El documento presenta información sobre distribuciones de probabilidad como la distribución de Bernoulli y la distribución binomial. Explica la definición y fórmula de cada distribución con ejemplos. Luego, presenta varios ejercicios resueltos sobre la aplicación de estas distribuciones para calcular probabilidades en diferentes escenarios como sacar una carta de una baraja, obtener defectos en una producción industrial, y otros.
El documento presenta varios ejemplos de cálculos de intervalos de confianza para promedios y proporciones basados en muestras de datos. Incluye intervalos de confianza del 95% y 99% para puntajes promedio, tasas de hipertensión, peso al nacer, tiempos de nado, notas de gimnasia, fuerza muscular, preferencias electorales y resultados de lanzar una moneda.
Este documento presenta diferentes tipos de distribuciones de probabilidad, incluyendo la distribución de Bernoulli, la distribución binomial, la distribución de Poisson y la distribución exponencial. Para cada distribución, se proporciona una breve explicación, la fórmula y ejemplos ilustrativos. También se plantean problemas para practicar el cálculo de probabilidades usando cada distribución.
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...Stalin Jose Gdz
Este documento presenta varios ejercicios resueltos sobre distribuciones de probabilidad como binomial, hipergeométrica, Poisson y sus aplicaciones. Los ejercicios incluyen calcular probabilidades para eventos como obtener cierto número de éxitos en muestras aleatorias, número de defectos en lotes, y ocurrencia de errores o imperfecciones siguiendo estas distribuciones.
Este documento presenta la resolución de 6 problemas relacionados con distribuciones de probabilidad. En el primer problema se resume un caso sobre el funcionamiento de una máquina de refrescos y se concluye que la decisión tomada fue razonable. Los problemas 2 a 5 involucran el cálculo de probabilidades utilizando distribuciones normales y chi cuadrado. El sexto problema pide encontrar valores críticos de chi cuadrado para diferentes niveles de significancia.
El documento explica la distribución binomial, la cual modela experimentos con dos posibles resultados (éxito o fracaso) y probabilidad constante de éxito. La fórmula binomial calcula la probabilidad de x éxitos en n intentos como una combinación de x objetos tomados de n, multiplicada por la probabilidad de éxito elevada a x y de fracaso elevada a n-x. La media es la suma de cada resultado multiplicado por su probabilidad, y la varianza es la suma de los cuadrados de las desviaciones de cada resultado respecto a la media, multiplicadas por
Este documento presenta las soluciones a varios problemas estadísticos que involucran distribuciones normales estándar y no estándar. Se calculan áreas bajo la curva normal para diferentes valores de Z. También se encuentran probabilidades asociadas a valores específicos de variables aleatorias con distribuciones normales dadas en términos de su media y desviación estándar.
Este documento presenta 10 ejercicios resueltos sobre distribución normal. Los ejercicios involucran calcular probabilidades y áreas bajo la curva para variables aleatorias normales. Se proporcionan valores de media y desviación estándar, y se piden valores como probabilidades de que una variable tome un valor en particular o entre dos valores.
Este documento presenta 18 ejercicios de estimación estadística que involucran el cálculo de intervalos de confianza para medias, proporciones y diferencias de medias y proporciones utilizando datos de muestras. Los ejercicios cubren una variedad de temas como la vida útil de focos, el contenido de refrescos, el kilometraje de autos, la resistencia de tornillos y más.
El documento presenta varios ejemplos de cálculos de intervalos de confianza para promedios y proporciones basados en muestras de datos. Incluye intervalos de confianza del 95% y 99% para puntajes promedio, tasas de hipertensión, peso al nacer, tiempos de nado, notas de gimnasia, fuerza muscular, preferencias electorales y resultados de lanzar una moneda.
Este documento presenta diferentes tipos de distribuciones de probabilidad, incluyendo la distribución de Bernoulli, la distribución binomial, la distribución de Poisson y la distribución exponencial. Para cada distribución, se proporciona una breve explicación, la fórmula y ejemplos ilustrativos. También se plantean problemas para practicar el cálculo de probabilidades usando cada distribución.
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...Stalin Jose Gdz
Este documento presenta varios ejercicios resueltos sobre distribuciones de probabilidad como binomial, hipergeométrica, Poisson y sus aplicaciones. Los ejercicios incluyen calcular probabilidades para eventos como obtener cierto número de éxitos en muestras aleatorias, número de defectos en lotes, y ocurrencia de errores o imperfecciones siguiendo estas distribuciones.
Este documento presenta la resolución de 6 problemas relacionados con distribuciones de probabilidad. En el primer problema se resume un caso sobre el funcionamiento de una máquina de refrescos y se concluye que la decisión tomada fue razonable. Los problemas 2 a 5 involucran el cálculo de probabilidades utilizando distribuciones normales y chi cuadrado. El sexto problema pide encontrar valores críticos de chi cuadrado para diferentes niveles de significancia.
El documento explica la distribución binomial, la cual modela experimentos con dos posibles resultados (éxito o fracaso) y probabilidad constante de éxito. La fórmula binomial calcula la probabilidad de x éxitos en n intentos como una combinación de x objetos tomados de n, multiplicada por la probabilidad de éxito elevada a x y de fracaso elevada a n-x. La media es la suma de cada resultado multiplicado por su probabilidad, y la varianza es la suma de los cuadrados de las desviaciones de cada resultado respecto a la media, multiplicadas por
Este documento presenta las soluciones a varios problemas estadísticos que involucran distribuciones normales estándar y no estándar. Se calculan áreas bajo la curva normal para diferentes valores de Z. También se encuentran probabilidades asociadas a valores específicos de variables aleatorias con distribuciones normales dadas en términos de su media y desviación estándar.
Este documento presenta 10 ejercicios resueltos sobre distribución normal. Los ejercicios involucran calcular probabilidades y áreas bajo la curva para variables aleatorias normales. Se proporcionan valores de media y desviación estándar, y se piden valores como probabilidades de que una variable tome un valor en particular o entre dos valores.
Este documento presenta 18 ejercicios de estimación estadística que involucran el cálculo de intervalos de confianza para medias, proporciones y diferencias de medias y proporciones utilizando datos de muestras. Los ejercicios cubren una variedad de temas como la vida útil de focos, el contenido de refrescos, el kilometraje de autos, la resistencia de tornillos y más.
Este documento explica las distribuciones discretas de probabilidad, incluyendo la distribución binomial y la distribución de Poisson. Proporciona ejemplos y ejercicios para ilustrar cómo calcular probabilidades usando estas distribuciones.
Este documento presenta seis distribuciones de probabilidad comunes: distribución de Bernoulli, distribución binomial, distribución de Poisson, distribución gamma, distribución normal y distribución t de Student. Explica brevemente cada distribución y proporciona ejemplos numéricos para ilustrar sus propiedades. También incluye ejercicios de práctica relacionados con cada distribución.
1) El documento presenta varios ejemplos de probabilidad utilizando distribuciones de Bernoulli, binomial, Poisson y normal. Explica cómo calcular la probabilidad de eventos específicos en cada uno de estos tipos de distribuciones.
2) También incluye ejemplos de cómo calcular áreas bajo la curva normal y percentiles para distribuciones normales.
