Algunas Distribuciones Discretas PDF

university-logo
DISTRIBUCIONES DE PROBABILIDAD DISCRETAS

UNIVERSIDAD POPULAR DEL CESAR
DEPARTAMENTO DE MATEM
ATICAS Y ESTAD
ISTICA
Humberto Barrios
hbarriosus@gmail.com
13 de abril de 2012
Humberto Barrios UNIVERSIDAD POPULAR DEL CESAR
university-logo
Contenido
1
Distribucion Binomial
Distribucion de Poisson
Distribucion geometrica
Distribucion hipergeometrica
university-logo
Contenido
1
university-logo
Denicion (Distribucion binomial)
Si la variable aleatoria X satisface los siguientes criterios:
1
El experimento aleatorio consiste en n pruebas o en ensayos.
2
Cada prueba o ensayo se repite en identicas condiciones y es
independiente de las demas.
3
En cada uno de los ensayos o pruebas solo se obtiene uno de
dos resultados posibles: exito o fracaso.
4
La probabilidad de un exito es P( exito) = p, y permanece
constante en cada prueba o ensayo. Mientras la probabilidad
de un fracaso es P(fracaso) = q = 1 p.
5
Los valores que toma la variable aleatoria X =n umero de
exitos en las n pruebas o ensayos.
university-logo
1
2
3
4
5
university-logo
1
2
3
4
5
university-logo
1
2
3
4
5
university-logo
1
2
3
4
5
university-logo
1
2
3
4
5
university-logo
Se dice entonces que X tiene distribuida Binomial con funcion
de probabilidad dada por:
P
X
(X = x) =
n
x
p
x
q
nx
, donde x = 0, 1, 2, n y q = 1 p
0, en otro caso
Si una variable aleatoria X que tiene una distribucion binomial con
parametros n y p, notaremos X B[n, p].
P
X
(X = x) =?
Cual es la probabilidad de que en n pruebas o ensayos se
obtengan exactamente x exitos?
university-logo
Teorema (Distribucion binomial)
Sea X una variable aleatoria con una distribucion binomial, es
decir, X B[n, p]. Entonces
1
La funcion de distribucion acumulada,e.d., la probabilidad de
que a lo mas ocurran x exitos en los n ensayos es:
F(x) = P
X
(X x) =
x
i =1
P
X
(x
i
)
2
El valor esperado, n umero de exitos esperados en los n
ensayos es:
= E(X) = np
3
La varianza y la desviacion estandar son:
2
= V(X) = np(1 p) y =
V(X) respectivamente
university-logo
1
F(x) = P
X
(X x) =
x
i =1
P
X
(x
i
)
2
ensayos es:
= E(X) = np
3
2
= V(X) = np(1 p) y =
university-logo
1
F(x) = P
X
(X x) =
x
i =1
P
X
(x
i
)
2
ensayos es:
= E(X) = np
3
2
= V(X) = np(1 p) y =
university-logo
1
F(x) = P
X
(X x) =
x
i =1
P
X
(x
i
)
2
ensayos es:
= E(X) = np
3
2
= V(X) = np(1 p) y =
university-logo
Ejemplo (Distribucion binomial)
Una determinada concentracion de una sustancia presente en agua
contaminada, mata al 52 % de los peces que se exponen a ella
durante 24 horas. Se colocan 10 peces en un tanque con una
concentracion de la sustancia.
1
Determinar la funcion de probabilidad y funcion de
distribucion acumulada de la variable aleatoria X n umero de
peces que sobreviven en 24 horas
2
Calcular la probabilidad de que sobrevivan exactamente 7
peces
3
Calcular la probabilidad de que sobrevivan por lo menos 6
peces
4
Calcular la probabilidad de que sobrevivan no mas de 8
5
Calcular la probabilidad de que sobrevivan por lo menos 5 y
no mas de 8
university-logo
1
2
peces
3
peces
4
5
no mas de 8
university-logo
1
2
peces
3
peces
4
5
no mas de 8
university-logo
1
2
peces
3
peces
4
5
no mas de 8
university-logo
1
2
peces
3
peces
4
5
no mas de 8
university-logo
1
2
peces
3
peces
4
5
no mas de 8
university-logo
Ejemplo (Distribucion Binomial)
1
Calcular el n umero de peces que se esperan sobreviva en 24
horas
2
Calcular la varianza y la desviacion estandar de que sobrevivan.
