SlideShare una empresa de Scribd logo
1 de 16
Descargar para leer sin conexión
Universidad Tecnológica de
          Torreón.


 Ejemplos de Distribuciones de
        probabilidad.
           -Bernoulli
           - Binomial
            -Poisson
             -Normal
            -Gamma
          -T de student



       Lizbeth Martinez.
               2A
-BERNOULLI


1) Tenemos cartas que están enumeradas del 1 al 9 ¿Cuál es la
probabilidad de sacar la carta 9?

° La probabilidad de que obtengamos la carta 9.

                     P(x=1) = (1/9) 1 * (8/9) 0 = 1/9 = 0.111


° La probabilidad de que NO obtengamos la carta 9.

                     P(x=0) = (1/9)0 * (8/9)1 = 8/9 = 0.888



2) Una maestra enumera a sus alumnos del 1 al 16, para así poder darles un
premio, pero la maestra los seleccionará con los ojos cerrados, ¿ Cual es la
probabilidad de que salga el alumno numero 16?

° La probabilidad de que seleccione al alumno numero 16.

                     P(x=1) = (1/16) 1 * (15/16) 0 = 1/16 = 0.0625


° La probabilidad de que NO seleccione al alumno numero 16.

                     P(x=0) = (1/9)0 * (15/16)1 = 15/16 = 0.9375




3) Hay una urna con 342 boletos, para ganar un automóvil, al momento de
sacar alguno de ellos ¿que probabilidad hay para que pueda salir
premiado el boleto número 342?

° La probabilidad de que saque el boleto número 342.

                     P(x=1) = (1/342) 1 * (341/342) 0 = 1/342 = 0.00292


° La probabilidad de que NO seleccione al alumno numero 342.

                     P(x=0) = (1/342)0 * (341/342)1 = 341/342 = 0.99707
4) "Lanzar una moneda, probabilidad de conseguir que salga cruz".

Se trata de un solo experimento, con dos resultados posibles: el éxito (p) se
considerará sacar cruz. Valdrá 0,5. El fracaso (q) que saliera cara, que vale
(1 - p) = 1 - 0,5 = 0,5.

La variable aleatoria X medirá "número de cruces que salen en un
lanzamiento", y sólo existirán dos resultados posibles: 0 (ninguna cruz, es
decir, salir cara) y 1 (una cruz).

Por tanto, la v.a. X se distribuirá como una Bernoulli, ya que cumple todos
los requisitos.

° La probabilidad de obtener cruz.

 P(x=1) = (0.5) 1 * (0.5) 0 = 0.5 = 0.5

° La probabilidad de no obtener cruz.

 P(x=0) = (0.5)0 * (0.5)1 = 0.5 = 0.5




                            Distribución Binomial

Ejemplo 1:
Supongamos que se lanza un dado 50 veces y queremos la probabilidad de
que el número 3 salga 20 veces. En este caso tenemos una X ~ B(50, 1/6) y
la probabilidad sería P(X=20):




Ejemplo 2:


La última novela de un autor ha tenido un gran éxito, hasta el
punto de que el 80% de los lectores ya la han leido. Un grupo
de 4 amigos son aficionados a la lectura:


1. ¿Cuál es la probabilidad de que en el grupo hayan leido la
novela 2 personas?
B(4, 0.2) p = 0.8 q = 0.2




2.¿Y cómo máximo 2?




Ejemplo 3:


Un agente de seguros vende pólizas a cinco personas de la
misma edad y que disfrutan de buena salud. Según las tablas
actuales,    la   probabilidad   de   que   una   persona   en   estas
condiciones viva 30 años o más es 2/3. Hállese la probabilidad
de que, transcurridos 30 años, vivan:


1. Las cinco personas.


B(5, 2/3) p = 2/3 q = 1/3




2.Al menos tres personas.




3.Exactamente dos personas.
Ejemplo 4: 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




Ejemplo 5:


La probabilidad de que un hombre acierte en el blanco es 1/4.
Si dispara 10 veces ¿cuál es la probabilidad de que acierte
exactamente en tres ocasiones? ¿Cuál es la probabilidad de
que acierte por lo menos en una ocasión?


B(10, 1/4) p = 1/4q = 3/4




                                   POISSON


      Ejemplo.- 1 Si ya se conoce que solo el 3% de los alumnos de
      contabilidad son muy inteligentes ¿ Calcular la probabilidad de que si
      tomamos 100 alumnos al azar 5 de ellos sean muy inteligentes

  •   n= 100

  •   P=0.03


  •            =100*0.03=3
•   x=5

    Ejemplo2.- La producción de televisores en Samsung trae asociada
    una probabilidad de defecto del 2%, si se toma un lote o muestra de
    85 televisores, obtener la probabilidad que existan 4 televisores con
    defectos.

•   n=85

•   P=0.02

•   P(x5)=(e^-17)(1.7^4)/4!=0.0635746


•   X=4

•          =1.7

    Ejemplo3.- una jaula con 100 pericos 15 de ellos hablan ruso calcular
    la probabilidad de que si tomamos 20 al azar 3 de ellos hablan ruso

•   n=20

•   P=0.15    P (x=3)=(e^-8)(3^3)/3!=0.2240418

•   X=3


•            =3

    Ejemplo4.- El 8% de los registros contables de una empresa presentan
    algún problema, si un auditor toma una muestra de 40 registros
    ¿Calcular probabilidad de que existan 5 registros con problemas?