3) En total, el documento cubre cinco tipos diferentes de distribuciones de probabilidad comúnmente utilizadas y cómo calcular probabilidades con cada una de ellas a través de una variedad de ej
Este documento presenta información sobre pruebas de hipótesis. Explica conceptos como confiabilidad, error tipo I, error tipo II y potencia. Además, describe cómo realizar pruebas de hipótesis para medias, proporciones, diferencias de medias, diferencias de proporciones y varianzas. Incluye ejemplos y fórmulas para calcular estadísticos como z, t de Student y chi cuadrado.
Tarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTASIPN
Este documento presenta 16 problemas relacionados con distribuciones de probabilidad como chi cuadrada, t de Student, F y normal. Los problemas cubren temas como calcular valores críticos para diferentes niveles de significancia, encontrar probabilidades asociadas a estas distribuciones y realizar pruebas de hipótesis para comparar varianzas. El objetivo general es practicar conceptos estadísticos fundamentales como descripciones de datos, distribuciones de muestreo y pruebas de hipótesis.
Este documento presenta ejemplos de distribuciones de probabilidad discretas como la distribución de Bernoulli, binomial y Poisson. Incluye cálculos de probabilidades, medias y varianzas para variables aleatorias con estas distribuciones.
La distribución de Poisson describe la probabilidad de que ocurran ciertos eventos al azar en intervalos de tiempo, área o volumen fijos. Se aplica cuando el número de ensayos es grande y la probabilidad de éxito en cada uno es baja. La función de probabilidad de Poisson depende de la tasa promedio de ocurrencia de eventos y el número de eventos observados. La media y la varianza de una distribución de Poisson son iguales a su parámetro de tasa promedio.
El documento presenta 4 problemas de probabilidad resueltos numéricamente. El primer problema calcula la probabilidad de obtener 15 partículas al extraer 3 ml de una suspensión con 6 partículas por ml. El segundo problema determina la probabilidad de que una galleta contenga 5 chispas de chocolate al agregar 300 chispas a 100 galletas. El tercer problema calcula la cantidad de chispas que se deben agregar para que solo el 1% de las galletas no contengan chispas. El cuarto problema determina la probabilidad de que en 3 minutos haya menos de 60
1. Se pide calcular la probabilidad de que una franja defectuosa en longitud también lo sea en textura. La probabilidad es de 0.08.
2. Se pide calcular la probabilidad de ver una película de acción y la probabilidad de haber ido al primer cine si no es de acción. Las probabilidades son 0.55 y 0.83 respectivamente.
3. Se pide calcular la probabilidad de no tener VIH ni herpes, y si sorprendería encontrar a alguien con ambos. Las probabilidades son 0.9895 y 0.0005 respectivamente.
La distribución de Poisson se utiliza comúnmente en trabajos científicos y puede aproximarse a la distribución binomial cuando n es grande y p es pequeña. Este documento presenta varios problemas y ejercicios relacionados con la distribución de Poisson, incluyendo calcular probabilidades, medias, varianzas y realizar estimaciones con incertidumbres.
La mayoría de los problemas en el documento involucran calcular probabilidades usando diferentes distribuciones de probabilidad como la binomial, Poisson, hipergeométrica y exponencial. Algunos problemas piden calcular la probabilidad de que ciertos eventos ocurran dado los parámetros de cada distribución, mientras que otros proveen datos estadísticos y piden calcular valores esperados y varianzas.
Este documento presenta las distribuciones geométrica e hipergeométrica. La distribución geométrica describe experimentos de ensayo y error donde el primer éxito ocurre en el último ensayo. Se usa para calcular la probabilidad de que el sexto o quinto dispositivo muestre una desviación. La distribución hipergeométrica se aplica cuando hay dos tipos de resultados posibles y cada ensayo no es independiente; se usa para calcular la probabilidad de que un viajero sea arrestado por narcóticos al seleccionar 3
El documento describe varias distribuciones de probabilidad discretas, incluyendo la distribución de Bernoulli, la distribución binomial, la distribución de Poisson y la distribución exponencial. Proporciona ejemplos y soluciones para cada distribución.
La distribución exponencial se utiliza para modelar el tiempo entre eventos sucesivos y representa el tiempo hasta el primer suceso desde un instante dado. Una variable aleatoria continua tiene una distribución exponencial con parámetro λ si su función de densidad es exponencial y su esperanza, varianza y función de distribución acumulada cumplen ciertas propiedades. La probabilidad de que un proceso exponencial dure más tiempo después de un lapso dado es independiente de ese lapso.
Este documento explica la distribución de Poisson. Presenta 5 ejercicios numéricos que ilustran cómo calcular probabilidades para variables aleatorias con distribución de Poisson. Los ejercicios cubren cálculos como la probabilidad de que ocurran cierto número de eventos, la media y varianza esperadas, y comparaciones entre distribuciones de Poisson y binomial.
Este documento describe conceptos relacionados con distribuciones de probabilidad binomial y Poisson. Explica las fórmulas para calcular la probabilidad de éxitos en una distribución binomial y la varianza en distribuciones binomiales y de Poisson. Además, presenta ejemplos numéricos de cálculos de probabilidades para estas distribuciones.
Este documento presenta 5 ejercicios sobre la distribución de Poisson. Cada ejercicio contiene varias preguntas sobre la probabilidad de eventos relacionados con variables aleatorias discretas modeladas por la distribución de Poisson, como el número de partículas, bacterias o mensajes en un período de tiempo dado.
El documento presenta varios problemas de distribuciones de probabilidad como Bernoulli, binomial y resuelve ejercicios sobre ellas. En el primer problema, se calcula la probabilidad de que un jugador anote un tiro de basquetbol. En el segundo, se analizan las probabilidades de pedir diferentes tamaños de bebidas en un restaurante. En el tercero, se calculan probabilidades sobre defectos en un barniz.
Este documento describe diferentes distribuciones de probabilidad como la Bernoulli, binomial, Poisson y exponencial. Incluye conceptos, fórmulas y ejemplos de cada una. También presenta problemas de probabilidad para practicar el cálculo de variables aleatorias con estas distribuciones.
El documento presenta ejemplos y ejercicios resueltos sobre distribuciones de probabilidad binomial y Bernoulli. Introduce las distribuciones, sus fórmulas y cómo calcular la probabilidad de diferentes eventos. Los ejercicios incluyen calcular la probabilidad de obtener cierto número de éxitos o defectos en muestras aleatorias tomadas de poblaciones.
El documento presenta ejemplos y ejercicios resueltos sobre distribuciones de probabilidad binomial y Bernoulli. Introduce las distribuciones, sus fórmulas y cómo calcular la probabilidad de diferentes eventos. Los ejercicios incluyen calcular la probabilidad de obtener cierto número de éxitos o defectos basado en el número de pruebas y la probabilidad de éxito de cada prueba.
Este documento explica las distribuciones discretas de probabilidad, incluyendo la distribución binomial y la distribución de Poisson. Proporciona ejemplos y ejercicios para ilustrar cómo calcular probabilidades usando estas distribuciones.
Este documento presenta seis distribuciones de probabilidad comunes: distribución de Bernoulli, distribución binomial, distribución de Poisson, distribución gamma, distribución normal y distribución t de Student. Explica brevemente cada distribución y proporciona ejemplos numéricos para ilustrar sus propiedades. También incluye ejercicios de práctica relacionados con cada distribución.
1) El documento presenta varios ejemplos de probabilidad utilizando distribuciones de Bernoulli, binomial, Poisson y normal. Explica cómo calcular la probabilidad de eventos específicos en cada uno de estos tipos de distribuciones.