Solucion
1
Dado que la probabilidad de exito es p = 0.48, entonces la
funcion de probabilidad y funcion de distribucion acumulada
son:
P
X
(X = x) =
10
x
0.48
x
0.52
10x
, donde x = 0, 1, 2, 10
F(x) = P
X
(X x) =
x
i =1
P
X
(X = x), respectivamente.
university-logo
1
horas
2
Solucion
1
son:
P
X
(X = x) =
10
x
0.48
x
0.52
10x
, donde x = 0, 1, 2, 10
F(x) = P
X
(X x) =
x
i =1
P
X
university-logo
1
horas
2
Solucion
1
son:
P
X
(X = x) =
10
x
0.48
x
0.52
10x
, donde x = 0, 1, 2, 10
F(x) = P
X
(X x) =
x
i =1
P
X
university-logo
1
horas
2
Solucion
1
son:
P
X
(X = x) =
10
x
0.48
x
0.52
10x
, donde x = 0, 1, 2, 10
F(x) = P
X
(X x) =
x
i =1
P
X
university-logo
Otra manera de presentar la funcion de probabilidad y funcion de
distribucion acumulada, es a traves de una tabla
X = x
i
P
X
(X = x
i
) F(x
i
)
0 0.0014 0.1074
1 0.0133 0.3758
2 0.0554 0.6778
3 0.1364 0.8791
4 0.2204 0.9672
5 0.2441 0.9936
6 0.1878 0.9991
7 0.0991 0.9999
8 0.0343 1.0000
9 0.0070 1.0000
10 0.0006 1.0000
university-logo
Para calcular las funciones de probabilidad y de distribucion
acumulada en EXCEL se escribe
P(X = x
i
) = DISTR.BINOM(A2; 10; 0, 48; FALSO) y
F(x
i
) = DISTR.BINOM(A2; 20; 0, 48; VERDADERO)
respectivamente.
university-logo
Para responder las siguientes preguntas, observamos una de las
tablas anteriores
1
La probabilidad de que sobrevivan exactamente 7 peces es
igual a P(X = 7) = 0.0991.
2
La probabilidad de que sobrevivan por lo menos 6 peces es
igual
P(X 6) = 1P(X 5) = 1F(5) = 10.9936 = 0.0064.
3
La probabilidad de que sobrevivan no mas de 8 es igual
F(8) = 1.
4
La probabilidad de que sobrevivan por lo menos 5 y no mas de
8 es igual
P(5 X 8) = F(8) F(4) = 1 0.9672 = 0.0328
university-logo
tablas anteriores
1
igual a P(X = 7) = 0.0991.
2
igual
P(X 6) = 1P(X 5) = 1F(5) = 10.9936 = 0.0064.
3
F(8) = 1.
4
8 es igual
P(5 X 8) = F(8) F(4) = 1 0.9672 = 0.0328
university-logo
tablas anteriores
1
igual a P(X = 7) = 0.0991.
2
igual
P(X 6) = 1P(X 5) = 1F(5) = 10.9936 = 0.0064.
3
F(8) = 1.
4
8 es igual
P(5 X 8) = F(8) F(4) = 1 0.9672 = 0.0328
university-logo
tablas anteriores
1
igual a P(X = 7) = 0.0991.
2
igual
P(X 6) = 1P(X 5) = 1F(5) = 10.9936 = 0.0064.
3
F(8) = 1.