•   n=40

•   P=0.08        P(X=5)(e^3.2)(3.2^5)/5!=0.1139793




•             =3.2

•   X=5
Ejemplo.-5 Se calcula que la ciudad el 20% de las personas tienen
defecto de la vista si tomamos una muestra de 50 personas al azar
¿Calcular Probabilidad que existan 5 registros con problemas?

n=40

P=0.08


         =10



                DISTRIBUCIÓN NORMAL.
DISTRIBUCIÓN GAMMA
La distribución gamma se puede caracterizar del modo siguiente: si se está interesado en la
ocurrencia de un evento generado por un proceso de Poisson de media lambda, la variable que mide
el tiempo transcurrido hasta obtener n ocurrencias del evento sigue una distribución gamma con
parámetros a= nn lambda(escala) y p=n (forma). Se denota
Gamma(a,p).

Por ejemplo, la distribución gamma aparece cuando se realiza el estudio de la duración de elementos
físicos (tiempo de vida).
Esta distribución presenta como propiedad interesante la “falta de memoria”. Por esta razón, es muy
utilizada en las teorías de la fiabilidad, mantenimiento y fenómenos de espera (por ejemplo en una
consulta médica “tiempo que transcurre hasta la llegada del segundo paciente”).

Ejercicio 1
El número de pacientes que llegan a la consulta de un médico sigue una distribución de
Poisson de media 3 pacientes por hora. Calcular la probabilidad de que transcurra menos de una hora
hasta la llegada del segundo paciente.
Debe tenerse en cuenta que la variable aleatoria “tiempo que transcurre hasta la llegada del segundo
paciente” sigue una distribución Gamma (6, 2).
Solución:
Cálculo de probabilidades. Distribuciones continuas

Gamma (a p)
a : Escala        60000
p : Forma         20000
Punto X           10000

Cola Izquierda Pr[X<=k]           0,9826
Cola Derecha Pr[X>=k]             0,0174
Media                            0,3333
Varianza                         0,0556
Moda          0,1667

La probabilidad de que transcurra menos de una hora hasta que llegue el segundo paciente es 0,98.

Ejercicio 2
Suponiendo que el tiempo de supervivencia, en años, de pacientes que son sometidos a una cierta
intervención quirúrgica en un hospital sigue una distribución Gamma con parámetros a=0,81 y
p=7,81, calcúlese:

1. El tiempo medio de supervivencia.
2. Los años a partir de los cuales la probabilidad de supervivencia es menor que 0,1.




Cálculo de probabilidades. Distribuciones continuas

Gamma (a,p)
a : Escala  0,8100
p : Forma   7,8100

Cola Izquierda Pr [X<=k]     0,9000
Cola Derecha Pr [X>=k]       0,1000
Punto X                    14,2429
Media                      9,6420
Varianza                   11,9037
Moda                        8,4074
El tiempo medio de supervivencia es de, aproximadamente, 10 años.
T DE STUDENT


Ejemplo 1: 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?:



               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




SOLUCIÓN.

        t= x -μ

        SI     n               α = 1- Nc = 10%

v = n-1 = 24
t = 2.22

   Enseguida se muestra la distribución del problema según el grafico sig.




Ejemplo 2: El profesor Pérez olvida poner su despertador 3 de cada 10
días. Además, ha comprobado que uno de cada 10 días en los que pone el
despertador acaba no levantándose a tiempo de dar su primera clase,
mientras que 2 de cada 10 días en los que olvida poner el despertador,
llega a tiempo adar su primera clase.

(a) Identifica y da nombre a los sucesos que aparecen en el enunciado.

(b) ¿Cual es la probabilidad de que el profesor Pérez llegue a tiempo a dar
su primera clase?

Solución:

En primer lugar conviene identificar el experimento aleatorio que estamos
realizando. Este consiste en tomar un dia al azar en la vida del profesor
Pérez y analizarlo en base a los siguientes sucesos.

(a) Para un día al azar decimos que se ha dado el suceso:

O ≡ cuando el profesor ha olvidado poner el despertador

T ≡ cuando el profesor ha llegado tarde a su primera clase.

Notemos que tanto {O, O} como {T, T} forman un sistema completo de
sucesos. A continuación traducimos en términos de probabilidad de los
sucesos anteriores todos los datos que nos dan en el enunciado.

               P(O) = ,   P (T |O) = ,   P(O) = , P(T |O) = .

(b) El suceso”llegar a tiempo a su clase” es el complementario de T , por
tanto nos piden que calculemos P(T¯). Puesto que {O, O} es un sistema
completo de sucesos, podemos aplicar la formulas de la probabilidad total,
de donde tenemos que:

                     P (T¯) = P (T |O¯) P(O) + P (T | ¯ O¯) P (O¯).

En la expresión anterior aparecen varios de los datos que nos ha
proporcionando el enunciado, sin embargo no conocemos directamente el
valor de P(T |¯ O¯). Para calcularlo utilizamos que

P(T |¯ O¯) = 1 − P(T |O¯) = 1 − = De esta forma, la expresión anterior se

puede escribir como: P(T¯) =          +     =0.69




Ejemplo 3: La longitud de los tornillos fabricados en una fábrica tienen
media μ=10 mm y desviación s=1 mm, calcular la probabilidad de que en
una muestra de tamaño n=25, la longitud media del tornillo sea inferior a
20.5 mm:



P (μ<20.5)

Estandarizamos T=(X-μ)/(s/√n) que sigue una distribución t de n-1 grados de
libertad

T=(20.5-20)/(1/√25) = 2.5

P (μ<20.5) --> P (T<2.5) ~ t(24)

P (T<2.5) = 0.9902

P (μ<20.5)=0.9902

La probabilidad que la longitud media de la muestra de 25 tornillos sea
inferior a 20.5 mm es del 99.02%

Ejemplo 4:

Calcular el percentil w0=95 y w0=25 en cada uno de los siguientes casos:
1. En una distribución t-Student con 3 grados de libertad.

