+ All Categories
Home > Documents > ejemplos explicados

ejemplos explicados

Date post: 12-Jul-2015
Category:
Upload: bere201991
View: 987 times
Download: 1 times
Share this document with a friend
24
Explicación de cada uno de los ejemplos Distribución Bernoulli, Binomial, Poisson, normal, gamma y t de Student. Lic. Edgar mata
Transcript
Page 1: ejemplos explicados

Explicación de cada uno de los ejemplos

Distribución Bernoulli, Binomial, Poisson,

normal, gamma y t de Student.

Lic. Edgar mata

Page 2: ejemplos explicados

1 Ejemplo explicado.

Page 3: ejemplos explicados
Page 4: ejemplos explicados

La probabilidad de que obtengamos un 5 viene definida como la probabilidad de que X sea igual a 1. Entonces ahora los datos que

obtuvimos se sustituyen en la fórmula. P(x=1) = (1/5) 1 * (4/5) 0 = 1/5 = 0.2

La probabilidad de que NO obtengamos un 6 viene definida como la probabilidad de que X sea igual a 0.

P(x=0) = (1/5)0 * (4/5)1 = 4/5 = 0.8

Este experimento nos dice que hay 0.2 de probabilidad de que salga el numero 5 en el dado, y de que no salga ese numero existe la

probabilidad del 0.8.

Page 5: ejemplos explicados

Se lanza una moneda cuatro veces.

Calcular la probabilidad de que salgan

más caras que cruces.

B(4, 0.5) p = 0.5q = 0.5

Page 6: ejemplos explicados

En el ejemplo anterior se calculan las probabilidades de que al tirar una monedasalgan mas caras que cruces y para eso La moneda es lanzada 4 veces de esos 4 tiros solo 1 cae cara y los otros 3 tiros cae cruz pero el resultado va a variar

probabilidades: 1cara-3 cruces 2 caras- 2 cruces3 caras- 1 cruz 2 cruces- 2 caras

Page 7: ejemplos explicados

Ejemplo 1.- Si un banco recibe en promedio 6 cheques sin fondo

por día, ¿ Cuales son las probabilidades reciba,

a) Cuatro cheque sin fondo en un día dado,

b) B)reciba 10 cheques sin fondo en cualquiera de dos días

consecutivos

Variable discreta= cantidad de personas

Intervalo continuo= una hora

Formula

Page 8: ejemplos explicados

P(x): Probabilidad de que ocurran x éxitos

: Número medio de sucesos esperados

por unidad de tiempo.

e: es la base de logaritmo natural cuyo

valor es 2.718

X: es la variable que nos denota el número

de éxitos que se desea que ocurran

Page 9: ejemplos explicados

A) x= Variable que nos define el número de

cheques sin fondo que llega al banco en un día

cualquiera;

El primer paso es extraer los datos

Tenemos que o el promedio es igual a 6

cheques sin fondo por día

e= 2.718

x= 4 por que se pide la probabilidad de que

lleguen cuatro cheques al día

Page 10: ejemplos explicados

= 6

e= 2.718

X= 4

P(x=4, = 6) =(6)^4(2.718)^-6

4!

=(1296)(0,00248)

24

=o,13192

Es la probabilidad que representa de que lleguen cuatro

cheques sin fondo al día

Page 11: ejemplos explicados

B) X= es la variable que nos define el número de cheques sin fondo que llegan en dos

días consecutivos

=6x2= 12 Cheques sin fondo en promedio que llegan al banco en dos días

consecutivos

Lambda por t comprende

al promedio del cheque a los dos días

DATOS

= 12 Cheques sin fondo por día

e= 2.718

X=10

P(x=10, =12 )= (129^10(2.718)^-12

10!

=(6,191736*10^10)(0,000006151)

3628800

=0,104953 es la es la probalidad de que lleguen 10 cheques sin fondo en dos

días consecutivos

Page 12: ejemplos explicados
Page 13: ejemplos explicados

Una variable aleatoria continua, X, sigue una distribución normal de media μ y desviación típica σ, y se designa por N(μ, σ), si se cumplen las siguientes condiciones:

1. La variable puede tomar cualquier valor: (-∞, +∞)

2. La función de densidad, es la expresión en términos de ecuación matemática de la curva de Gauss:

Page 14: ejemplos explicados

Curva de la distribución normal

El campo de existencia es cualquier valor real, es decir, (-∞, +∞).

Es simétrica respecto a la media µ. Tiene un máximo en la media µ. Crece hasta la media µ y decrece a partir de ella. En los puntos µ − σ y µ + σ presenta puntos de inflexión. El eje de abscisas es una asíntota de la curva.

Page 15: ejemplos explicados

El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.

Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la izquierda y otra igual a 0.5 a la derecha.

La probabilidad equivale al área encerrada bajo la curva.

p(μ - σ < X ≤ μ + σ) = 0.6826 = 68.26 %p(μ - 2σ < X ≤ μ + 2σ) = 0.954 = 95.4 %p(μ - 3σ < X ≤ μ + 3σ) = 0.997 = 99.7 %

Page 16: ejemplos explicados
Page 17: ejemplos explicados

Parámetros

A continuación se sustituye la formula

en base alas 8 horas.

Page 18: ejemplos explicados

Formula

Page 19: ejemplos explicados

Probabilidad

Page 20: ejemplos explicados

Un fabricante de focos afirma que su producto durará un

promedio de 500 horas de trabajo. Para conservar este

promedio esta persona verifica 25 focos cada mes. Si el valor y

calculado cae entre –t 0.05 y t 0.05, él se encuentra satisfecho

con esta afirmación. ¿Qué conclusión deberá él sacar de una

muestra de 25 focos cuya duración fue?:

Page 21: ejemplos explicados

520 521 511 513 510 µ=500 h

513 522 500 521 495 n=25

496 488 500 502 512 Nc=90%

510 510 475 505 521 X=505.36

506 503 487 493 500 S=12.07

Page 22: ejemplos explicados

Para poder resolver el problema lo que se tendrá que hacer será lo

siguiente se aplicara una formula la cual tendremos que desarrollar con los

datos con los que contamos.

Tendremos que sustituir los datos

t= x -μ SI n α = 1- Nc = 10%

v = n-1 = 24

t = 2.22

Page 23: ejemplos explicados

VALOR DE LOS DATOS.. APLICACION DE LA FORMULA

µ=500 h t=505.36-500 t =

2.22

n=25 12.07 25

Nc=90% v = 25 -1 = 24

X=505.36 α = 1- 90% = 10%

S=12.07

Page 24: ejemplos explicados

Recommended