2) También incluye ejemplos de cómo calcular áreas bajo la curva normal y percentiles para distribuciones normales.
3) En total, el documento cubre cinco tipos diferentes de distribuciones de probabilidad comúnmente utilizadas y cómo calcular probabilidades con cada una de ellas a través de una variedad de ej
Este documento presenta información sobre pruebas de hipótesis. Explica conceptos como confiabilidad, error tipo I, error tipo II y potencia. Además, describe cómo realizar pruebas de hipótesis para medias, proporciones, diferencias de medias, diferencias de proporciones y varianzas. Incluye ejemplos y fórmulas para calcular estadísticos como z, t de Student y chi cuadrado.
Tarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTASIPN
Este documento presenta 16 problemas relacionados con distribuciones de probabilidad como chi cuadrada, t de Student, F y normal. Los problemas cubren temas como calcular valores críticos para diferentes niveles de significancia, encontrar probabilidades asociadas a estas distribuciones y realizar pruebas de hipótesis para comparar varianzas. El objetivo general es practicar conceptos estadísticos fundamentales como descripciones de datos, distribuciones de muestreo y pruebas de hipótesis.
Este documento presenta ejemplos de distribuciones de probabilidad discretas como la distribución de Bernoulli, binomial y Poisson. Incluye cálculos de probabilidades, medias y varianzas para variables aleatorias con estas distribuciones.
La distribución de Poisson describe la probabilidad de que ocurran ciertos eventos al azar en intervalos de tiempo, área o volumen fijos. Se aplica cuando el número de ensayos es grande y la probabilidad de éxito en cada uno es baja. La función de probabilidad de Poisson depende de la tasa promedio de ocurrencia de eventos y el número de eventos observados. La media y la varianza de una distribución de Poisson son iguales a su parámetro de tasa promedio.
El documento presenta 4 problemas de probabilidad resueltos numéricamente. El primer problema calcula la probabilidad de obtener 15 partículas al extraer 3 ml de una suspensión con 6 partículas por ml. El segundo problema determina la probabilidad de que una galleta contenga 5 chispas de chocolate al agregar 300 chispas a 100 galletas. El tercer problema calcula la cantidad de chispas que se deben agregar para que solo el 1% de las galletas no contengan chispas. El cuarto problema determina la probabilidad de que en 3 minutos haya menos de 60
1. Se pide calcular la probabilidad de que una franja defectuosa en longitud también lo sea en textura. La probabilidad es de 0.08.
2. Se pide calcular la probabilidad de ver una película de acción y la probabilidad de haber ido al primer cine si no es de acción. Las probabilidades son 0.55 y 0.83 respectivamente.
3. Se pide calcular la probabilidad de no tener VIH ni herpes, y si sorprendería encontrar a alguien con ambos. Las probabilidades son 0.9895 y 0.0005 respectivamente.
La distribución de Poisson se utiliza comúnmente en trabajos científicos y puede aproximarse a la distribución binomial cuando n es grande y p es pequeña. Este documento presenta varios problemas y ejercicios relacionados con la distribución de Poisson, incluyendo calcular probabilidades, medias, varianzas y realizar estimaciones con incertidumbres.
La mayoría de los problemas en el documento involucran calcular probabilidades usando diferentes distribuciones de probabilidad como la binomial, Poisson, hipergeométrica y exponencial. Algunos problemas piden calcular la probabilidad de que ciertos eventos ocurran dado los parámetros de cada distribución, mientras que otros proveen datos estadísticos y piden calcular valores esperados y varianzas.
Este documento presenta las distribuciones geométrica e hipergeométrica. La distribución geométrica describe experimentos de ensayo y error donde el primer éxito ocurre en el último ensayo. Se usa para calcular la probabilidad de que el sexto o quinto dispositivo muestre una desviación. La distribución hipergeométrica se aplica cuando hay dos tipos de resultados posibles y cada ensayo no es independiente; se usa para calcular la probabilidad de que un viajero sea arrestado por narcóticos al seleccionar 3
El documento describe varias distribuciones de probabilidad discretas, incluyendo la distribución de Bernoulli, la distribución binomial, la distribución de Poisson y la distribución exponencial. Proporciona ejemplos y soluciones para cada distribución.
La distribución exponencial se utiliza para modelar el tiempo entre eventos sucesivos y representa el tiempo hasta el primer suceso desde un instante dado. Una variable aleatoria continua tiene una distribución exponencial con parámetro λ si su función de densidad es exponencial y su esperanza, varianza y función de distribución acumulada cumplen ciertas propiedades. La probabilidad de que un proceso exponencial dure más tiempo después de un lapso dado es independiente de ese lapso.
Este documento explica la distribución de Poisson. Presenta 5 ejercicios numéricos que ilustran cómo calcular probabilidades para variables aleatorias con distribución de Poisson. Los ejercicios cubren cálculos como la probabilidad de que ocurran cierto número de eventos, la media y varianza esperadas, y comparaciones entre distribuciones de Poisson y binomial.
Este documento describe conceptos relacionados con distribuciones de probabilidad binomial y Poisson. Explica las fórmulas para calcular la probabilidad de éxitos en una distribución binomial y la varianza en distribuciones binomiales y de Poisson. Además, presenta ejemplos numéricos de cálculos de probabilidades para estas distribuciones.
Este documento presenta 5 ejercicios sobre la distribución de Poisson. Cada ejercicio contiene varias preguntas sobre la probabilidad de eventos relacionados con variables aleatorias discretas modeladas por la distribución de Poisson, como el número de partículas, bacterias o mensajes en un período de tiempo dado.
El documento presenta varios problemas de distribuciones de probabilidad como Bernoulli, binomial y resuelve ejercicios sobre ellas. En el primer problema, se calcula la probabilidad de que un jugador anote un tiro de basquetbol. En el segundo, se analizan las probabilidades de pedir diferentes tamaños de bebidas en un restaurante. En el tercero, se calculan probabilidades sobre defectos en un barniz.
Este documento describe diferentes distribuciones de probabilidad como la Bernoulli, binomial, Poisson y exponencial. Incluye conceptos, fórmulas y ejemplos de cada una. También presenta problemas de probabilidad para practicar el cálculo de variables aleatorias con estas distribuciones.
El documento presenta ejemplos y ejercicios resueltos sobre distribuciones de probabilidad binomial y Bernoulli. Introduce las distribuciones, sus fórmulas y cómo calcular la probabilidad de diferentes eventos. Los ejercicios incluyen calcular la probabilidad de obtener cierto número de éxitos o defectos en muestras aleatorias tomadas de poblaciones.
El documento presenta ejemplos y ejercicios resueltos sobre distribuciones de probabilidad binomial y Bernoulli. Introduce las distribuciones, sus fórmulas y cómo calcular la probabilidad de diferentes eventos. Los ejercicios incluyen calcular la probabilidad de obtener cierto número de éxitos o defectos basado en el número de pruebas y la probabilidad de éxito de cada prueba.
El documento presenta ejemplos y ejercicios resueltos sobre distribuciones de probabilidad de Bernoulli y binomial. Introduce la distribución de Bernoulli definida por dos posibles resultados (éxito y fracaso) y la distribución binomial que mide el número de éxitos en una secuencia de n experimentos independientes. Incluye fórmulas, ejemplos y la solución a varios ejercicios sobre el cálculo de probabilidades usando ambas distribuciones.