2. En una distribución t-Student con 30 grados de libertad.

Solución.

1. Recordemos que w0=95 es aquel número real que verifica:

                              S [W · w0=95] = 0=95

Para encontrar este valor en la tabla de la distribución t-Student bastará:

- ) Localizar en la primera columna los grados de libertad, en este caso: 3.

- ) Localizar en la primer fila la probabilidad acumulada, en nuestro caso:
0=95=

- ) Movernos horizontal y verticalmente desde las posiciones anteriores
hasta cruzarnos en el punto w0=95.

Por tanto el percentil w0=95, en una t-Student con 3 grados de libertad será
el valor:

                                w0=95 = 2=3534

Es decir, si desde el valor 2.3534 nos movemos horizontalmente hasta la
primera columna, llegaremos al valor 3 (grados de libertad), y si lo hacemos
verticalmente hacia la primera fila la llegaremos al valor 0.95 (probabilidad
acumulada).

Como en la tabla únicamente tenemos tabulada la t-Student para colas
probabilísticas que van desde 0=75 hasta 0=999, para calcular el percentil
w0=25, tendremos que realizar la siguiente consideración:

                        S [W · w0=25] = 1 ¡ s[W ¸ w0=25]

Como la distribución t-Student es simétrica, se verifica:

                                w0=25 = ¡w0=75

Y resulta: s[W · w0=25] = 1 ¡ s[W · w0=75]

Por tanto, buscando en la tabla con los datos:

Grados de libertad: 3

Cola de probabilidad: 0.75

Tenemos: w0=25 = ¡w0=75 = ¡0=7649

2. En el caso de 30 grados de libertad actuaremos de modo similar al caso
anterior, pero buscando en la fila 30 de la tabla. Resultando:
w0=95 = 1=6973

Y w0=25 = ¡w0=75 = ¡0=6828

Ejemplo 5 :

Calcular los percentiles I8>7;0=99 y I8>7;0=01

Solución.

Para buscar en la tabla de la F-Snedecor el percentil I8>7; 0=99 hemos de
tener en cuenta que:

df_1 = 8 (1d Fila de la tabla)

df_2 = 7 (1 d Columna de la tabla)

0=99 = Probabilidad acumulada (Última columna de la tabla)

El valor donde se cruzan todos estos datos será el percentil buscado.

                          Por tanto: I9>7; 099 = 6=840

Más contenido relacionado

La actualidad más candente

5 ejemplos de las distribuciones
5 ejemplos de las distribuciones5 ejemplos de las distribuciones
5 ejemplos de las distribucionesKariina Buendia
 
Distribución de probabilidad. eliza
Distribución de probabilidad. elizaDistribución de probabilidad. eliza
Distribución de probabilidad. elizaFeer ChaVez Reiies
 
Ejemplos de distribuciones
Ejemplos de distribucionesEjemplos de distribuciones
Ejemplos de distribucioneszooneerborre
 
Distribucion binomial
Distribucion binomialDistribucion binomial
Distribucion binomialMel Noheding
 
Ejemplos de distribucion de probabilidades
Ejemplos de distribucion de probabilidadesEjemplos de distribucion de probabilidades
Ejemplos de distribucion de probabilidadesluiisalbertoo-laga
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomialClaudia Diaz
 
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...Stalin Jose Gdz
 
Distribuciones 5 ejemplos
Distribuciones 5 ejemplosDistribuciones 5 ejemplos
Distribuciones 5 ejemplossontorito0o
 
Distribución de poisso ejercicios
Distribución de poisso ejerciciosDistribución de poisso ejercicios
Distribución de poisso ejerciciosAurora Sanchez Caro
 
Ejemplos de distribucion de probabilidad
Ejemplos de distribucion de probabilidadEjemplos de distribucion de probabilidad
Ejemplos de distribucion de probabilidadadrikiana
 
Ejemplos tipos de probabilidad
Ejemplos tipos de probabilidadEjemplos tipos de probabilidad
Ejemplos tipos de probabilidadadrikiana
 

La actualidad más candente (20)

Distribución Binomial Negativa y Geométrica
Distribución Binomial Negativa y GeométricaDistribución Binomial Negativa y Geométrica
Distribución Binomial Negativa y Geométrica
 
Distribucion Geometrica
Distribucion GeometricaDistribucion Geometrica
Distribucion Geometrica
 
5 ejemplos de las distribuciones
5 ejemplos de las distribuciones5 ejemplos de las distribuciones
5 ejemplos de las distribuciones
 
Entrada 6
Entrada 6Entrada 6
Entrada 6
 
Distribución de probabilidad. eliza
Distribución de probabilidad. elizaDistribución de probabilidad. eliza
Distribución de probabilidad. eliza
 
Ejemplos de distribuciones
Ejemplos de distribucionesEjemplos de distribuciones
Ejemplos de distribuciones
 
Bernoulli ejemplos
Bernoulli  ejemplosBernoulli  ejemplos
Bernoulli ejemplos
 
Distribucion binomial
Distribucion binomialDistribucion binomial
Distribucion binomial
 
Tipo de distribuciones
Tipo de distribucionesTipo de distribuciones
Tipo de distribuciones
 
Ejemplos de distribucion de probabilidades
Ejemplos de distribucion de probabilidadesEjemplos de distribucion de probabilidades
Ejemplos de distribucion de probabilidades
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
 
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...
 