4
8 es igual
P(5 X 8) = F(8) F(4) = 1 0.9672 = 0.0328
university-logo
1
El n umero de peces que se esperan sobreviva en 24 horas es
igual E(X) = np = 10(0.48) = 4.8
2
La varianza y la desviacion estandar de que sobrevivan son
respectivamente
2
= V(X) = npq = 10(0.48)(0.52) = 2.496
y =
V(X) = 1.58.
university-logo
1
igual E(X) = np = 10(0.48) = 4.8
2
respectivamente
2
= V(X) = npq = 10(0.48)(0.52) = 2.496
y =
V(X) = 1.58.
university-logo
1
igual E(X) = np = 10(0.48) = 4.8
2
respectivamente
2
= V(X) = npq = 10(0.48)(0.52) = 2.496
y =
V(X) = 1.58.
university-logo
Denicion (Distribucion de Poisson)
Sea X una variable aleatoria que representa el n umero de eventos
independientes sobre el tiempo, el espacio o volumen. Se dice
entonces que tiene distribucion Poisson con funcion de
probabilidad dada por:
P
X
(X = x) =
x
e
x!
donde x = 0, 1, 2,
0, en otro caso
Donde es el n umero promedio de resultados posibles por unidad
de tiempo, espacio o volumen. Ademas es proporcional a la
dimension del tiempo, espacio o volumen y e = 2.71828 . . ..
Si una variable aleatoria X que tiene una distribucion Poisson con
parametro , notaremos X P[].
university-logo
Teorema (Distribucion de Poisson)
Sea una variable aleatoria X que tiene una distribucion Poisson con
parametro . Entonces
1
La probabilidad que una variable aleatoria sea menor o igual a
un valor determinado x, se especica por la funcion de
distribucion acumulada,
F(x) = P
X
(X x) =
x
i =0
x
e
i !
2
= E(X) = valor esperado
3
2
= V(X) = varianza
4
=
desviacion estandar
university-logo
1
F(x) = P
X
(X x) =
x
i =0
x
e
i !
2
3
2
= V(X) = varianza
4
=
desviacion estandar
university-logo
1
F(x) = P
X
(X x) =
x
i =0
x
e
i !
2
3
2
= V(X) = varianza
4
=
desviacion estandar
university-logo
1
F(x) = P
X
(X x) =
x
i =0
x
e
i !
2
3
2
= V(X) = varianza
4
=
desviacion estandar
university-logo
1
F(x) = P
X
(X x) =
x
i =0
x
e
i !
2
3
2
= V(X) = varianza
4
=
desviacion estandar
university-logo
Ejemplo (Distribucion de Poisson)
La llegada de estudiantes a un estante de libros de estadsticas, en
la biblioteca de la UPC, tiene un promedio de 8 estudiantes por
hora y las llegada de los estudiantes son independientes de los
demas. Hallar:
1
la funcion de probabilidad P(X = x
i
) y la funcion de
distribucion acumulada.
Para una hora determinada, calcular las siguientes
probabilidades de que
2
lleguen exactamente 4 estudiantes
3
lleguen no mas de 3 estudiantes
4
lleguen por lo menos 2 estudiantes
5
lleguen por lo menos 3 estudiantes pero no mas de 6
6
Cuantos estudiantes esperamos lleguen en dos horas?
university-logo
demas. Hallar:
1
i
) y la funcion de
2
3
4
5
6
university-logo
demas. Hallar:
1
i
) y la funcion de
2
3
4
5
6
university-logo
demas. Hallar:
1
i
) y la funcion de
2
3
4
5
6
university-logo
demas. Hallar:
1
i
) y la funcion de
2
3
4
5
6
university-logo
demas. Hallar:
1
i
) y la funcion de
2
3
4
5
6
university-logo
demas. Hallar:
1
i
) y la funcion de
2
3
4
5
6
university-logo
Soluci on.
La funcion de probabilidad para este caso, donde el parametro
= 8 es:
P
X
(X = x) =

x
e
8
x!
