SlideShare una empresa de Scribd logo
1 de 28
   El principio fundamental en el proceso de
    contar ofrece un método general para contar
    el número de posibles arreglos de objetos
    dentro de un solo conjunto o entre varios
    conjuntos. Las técnicas de conteo son
    aquellas que son usadas para enumerar
    eventos difíciles de cuantificar.
   Es un fenómeno fundado en la
    experiencia, el cual al repetirlo y
    observarlo en las mismas condiciones en
    que se desarrolla sus resultados no son
    siempre los mismos, sino que los datos o
    mediciones son solo aproximaciones al
    verdadero valor de la probabilidad del
    evento.
   Un juego de dados consiste en adivinar el número de
    puntos que caerán al lanzar un dado. Dos jugadores
    hacen su apuesta por un número de puntos antes de
    lanzarlo. El que adivina gana la apuesta. Si nadie
    adivina, lo apostado se gana para el próximo juego. Los
    jugadores se turnan para elegir primero un número por el
    cual apostar.
      a) ¿Cuántos resultados posibles hay?
      b) ¿Cuál es la probabilidad de que el primer jugador que
    seleccione un número de puntos que caerán adivine?
      c) ¿Cuál es la probabilidad de que ninguno de los
    jugadores adivine el número de puntos que caerán?
   Al reflexionar, se concluye que los resultados posibles son 6
    (1, 2, 3, 4, 5, 6), pero ninguna jugador sabe antes de lanzar el dado
    cuantos puntos caerán.
    La regularidad estadística indica que al practicar repetidamente el
    experimento asociado a determinado fenómeno aleatorio se
    obtiene una frecuencia relativa, la cual se aproximara al verdadero
    valor de la probabilidad del evento si el número de observaciones n
    es grande.
    Algunos eventos posibles al desarrollarse el experimento de lanzar
    el dado son:
     a) Caen 4 puntos, A = 4
     b) Caen mas de 4 puntos, B = 5,6
     c) Caen un numero par de puntos, C = 2, 4, 6.
   Un vendedor de autos quiere presentar a sus
    clientes todas las diferentes opciones con que
    cuenta: auto convertible, auto de 2 puertas y auto
    de 4 puertas, cualquiera de ellos con rines
    deportivos o estándar. ¿Cuántos diferentes
    arreglos de autos y rines puede ofrecer el
    vendedor?
   Para solucionar el problema podemos emplear la
    técnica de la multiplicación, (donde m es número
    de modelos y n es el número de tipos de rin).
   Número total de arreglos = 3 x 2
   No fue difícil de listar y contar todos los posibles
    arreglos de modelos de autos y rines en este ejemplo.
    Suponga, sin embargo, que el vendedor tiene para
    ofrecer ocho modelos de auto y seis tipos de rines.
    Sería tedioso hacer un dibujo con todas las
    posibilidades. Aplicando la técnica de la multiplicación
    fácilmente realizamos el cálculo:
   Número total de arreglos = m x n = 8 x 6 = 48
   Las variaciones son técnicas de conteo que
    respetan el orden, es decir AB BA.

   En realidad cuando hemos resuelto el problema
    de ¿ cuántas palabras de tres letras se pueden
    escribir con las letras A B C D hemos resuelto
    un problema de variaciones, porque
    respetamos el orden: ABC CAB CBA etc.
 Además las variaciones pueden ser con repetición o sin
  repetición.
 Conocemos como variaciones sin repetición…
 Variaciones sin repetición:
 Con las letras A, B, C, D se pueden escribir 24 palabras
  de 3 letras diferentes, esto mismo matemáticamente se
  dice: hay 24 variaciones de 4 elementos tomados de 3
  en 3.
 Y se escribe 4v3 =24
 Y se calcula así: 4v3= 4 * 3 * 2 =24
 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
 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
        =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
 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
   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
 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
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.
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:
   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.
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 %
   En probabilidad y estadística, la distribución t (de
    Student) es una distribución de probabilidad que surge
    del problema de estimar la media de una
    población normalmente distribuida cuando el tamaño
    de la muestra es pequeño.

