Mesas estadísticas avanzadas para la palma. Las tablas estadísticas avanzadas le permiten calcular el PDF, CDF y la CDF inversa de 12 distribuciones de probabilidad con ...
Descargar ahora

Mesas estadísticas avanzadas para la palma. Clasificación y resumen

Mesas estadísticas avanzadas para la palma. Etiquetas

inverso-DCT Texto inverso Inverso calcular la probabilidad distribuciones de probabilidad distribuidores bucle inverso Perspectiva inversa Cdf Problema inverso Funciones inversas

Mesas estadísticas avanzadas para la palma. Descripción

Descripción del producto: Las tablas estadísticas avanzadas brindan a los usuarios la oportunidad de calcular PDF, CDF y CDF inverso para obtener una variedad de distribuciones de probabilidad directamente en su dispositivo de palma, incluyendo normales (gaussian), t, f, chi-cuadrado, exponencial, beta, gamma, poisson , Binomial, Binomial Negativo, Geométrico e Hiperceométrico. Lo que establece las tablas estadísticas avanzadas de los programas similares es su interfaz de usuario intuitiva y su cálculo de CDF inverso que se usa ampliamente para la prueba de hipótesis. Además de respuestas rápidas y sólidas, una útil referencia rápida en los rangos de parámetros y las aplicaciones también está incrustada para cualquier persona que realice cálculos estadísticos. El rango de posibles aplicaciones de tablas estadísticas avanzadas es virtualmente ilimitada, como el diseño de experimentos, estadísticas de ingeniería, análisis financiero, bioestadismo, investigación clínica, cálculos de probabilidad para las loterías y operaciones de juego. Características: PDF, CDF y cálculos de CDF inversos para 12 distribuciones de probabilidad; Ayuda en línea integrada de rangos y aplicaciones de parámetros; Historial de cálculo; Teclado digital emergente conveniente; Lugares decimales configurables para los resultados del cálculo; Fuente griega incorporada, no necesita un archivo de fuente externo. Capturas de pantalla: Distribuciones apoyadas 1. Distribución continua. Distribución normal: la distribución normal, también llamada distribución gaussiana, es una familia importante de distribuciones de probabilidad continua, aplicable en muchos campos. Cada miembro de la familia puede definirse mediante dos parámetros, ubicación y escala: la media μ y la desviación estándar σ, respectivamente. La distribución normal estándar es la distribución normal con una media de cero y una varianza de una. T Distribución: la distribución T del estudiante es una distribución de probabilidad que surge en el problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño. Es la base de las pruebas t de los estudiantes populares para la importancia estadística de la diferencia entre dos medios de muestra, y para los intervalos de confianza para la diferencia entre dos medios de población. F DISTRIBUCIÓN: la DISTRIBUCIÓN F es una distribución sesgada a la derecha utilizada más comúnmente en el análisis de la varianza (es decir, ANOVA y MANOVA). La distribución F es una proporción de dos distribuciones de Chi-cuadrado divididas por su respectivo grado de libertad, y se denota una distribución de F específica por los grados de libertad para el numerador Chi-Square ν1 y los grados de libertad para el denominador Chi-Square Ν2. Distribución de Chi-Square: la distribución de Chi-Square es una de las distribuciones de probabilidad teórica más utilizada en estadísticas inferenciales, es decir, en las pruebas de significación estadística. La distribución de Chi-Square tiene un parámetro, sus grados de libertad ν. Tiene un sesgo positivo; El sesgo es menos con más grados de libertad. A medida que aumenta el grado de libertad, la distribución de Chi Square se acerca a una distribución normal. La media de una distribución de Chi-Square es su grado de libertad ν. Distribución de exponentioal: las distribuciones exponenciales son una clase de distribución continua de probabilidad. A menudo se utilizan para modelar el intervalo de tiempo entre eventos independientes que ocurren a una tasa promedio constante. La distribución exponencial es la única distribución aleatoria sin memoria continua. Distribución beta: la distribución beta surge de una transformación de la distribución F y se utiliza normalmente para modelar la distribución de las estadísticas de pedidos. Debido a que la distribución beta está limitada a ambos lados, a menudo se usa para representar procesos con límites naturales más bajos y superiores. Distribución gamma: la distribución gamma es una familia de dos parámetros de distribuciones de probabilidad continua. Tiene un parámetro de forma α y un parámetro de escala β. Si k es un número entero, la distribución representa la suma de las variables aleatorias distribuidas exponencialmente, cada una de las cuales ha significado β. 2. Distribución discreta Distribución de Poisson: la distribución de Poisson es una distribución de probabilidad discreta que expresa la probabilidad de que se produzcan una serie de eventos en un período de tiempo fijo si estos eventos ocurren con una tasa promedio conocida λ, y son independientes del tiempo desde el último evento. Distribución binomial: la distribución binomial es una distribución de probabilidad discreta que expresa el número de éxitos en una secuencia de n experimentos independientes de sí / no, cada uno de los cuales produce éxito con probabilidad p. Tal experimento Sí / No se llama un experimento Bernoulli o un ensayo Bernoulli. De hecho, cuando n = 1, la distribución binomial es una distribución de Bernoulli. Distribución negativa-binomial: la distribución negativa-binomial es una distribución de probabilidad discreta que expresa el número de ensayos necesarios para obtener r éxito. Cada uno de los ensayos independientes produce éxito con probabilidad p. Distribución geométrica: la distribución geométrica es una distribución de probabilidad discreta que expresa el número de ensayos de Bernoulli, con la probabilidad de éxito de P, necesaria para obtener un éxito. Distribución hipergeométrica: la distribución hipergeométrica es una distribución de probabilidad discreta. Supongamos que una población o recolección consiste en un número finito de artículos, digamos N, y hay m los elementos de tipo 1 y los elementos restantes de NM son de tipo 2. Supongamos que los elementos n se dibujan al azar sin reemplazo, y denote x el número. de artículos de tipo 1 que se dibujan. Luego x sigue la distribución hipereométrica.

Mesas estadísticas avanzadas para la palma. Software relacionado