Distribuciones 5 ejemplos
Distribuciones 5 ejemplosDistribuciones 5 ejemplos
Distribuciones 5 ejemplos
 
Distribución de poisso ejercicios
Distribución de poisso ejerciciosDistribución de poisso ejercicios
Distribución de poisso ejercicios
 
Ejemplos de distribucion de probabilidad
Ejemplos de distribucion de probabilidadEjemplos de distribucion de probabilidad
Ejemplos de distribucion de probabilidad
 
Probabilidades[2]
Probabilidades[2]Probabilidades[2]
Probabilidades[2]
 
Distribucion de poisson ejercicios
Distribucion de poisson ejerciciosDistribucion de poisson ejercicios
Distribucion de poisson ejercicios
 
Ejemplos tipos de probabilidad
Ejemplos tipos de probabilidadEjemplos tipos de probabilidad
Ejemplos tipos de probabilidad
 
Ejercicios resueltos
Ejercicios resueltosEjercicios resueltos
Ejercicios resueltos
 
EJERCICIOS DE DISTRIBUCIÓN HIPERGEOMETRICA
EJERCICIOS DE DISTRIBUCIÓN HIPERGEOMETRICAEJERCICIOS DE DISTRIBUCIÓN HIPERGEOMETRICA
EJERCICIOS DE DISTRIBUCIÓN HIPERGEOMETRICA
 

Destacado

Actividad sesión 01
Actividad   sesión 01Actividad   sesión 01
Actividad sesión 01aponteY
 
SGDB móviles - Relacional y/o No Relacional
SGDB móviles - Relacional y/o No RelacionalSGDB móviles - Relacional y/o No Relacional
SGDB móviles - Relacional y/o No Relacionalsuzu123
 
Numerical solution of linear volterra fredholm integro-
Numerical solution of linear volterra fredholm integro-Numerical solution of linear volterra fredholm integro-
Numerical solution of linear volterra fredholm integro-Alexander Decker
 
Unidad 2 ñ
Unidad 2 ñUnidad 2 ñ
Unidad 2 ñmf_0529
 
trabajo de Excel
trabajo de Excel trabajo de Excel
trabajo de Excel mf_0529
 
Introducing a new sport
Introducing a new sportIntroducing a new sport
Introducing a new sportalanmcn
 
Primero 2015-cambridge-house-final v001-f69ux4
Primero 2015-cambridge-house-final v001-f69ux4Primero 2015-cambridge-house-final v001-f69ux4
Primero 2015-cambridge-house-final v001-f69ux4primero_mining
 
IRARÁ 88 - PREFEITURA MUNICIPAL DE IRARÁ
IRARÁ 88 - PREFEITURA MUNICIPAL DE IRARÁ IRARÁ 88 - PREFEITURA MUNICIPAL DE IRARÁ
IRARÁ 88 - PREFEITURA MUNICIPAL DE IRARÁ Portal Iraraense
 
Lezione5 seconda-parte
Lezione5 seconda-parteLezione5 seconda-parte
Lezione5 seconda-parteimartini
 
五行化动土局
五行化动土局五行化动土局
五行化动土局Long Yi
 
Data wharehouse project
Data wharehouse projectData wharehouse project
Data wharehouse projectMohit Suri
 

Destacado (16)

Actividad sesión 01
Actividad   sesión 01Actividad   sesión 01
Actividad sesión 01
 
La tecnología del futuro
La tecnología del futuroLa tecnología del futuro
La tecnología del futuro
 
News of the week 9.5.13 abp majha
News of the week 9.5.13   abp majhaNews of the week 9.5.13   abp majha
News of the week 9.5.13 abp majha
 
Amistad
AmistadAmistad
Amistad
 
SGDB móviles - Relacional y/o No Relacional
SGDB móviles - Relacional y/o No RelacionalSGDB móviles - Relacional y/o No Relacional
SGDB móviles - Relacional y/o No Relacional
 
Numerical solution of linear volterra fredholm integro-
Numerical solution of linear volterra fredholm integro-Numerical solution of linear volterra fredholm integro-
Numerical solution of linear volterra fredholm integro-
 
Unidad 2 ñ
Unidad 2 ñUnidad 2 ñ
Unidad 2 ñ
 
trabajo de Excel
trabajo de Excel trabajo de Excel
trabajo de Excel
 
Introducing a new sport
Introducing a new sportIntroducing a new sport
Introducing a new sport
 
Presentación 22@ bcn
Presentación 22@ bcnPresentación 22@ bcn
Presentación 22@ bcn
 
Primero 2015-cambridge-house-final v001-f69ux4
Primero 2015-cambridge-house-final v001-f69ux4Primero 2015-cambridge-house-final v001-f69ux4
Primero 2015-cambridge-house-final v001-f69ux4
 