   Aparece de manera natural al realizar la prueba t de
    Student para la determinación de las diferencias entre
    dos medias muéstrales y para la construcción
    del intervalo de confianza para la diferencia entre las
    medias de dos poblaciones cuando se desconoce
    la desviación típica de una población y ésta debe ser
    estimada a partir de los datos de una muestra.
 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
 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
   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
Distribuciones

Más contenido relacionado

La actualidad más candente (17)

Ejemplos Explicados
Ejemplos ExplicadosEjemplos Explicados
Ejemplos Explicados
 
Alinaa 1
Alinaa 1Alinaa 1
Alinaa 1
 
Un ejemplo explicado de las distribuciones de probabilidad.
Un ejemplo explicado de las distribuciones de probabilidad.Un ejemplo explicado de las distribuciones de probabilidad.
Un ejemplo explicado de las distribuciones de probabilidad.
 
Ejemplos lm
Ejemplos lmEjemplos lm
Ejemplos lm
 
Trabajo para examen unid 2
Trabajo para examen unid 2Trabajo para examen unid 2
Trabajo para examen unid 2
 
Ejemplos explicados
Ejemplos explicadosEjemplos explicados
Ejemplos explicados
 
Ecuaciones Cuadráticas y Desigualdades pre u ccesa007
Ecuaciones Cuadráticas y Desigualdades  pre u ccesa007Ecuaciones Cuadráticas y Desigualdades  pre u ccesa007
Ecuaciones Cuadráticas y Desigualdades pre u ccesa007
 
Razonamiento matemático 1°
Razonamiento matemático 1°Razonamiento matemático 1°
Razonamiento matemático 1°
 
Distribución de probabilidad.ejemplos
Distribución de probabilidad.ejemplosDistribución de probabilidad.ejemplos
Distribución de probabilidad.ejemplos
 
Literales ecuaciones blog02
Literales ecuaciones blog02Literales ecuaciones blog02
Literales ecuaciones blog02
 
Distribución de probabilidad. eliza
Distribución de probabilidad. elizaDistribución de probabilidad. eliza
Distribución de probabilidad. eliza
 
probabilidad y estadística. Ejercicios resueltos
probabilidad y estadística. Ejercicios resueltosprobabilidad y estadística. Ejercicios resueltos
probabilidad y estadística. Ejercicios resueltos
 
Revista teoria de juegos
Revista teoria de juegosRevista teoria de juegos
Revista teoria de juegos
 
Clase 7 probabilidades ii (1)
Clase 7 probabilidades ii (1)Clase 7 probabilidades ii (1)
Clase 7 probabilidades ii (1)
 
Problemas ecuaciones segundo grado
Problemas ecuaciones segundo gradoProblemas ecuaciones segundo grado
Problemas ecuaciones segundo grado
 
Bernoulli ejemplos
Bernoulli  ejemplosBernoulli  ejemplos
Bernoulli ejemplos
 
distribuciones
distribuciones distribuciones
distribuciones
 

Destacado

Lesson 8
Lesson 8Lesson 8
Lesson 8
efren
 
Oimparcial oestadodomaranhao 181213
Oimparcial oestadodomaranhao 181213Oimparcial oestadodomaranhao 181213
Oimparcial oestadodomaranhao 181213
truckracing
 
Antioxidantes y ejercicio fisico
Antioxidantes y ejercicio fisicoAntioxidantes y ejercicio fisico
Antioxidantes y ejercicio fisico
Deapzc Ac
 
Catalogo Tsu 4.2009
Catalogo Tsu 4.2009Catalogo Tsu 4.2009
Catalogo Tsu 4.2009
elnecessaire
 
Quickpoint How To
Quickpoint How ToQuickpoint How To
Quickpoint How To
y_f2000
 
Bte033 monitor a network effectively portfolio outline
Bte033 monitor a network effectively portfolio outlineBte033 monitor a network effectively portfolio outline
Bte033 monitor a network effectively portfolio outline
Any Al
 

Destacado (20)

Quickpoint How To
Quickpoint How ToQuickpoint How To
Quickpoint How To
 
Ayuno de cuaresma
Ayuno de cuaresmaAyuno de cuaresma
Ayuno de cuaresma
 
Caso Coca Cola Aumento de Precios México
Caso Coca Cola Aumento de Precios México Caso Coca Cola Aumento de Precios México
Caso Coca Cola Aumento de Precios México
 
Guatemala
GuatemalaGuatemala
Guatemala
 
Pago con tarjeta.
Pago con tarjeta.Pago con tarjeta.
Pago con tarjeta.
 