1. El documento presenta ejemplos de diferentes distribuciones de probabilidad incluyendo distribución de Bernoulli, distribución de Poisson, distribución binomial, distribución gamma y distribución t-Student.
2. Se proporcionan ejemplos numéricos para calcular probabilidades usando cada una de estas distribuciones.
3. Los ejemplos cubren temas como lanzar dados, sacar boletos premiados, problemas en registros contables, tiempo de reparación y supervivencia de pacientes.
Este documento presenta varios problemas resueltos relacionados con distribuciones de probabilidad como la distribución de Bernoulli, binomial, Poisson y otros. Se explican conceptos básicos de cada distribución y se resuelven ejercicios prácticos calculando probabilidades para diferentes variables aleatorias discretas.
Este documento describe diferentes tipos de distribuciones de probabilidad: la distribución de Bernoulli, la distribución binomial, la distribución de Poisson y la distribución exponencial. La distribución de Bernoulli describe experimentos con dos posibles resultados, como lanzar una moneda. La distribución binomial modela el número de éxitos en una secuencia de experimentos independientes. La distribución de Poisson describe el número de eventos que ocurren en un intervalo de tiempo o espacio, cuando estos eventos ocurren con una tasa conocida. Finalmente, la distribución exponencial modela el tiempo de
Este documento describe las distribuciones binomial y Poisson. Explica que la distribución binomial modela experimentos con sucesos discretos independientes con probabilidad constante, mientras que la distribución de Poisson se aplica a eventos aleatorios e impredecibles. Proporciona ejemplos y fórmulas para calcular probabilidades usando ambas distribuciones.
Este documento presenta una ayudantía sobre probabilidad y estadística. Incluye un repaso de conceptos clave como técnicas de conteo, axiomas de probabilidad, probabilidad condicional e independencia estadística. También define conceptos como espacio muestral, eventos y partición de un espacio muestral. Finalmente, propone ejercicios prácticos para aplicar estos conceptos y repasar antes de un certamen.
1. El documento presenta ejemplos de diferentes distribuciones de probabilidad incluyendo distribución de Bernoulli, distribución binomial, distribución de Poisson, distribución gamma y distribución t-Student.
2. Se resuelven problemas estadísticos utilizando estas distribuciones como calcular probabilidades con diferentes parámetros.
3. Los ejemplos cubren temas como lanzar dados, sacar boletos premiados, problemas de producción y tiempo de reparación.
Este documento describe diferentes distribuciones de probabilidad como la binomial, Poisson y exponencial. También incluye ejemplos y problemas de cada distribución. La distribución binomial se usa para modelar experimentos con varios ensayos de Bernoulli, la Poisson se aplica a eventos aleatorios que ocurren continuamente en el tiempo o espacio, y la exponencial modela el tiempo entre eventos.
Este documento trata sobre la distribución binomial. Explica que es una distribución de probabilidad discreta que mide el número de éxitos en una secuencia de n experimentos independientes, donde la probabilidad de éxito es θ en cada experimento. Luego presenta fórmulas y ejercicios para calcular la probabilidad de diferentes resultados usando la distribución binomial.
Este documento presenta ejemplos de diferentes distribuciones de probabilidad como Bernoulli, binomial, Poisson, normal, gamma y t de Student. Incluye ejercicios y problemas resueltos sobre cada distribución con el objetivo de explicar sus características fundamentales y cómo calcular probabilidades para diferentes escenarios.
Este documento presenta ejemplos de diferentes distribuciones de probabilidad como Bernoulli, binomial, Poisson, normal, gamma y t de Student. Incluye ejercicios y problemas resueltos sobre cada distribución para ilustrar sus características y cómo calcular probabilidades asociadas a cada una. Las distribuciones cubiertas son comúnmente usadas en estadística para modelar diferentes tipos de fenómenos aleatorios.
1. El documento presenta varios ejemplos de cálculos de probabilidad utilizando diferentes distribuciones de probabilidad como Bernoulli, Binomial, Poisson, Normal y Gamma.
2. Se calculan probabilidades de eventos como sacar una carta o alumno en particular, que sobrevivan cierto número de personas, que salgan más caras que cruces al lanzar una moneda varias veces, entre otros.
3. Los cálculos incluyen determinar la media, varianza, probabilidades absolutas y percentiles para cada distribución y ejemplo presentado.
Este documento presenta varios ejemplos ilustrativos de las principales distribuciones de probabilidad como Bernoulli, Poisson, binomial, gamma y t-student. Cada ejemplo incluye los parámetros de la distribución y el cálculo de probabilidades relevantes para la situación planteada como la probabilidad de éxito, media, varianza u otros valores estadísticos. Los ejemplos cubren aplicaciones comunes de estas distribuciones en diferentes campos como estadística, contabilidad, ingeniería y medicina.
Este documento presenta cuatro problemas de probabilidad relacionados con distribuciones de Poisson. El primer problema calcula la probabilidad de que ninguna o entre 1 y 10 piezas estén defectuosas en una muestra de 5000 piezas. El segundo problema calcula la probabilidad de encontrar exactamente 15 partículas en una muestra de 3 ml. El tercer problema calcula la probabilidad de recibir entre 12 y 20 visitas en 3 minutos a un blog que recibe 5 visitas por minuto. El cuarto problema calcula la probabilidad de encontrar entre 0 y 10 chispas de chocolate en una galleta preparada con
Este documento presenta 5 ejemplos que ilustran el uso de distribuciones de probabilidad como la de Bernoulli, Poisson, binomial, gamma y t-student. El primer ejemplo calcula la probabilidad de que un jugador de basquetbol anote un tiro libre basado en una distribución de Bernoulli. Los otros ejemplos calculan probabilidades usando diferentes distribuciones de probabilidad discretas y continuas para modelar diferentes situaciones aleatorias.
El documento presenta 5 ejemplos que ilustran el uso de distribuciones de probabilidad como la de Bernoulli, Poisson, binomial, gamma y t-student. Cada ejemplo resuelve un problema estadístico calculando probabilidades asociadas a dichas distribuciones.
El documento presenta 5 ejemplos que ilustran el uso de distribuciones de probabilidad como la de Bernoulli, Poisson, binomial, gamma y t-student. Cada ejemplo resuelve un problema estadístico calculando probabilidades asociadas a dichas distribuciones.
Este documento discute los resultados de una prueba de resistencia a la tensión de un material. La resistencia promedio medida fue de 110,600 psi, lo cual cumple con las especificaciones del producto de 110,000 psi. El autor también analiza un histograma de los resultados y determina que la variabilidad es aceptable, con la mayoría de las mediciones por encima de las especificaciones. Por lo tanto, concluye que este material cumple los requisitos y es adecuado para su uso.
La estadística de student no se debe utilizar para este conjunto de datos debido a que contiene valores atípicos. No hay forma de saber si las mediciones provienen de una población normal y un valor atípico invalidaría el intervalo de confianza. El documento también incluye encabezados para diferentes ejercicios de la sección 5.3.
Introduciéndonos a los intervalos de confianza. dannyconye
Este documento presenta dos ejemplos de cálculos de intervalos de confianza. El primer ejemplo calcula el intervalo de confianza del 95% para la media poblacional de la duración de vida de 50 microperforadoras basado en una muestra. El segundo ejemplo calcula incorrectamente el intervalo de confianza del 95% para la proporción poblacional de microperforadoras que cumplen con las especificaciones, pero luego corrige este cálculo usando un método mejor descrito en un libro de texto.
