Beruflich Dokumente
Kultur Dokumente
CHRISTIAN CHUMBAY
DANNY SALTO
LUIS ZHAGUI
Distribucin de Poisson
OBJETIVOS
Utilizar la distribucin de Poisson para obtener las probabilidades que ocurren de forma impredecible y
ocasional.
Identificar las propiedades de una distribucin de Poisson.
DISTRIBUCION DE POISSON
Esta distribucin fue descubierta por Simon Denis Poisson (1781-1840) y publicada, junto con su teora
de probabilidades , en 1838.
La distribucin de Poisson es una distribucin de probabilidad de una variable aleatoria discreta, que nos
proporciona la probabilidad de que ocurra un determinado suceso un numero de veces K, en un intervalo
determinado de tiempo, longitud, rea, etc.
LA DISTRIBUCIN DE POISSON
( )
( = )=
!
Donde:
: Promedio de ocurrencias en un intervalo (tiempo, volumen, rea, etc.).
: Es el nmero de ocurrencias.
UTILIDAD
La distribucin de Poisson se utiliza en situaciones donde los sucesos son impredecibles o de ocurrencia
aleatoria, en otras palabras no se sabe el total de posibles resultados.
Es muy til cuando la muestra n es grande y la probabilidad de xitos p es muy pequea.
Se utiliza cuando la probabilidad del evento que nos interesa se distribuye dentro de un segmento n dado
como por ejemplo distancia, rea, volumen o tiempo definido.
EJEMPLOS:
La llegada de un cliente al negocio durante una hora.
Las llamadas telefnicas que se reciben en un da.
Nmero de fallas en la superficie de una cermica rectangular.
Nmero de accidentes de trabajo que ocurren en una fbrica durante una semana.
EJERCICIO 1: En un hospital de una importante ciudad se esta estudiando los nacimientos de bebes
varones. Se sabe que en una semana nacen una media de siete varones. Calcular:
1. Probabilidad de que nazcan 3 varones en una semana.
2. Probabilidad de que nazcan menos de 3 varones a la semana.
( )
( = )=
!
x= nacimiento de un bebe varn
= 7 varones que nacen a la semana.
1. =3 = !
= 0,052
2. <3 = =0 + =1 + =2
( ) ( ) ( )
!
+ !
+ !
= 0,001 + 0,006 + 0,022 = 0,029
EJERCICIO 2: Un cajero automtico es utilizado cada 20 minutos por 6 personas. Se desea saber cual es
la probabilidad:
1. Que el cajero sea utilizado por 5 personas en 20 minutos.
2. Que el cajero sea utilizado por 10 personas en 20 minutos.
( )
( = )=
!
= 6 personas en 20 minutos.
( )
1. ( = 5) = !
= 0,160
( )
2. ( = 10) = !
= 0,041
EJERCICIO 3: Una compaa telefnica recibe llamadas a razn de 4 llamadas por minuto. Calcular la
probabilidad de:
1. Recibir 2 llamadas en un minuto.
2. No recibir ninguna llamada en un minuto.
( )
( = )=
!
= 4 llamadas por minuto
1. =2 =
!
= 0.1465
2. =0 = = 0,0183
!
DISTRIBUCIN DE
PROBABILIDAD
CONTINUA
INTEGRANTES:
Juan Delgado
Darwin Duchi
Ismael Duchi
INTRODUCCION
Su funcin de densidad, aquella que nos permite conocer la probabilidad que tiene
cada punto del intervalo, viene definida por:
Es decir, que el volumen de precipitaciones est entre 400 y 401 litros tiene
un 1% de probabilidades; que est entre 401 y 402 litros, otro 1%, etc.
El valor medio esperado es:
Ejemplo: el salario medio de los empleados de una empresa se distribuye segn una
distribucin normal, con media 5 millones de ptas. y desviacin tpica 1 milln de ptas.
Calcular el porcentaje de empleados con un sueldo inferior a 7 millones de ptas.