Student
StudentStudent
Student
 
IRARÁ 88 - PREFEITURA MUNICIPAL DE IRARÁ
IRARÁ 88 - PREFEITURA MUNICIPAL DE IRARÁ IRARÁ 88 - PREFEITURA MUNICIPAL DE IRARÁ
IRARÁ 88 - PREFEITURA MUNICIPAL DE IRARÁ
 
Lezione5 seconda-parte
Lezione5 seconda-parteLezione5 seconda-parte
Lezione5 seconda-parte
 
五行化动土局
五行化动土局五行化动土局
五行化动土局
 
Data wharehouse project
Data wharehouse projectData wharehouse project
Data wharehouse project
 

Similar a Ejebn

EJEMPLOS DE CADA DISTRIBUCIÓN
EJEMPLOS DE CADA DISTRIBUCIÓN EJEMPLOS DE CADA DISTRIBUCIÓN
EJEMPLOS DE CADA DISTRIBUCIÓN Roza Meza
 
Distribucion de poisson
Distribucion de poissonDistribucion de poisson
Distribucion de poissoncathycontreras
 
Distribucion de probabilidad
Distribucion de probabilidadDistribucion de probabilidad
Distribucion de probabilidadArturo Najeriux
 
Clae 10_Distribuciones_Probabilidades.pdf
Clae 10_Distribuciones_Probabilidades.pdfClae 10_Distribuciones_Probabilidades.pdf
Clae 10_Distribuciones_Probabilidades.pdfRobertoCarlosAlvarez12
 
Distribucion de probabilidad binomal
Distribucion de probabilidad binomalDistribucion de probabilidad binomal
Distribucion de probabilidad binomaleraperez
 
La distribucion binomial
La distribucion binomialLa distribucion binomial
La distribucion binomialADrián Murillo
 
Distribuciones discretas/ ESTADISTICA GENERAL
Distribuciones discretas/ ESTADISTICA GENERALDistribuciones discretas/ ESTADISTICA GENERAL
Distribuciones discretas/ ESTADISTICA GENERALperezpc
 
Ejemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidadEjemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidadLaksmi Rodriguez
 
DISTRIBUCION DE POISSON.ppt
DISTRIBUCION DE POISSON.pptDISTRIBUCION DE POISSON.ppt
DISTRIBUCION DE POISSON.pptLucaGutirrez15
 
Ejemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidadEjemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidadLaksmi Rodriguez
 
Distribuciones de probabilidad con ejemplos
Distribuciones de probabilidad con ejemplosDistribuciones de probabilidad con ejemplos
Distribuciones de probabilidad con ejemplosamy Lopez
 
Modelos probabilísticos
Modelos probabilísticosModelos probabilísticos
Modelos probabilísticosecruzo
 

Similar a Ejebn (20)

EJEMPLOS DE CADA DISTRIBUCIÓN
EJEMPLOS DE CADA DISTRIBUCIÓN EJEMPLOS DE CADA DISTRIBUCIÓN
EJEMPLOS DE CADA DISTRIBUCIÓN
 
Distribuciones...
Distribuciones...Distribuciones...
Distribuciones...
 
T student 5 ejemplos beeto
T student 5 ejemplos beetoT student 5 ejemplos beeto
T student 5 ejemplos beeto
 
Distribucion de poisson
Distribucion de poissonDistribucion de poisson
Distribucion de poisson
 
distribuciones
distribuciones distribuciones
distribuciones
 
Distribucion de probabilidad
Distribucion de probabilidadDistribucion de probabilidad
Distribucion de probabilidad
 
Distribucion bernoulli
Distribucion bernoulliDistribucion bernoulli
Distribucion bernoulli
 
T studen
T studenT studen
T studen
 
EJERCICIOS DE ESTADISTICA PROBABILISTICA
EJERCICIOS DE ESTADISTICA PROBABILISTICAEJERCICIOS DE ESTADISTICA PROBABILISTICA
EJERCICIOS DE ESTADISTICA PROBABILISTICA
 
Clae 10_Distribuciones_Probabilidades.pdf
Clae 10_Distribuciones_Probabilidades.pdfClae 10_Distribuciones_Probabilidades.pdf
Clae 10_Distribuciones_Probabilidades.pdf
 
Distribucion de probabilidad binomal
Distribucion de probabilidad binomalDistribucion de probabilidad binomal
Distribucion de probabilidad binomal
 
La distribucion binomial
La distribucion binomialLa distribucion binomial
La distribucion binomial
 
Distribuciones discretas/ ESTADISTICA GENERAL
Distribuciones discretas/ ESTADISTICA GENERALDistribuciones discretas/ ESTADISTICA GENERAL
Distribuciones discretas/ ESTADISTICA GENERAL
 
Ejemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidadEjemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidad
 
DISTRIBUCION DE POISSON.ppt
DISTRIBUCION DE POISSON.pptDISTRIBUCION DE POISSON.ppt
DISTRIBUCION DE POISSON.ppt
 
Ejemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidadEjemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidad
 
Distribuciones de probabilidad con ejemplos
Distribuciones de probabilidad con ejemplosDistribuciones de probabilidad con ejemplos
Distribuciones de probabilidad con ejemplos
 
Ejemplos
EjemplosEjemplos
Ejemplos
 
Ejemplos
EjemplosEjemplos
Ejemplos
 
Modelos probabilísticos
Modelos probabilísticosModelos probabilísticos
Modelos probabilísticos
 

Más de LMartiinez

Problemas inventados.
Problemas inventados.Problemas inventados.
Problemas inventados.LMartiinez
 