La distribución normal es una distribución de probabilidad muy importante en estadística. Se puede usar MiniTab para generar datos aleatorios con una distribución normal y analizarlos. MiniTab ofrece herramientas para crear histogramas y gráficos de caja para visualizar y resumir datos con una distribución normal.
El documento presenta varios problemas de probabilidad. El primero describe un tirador que practica en un blanco de 4 anillos concéntricos y proporciona las probabilidades de acertar en cada anillo. Otro problema involucra dos bombas con probabilidades de falla del 5% y 10% respectivamente, y una probabilidad combinada de funcionamiento del 88%. Un tercer problema calcula la probabilidad de extraer dos lámparas de 100W de una caja que contiene lámparas de diferentes vatios.
La probabilidad condicional es la probabilidad de que ocurra un evento sabiendo que ya ocurrió otro evento previo. Si se lanza un dado y el primer resultado es 1, la probabilidad condicional de que el segundo resultado sea 7 es de 1/6, ya que solo si el primer dado es 6 y el segundo 1 se puede obtener un resultado total de 7. Calcular probabilidades condicionales puede ser más sencillo que probabilidades clásicas porque se sabe de antemano cuál es el primer evento.
El documento describe cómo se utilizó el análisis estadístico para determinar la probabilidad de que un lote de pernos cumpla con las especificaciones del cliente. Se calculó que la probabilidad de cumplimiento era del 100% y la probabilidad de no cumplimiento era del 0%. También se analizaron diferentes rangos de especificaciones y su relación con la media y desviación estándar muestral. La estadística permite predecir si un proceso industrial cumplirá con los requisitos del cliente y verificar la calidad.
El documento presenta conceptos fundamentales sobre probabilidad subjetiva, frecuencial y clásica. Explica que la probabilidad subjetiva se basa en la experiencia o intuición de un individuo, mientras que la probabilidad frecuencial se determina por la frecuencia relativa de un evento. También describe cómo calcular la probabilidad clásica cuando hay un número finito de resultados posibles y mutuamente excluyentes. Luego, proporciona varios ejemplos numéricos para calcular las tres probabilidades y comparar los resultados.
Este documento trata sobre estadística y datos agrupados. Se analizan las calificaciones de un examen de admisión de una universidad para determinar la calificación mínima aprobatoria, el porcentaje de estudiantes que necesitan asesoría y las horas de asesoría requeridas. Se identifica la población, variable y escala de medición, y se elabora una tabla de distribución de frecuencias para interpretar los resultados.
Análisis de la información; Alcoholemia dannyconye
Este documento describe una investigación estadística. Se estudió una muestra de una población conceptual finita. La variable de interés se midió en una escala nominal u ordinal.
Estadística; Datos no agrupados 3ser Trabajodannyconye
Este documento resume los pasos para analizar datos sobre el tiempo de atención al cliente en una caja. Incluye definir la población, variable de interés y escala de medición, calcular medidas de tendencia central y dispersión, y concluir si se necesita contratar otro cajero basado en los resultados. Calcula la media, mediana y moda como 3.57, 3.6 y 3.6 minutos respectivamente. Concluye que probablemente no es necesario un segundo cajero dado que el tiempo promedio de atención es menor a 5 minutos.
El documento contiene información personal de un individuo incluyendo su nombre completo, fecha y nombre de otra persona con una letra y número, presumiblemente una referencia a su grupo o clase.
Este documento presenta información sobre conceptos estadísticos fundamentales como población, muestra y muestra aleatoria simple. Explica que la población representa el conjunto completo de elementos, mientras que la muestra es un subconjunto de la población. También provee ejemplos de poblaciones tangibles y conceptuales, y casos en los cuales una muestra podría o no considerarse aleatoria simple.
Antecedentes del estudio de métodos a la administración del trabajodannyconye
El documento resume los antecedentes históricos del estudio de métodos en la administración del trabajo. Explica que Frederick W. Taylor sentó las bases de la administración científica al idear principios para mejorar la eficiencia en las empresas a finales del siglo XIX. También menciona otros pensadores como Fayol, Barnard y Maslow que contribuyeron al desarrollo posterior de técnicas de organización científica del trabajo.
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLMJuan Martín Martín
Examen de Selectividad de la EvAU de Geografía de junio de 2023 en Castilla La Mancha. UCLM . (Convocatoria ordinaria)
Más información en el Blog de Geografía de Juan Martín Martín
http://blogdegeografiadejuan.blogspot.com/
Este documento presenta un examen de geografía para el Acceso a la universidad (EVAU). Consta de cuatro secciones. La primera sección ofrece tres ejercicios prácticos sobre paisajes, mapas o hábitats. La segunda sección contiene preguntas teóricas sobre unidades de relieve, transporte o demografía. La tercera sección pide definir conceptos geográficos. La cuarta sección implica identificar elementos geográficos en un mapa. El examen evalúa conocimientos fundamentales de geografía.
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptxOsiris Urbano
Evaluación de principales hallazgos de la Historia Clínica utiles en la orientación diagnóstica de Hemorragia Digestiva en el abordaje inicial del paciente.
LA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJEjecgjv
La Pedagogía Autogestionaria es un enfoque educativo que busca transformar la educación mediante la participación directa de estudiantes, profesores y padres en la gestión de todas las esferas de la vida escolar.
José Luis Jiménez Rodríguez
Junio 2024.
“La pedagogía es la metodología de la educación. Constituye una problemática de medios y fines, y en esa problemática estudia las situaciones educativas, las selecciona y luego organiza y asegura su explotación situacional”. Louis Not. 1993.
1. Procesos industriales área manufactura
Probabilidad y estadística; Distribuciones de
probabilidad.
Danny Chavarría Martinez
2-D
-¿Qué tal van las clases, Bartolo? Me pregunta mi barbero.
-Bien... Dando probabilidad y estadística... Respondo.
-¡Ah! Probabilidad... Yo suelo jugar a la lotería... Dice mientras me pasa la cuchilla. -Cuando compro un número, tal y
como yo lo veo, hay dos posibilidades: ganar o perder. De modo que tengo un 50% de probabilidad de ganar y un 50%
de perder.
-¡Muy bien, Ricardo! Respondo, mientras pienso que no es bueno contradecir a nadie que tenga una navaja en mi
cuello...
2. Distribución de Bernoulli
Definición: Es una variable discreta que consiste en dos posibles resultados,
denominados como Éxito y Fracaso, siendo éxito denominado como X=1 resultando
en éxito y X=0 en caso contrario.
Formula: 𝑷(𝒙) = 𝒑 𝒙
(𝟏 − 𝒑) 𝟏−𝒙
𝒙 = 𝟎, 𝟏
Ejemplo:
Si se lanza una moneda al aire, ¿cuál es la probabilidad de que salga águila?
-Siendo p= ½ siendo esto porque solo hay dos resultados, entonces la probabilidad de
que solo caiga águila es del 0.5%
Ejercicios:
1- Si tenemos 9 cartas, enumeradas del 1 al 9 ¿Cuál es la probabilidad de sacar la
carta con el numero 9?
La probabilidad de que obtengamos la carta 9 es:
P(x=1) = (1/9)1
(8/9)0
=1/9 = 0.111
La probabilidad de NO obtener la carta 9 es:
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 darle un premio
a aquel que escoja, pero la maestra lo seleccionara con los ojos cerrados ¿Cuál
es la probabilidad de que escoja al número 16?
