuación:
Parametros de entrada:
- Media. Valor medio, de la variable aleatoria.
- Semi intervalo. Corresponde a la mitad del intervalo al cual se aplica esta distribución, esto es (B-A)/2, siendo A y B, las cotas superior e inferior del intervalo. Si esta función es aplicada a la incertidumbre por resolución de un instrumento digital, este parámetro corresponderá a la mitad de la división menor (d/2). En ocasiones también se aplica a instrumentos análogos tomando la apreciación (o estimación <e>) como si fuera una division estimativa, más alla de la cual no se tiene información. En este caso el semi intervalo será e/2.
Más Ayuda
- Distribución Normal (Gaussiana)
- Distribución Rectangular (Uniforme)
- Distribución Triangular
- Constante
Esta distribución es la que más frecuentemennte se encuentra representando eventos naturales y sociales. Gran parte de las pruebas de la estadística clásica, así como de la estimación de incertidumbres se apoyan en la suposición que los datos se ajustan a una distribución normal. Desde la perspectiva teórica, el Teorema del Límite Central sostiene que dada una muestra aleatoria de tamaño suficientemente, grande se observará que la distribución de medias sigue una distribución aproximadamente normal. La fórmula general de esta distribución es:
Esta distribución representa a variables aleatorias cuyos logaritmos estan distribuídos de acuerdo a una distribución normal. La distribución lognormal toma diferentes formas según sea el valor de su parámetro de escala y es de uso frecuente en fiabilidad de productos de alta tecnología y también en conteos microbiológicos ya que se basa en el modelo de crecimiento multiplicativo.
Esta distribución de probabilidad continua en el campo de los reales positivos, está íntimamente relacionada con la distribución Normal, por ejemplo, es la distribución muestral de σ². La distribución Xi (o Chi) Cuadrado queda definida con un único parámetro que son los grados de libertad. La función siempre es asimétrica y sesgada a la derecha. Esta distribución se utiliza muy frecuentemente en diversas ramas de la ciencia ya que permite analizar conjuntos de datos y determinar si la diferencia entre ellos es debida al azar (hipótesis nula) o a otro factor externo.
Esta distribución es una función continua en el dominio de los números reales positivos, utilizada frecuentemente en economía, meteorología y telecomunicaciones, además de otras aplicaciones específicas, como por ejemplo la tasa de confiabilidad o la sobrevida de organismos o maquinas. Las variables aleatorias que poseen distribución de Weibull modelan la distribución de fallos en sistemas cuando la relacion de fallos se relaciona proporcionalmente a una potencia de tiempo. Esta distribución queda definida a partir de un parámetro de Forma (> 0) característico que indicaría la tasa de fallos, de modo que si la tasa de fallos decrece, es constante o aumenta con el tiempo ya sea si el parámetro k es menor, igual o mayor que 1.
La distribución de Cauchy tiene la particularidad de ser del tipo de distribuciones de forma gaussiana, sin embargo tiene el pico más alto y las colas se descomponen muy lentamente. Si bien MCM Alchimia genera adecuadamente los pseudoaleatorios para esta distribución, el gráfico de resultados se verá como un pico aislado ya que el eje de abscisas del mismo se toma en el intervalo de 99% de probabilidad de cobertura. Al ser tan gradual la descomposición de las colas se hace muy estrecho en apariencia el intervalo de probabilidades significativas.
La distribución de Von Mises es una función continua de las llamadas circulares, es decir, que están definidas para los reales en el intervalo de 0 a 2π. Esta función es actualmente usada preferentemente en el campo de la epidemiología para describir la propagación de enfermedades o en aplicación tecnológicas como el procesamiento de señales. La distribución Von Mises también es conocida como circular normal ya que es similar a la gaussiana, pero restringida al plano circular.
La distribución NegBinomial es también una distribución discreta, definida en el dominio de los enteros positivos. Es similar a la binomial excepto que el parámetro n refiere a eventos inexitosos y no totales. Dicho de otra forma, una variable aleatoria con distribución NegBinomial, de parámetros n y p representa la cantidad de éxitos cuya probabilidad es p, que se logran en una secuencia de n ensayos fallidos. Los parámetros por medio de los cuales se define esta distribuición tienen la misma forma que los que representan la distribución Binomial, aunque, como dijimos el parámetro n representa una cualidad diferente.
Ésta es una distribución discreta cuyo dominio es el conjunto de los enteros positivos, que representa la cantidad de éxitos que logran en una secuencia de n ensayos. Estos ensayos deben ser de característica dicotómica, esto es, solo ofrecen como resultado dos posibilidades (éxito y fracaso) y tener una probabilidad de éxito definida p.
La distribución de Poisson es una distribución discreta definida para el dominio de los números enteros mayores que cero. Se utiliza mayormente para representar la probabilidad de que un número determinado de eventos ocurra en un período de tiempo, una distancia definida, área, volumen, etc.,