, donde x = 0, 1, 2,
Por lo tanto, en la tabla siguiente se representa la funcion de
probabilidad y funcion de distribucion acumulada para los primero
7 valores
X = x P
X
(X = x) F(x)
0 0.0003 0.0003
1 0.0027 0.0030
2 0.0107 0.0138
3 0.0286 0.0424
4 0.0573 0.0996
5 0.0916 0.1912
6 0.1221 0.3134
university-logo
Observando la tabla anterior, entonces
1
La probabilidad que lleguen exactamente 4 estudiantes
P
X
(X = 4) = 0.0573
2
La probabilidad que lleguen no mas de 3 estudiantes
F(3) = P
X
(X 3) = 0.0424
3
P
X
(X 2) = 1 P
X
(X 1) = 1 0.0030 = 0.9970
university-logo
1
P
X
(X = 4) = 0.0573
2
F(3) = P
X
(X 3) = 0.0424
3
P
X
(X 2) = 1 P
X
(X 1) = 1 0.0030 = 0.9970
university-logo
1
P
X
(X = 4) = 0.0573
2
F(3) = P
X
(X 3) = 0.0424
3
P
X
(X 2) = 1 P
X
(X 1) = 1 0.0030 = 0.9970
university-logo
La probabilidad que lleguen por lo menos 3 estudiantes pero
no mas de 6
P
X
(3 X 6) = F(6) F(2) = 0.3134 0.0138 = 0.2996
Como en una hora llegan esperamos lleguen 8 estudiantes en
dos horas llegaran el dobles, es decir, = 16.
NOTA: Para calcular la funcion de probabilidad y la funcion de
distribucion acumulada de un variable aleatoria de POISSON, en
una hoja de EXCEL se escribe:
P(X = x
i
) = POISSON(x
i
; ; FALSO)
F(x
i
) = POISSON(x
i
; ; VERDADERO)
respectivamente.
university-logo
La probabilidad que lleguen por lo menos 3 estudiantes pero
no mas de 6
P
X
(3 X 6) = F(6) F(2) = 0.3134 0.0138 = 0.2996
Como en una hora llegan esperamos lleguen 8 estudiantes en
dos horas llegaran el dobles, es decir, = 16.
NOTA: Para calcular la funcion de probabilidad y la funcion de
distribucion acumulada de un variable aleatoria de POISSON, en
una hoja de EXCEL se escribe:
P(X = x
i
) = POISSON(x
i
; ; FALSO)
F(x
i
) = POISSON(x
i
; ; VERDADERO)
respectivamente.
university-logo
Las funciones de probabilidad y de distribucion acumulada en
EXCEL
university-logo
Denicion (Distribucion geometrica)
Sea X una variable aleatoria que representa el n umero de pruebas
necesarias hasta obtener el primer exito, donde cada prueba es
independiente y la probabilidad de un exito es p y de un fracaso es
1 p, cada vez que el experimento se lleva acabo. Se dice
entonces que X tiene distribucion Geometrica con funcion de
probabilidad dada por:
P
X
(X = x) =
pq
x1
, donde x = 1, 2, 3, y q = 1 p
0, en otro caso
Si una variable aleatoria X que tiene una distribucion geometrica
con parametro p, notaremos X G[p].
