Distribuciones continuas

Nivel UniversitarioDificultad ★★★★★Concepto⌖ Ver en el mapa

¿Qué es?

Las de batalla: uniforme (generadores de números aleatorios), exponencial (tiempos de espera, sin memoria), normal (sumas de muchos efectos pequeños, por el teorema central del límite) y sus versiones multivariantes.

Fórmulas

𝒰(a,b):1b−a,Exp⁡(λ):λe−λx,𝒩(μ,σ2):1σ2πe−(x−μ)2/2σ2\mathcal U(a,b): \tfrac{1}{b-a}, \qquad \operatorname{Exp}(\lambda): \lambda e^{-\lambda x}, \qquad \mathcal N(\mu,\sigma^2): \tfrac{1}{\sigma\sqrt{2\pi}}e^{-(x-\mu)^2/2\sigma^2}
XˉN−μσ/N→ d 𝒩(0,1)\frac{\bar X_N - \mu}{\sigma/\sqrt N} \xrightarrow{\ d\ } \mathcal N(0,1)
teorema central del límite

Aplicaciones en informática

  • Teoría de colas y rendimiento★★★★★fundamentalOptimización y sistemas

    Las llegadas de Poisson tienen tiempos entre llegadas exponenciales: la base de los modelos M/M/1 de servidores.

  • Filtro de Kalman★★★★★fundamentalRobótica y control

    Las hipótesis de ruido gaussiano hacen que el filtro de Kalman sea óptimo y de forma cerrada.

Dónde aparece en IA

  • Modelos generativos★★★★★frecuenteIA y machine learning

    Los modelos de difusión añaden ruido gaussiano; los VAE usan variables latentes gaussianas.

¿Dónde se utiliza?

Temas de informática a los que se llega desde aquí, con la cadena de ideas que lleva a ellos:

Esta página tiene lo esencial. Un desarrollo más completo (intuición, definición formal, ejemplo resuelto) está en camino.

↑ ↓ para navegar · ↵ · Esc