Diagrama de ishikawa diagrama de pareto
Diagrama de ishikawa diagrama de paretoDiagrama de ishikawa diagrama de pareto
Diagrama de ishikawa diagrama de paretoLMartiinez
 
Histograma inventado por número de lista
Histograma inventado por número de listaHistograma inventado por número de lista
Histograma inventado por número de listaLMartiinez
 
Listado de palabras en inglés
Listado de palabras en inglésListado de palabras en inglés
Listado de palabras en inglésLMartiinez
 
Interpretaciones carolin
Interpretaciones carolinInterpretaciones carolin
Interpretaciones carolinLMartiinez
 
Reportelizbeth
ReportelizbethReportelizbeth
ReportelizbethLMartiinez
 
Intervalosdeconfianza
IntervalosdeconfianzaIntervalosdeconfianza
IntervalosdeconfianzaLMartiinez
 
Distribuciones2 de probabilidad.lm
Distribuciones2 de probabilidad.lmDistribuciones2 de probabilidad.lm
Distribuciones2 de probabilidad.lmLMartiinez
 

Más de LMartiinez (20)

Problemas inventados.
Problemas inventados.Problemas inventados.
Problemas inventados.
 
La maquila
La maquilaLa maquila
La maquila
 
La maquila
La maquilaLa maquila
La maquila
 
La maquila
La maquilaLa maquila
La maquila
 
Diagrama de ishikawa diagrama de pareto
Diagrama de ishikawa diagrama de paretoDiagrama de ishikawa diagrama de pareto
Diagrama de ishikawa diagrama de pareto
 
Ensayo m.
Ensayo m.Ensayo m.
Ensayo m.
 
Histograma inventado por número de lista
Histograma inventado por número de listaHistograma inventado por número de lista
Histograma inventado por número de lista
 
Cap del pro.
Cap del pro.Cap del pro.
Cap del pro.
 
Listado de palabras en inglés
Listado de palabras en inglésListado de palabras en inglés
Listado de palabras en inglés
 
Interpretaciones carolin
Interpretaciones carolinInterpretaciones carolin
Interpretaciones carolin
 
Reportelizbeth
ReportelizbethReportelizbeth
Reportelizbeth
 
Trabajo 7 hb
Trabajo 7 hbTrabajo 7 hb
Trabajo 7 hb
 
Respuesta.
Respuesta.Respuesta.
Respuesta.
 
Intervalosdeconfianza
IntervalosdeconfianzaIntervalosdeconfianza
Intervalosdeconfianza
 
18abril12
18abril1218abril12
18abril12
 
18abril2012
18abril201218abril2012
18abril2012
 
Distribuciones2 de probabilidad.lm
Distribuciones2 de probabilidad.lmDistribuciones2 de probabilidad.lm
Distribuciones2 de probabilidad.lm
 