university-logo
Teorema (Distribucion geometrica)
Sea una variable aleatoria X que tiene una distribucion geometrica
con parametro p. Entonces
1
La probabilidad que una variable aleatoria X sea menor o
igual a un valor determinado x
0
, se especica por la funcion
de distribucion acumulada,
F(x) = P
X
(X x) =
x
i =1
pq
i 1
2
= E(X) =
1
p
valor esperado
3
2
= V(X) =
1p
p
2
varianza
4
=
1p
p
2
desviacion estandar
university-logo
1
0
F(x) = P
X
(X x) =
x
i =1
pq
i 1
2
= E(X) =
1
p
valor esperado
3
2
= V(X) =
1p
p
2
varianza
4
=
1p
p
2
desviacion estandar
university-logo
1
0
F(x) = P
X
(X x) =
x
i =1
pq
i 1
2
= E(X) =
1
p
valor esperado
3
2
= V(X) =
1p
p
2
varianza
4
=
1p
p
2
desviacion estandar
university-logo
1
0
F(x) = P
X
(X x) =
x
i =1
pq
i 1
2
= E(X) =
1
p
valor esperado
3
2
= V(X) =
1p
p
2
varianza
4
=
1p
p
2
desviacion estandar
university-logo
1
0
F(x) = P
X
(X x) =
x
i =1
pq
i 1
2
= E(X) =
1
p
valor esperado
3
2
= V(X) =
1p
p
2
varianza
4
=
1p
p
2
desviacion estandar
university-logo
Ejemplo (Distribucion geometrica)
La probabilidad de que un estudiante para piloto apruebe el examen
escrito para obtener una licencia para piloto privado es 0.7. Si X es
la variable aleatoria n umero de intento hasta aprobar el examen.
1
Hallar la funcion de probabilidad y funcion de distribucion
acumulada
2
Calcular la probabilidad de aprobar el examen en el tercer
intento
3
Calcular la probabilidad de aprobar el examen antes del cuarto
intento
4
Calcular la probabilidad de aprobar el examen despues del
segundo intento.
5
Cuantos intentos esperamos que un estudiantes realice para
que apruebe el examen escrito para obtener una licencia de
piloto privado?
university-logo
1
acumulada
2
intento
3
intento
4
segundo intento.
5
piloto privado?
university-logo
1
acumulada
2
intento
3
intento
4
segundo intento.
5
piloto privado?
university-logo
1
acumulada
2
intento
3
intento
4
segundo intento.
5
piloto privado?
university-logo
1
acumulada
2
intento
3
intento
4
segundo intento.
5
piloto privado?
university-logo
1
acumulada
2
intento
3
intento
4
segundo intento.
5
piloto privado?
university-logo
Soluci on.
Dado que la probabilidad de exito es p = 0.7, entonces la funcion
de probabilidad de X es:
P
X
(X = x) = (0.7)(0.3)
x1
, donde x = 1, 2, 3, y q = 1 p
o en forma de tabla es:
X = x P
X
(X = x) F(x)
1 0.7000 0.7000
2 0.2100 0.9100
3 0.0630 0.9730
4 0.0189 0.9919
5 0.0057 0.9976
6 0.0017 0.9993
7 0.0005 0.9998
8 0.0002 0.9999
9 0.0000 1.0000
university-logo
Observando la tabla anterior se responden las preguntas
1
La probabilidad de aprobar el examen en el tercer intento es:
P
X
(X = 3) = 0.0630
2
La probabilidad de aprobar el examen antes del cuarto intento
es: P
X
(X < 4) = P
X
(X 3) = F(3) = 0.9730.
3
segundo intento es:
P
X
(X > 2) = 1 F(1) = 1 0.91 = 0.09.
4
Los intentos que esperamos realice un estudiantes para que
apruebe el examen escrito para obtener una licencia de piloto
privado es:
E(X) =
1
p
=
1
0.7
= 1.4286.
university-logo
1
P
X
(X = 3) = 0.0630
2
es: P
X
(X < 4) = P
X
(X 3) = F(3) = 0.9730.
3
segundo intento es:
P
X
(X > 2) = 1 F(1) = 1 0.91 = 0.09.
4
privado es:
E(X) =
1
p
=
1
0.7
= 1.4286.
university-logo
1
P
X
(X = 3) = 0.0630
2
es: P
X
(X < 4) = P
X
(X 3) = F(3) = 0.9730.
3
segundo intento es:
P
X
(X > 2) = 1 F(1) = 1 0.91 = 0.09.