La probabilidad de que escoja al alumno 16:
P(x=1) = (1/16)1
(15/16)0
=1/16 = 0.0625
La probabilidad de que escoja a cualquier otro alumno:
P(x=0) = (1/16)0
(15/16)1
=15/16 = 0.9375
3- Se hace una rifa de un automóvil, y se venden 500 boletos ¿Qué probabilidad
hay de que al momento de sacar el boleto gane el boleto con el numero 500?
La probabilidad de que salga el boleto 500 es:
P(x=1) = (1/500)1
(499/500)0
=1/500 = 0.002
La probabilidad de que NO salga el boleto con 500 es:
P(x=0) = (1/500)0
(499/500)1
=499/500 = 0.998
3. 4- En una industria se reporta que de un lote de 700 piezas 1 sale defectuosa,
sabiendo esto ¿Cuál es la probabilidad de que sea la pieza 458 la que sufra de
ese error?
La probabilidad de que sea la pieza 458 la que tenga un defecto es:
P(x=1) = (1/700)1
(699/700)0
=1/700 = 0.001428
La probabilidad de que No sea esa pieza la que resulte con el defecto es:
P(x=0) = (1/700)0
(699/700)1
=699/700 = 0.9985
5- Un jugador de basquetbol lanzara 20 tiros a la canasta, ¿Cuál es la probabilidad
de que enceste 7 veces?
La probabilidad de que enceste 7 veces es:
P(x=1) = (7/20)1
(13/20)0
=7/20 = 0.35
La probabilidad de que NO enceste 7 veces es:
P(x=0) = (7/20)0
(13/20)1
=13/20 = 0.65
4. Distribución Binomial
Definición: Es una probabilidad de distribución discreta el cual mide el número
de éxitos en una secuencia de n experimentos independientes.
Formula: 𝑷(𝒙 = 𝒌)
𝒏!
𝒌! (𝒏−𝒌)!
𝑷 𝒌
(𝟏 − 𝑷) 𝒏−𝒌
𝒙 ∽ 𝑩𝒊𝒏(𝒏, 𝒑)
Ejemplo:
Sabiendo que 𝒙 ∽ 𝑩𝒊𝒏(𝟐𝟓, 𝟎. 𝟏), Se toma una muestra de 15 piezas de una
población grande en la cual el 5% de los elementos esta defectuoso.
a) Determina la probabilidad de que ninguna de las muestras este defectuosa.
𝑷(𝒙 = 𝟎)
𝟐𝟓!
𝟎! (𝟐𝟓 − 𝟎)!
(𝟎. 𝟏) 𝟎
(𝟏 − 𝟎. 𝟏) 𝟐𝟓−𝟎
= 𝟎. 𝟎𝟕𝟏𝟕𝟎𝟎 ó 𝟕. 𝟏𝟕%
Ejercicios:
1- La empresa Dts industries fabrica 2,500 piezas de computadoras, si se toma
una muestra de 100 piezas, Si se sabe que 𝒙 ∽ 𝑩𝒊𝒏(𝟏𝟎𝟎, 𝟎. 𝟎𝟔)
a) Probabilidad de que ninguna pieza presente algún defecto.
b) Probabilidad de que 5 piezas tenga algún defecto.
c) Probabilidad de que 10 piezas tengan algún defecto.
a) 𝑷(𝒙 = 𝟎)
𝟏𝟎𝟎!
𝟎! (𝟏𝟎𝟎−𝟎)!
𝟎. 𝟎𝟒 𝟎
(𝟏 − 𝟎. 𝟎𝟒) 𝟏𝟎𝟎−𝟎
= 𝟎. 𝟎𝟏𝟔𝟖𝟕𝟎
b) 𝑷(𝒙 = 𝟓)
𝟏𝟎𝟎!
𝟓! (𝟏𝟎𝟎−𝟓)!
𝟎. 𝟎𝟒 𝟓
(𝟏 − 𝟎. 𝟎𝟒) 𝟏𝟎𝟎−𝟓
= 𝟎. 𝟏𝟓𝟗𝟓𝟏𝟎
c) 𝑷(𝒙 = 𝟏𝟎)
𝟏𝟎𝟎!
𝟏𝟎! (𝟏𝟎𝟎−𝟏𝟎)!
𝟎. 𝟎𝟒 𝟏𝟎
(𝟏 − 𝟎. 𝟎𝟒) 𝟏𝟎𝟎−𝟏𝟎
= 𝟎. 𝟎𝟎𝟒𝟔𝟎𝟓
2- Determina la probabilidad de la variable aleatoria X si 𝒙 ∽ 𝑩𝒊𝒏(𝟏𝟖, 𝟎. 𝟓𝟑)
Determine P(X=3), P(X=6) y P(X=9)
a) 𝑷(𝒙 = 𝟑)
𝟏𝟖!
𝟑! (𝟏𝟖−𝟑)!
(𝟎. 𝟓𝟑) 𝟑
(𝟏 − 𝟎. 𝟓𝟑) 𝟏𝟖−𝟑
= 𝟎. 𝟎𝟎𝟏𝟒𝟔𝟓𝟒𝟗𝟗
b) 𝑷(𝒙 = 𝟔)
𝟏𝟖!
𝟔! (𝟏𝟖−𝟔)!
(𝟎. 𝟓𝟑) 𝟔
(𝟏 − 𝟎. 𝟓𝟑) 𝟏𝟖−𝟔
= 0.47808055
c) 𝑷(𝒙 = 𝟗)
𝟏𝟖!
𝟗! (𝟏𝟖−𝟗)!
(𝟎. 𝟓𝟑) 𝟗
(𝟏 − 𝟎. 𝟓𝟑) 𝟏𝟖−𝟗
= 𝟎. 𝟏𝟕𝟗𝟓𝟒𝟕𝟏𝟒𝟒
5. 3- En un cargamento grande de llantas de automóvil, 5% tiene cierta
imperfección. Se eligen aleatoriamente cuatro llantas para instalarlas en el
automóvil.
a) ¿Cuál es la probabilidad de que ninguna de las llantas tenga
imperfección?
b) ¿Cuál es la probabilidad de que sólo una de las llantas tenga
imperfección?
c) ¿Cuál es la probabilidad de que una o más de las llantas tenga
imperfección?
𝒙 ∽ 𝑩𝒊𝒏(𝟒, 𝟎. 𝟓)
a) 𝑷(𝒙 = 𝟎)
𝟒!
𝟎! (𝟒−𝟎)!
(𝟎. 𝟓) 𝟎
(𝟏 − 𝟎. 𝟓) 𝟒−𝟎
= 𝟎. 𝟎𝟔𝟐𝟓
b) 𝑷(𝒙 = 𝟏)
𝟒!
𝟏! (𝟒−𝟏)!
(𝟎. 𝟓) 𝟏
(𝟏 − 𝟎. 𝟓) 𝟒−𝟏
= 𝟎. 𝟐𝟓
𝑷(𝒙 ≥ 𝟏)
c) 𝑷(𝒙 = 𝟏)
𝟒!
𝟏! (𝟒−𝟏)!
(𝟎. 𝟓) 𝟏
(𝟏 − 𝟎. 𝟓) 𝟒−𝟏
= 𝟎. 𝟐𝟓 +
𝑷(𝒙 = 𝟐)
𝟒!