Ejebn
EjebnEjebn
Ejebn
 
Lizejemplos2a
Lizejemplos2aLizejemplos2a
Lizejemplos2a
 
Ejemplos lm2
Ejemplos lm2Ejemplos lm2
Ejemplos lm2
 

Ejebn

  • 1. Universidad Tecnológica de Torreón. Ejemplos de Distribuciones de probabilidad. -Bernoulli - Binomial -Poisson -Normal -Gamma -T de student Lizbeth Martinez. 2A
  • 2. -BERNOULLI 1) Tenemos cartas que están enumeradas del 1 al 9 ¿Cuál es la probabilidad de sacar la carta 9? ° La probabilidad de que obtengamos la carta 9. P(x=1) = (1/9) 1 * (8/9) 0 = 1/9 = 0.111 ° La probabilidad de que NO obtengamos la carta 9. P(x=0) = (1/9)0 * (8/9)1 = 8/9 = 0.888 2) Una maestra enumera a sus alumnos del 1 al 16, para así poder darles un premio, pero la maestra los seleccionará con los ojos cerrados, ¿ Cual es la probabilidad de que salga el alumno numero 16? ° La probabilidad de que seleccione al alumno numero 16. P(x=1) = (1/16) 1 * (15/16) 0 = 1/16 = 0.0625 ° La probabilidad de que NO seleccione al alumno numero 16. P(x=0) = (1/9)0 * (15/16)1 = 15/16 = 0.9375 3) Hay una urna con 342 boletos, para ganar un automóvil, al momento de sacar alguno de ellos ¿que probabilidad hay para que pueda salir premiado el boleto número 342? ° La probabilidad de que saque el boleto número 342. P(x=1) = (1/342) 1 * (341/342) 0 = 1/342 = 0.00292 ° La probabilidad de que NO seleccione al alumno numero 342. P(x=0) = (1/342)0 * (341/342)1 = 341/342 = 0.99707
  • 3. 4) "Lanzar una moneda, probabilidad de conseguir que salga cruz". Se trata de un solo experimento, con dos resultados posibles: el éxito (p) se considerará sacar cruz. Valdrá 0,5. El fracaso (q) que saliera cara, que vale (1 - p) = 1 - 0,5 = 0,5. La variable aleatoria X medirá "número de cruces que salen en un lanzamiento", y sólo existirán dos resultados posibles: 0 (ninguna cruz, es decir, salir cara) y 1 (una cruz). Por tanto, la v.a. X se distribuirá como una Bernoulli, ya que cumple todos los requisitos. ° La probabilidad de obtener cruz. P(x=1) = (0.5) 1 * (0.5) 0 = 0.5 = 0.5 ° La probabilidad de no obtener cruz. P(x=0) = (0.5)0 * (0.5)1 = 0.5 = 0.5 Distribución Binomial Ejemplo 1: Supongamos que se lanza un dado 50 veces y queremos la probabilidad de que el número 3 salga 20 veces. En este caso tenemos una X ~ B(50, 1/6) y la probabilidad sería P(X=20): Ejemplo 2: La última novela de un autor ha tenido un gran éxito, hasta el punto de que el 80% de los lectores ya la han leido. Un grupo de 4 amigos son aficionados a la lectura: 1. ¿Cuál es la probabilidad de que en el grupo hayan leido la novela 2 personas?
  • 4. B(4, 0.2) p = 0.8 q = 0.2 2.¿Y cómo máximo 2? Ejemplo 3: Un agente de seguros vende pólizas a cinco personas de la misma edad y que disfrutan de buena salud. Según las tablas actuales, la probabilidad de que una persona en estas condiciones viva 30 años o más es 2/3. Hállese la probabilidad de que, transcurridos 30 años, vivan: 1. Las cinco personas. B(5, 2/3) p = 2/3 q = 1/3 2.Al menos tres personas. 3.Exactamente dos personas.
  • 5. Ejemplo 4: 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 Ejemplo 5: La probabilidad de que un hombre acierte en el blanco es 1/4. Si dispara 10 veces ¿cuál es la probabilidad de que acierte exactamente en tres ocasiones? ¿Cuál es la probabilidad de que acierte por lo menos en una ocasión? B(10, 1/4) p = 1/4q = 3/4 POISSON Ejemplo.- 1 Si ya se conoce que solo el 3% de los alumnos de contabilidad son muy inteligentes ¿ Calcular la probabilidad de que si tomamos 100 alumnos al azar 5 de ellos sean muy inteligentes • n= 100 • P=0.03 • =100*0.03=3
  • 6. x=5 Ejemplo2.- La producción de televisores en Samsung trae asociada una probabilidad de defecto del 2%, si se toma un lote o muestra de 85 televisores, obtener la probabilidad que existan 4 televisores con defectos. • n=85 • P=0.02 • P(x5)=(e^-17)(1.7^4)/4!=0.0635746 • X=4 • =1.7 Ejemplo3.- una jaula con 100 pericos 15 de ellos hablan ruso calcular la probabilidad de que si tomamos 20 al azar 3 de ellos hablan ruso • n=20 • P=0.15 P (x=3)=(e^-8)(3^3)/3!=0.2240418 • X=3 • =3 Ejemplo4.- El 8% de los registros contables de una empresa presentan algún problema, si un auditor toma una muestra de 40 registros ¿Calcular probabilidad de que existan 5 registros con problemas? • n=40 • P=0.08 P(X=5)(e^3.2)(3.2^5)/5!=0.1139793 • =3.2 • X=5
  • 7. Ejemplo.-5 Se calcula que la ciudad el 20% de las personas tienen defecto de la vista si tomamos una muestra de 50 personas al azar ¿Calcular Probabilidad que existan 5 registros con problemas? n=40 P=0.08 =10 DISTRIBUCIÓN NORMAL.
  • 9. La distribución gamma se puede caracterizar del modo siguiente: si se está interesado en la ocurrencia de un evento generado por un proceso de Poisson de media lambda, la variable que mide el tiempo transcurrido hasta obtener n ocurrencias del evento sigue una distribución gamma con parámetros a= nn lambda(escala) y p=n (forma). Se denota Gamma(a,p). Por ejemplo, la distribución gamma aparece cuando se realiza el estudio de la duración de elementos físicos (tiempo de vida). Esta distribución presenta como propiedad interesante la “falta de memoria”. Por esta razón, es muy utilizada en las teorías de la fiabilidad, mantenimiento y fenómenos de espera (por ejemplo en una consulta médica “tiempo que transcurre hasta la llegada del segundo paciente”). Ejercicio 1 El número de pacientes que llegan a la consulta de un médico sigue una distribución de Poisson de media 3 pacientes por hora. Calcular la probabilidad de que transcurra menos de una hora hasta la llegada del segundo paciente. Debe tenerse en cuenta que la variable aleatoria “tiempo que transcurre hasta la llegada del segundo paciente” sigue una distribución Gamma (6, 2). Solución: Cálculo de probabilidades. Distribuciones continuas Gamma (a p) a : Escala 60000 p : Forma 20000 Punto X 10000 Cola Izquierda Pr[X<=k] 0,9826 Cola Derecha Pr[X>=k] 0,0174 Media 0,3333 Varianza 0,0556 Moda 0,1667 La probabilidad de que transcurra menos de una hora hasta que llegue el segundo paciente es 0,98. Ejercicio 2 Suponiendo que el tiempo de supervivencia, en años, de pacientes que son sometidos a una cierta intervención quirúrgica en un hospital sigue una distribución Gamma con parámetros a=0,81 y p=7,81, calcúlese: 1. El tiempo medio de supervivencia. 