4
privado es:
E(X) =
1
p
=
1
0.7
= 1.4286.
university-logo
1
P
X
(X = 3) = 0.0630
2
es: P
X
(X < 4) = P
X
(X 3) = F(3) = 0.9730.
3
segundo intento es:
P
X
(X > 2) = 1 F(1) = 1 0.91 = 0.09.
4
privado es:
E(X) =
1
p
=
1
0.7
= 1.4286.
university-logo
EXCEL
university-logo
Denicion (Distribucion hipergeometrica)
Sea N el n umero total de objetos en una poblacion nita, de
manera tal que R de estos son de tipo A y N R - de tipo B. Si
se selecciona una muestra aleatoria simple sin reemplazo n objetos
de la poblacion. La probabilidad que exactamente X sean de tipo
A, esta dado por la funcion de probabilidad Hipergeometrica.
P
X
(X = x) =
(
R
x
)(
NR
nx
)
(
N
n
)
, si x = 0, 1, 2, , n.
0, en otro caso
y donde x R yn x N R. Los parametros de la distribucion
Hipergeometrica son N, n y R.
Si una variable aleatoria X que tiene una distribucion geometrica
con parametros N, R y n, notaremos X H[N, R, n].
university-logo
Teorema (Distribucion hipergeometrica)
Sea una variable aleatoria X que tiene una distribucion
Hipergeometrica con parametros N, n y R. Entonces
1
La probabilidad que una variable aleatoria Hipergeometrica X
sea menor o igual a un valor determinado x ,se especica por
la funcion de distribucion acumulada,
F(x) = P
X
(X x) =
x
i =0
R
i
NR
ni
N
n
2
= E(X) = n
R
N
valor esperado
3
2
= V(X) = n
R
N
(1
R
N
)(
Nn
N1
) varianza
4
=
n
R
N
(1
R
N
)(
Nn
N1
) desviacion estandar.
university-logo
1
F(x) = P
X
(X x) =
x
i =0
R
i
NR
ni
N
n
2
= E(X) = n
R
N
valor esperado
3
2
= V(X) = n
R
N
(1
R
N
)(
Nn
N1
) varianza
4
=
n
R
N
(1
R
N
)(
Nn
N1
university-logo
1
F(x) = P
X
(X x) =
x
i =0
R
i
NR
ni
N
n
2
= E(X) = n
R
N
valor esperado
3
2
= V(X) = n
R
N
(1
R
N
)(
Nn
N1
) varianza
4
=
n
R
N
(1
R
N
)(
Nn
N1
university-logo
1
F(x) = P
X
(X x) =
x
i =0
R
i
NR
ni
N
n
2
= E(X) = n
R
N
valor esperado
3
2
= V(X) = n
R
N
(1
R
N
)(
Nn
N1
) varianza
4
=
n
R
N
(1
R
N
)(
Nn
N1
university-logo
1
F(x) = P
X
(X x) =
x
i =0
R
i
NR
ni
N
n
2
= E(X) = n
R
N
valor esperado
3
2
= V(X) = n
R
N
(1
R
N
)(
Nn
N1
) varianza
4
=
n
R
N
(1
R
N
)(
Nn
N1
university-logo
Ejemplo (Distribucion hipergeometrica)
Supongase que se tienen 50 representantes de cierta region del
pas, a una convencion poltica nacional, de los cuales 20 apoyan al
candidato A y 30 al candidato B. Si se seleccionan aleatoriamente
10 representantes. Cual es la probabilidad que entre estos 10:
1
Exactamente 5 apoyen al candidato A
2
Por lo menos 4 apoyen al candidato A
3
Entre dos y cinco inclusive apoyen al candidato A
4
Cuantos representantes esperamos apoyen al candidato A
5
Con que variabilidad se espera que los representantes apoyen
al candidato A.
university-logo
1
2
3
4
5
al candidato A.
university-logo
1
2
3
4
5
al candidato A.
university-logo
1
2
3
4
5
al candidato A.
university-logo
1
2
3
4
5
al candidato A.
university-logo
1
2
3
4
5
al candidato A.
university-logo
Soluci on
Sea X una variable aleatoria que representa el n umero de
representantes que apoyen al candidato A; con parametros N = 50,
n = 10 y R = 20. Entonces la funcion de probabilidad para la
variable aleatoria X es
P
X
(X = x) =
R
x
NR
nx
N
n
, si x = 0, 1, 2, , 10.