𝟐! (𝟒 − 𝟐)!
(𝟎. 𝟓) 𝟐
(𝟏 − 𝟎. 𝟓) 𝟒−𝟐
= 𝟎. 𝟑𝟕𝟓 +
𝑷(𝒙 = 𝟑)
𝟒!
𝟑! (𝟒 − 𝟑)!
(𝟎. 𝟓) 𝟑
(𝟏 − 𝟎. 𝟓) 𝟒−𝟑
= 𝟎. 𝟐𝟓 +
𝑷(𝒙 = 𝟒)
𝟒!
𝟒! (𝟒−𝟒)!
(𝟎. 𝟓) 𝟒
(𝟏 − 𝟎. 𝟓) 𝟒−𝟒
=0.0625
𝟎. 𝟐𝟓 + 𝟎. 𝟑𝟕𝟓 + 𝟎. 𝟐𝟓 + 𝟎. 𝟎𝟔𝟐𝟓 = 𝟎. 𝟗𝟑𝟕𝟓
4- Se toma una muestra de cinco elementos de una población grande en la cual
10% de los elementos está defectuoso.
a) Determine la probabilidad de que ninguno de los elementos de la muestra
esté defectuoso.
b) Determine la probabilidad de que sólo uno de ellos tenga defectos.
c) Determine la probabilidad de que uno o más de los elementos de la
muestra estén defectuosos.
d) Determine la probabilidad de que menos de dos elementos de la muestra
tenga defectos.
a) 𝑷(𝒙 = 𝟎)
𝟓!
𝟎! (𝟓−𝟎)!
(𝟎. 𝟏) 𝟎
(𝟏 − 𝟎. 𝟏) 𝟓−𝟎
= 𝟎. 𝟓𝟗𝟎𝟒𝟗
b) 𝑷(𝒙 = 𝟏)
𝟓!
𝟏! (𝟓−𝟏)!
(𝟎. 𝟏) 𝟏
(𝟏 − 𝟎. 𝟏) 𝟓−𝟏
= 𝟎. 𝟑𝟐𝟖𝟎𝟓
6. c) 𝑷(𝒙 = 𝟏)
𝟓!
𝟏! (𝟓−𝟏)!
(𝟎. 𝟏) 𝟏
(𝟏 − 𝟎. 𝟏) 𝟓−𝟏
= 𝟎. 𝟑𝟐𝟖𝟎𝟓
𝑷(𝒙 = 𝟐)
𝟓!
𝟐! (𝟓 − 𝟐)!
(𝟎. 𝟏) 𝟐
(𝟏 − 𝟎. 𝟏) 𝟓−𝟐
= 𝟎. 𝟎𝟕𝟐𝟗 +
𝑷(𝒙 = 𝟑)
𝟓!
𝟑! (𝟓 − 𝟑)!
(𝟎. 𝟏) 𝟑
(𝟏 − 𝟎. 𝟏) 𝟓−𝟑
= 𝟎. 𝟎𝟎𝟖𝟏 +
𝑷(𝒙 = 𝟒)
𝟓!
𝟒! (𝟓 − 𝟒)!
(𝟎. 𝟏) 𝟒
(𝟏 − 𝟎. 𝟏) 𝟓−𝟒
= 𝟎. 𝟎𝟎𝟎𝟒𝟓 +
𝑷(𝒙 = 𝟓)
𝟓!
𝟓! (𝟓 − 𝟓)!
(𝟎. 𝟏) 𝟓
(𝟏 − 𝟎. 𝟏) 𝟓−𝟓
= 𝟎. 𝟎𝟎𝟎𝟎𝟏
𝟎. 𝟎𝟕𝟐𝟗 + 𝟎. 𝟎𝟎𝟖𝟏 + 𝟎. 𝟎𝟎𝟎𝟒𝟓 + 𝟎. 𝟎𝟎𝟎𝟎𝟏 = 𝟎. 𝟎𝟖𝟓𝟓𝟏 ó 𝟖. 𝟓𝟓𝟏%
d) 𝑷(𝒙 = 𝟎)
𝟓!
𝟎! (𝟓−𝟎)!
(𝟎. 𝟏) 𝟎
(𝟏 − 𝟎. 𝟏) 𝟓−𝟎
= 𝟎. 𝟓𝟗𝟎𝟒𝟗 +
𝑷(𝒙 = 𝟏)
𝟓!
𝟏! (𝟓 − 𝟏)!
(𝟎. 𝟏) 𝟏
(𝟏 − 𝟎. 𝟏) 𝟓−𝟏
= 𝟎. 𝟑𝟐𝟖𝟎𝟓 +
𝑷(𝒙 = 𝟐)
𝟓!
𝟐! (𝟓 − 𝟐)!
(𝟎. 𝟏) 𝟐
(𝟏 − 𝟎. 𝟏) 𝟓−𝟐
= 𝟎. 𝟎𝟕𝟐𝟗
𝟎. 𝟓𝟗𝟎𝟒𝟗 + 𝟎. 𝟑𝟐𝟖𝟎𝟓 + 𝟎. 𝟎𝟕𝟐𝟗 = 𝟎. 𝟗𝟗𝟏𝟒𝟒 ó 𝟗𝟗. 𝟏𝟒𝟒%
5- En un patrón aleatorio de ocho bits utilizado para probar un microcircuito,
cada bit tiene la misma probabilidad de ser 0 o 1. Suponga que los valores de
los bits son independientes.
a) ¿Cuál es la probabilidad de que todos los bits sean 1?
b) ¿Cuál es la probabilidad de que exactamente tres de los bits sean 1?
c) ¿Cuál es la probabilidad de que seis de los bits sean 1?
d) ¿Cuál es la probabilidad de que menos de dos de los bits sean 1?
a) 𝑷(𝒙 = 𝟖)
𝟖!
𝟖! (𝟖−𝟖)!
(𝟎. 𝟏) 𝟖
(𝟏 − 𝟎. 𝟓) 𝟖−𝟖
= 0.00390625
b) 𝑷(𝒙 = 𝟑)
𝟖!
𝟑! (𝟖−𝟑)!
(𝟎. 𝟓) 𝟑
(𝟏 − 𝟎. 𝟓) 𝟖−𝟑
= 𝟎. 𝟐𝟏𝟖𝟕𝟓
c) 𝑷(𝒙 = 𝟔)
𝟖!
𝟔! (𝟖−𝟔)!
(𝟎. 𝟓) 𝟔
(𝟏 − 𝟎. 𝟓) 𝟖−𝟔
= 𝟎. 𝟏𝟎𝟗𝟑𝟕𝟕𝟓
d) 𝑷(𝒙 = 𝟎)
𝟖!
𝟎! (𝟖−𝟎)!
(𝟎. 𝟓) 𝟎
(𝟏 − 𝟎. 𝟓) 𝟖−𝟎
= 𝟎. 𝟎𝟎𝟑𝟗𝟎𝟔𝟐𝟓
𝑷(𝒙 = 𝟏)
𝟖!
𝟏! (𝟖−𝟏)!
(𝟎. 𝟓) 𝟏
(𝟏 − 𝟎. 𝟓) 𝟖−𝟏
=0.03125
𝑷(𝒙 = 𝟐)
𝟖!
𝟐! (𝟖−𝟐)!