Lesson 8
Lesson 8Lesson 8
Lesson 8
 
Board Presentation
Board PresentationBoard Presentation
Board Presentation
 
Joan ramon laporte.
Joan ramon laporte.Joan ramon laporte.
Joan ramon laporte.
 
Todas Las Presentaciones ;)
Todas Las Presentaciones ;)Todas Las Presentaciones ;)
Todas Las Presentaciones ;)
 
Etnico
EtnicoEtnico
Etnico
 
Oimparcial oestadodomaranhao 181213
Oimparcial oestadodomaranhao 181213Oimparcial oestadodomaranhao 181213
Oimparcial oestadodomaranhao 181213
 
Antioxidantes y ejercicio fisico
Antioxidantes y ejercicio fisicoAntioxidantes y ejercicio fisico
Antioxidantes y ejercicio fisico
 
Jornal dos alunos 6 e 7
Jornal dos alunos 6 e 7Jornal dos alunos 6 e 7
Jornal dos alunos 6 e 7
 
Sesion tres
Sesion tresSesion tres
Sesion tres
 
Catalogo Tsu 4.2009
Catalogo Tsu 4.2009Catalogo Tsu 4.2009
Catalogo Tsu 4.2009
 
Quickpoint How To
Quickpoint How ToQuickpoint How To
Quickpoint How To
 
Bte033 monitor a network effectively portfolio outline
Bte033 monitor a network effectively portfolio outlineBte033 monitor a network effectively portfolio outline
Bte033 monitor a network effectively portfolio outline
 
Excel
ExcelExcel
Excel
 
oportunidad de negocio
oportunidad de negocio oportunidad de negocio
oportunidad de negocio
 
Portfolio
PortfolioPortfolio
Portfolio
 

Similar a Distribuciones

Un ejemplo explicado de las distribuciones de probabilidad.
Un ejemplo explicado de las distribuciones de probabilidad.Un ejemplo explicado de las distribuciones de probabilidad.
Un ejemplo explicado de las distribuciones de probabilidad.
leonardo19940511
 
Bernoulli explicado,poisson, distribución normal,
Bernoulli  explicado,poisson, distribución normal, Bernoulli  explicado,poisson, distribución normal,
Bernoulli explicado,poisson, distribución normal,
Carlos Eduardo Candela
 
Ejemplos explicados
Ejemplos explicadosEjemplos explicados
Ejemplos explicados
Khriiz Rmz
 
Ejemplos de distribuciones 4
Ejemplos de distribuciones 4Ejemplos de distribuciones 4
Ejemplos de distribuciones 4
Kariina Buendia
 
Distribucion de probabilidad binomal
Distribucion de probabilidad binomalDistribucion de probabilidad binomal
Distribucion de probabilidad binomal
eraperez
 
Primera presentacion
Primera presentacionPrimera presentacion
Primera presentacion
Nancy Leal
 
Ejemplos sencillosdc
Ejemplos sencillosdcEjemplos sencillosdc
Ejemplos sencillosdc
PaToDoMunos
 
Eventos aleatorios, espacio muestral y técnicas de conteo.
Eventos aleatorios, espacio muestral y técnicas de conteo.Eventos aleatorios, espacio muestral y técnicas de conteo.
Eventos aleatorios, espacio muestral y técnicas de conteo.
leonardo19940511
 
Diapositiva sesión 11-Ecuaciones y sus aplicaciones.pptx
Diapositiva sesión 11-Ecuaciones y sus aplicaciones.pptxDiapositiva sesión 11-Ecuaciones y sus aplicaciones.pptx
Diapositiva sesión 11-Ecuaciones y sus aplicaciones.pptx
ALEJANDROLAVERIANOMA1
 
Eventos y espacio muestral
Eventos y espacio muestralEventos y espacio muestral
Eventos y espacio muestral
Xavier Villamil
 
Tipos de distribuciones
Tipos de distribucionesTipos de distribuciones
Tipos de distribuciones
Javier Chavez
 
eventos aleatorios, espacio muestra, técnica de conteo.
eventos aleatorios, espacio muestra, técnica de conteo.eventos aleatorios, espacio muestra, técnica de conteo.
eventos aleatorios, espacio muestra, técnica de conteo.
Carlos Eduardo Candela
 

Similar a Distribuciones (20)

Ejemplos explicados
Ejemplos explicadosEjemplos explicados
Ejemplos explicados
 
Ejemplos sencillos
Ejemplos sencillosEjemplos sencillos
Ejemplos sencillos
 
Ejemplos Explicados
Ejemplos Explicados Ejemplos Explicados
Ejemplos Explicados
 
Un ejemplo explicado de las distribuciones de probabilidad.
Un ejemplo explicado de las distribuciones de probabilidad.Un ejemplo explicado de las distribuciones de probabilidad.
Un ejemplo explicado de las distribuciones de probabilidad.
 