Por lo tanto en la siguiente tabla se muestra la funcion de
probabilidad y distribucion acumulada para valores de la variable
aleatoria X
university-logo
X = x P
X
(X = x) F(x)
0 0.0029 0.0029
1 0.0279 0.0308
2 0.1083 0.1390
3 0.2259 0.3650
4 0.2801 0.6450
5 0.2151 0.8601
6 0.1034 0.9635
7 0.0306 0.9942
8 0.0053 0.9995
9 0.0005 1.0000
10 0.0000 1.0000
university-logo
Las respuestas para las preguntas:
1
Exactamente 5 apoyen al candidato A:
P
X
(X = 5) = 0.2151
2
Por lo menos 4 apoyen al candidato A:
P
X
(X 4) = 1 F(3) = 1 0.3650 = 0.635
3
Entre dos y cinco inclusive apoyen al candidato A:
P
X
(2 X 5) = (0.1083 + 0.2259 + 0.2801 + 0.2151)
= F(5) F(1) = 0.860 0.031 = 0.829
4
Cuantos representantes esperamos apoyen al candidato A:
E(X) = 10(20/50) = 4
5
al candidato A:
V(X) = 10
20
50
1
20
50
50 10
50 1
= 1.6271.
.
university-logo
1
P
X
(X = 5) = 0.2151
2
P
X
(X 4) = 1 F(3) = 1 0.3650 = 0.635
3
P
X
(2 X 5) = (0.1083 + 0.2259 + 0.2801 + 0.2151)
= F(5) F(1) = 0.860 0.031 = 0.829
4
E(X) = 10(20/50) = 4
5
al candidato A:
V(X) = 10
20
50
1
20
50
50 10
50 1
= 1.6271.
.
university-logo
1
P
X
(X = 5) = 0.2151
2
P
X
(X 4) = 1 F(3) = 1 0.3650 = 0.635
3
P
X
(2 X 5) = (0.1083 + 0.2259 + 0.2801 + 0.2151)
= F(5) F(1) = 0.860 0.031 = 0.829
4
E(X) = 10(20/50) = 4
5
al candidato A:
V(X) = 10
20
50
1
20
50
50 10
50 1
= 1.6271.
.
university-logo
1
P
X
(X = 5) = 0.2151
2
P
X
(X 4) = 1 F(3) = 1 0.3650 = 0.635
3
P
X
(2 X 5) = (0.1083 + 0.2259 + 0.2801 + 0.2151)
= F(5) F(1) = 0.860 0.031 = 0.829
4
E(X) = 10(20/50) = 4
5
al candidato A:
V(X) = 10
20
50
1
20
50
50 10
50 1
= 1.6271.
.
university-logo
1
P
X
(X = 5) = 0.2151
2
P
X
(X 4) = 1 F(3) = 1 0.3650 = 0.635
3
P
X
(2 X 5) = (0.1083 + 0.2259 + 0.2801 + 0.2151)
= F(5) F(1) = 0.860 0.031 = 0.829
4
E(X) = 10(20/50) = 4
5
al candidato A:
V(X) = 10
20
50
1
20
50
50 10
50 1
= 1.6271.
.
university-logo
EXCEL
university-logo

Algunas Distribuciones Discretas PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algunas Distribuciones Discretas PDF

Cargado por

Copyright:

Formatos disponibles

university-logo

DISTRIBUCIONES DE PROBABILIDAD DISCRETAS

También podría gustarte