¿Qué es un procedimiento experimental?

El proceso experimental es un grupo de características que controlan la realización de un determinado fenómeno aleatorio. Un proceso estará definido por una serie de características o hipótesis que se pueden aplicar a un tipo específico de experimento o experiencia en la que participa la oportunidad. Cada proceso ilustrará un conjunto de fenómenos similares que ocurren con las mismas características o los mismos supuestos.

A partir de las características del fenómeno que estamos analizando (del proceso experimental en cuestión), podremos determinar la variable aleatoria de interés, estudiar y determinar la estructura matemática de su distribución, y poder agrupar probabilidades en modelos adecuados.

.

Clasificación de procedimientos experimentales.

.

Podemos dividir el proceso experimental en tres categorías en detalle:

  1. Proceso experimental puro
  2. Proceso de observación experimental
  3. Proceso experimental de selección o extracción aleatoria.

Considere el cuarto grupo, que involucra cualquiera de los procesos experimentales de "salto al límite" anteriores. Cuando las características del fenómeno en consideración tienen un valor tan alto que pueden considerarse infinitas, nos llaman lo que podemos llamar Para el proceso de distribución normal de Gauss, para conmemorar a los investigadores de la distribución normal, porque los modelos o distribuciones de otros procesos tienden a converger a este tipo de "salto al límite" debido a esta distribución o modelo.

Un proceso puramente experimental se refiere a un proceso en el que la ejecución de una prueba o experimento se considera una o más veces. Cada prueba realizada puede traernos una cierta cantidad de posibles resultados, que solo pueden ser dos resultados complementarios: éxito o fracaso.

Cada resultado tiene la posibilidad de suceder. Según las características de estas probabilidades (constantes o no constantes a lo largo del proceso), el número de pruebas (una, múltiples o inciertas), lo más importante es la aleatoriedad que consideremos, que dependerá de los requisitos del experimento. Se pueden derivar diferentes distribuciones de probabilidad.

Cuando cada prueba solo puede dar uno de dos resultados posibles (éxito o fracaso), generalmente se le llama la experiencia de Bernoulli. Para conmemorar a este autor, podemos llamar a todos estos procesos (independientemente de si sus pruebas tienen solo dos resultados posibles) como procesos de Bernoulli.

Del proceso de Bernoulli podemos derivar la distribución de variables discretas muy importantes, como bivariadas, binomiales, geométricas, binomiales negativas, hipergeométricas, hipergeométricas negativas, polinomiales o hipergeométricas. La naturaleza de la prueba se puede inferir de la naturaleza de la prueba (dos o más resultados). Probabilidad (si es constante) y el número de pruebas; por supuesto, la aleatorización dependerá de nuestros intereses reales.

El proceso de observación experimental implica observar condiciones y fenómenos naturales (o en términos más generales, la realidad) mientras se espera que ocurra un evento durante un período o período de tiempo experimental específico. Intervalo de tiempo o intervalo).

El evento en estudio puede ocurrir o no, por lo que es imposible lograrlo desde el control causal, es decir, es aleatorio. De manera similar, durante el experimento, es posible que el evento no ocurra una o más veces. Ejemplos de este tipo de eventos serían accidentes o desencadenantes de fallas, llamadas telefónicas, reclamos, clientes que llegan a la oficina, etc.

Es importante distinguir entre un proceso puramente experimental (Bernouilli) y un proceso de observación: en el primero, el experimentador realiza una o más pruebas, en el segundo, se limita a observar si ocurre un evento.

Si el objeto de interés es el número de eventos que ocurrieron durante el experimento, una aleatorización suficiente hará que consideremos una variable aleatoria discreta, que puede definirse fácilmente como el "número de eventos que ocurrieron". Bajo ciertas condiciones, podemos derivar una distribución apropiada de esta variable Para este caso, la distribución más importante que se puede derivar es la distribución de derivada.

¿De cuánta utilidad te ha parecido este contenido?

¡Haz clic en una estrella para puntuar!

Promedio de puntuación 3.5 / 5. Recuento de votos: 4

Hasta ahora, ¡no hay votos!. Sé el primero en puntuar este contenido.

.
Subir