UNIVERSIDAD POLITECNICA
SALESIANA
Tatiana Ortiz
Integrantes Daniel Naranjo
Byron Castillo
Distribucin
Tema Hipogeometrica
Carrera Ingeniera
Elctrica
OBJETIVOS ESPECFICOS
* Identificar las caractersticas de una distribucin hipergeomtrica y diferenciarlas de
una distribucin binomial
* Estimar, hallar e interpretar de manera precisa los datos arrojados al calcular una
distribucin hipergeomtrica
* Analizar, interpretar y solucionar situaciones problemas que requieran el uso de una
distribucin hipergeomtrica
La distribucin HIPERGEOMETRICA es una de las distribuciones de probabilidad
discreta. Se utiliza para calcular la probabilidad de una seleccin aleatoria de un
objeto sin repeticin.
Este modelo presenta similitudes con el Binomial, pero sin la suposicin de
independencia de ste ltimo.
=
N = Nmero total de poblacin
C = Nmeros de xitos de poblacin
n = Numero de la muestra
x = Numero de xitos dela muestra
Funcin de permutacin
!
=
! !
Recomendacin
La distribucin HIPERGEOMTRICA es
especial til en todos aquellos casos
en los que se extraigan muestras o se
realizan experiencias repetidas sin
devolucin del elemento extrado o
sin retornar a la situacin
experimental inicial.
CONCLUSIONES
Solucin:
a) N = 50 Total de la poblacin
R = existo de la poblacin
n = 10 muestra
x=3
12 50 12
=3 = 3 10 3
50
10 12! 38! 50!
=3 = . = 0,2703 = 27,03%
3! 9! 7! 3! 10! 40!
b) N = 50 Total de la poblacin
R = existo de la poblacin
n = 10 muestra
x=4
12 50 12
=3 = 4 10 4
50
10
Solucin:
a) N = 10 proyectiles en total
a = 7 proyectiles que explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el nmero de
proyectiles que explotan entre la muestra que se dispara
7 10 7
=4 = 4 44 7! 3! 10!
10 =4 = . = 0,1667 = 16,66%
3 4! 3! 0! 3! 3! 7!
b) N = 10 proyectiles en total
a = 3 proyectiles que no explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2 o 3 proyectiles que no explotan
3 10 3
=2 = 2 42
10
4
3! 7! 10!
=2 = . = 0,30 = 30,0%
2! 1! 2! 5! 4! 6!
Ejemplo 3. a)Cul es la probabilidad de que una mesera se rehse a servir bebidas
alcohlicas nicamente a dos menores de edad si verifica aleatoriamente solo 5
identificaciones de entre 9 estudiantes, de los cuales 4 no tienen la edad suficiente?, b)
Cul es la probabilidad de que como mximo 2 de las identificaciones pertenezcan a
menores de edad?
Solucin:
a) N = 9 total de estudiantes
a = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el nmero de identificaciones que pertenecen a personas
menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
4 94
=2 = 2 52
9 3! 7! 9!
5 =2 = . = 0,4761 = 47,6%
2! 2! 3! 4! 5! 4!
b) N = 9 total de estudiantes
a = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el nmero de identificaciones que pertenecen a
personas menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
4 94 4 94
=0 = 0 50 =1 = 1 51
9 9
5 5
4! 5! 9! 4! 5! 9!
=0 = . = 0,0079 = 0,79% =1 = . = 0,158 = 15,8%
0! 4! 5! 0! 5! 4! 1! 3! 4! 1! 5! 4!
3 25 3
3! 22! 25!
=1 = 1 31
=1 = . = 0,3013 = 30%
25 1! 2! 2! 20! 3! 22!
3
Probabilidad de embarque
1 - P = 0.6987 = 69.87%
b)
N = 25 total de cajas
a = 1 objetos defectuosos en la caja
n = 3 muestra tomada
x = cuantos se espera encontrar defectuosos
x=1
1 25 1
=1 = 1 31
25
3 1! 24! 25!
=1 = . = 0,12 = 12%
1! 0! 2! 22! 3! 22!