Ejemplos tipos de probabilidad
Ejemplos tipos de probabilidadEjemplos tipos de probabilidad
Ejemplos tipos de probabilidad
 
Bernoulli explicado,poisson, distribución normal,
Bernoulli  explicado,poisson, distribución normal, Bernoulli  explicado,poisson, distribución normal,
Bernoulli explicado,poisson, distribución normal,
 
Ejemplos explicados
Ejemplos explicadosEjemplos explicados
Ejemplos explicados
 
Alinaa 1
Alinaa 1Alinaa 1
Alinaa 1
 
Alina isela2
Alina isela2Alina isela2
Alina isela2
 
Alina isela2
Alina isela2Alina isela2
Alina isela2
 
Ejemplos de distribuciones 4
Ejemplos de distribuciones 4Ejemplos de distribuciones 4
Ejemplos de distribuciones 4
 
Distribucion de probabilidad binomal
Distribucion de probabilidad binomalDistribucion de probabilidad binomal
Distribucion de probabilidad binomal
 
Primera presentacion
Primera presentacionPrimera presentacion
Primera presentacion
 
Ejemplos sencillosdc
Ejemplos sencillosdcEjemplos sencillosdc
Ejemplos sencillosdc
 
Eventos aleatorios, espacio muestral y técnicas de conteo.
Eventos aleatorios, espacio muestral y técnicas de conteo.Eventos aleatorios, espacio muestral y técnicas de conteo.
Eventos aleatorios, espacio muestral y técnicas de conteo.
 
Diapositiva sesión 11-Ecuaciones y sus aplicaciones.pptx
Diapositiva sesión 11-Ecuaciones y sus aplicaciones.pptxDiapositiva sesión 11-Ecuaciones y sus aplicaciones.pptx
Diapositiva sesión 11-Ecuaciones y sus aplicaciones.pptx
 
Eventos y espacio muestral
Eventos y espacio muestralEventos y espacio muestral
Eventos y espacio muestral
 
Tipos de distribuciones
Tipos de distribucionesTipos de distribuciones
Tipos de distribuciones
 
eventos aleatorios, espacio muestra, técnica de conteo.
eventos aleatorios, espacio muestra, técnica de conteo.eventos aleatorios, espacio muestra, técnica de conteo.
eventos aleatorios, espacio muestra, técnica de conteo.
 
PRESENTACION.
PRESENTACION.PRESENTACION.
PRESENTACION.
 

Más de Universidad Tecnologíca de Torreón

Más de Universidad Tecnologíca de Torreón (14)

Checklist.
Checklist.Checklist.
Checklist.
 
Prueba de hipotesis
Prueba de hipotesisPrueba de hipotesis
Prueba de hipotesis
 
Distribución de probabilidad.ejemplos
Distribución de probabilidad.ejemplosDistribución de probabilidad.ejemplos
Distribución de probabilidad.ejemplos
 
Distribución de probabilidad.ejemplos
Distribución de probabilidad.ejemplosDistribución de probabilidad.ejemplos
Distribución de probabilidad.ejemplos
 
Distribución de probabilidad
Distribución de probabilidadDistribución de probabilidad
Distribución de probabilidad
 
Medidas de tendencia y dispersión
Medidas de tendencia y dispersiónMedidas de tendencia y dispersión
Medidas de tendencia y dispersión
 
Mapa mental
Mapa mentalMapa mental
Mapa mental
 
Diagrama de arbol
Diagrama de arbolDiagrama de arbol
Diagrama de arbol
 
Permutaciones
PermutacionesPermutaciones
Permutaciones
 
Metodos de conteo
Metodos de conteoMetodos de conteo
Metodos de conteo
 
Intervalos reales
Intervalos realesIntervalos reales
Intervalos reales
 
Intervalos reales
Intervalos realesIntervalos reales
Intervalos reales
 
Intervalos aparentes
Intervalos aparentesIntervalos aparentes
Intervalos aparentes
 