(𝟎. 𝟓) 𝟐
(𝟏 − 𝟎. 𝟓) 𝟖−𝟐
= 0.109375
𝟎. 𝟎𝟎𝟑𝟗𝟎𝟔𝟐𝟓 + 𝟎. 𝟎𝟑𝟏𝟐𝟓 + 𝟎. 𝟏𝟎𝟗𝟑𝟕𝟓 = 𝟎. 𝟏𝟒𝟒𝟓𝟑𝟏
7. Distribución de Poisson
Definición: Es una distribución de probabilidad discreta que expresa a
partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra
un determinado número de eventos durante un cierto periodo de tiempo.
Formula: 𝒑(𝒙) = 𝑷 (𝑿 = 𝒙) = 𝒆−𝝀 𝝀 𝒙
𝒙!
Ejemplo:
Una central telefónica recibe en promedio 4 llamadas por hora, calcula las
siguientes probabilidades:
P(x=0), P(x=1) P(x=2)
𝒑(𝒙 = 𝟎)𝒆−𝟒
𝟒 𝟎
𝟎!
= 𝟎. 𝟏𝟖𝟑𝟏𝟓𝟔𝟑𝟖
𝒑(𝒙 = 𝟏)𝒆−𝟒
𝟒 𝟏
𝟏!
= 𝟎. 𝟕𝟑𝟕𝟔𝟐𝟓𝟓𝟐
𝒑(𝒙 = 𝟐)𝒆−𝟒
𝟒 𝟐
𝟐!
= 𝟎. 𝟏𝟒𝟔𝟓𝟐𝟓𝟏𝟏𝟏
Ejercicios:
1- Si ya se conoce que solo el 3% de los alumnos de 2-D son inteligentes
¿Cuál es la probabilidad de que si tomamos 100 alumnos al azar 5 de
ellos sean muy inteligentes?
n=100
p=0.03
λ= 100*0.03= 3
x=5
𝒑(𝒙 = 𝟓)𝒆−𝟑
𝟑 𝟓
𝟓!
= 𝟎. 𝟏𝟎𝟎𝟖𝟏
2- La producción de televisiones en LG trae asociada una probabilidad de
defecto 2%, si se toma un lote o una muestra de 85 televisores, obtener
la probabilidad de que existan 4 televisores con defectos.
n=85
p=0.02
λ= 85*0.02= 1.7
x=4
𝒑(𝒙 = 𝟒)𝒆−𝟏.𝟕
𝟏. 𝟕 𝟒
𝟒!
= 𝟎. 𝟎𝟔𝟑𝟓𝟕𝟒𝟔
8. 3- En una jaula con 100 pericos 15 de ellos hablan ruso, calcular la
probabilidad de que si tomamos 20 pericos al azar, 3 de ellos hablen
ruso.
n=20
p=0.15
λ= 3
x=3
𝒑(𝒙 = 𝟑)𝒆−𝟑
𝟑 𝟑
𝟑!
= 𝟎. 𝟐𝟐𝟒𝟎𝟒𝟏𝟖
4- Se calcula que en la ciudad el 20% de las personas tienen problemas
de vista, si tomamos una muestra de 50 personas al azar, calcular la
probabilidad de que 10 de ellos tengan problemas de vista.
n=50
p=0.20
λ= 10
x=10
𝒑(𝒙 = 𝟏𝟎)𝒆−𝟏𝟎
𝟏𝟎 𝟏𝟎
𝟏𝟎!
= 𝟎. 𝟏𝟐𝟓𝟏𝟏
5- El 8% de los registros contables de una empresa presentan algún
problema, si un auditor toma una muestra de 40 registros, calcular la
probabilidad de que en 5 registros exista algún problema.
n=40
p=0.08
λ= 3.2
x=5
𝒑(𝒙 = 𝟓)𝒆−𝟑.𝟐
𝟑. 𝟐 𝟓
𝟓!
= 𝟎. 𝟏𝟏𝟑𝟗𝟕𝟗𝟑
9. Distribución Exponencial
Definición: Es una distribución continua, nos ayuda a calcular un
evento antes de que suceda sin embargo a este tiempo se le conoce
como Tiempo de espera.
Formula: 𝒑(𝑿 ≤ 𝒙) = 𝟏 − 𝒆−𝝀𝒙
Ejemplo:
El fabricante de baterías ofrece un año de garantía, ofreciendo cambiar
gratuitamente el producto si presenta problemas antes de 1 año. Si la
vida útil de estas baterías es de un promedio de 10 años, calcular el
porcentaje de las baterías que fallaran antes de un año.
𝒑(𝑿 ≤ 𝟏) = 𝟏 − 𝒆−𝟎.𝟏(𝟏)
= 𝟎. 𝟎𝟗𝟓𝟏𝟔𝟐
Ejercicios:
1- En una tienda departamental el tiempo promedio de espera para ser
atendido es cajas al pagar es de 7minutos, determine la probabilidad
de que.
a) Un cliente espere menos de 4 minutos
b) Un cliente espere más de 9 minutos
𝒑(𝑿 ≤ 𝟒) = 𝟏 − 𝒆−𝟎.𝟏𝟒𝟐𝟖𝟓𝟕(𝟒)
= 𝟎. 𝟒𝟐𝟖𝟓𝟕𝟏
𝒑(𝑿 ≥ 𝟗) = 𝟏 − 𝒆−𝟎.𝟏𝟒𝟐𝟖𝟓𝟕(𝟗)
= 𝟎. 𝟕𝟐𝟑𝟓𝟒𝟔
2- El tiempo de vida de un fusible en cierta aplicación tiene distribución
exponencial con media de dos años.
a) ¿Cuál es el valor del parámetro λ?
b) ¿Cuál es la mediana del tiempo de vida de dicho fusible?
𝜆 = 0.5
𝒑(𝑿 ≤ 𝟏) = 𝟏 − 𝒆−𝟎.𝟓(𝟏)
= 𝟎. 𝟑𝟗𝟑𝟒𝟔𝟗
3- Una investigadora de catalizadores afirma que los diámetros, en
micrones, de los poros de un nuevo producto que ella ha fabricado
sigue una distribución exponencial con parámetro λ = 0.25.
a) ¿Cuál es la media del diámetro de los poros?
𝒑(𝑿 ≤ 𝟏) = 𝟏 − 𝒆−𝟎.𝟐𝟓(𝟏)
= 𝟎. 𝟐𝟐𝟏𝟏𝟗𝟗𝟐𝟏𝟔
4- Alguien argumenta que el tiempo de espera, en minutos, entre las
visitas a un sitio web tiene una distribución exponencial con
parámetro λ = 1.
a) Sea X el tiempo de espera hasta la siguiente visita. Si la
afirmación es verdadera, ¿a qué es igual P(X = 5)?
𝒑(𝒙 = 𝟓)𝟏 − 𝒆−𝟏(𝟓)
= 𝟎. 𝟗𝟗𝟑𝟐𝟔𝟐𝟎𝟓𝟑
10. 5- Una masa radiactiva emite partículas de acuerdo con un proceso de
Poisson a una razón media de dos por segundo. Sea T el tiempo de
espera, en segundos, entre las emisiones.
a) Determine P (T = 2).
𝒑(𝒙 = 𝟐)𝟏 − 𝒆−𝟏(𝟐)
= 𝟎. 𝟖𝟔𝟒𝟔𝟔𝟒𝟕𝟏𝟔