2. Los años a partir de los cuales la probabilidad de supervivencia es menor que 0,1. Cálculo de probabilidades. Distribuciones continuas Gamma (a,p) a : Escala 0,8100 p : Forma 7,8100 Cola Izquierda Pr [X<=k] 0,9000 Cola Derecha Pr [X>=k] 0,1000 Punto X 14,2429 Media 9,6420 Varianza 11,9037 Moda 8,4074 El tiempo medio de supervivencia es de, aproximadamente, 10 años.
  • 10.
  • 11.
  • 12. T DE STUDENT Ejemplo 1: 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?: 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 SOLUCIÓN. t= x -μ SI n α = 1- Nc = 10% v = n-1 = 24
  • 13. t = 2.22 Enseguida se muestra la distribución del problema según el grafico sig. Ejemplo 2: El profesor Pérez olvida poner su despertador 3 de cada 10 días. Además, ha comprobado que uno de cada 10 días en los que pone el despertador acaba no levantándose a tiempo de dar su primera clase, mientras que 2 de cada 10 días en los que olvida poner el despertador, llega a tiempo adar su primera clase. (a) Identifica y da nombre a los sucesos que aparecen en el enunciado. (b) ¿Cual es la probabilidad de que el profesor Pérez llegue a tiempo a dar su primera clase? Solución: En primer lugar conviene identificar el experimento aleatorio que estamos realizando. Este consiste en tomar un dia al azar en la vida del profesor Pérez y analizarlo en base a los siguientes sucesos. (a) Para un día al azar decimos que se ha dado el suceso: O ≡ cuando el profesor ha olvidado poner el despertador T ≡ cuando el profesor ha llegado tarde a su primera clase. Notemos que tanto {O, O} como {T, T} forman un sistema completo de sucesos. A continuación traducimos en términos de probabilidad de los sucesos anteriores todos los datos que nos dan en el enunciado. P(O) = , P (T |O) = , P(O) = , P(T |O) = . (b) El suceso”llegar a tiempo a su clase” es el complementario de T , por tanto nos piden que calculemos P(T¯). Puesto que {O, O} es un sistema
  • 14. completo de sucesos, podemos aplicar la formulas de la probabilidad total, de donde tenemos que: P (T¯) = P (T |O¯) P(O) + P (T | ¯ O¯) P (O¯). En la expresión anterior aparecen varios de los datos que nos ha proporcionando el enunciado, sin embargo no conocemos directamente el valor de P(T |¯ O¯). Para calcularlo utilizamos que P(T |¯ O¯) = 1 − P(T |O¯) = 1 − = De esta forma, la expresión anterior se puede escribir como: P(T¯) = + =0.69 Ejemplo 3: La longitud de los tornillos fabricados en una fábrica tienen media μ=10 mm y desviación s=1 mm, calcular la probabilidad de que en una muestra de tamaño n=25, la longitud media del tornillo sea inferior a 20.5 mm: P (μ<20.5) Estandarizamos T=(X-μ)/(s/√n) que sigue una distribución t de n-1 grados de libertad T=(20.5-20)/(1/√25) = 2.5 P (μ<20.5) --> P (T<2.5) ~ t(24) P (T<2.5) = 0.9902 P (μ<20.5)=0.9902 La probabilidad que la longitud media de la muestra de 25 tornillos sea inferior a 20.5 mm es del 99.02% Ejemplo 4: Calcular el percentil w0=95 y w0=25 en cada uno de los siguientes casos:
  • 15. 1. En una distribución t-Student con 3 grados de libertad. 2. En una distribución t-Student con 30 grados de libertad. Solución. 1. Recordemos que w0=95 es aquel número real que verifica: S [W · w0=95] = 0=95 Para encontrar este valor en la tabla de la distribución t-Student bastará: - ) Localizar en la primera columna los grados de libertad, en este caso: 3. - ) Localizar en la primer fila la probabilidad acumulada, en nuestro caso: 0=95= - ) Movernos horizontal y verticalmente desde las posiciones anteriores hasta cruzarnos en el punto w0=95. Por tanto el percentil w0=95, en una t-Student con 3 grados de libertad será el valor: w0=95 = 2=3534 Es decir, si desde el valor 2.3534 nos movemos horizontalmente hasta la primera columna, llegaremos al valor 3 (grados de libertad), y si lo hacemos verticalmente hacia la primera fila la llegaremos al valor 0.95 (probabilidad acumulada). Como en la tabla únicamente tenemos tabulada la t-Student para colas probabilísticas que van desde 0=75 hasta 0=999, para calcular el percentil w0=25, tendremos que realizar la siguiente consideración: S [W · w0=25] = 1 ¡ s[W ¸ w0=25] Como la distribución t-Student es simétrica, se verifica: w0=25 = ¡w0=75 Y resulta: s[W · w0=25] = 1 ¡ s[W · w0=75] Por tanto, buscando en la tabla con los datos: Grados de libertad: 3 Cola de probabilidad: 0.75 Tenemos: w0=25 = ¡w0=75 = ¡0=7649 2. En el caso de 30 grados de libertad actuaremos de modo similar al caso anterior, pero buscando en la fila 30 de la tabla. Resultando:
  • 16. w0=95 = 1=6973 Y w0=25 = ¡w0=75 = ¡0=6828 Ejemplo 5 : Calcular los percentiles I8>7;0=99 y I8>7;0=01 Solución. Para buscar en la tabla de la F-Snedecor el percentil I8>7; 0=99 hemos de tener en cuenta que: df_1 = 8 (1d Fila de la tabla) df_2 = 7 (1 d Columna de la tabla) 0=99 = Probabilidad acumulada (Última columna de la tabla) El valor donde se cruzan todos estos datos será el percentil buscado. Por tanto: I9>7; 099 = 6=840