Referencias
NOMBRES:
BYRON CALDAS, BORIS CHINCHILIMA, JOHAN PEREZ
MATERIA:
PROBABILIDAD Y ESTADISTICA
Distribucin Binomial
Solucin:
X1=numero de personas que llegan en avin
X2=numero de personas que llegan en coche
X3=numero de personas que llegan en tren
X4=numero de personas que llegan en autobs
INTEGRANTES:
WILSON OCHOA
KARLA SNCHEZ
ANA MALDONADO
DISTRIBUCIN NORMAL
En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o distribucin gaussiana, a una de las
distribuciones de probabilidad de variable continua que con ms frecuencia aparece aproximada en fenmenos reales.
La importancia de esta distribucin radica en que permite modelar numerosos fenmenos naturales, sociales y
psicolgicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de fenmenos son
desconocidos, por la enorme cantidad de variables incontrolables que en ellos intervienen, el uso del modelo
normal puede justificarse asumiendo que cada observacin se obtiene como la suma de unas pocas causas
independientes.
APROXIMACIN DE LA DISTRIBUCIN
NORMAL A LA BINOMIAL
En este caso se estarn calculando probabilidades de experimentos Binomiales de una forma muy
aproximada con la distribucin Normal, esto puede llevarse a cabo si n y p = p(xito) no es muy
cercana a 0 y 1, o cuando n es pequeo y p tiene un valor muy cercano a ; esto es
Se utiliza la aproximacin normal para evaluar probabilidades binomiales siempre
que p no est cercano a 0 o 1. La aproximacin es excelente cuando n es grande y
bastante buena para valores pequeos de n si p est razonablemente cercana a .
Antes de empezar a resolver problemas con la aproximacin Normal, es bueno aclarar que se
estn evaluando probabilidades asociadas a una variable discreta x, con una
distribucin que evala variables de tipo continuo como es la Normal,
Por lo que z sufre un pequeo cambio como se muestra a continuacin:
Ejercicios:
Solucin:
n = 80
p = p(dar una contestacin correcta) = 0.25
q = p(dar una contestacin incorrecta) = 1 p = 0.75
= np = 80 x 0.25 = 20 preguntas contestadas correctamente
= = . . = . preguntas correctamente.
x = numero de preguntas que son contestadas correctamente = 0, 1, 2, ., 80.
p(z1 = 1.16) = 0.377
Solucin:
a)
n = 1000
p = p(un producto sea defectuoso) = 0.35
q = p(p(un producto no sea defectuoso) = 1 p = 0.65
= np = 1000 x 0.35 = 350 productos defectuosos
= = . . = . productos defectuosos.
x = numero de productos defectuosos que se manufacturan en la lnea = 0, 1, 2, ., 1000.
p(z = 0.23) = 0.091
b)
c)
Integrantes:
Oscar lvarez
John vila
Ivn Aguilar
La distribucin uniforme discreta es una distribucin de
probabilidad que asume un nmero finito de valores con
la misma probabilidad.
Esperanza
Y su varianza por
1
=
1
= = 1,2 ,
Ojo las dos ultimas formulas se aplican siempre y cuando sus nmeros son
consecutivos es decir X =1,2,3,4,5, .. Hasta n nmeros.
CARACTERISTICAS
- La media de una variable aleatoria discreta uniforme, f(x;k), siempre coincide con
uno de los valores de la misma observados en el experimento.
EJERCICIO 1
En un colegio se toma un examen para evaluar el conocimiento de sus alumnos el
examen consta de 10 temas de los cuales se sorteara uno de ellos al azar para el
examen. Si un alumno no ha estudiado 5 de los 10 temas, Cul es la probabilidad de que
el alumno sepa el tema elegido al azar para el examen? Hallar la media y varianza.
La probabilidad de salir un tema n es :
1
= =
10
10 + 1
=
2
11
= = 5.5
2
1
=
12
10 1
=
12
33
= = 8.25
4
= 8,25 = 2,87
Para resolver el ejercicio 1 podemos tambin usar otro mtodo aplicando las
formulas:
1
=
1
= (1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10)
10
11
= = 5,5
2
1
=
1
= ( 1 5,5 + 2 5,5 + 3 5,5 + 4 5,5 + 5 5,5
6 5,5 + 7 5,5 + 8 5,5 + 9 5,5 + 10 5,5 )
= 8,25
= 2,87