Intervalos aparentes
Intervalos aparentesIntervalos aparentes
Intervalos aparentes
 

Distribuciones

  • 1. El principio fundamental en el proceso de contar ofrece un método general para contar el número de posibles arreglos de objetos dentro de un solo conjunto o entre varios conjuntos. Las técnicas de conteo son aquellas que son usadas para enumerar eventos difíciles de cuantificar.
  • 2. Es un fenómeno fundado en la experiencia, el cual al repetirlo y observarlo en las mismas condiciones en que se desarrolla sus resultados no son siempre los mismos, sino que los datos o mediciones son solo aproximaciones al verdadero valor de la probabilidad del evento.
  • 3. Un juego de dados consiste en adivinar el número de puntos que caerán al lanzar un dado. Dos jugadores hacen su apuesta por un número de puntos antes de lanzarlo. El que adivina gana la apuesta. Si nadie adivina, lo apostado se gana para el próximo juego. Los jugadores se turnan para elegir primero un número por el cual apostar. a) ¿Cuántos resultados posibles hay? b) ¿Cuál es la probabilidad de que el primer jugador que seleccione un número de puntos que caerán adivine? c) ¿Cuál es la probabilidad de que ninguno de los jugadores adivine el número de puntos que caerán?
  • 4. Al reflexionar, se concluye que los resultados posibles son 6 (1, 2, 3, 4, 5, 6), pero ninguna jugador sabe antes de lanzar el dado cuantos puntos caerán. La regularidad estadística indica que al practicar repetidamente el experimento asociado a determinado fenómeno aleatorio se obtiene una frecuencia relativa, la cual se aproximara al verdadero valor de la probabilidad del evento si el número de observaciones n es grande. Algunos eventos posibles al desarrollarse el experimento de lanzar el dado son: a) Caen 4 puntos, A = 4 b) Caen mas de 4 puntos, B = 5,6 c) Caen un numero par de puntos, C = 2, 4, 6.
  • 5. Un vendedor de autos quiere presentar a sus clientes todas las diferentes opciones con que cuenta: auto convertible, auto de 2 puertas y auto de 4 puertas, cualquiera de ellos con rines deportivos o estándar. ¿Cuántos diferentes arreglos de autos y rines puede ofrecer el vendedor?  Para solucionar el problema podemos emplear la técnica de la multiplicación, (donde m es número de modelos y n es el número de tipos de rin).  Número total de arreglos = 3 x 2
  • 6. No fue difícil de listar y contar todos los posibles arreglos de modelos de autos y rines en este ejemplo. Suponga, sin embargo, que el vendedor tiene para ofrecer ocho modelos de auto y seis tipos de rines. Sería tedioso hacer un dibujo con todas las posibilidades. Aplicando la técnica de la multiplicación fácilmente realizamos el cálculo:  Número total de arreglos = m x n = 8 x 6 = 48
  • 7. Las variaciones son técnicas de conteo que respetan el orden, es decir AB BA.  En realidad cuando hemos resuelto el problema de ¿ cuántas palabras de tres letras se pueden escribir con las letras A B C D hemos resuelto un problema de variaciones, porque respetamos el orden: ABC CAB CBA etc.
  • 8.  Además las variaciones pueden ser con repetición o sin repetición.  Conocemos como variaciones sin repetición…  Variaciones sin repetición:  Con las letras A, B, C, D se pueden escribir 24 palabras de 3 letras diferentes, esto mismo matemáticamente se dice: hay 24 variaciones de 4 elementos tomados de 3 en 3.  Y se escribe 4v3 =24  Y se calcula así: 4v3= 4 * 3 * 2 =24
  • 9.
  • 10.  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
  • 11.  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
  • 12. =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
  • 13.  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
  • 14. 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
  • 15.  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
  • 16.
  • 17.
  • 18. 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.
  • 19. 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:
  • 20. 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.
  • 21. 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 %
  • 22.
  • 23. En probabilidad y estadística, la distribución t (de Student) es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño.  Aparece de manera natural al realizar la prueba t de Student para la determinación de las diferencias entre dos medias muéstrales y para la construcción del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la desviación típica de una población y ésta debe ser estimada a partir de los datos de una muestra.
  • 24.  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?:
  • 25. 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
  • 26.  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
  • 27. 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