Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TRABAJO DE MOOC’S
PRESENTADO POR:
STIWARD BAUTISTA
ISABELLA URQUIJO
HELENA VALENCIA
PRESENTADO A:
ANA MILENA GUTIERREZ
Ejemplos:
x Variable que nos define el número de burbujas por envase de vidrio que son
generadas en un proceso dado.
x0, 1, 2, 3, 4, 5… etc. burbujas por envase
Con los ejemplos anteriores nos damos cuenta claramente que los valores de la variable x
siempre serán enteros, nunca fraccionarios.
Ejemplos:
xVariable que nos define el diámetro de un engrane en pulgadas
x5.0”, 4.99, 4.98, 5.0, 5.01, 5.0, 4.96
Como se observa en los ejemplos anteriores, una variable continua puede tomar cualquier
valor, entero o fraccionario, una forma de distinguir cuando se trata de una variable
continua es que esta variable nos permite medirla o evaluarla, mientras que una variable
discreta no es medible, es una variable de tipo atributo, cuando se inspecciona un producto
este puede ser defectuoso o no, blanco o negro, cumple con las especificaciones o no
cumple, etc.
Las variables descritas anteriormente nos generan una distribución de probabilidad, las que
pueden ser.
Características:
2. p (xi) 0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero.
Con una distribución de probabilidad discreta, cada valor posible de la variable aleatoria
discreta puede estar asociado con una probabilidad distinta de cero. Por lo tanto, una
distribución de probabilidad discreta suele representarse en forma tabular.
Ejemplo del número de quejas de clientes
Con una distribución discreta, a diferencia de una distribución continua, usted puede
calcular la probabilidad de que X sea exactamente igual a algún valor. Por ejemplo, puede
utilizar la distribución discreta de Poisson para describir el número de quejas de clientes en
un día. Supongamos que el número promedio de quejas por día es 10 y usted desea saber la
probabilidad de recibir 5, 10 y 15 quejas de clientes en un día.
x P (X = x)
5 0.037833
10 0.12511
15 0.034718
Usted también puede visualizar una distribución discreta en una gráfica de distribución para
ver las probabilidades entre los rangos.
Gráfica de distribución del número de quejas de clientes
Las barras sombreadas en este ejemplo representan el número de ocurrencias cuando las
quejas diarias de los clientes son 15 o más. La altura de las barras suma 0.08346; por lo
tanto, la probabilidad de que el número de llamadas por día sea 15 o más es 8.35%.
2) DISTRIBUCIÓN DE PROBABILIDAD CONTINUA.
Características:
1. Es generada por una variable continua (x).
x Es una variable que puede tomar tanto valores enteros como fraccionarios.
2. F(x) 0 Las probabilidades asociadas a cada uno de los valores que toma x deben
ser mayores o iguales a cero. Dicho de otra forma, la función de densidad de
probabilidad deberá tomar solo valores mayores o iguales a cero. La función de
densidad de probabilidad sólo puede estar definida en los cuadrantes I y II.
Una distribución continua describe las probabilidades de los posibles valores de una
variable aleatoria continua. Una variable aleatoria continua es una variable aleatoria
con un conjunto de valores posibles (conocido como el rango) que es infinito y no
se puede contar.
Las probabilidades de las variables aleatorias continuas (X) se definen como el área por
debajo de la curva de su PDF. Por lo tanto, solo los rangos de valores pueden tener una
probabilidad diferente de cero. La probabilidad de que una variable aleatoria continua
equivalga a algún valor siempre es cero.