Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Docente:
Matricula: ES162005837.
Unidad: 1
•Desarrollo:
Desglosa las características de cada uno de los modelos probabilísticos que revisaste a lo largo
de la unidad
Modelos probabilísticos
Son modelos matemáticos apropiados para situaciones reales en condiciones específicas, son
importantes porque nos ayudan a predecir la conducta de futuras repeticiones de un experimento
aleatorio.
A) MODELO BINOMINAL
Es un modelo discreto, es decir, la variable toma valores conocidos y finitos. Es utilizado en
gráficos de control para análisis de número o porcentaje defectuoso, adicionalmente se utiliza
para calcular probabilidades de aceptación o rechazo de lotes en muestreo de aceptación, de
ahí su importancia.
2) De cada prueba solo puede presentarse uno de dos resultados. Un éxito o un fracaso.
4) Cada una de las pruebas es independiente de todas las demás, es decir, lo que ocurre en una
prueba cualquiera, no afecta los resultados de las otras pruebas.
Si una variable aleatoria definida previamente cumple las condiciones anteriores, se dice que ella
se distribuye Binomial con parámetros n, p y se escribe de la siguiente manera:
X b (x, n, p)
II. El éxito o fracaso son eventos independientes, es decir no depende uno de otro para suceder
P(X)=NCX PX qN-X
Sintaxis:
X = al número de sucesos.
La sintaxis es:
DISTR.NORM (x;media;desv_estándar;acum).
Suponga que un cierto rasgo (color de ojos, ser zurdo, etc.) se determina por un par de genes, y
que además d representa un gen dominante, y r un gen recesivo. Un funcionario de seguridad
pública con una pareja de genes (d, d) se dice que es dominante puro y con la pareja de genes
(r, r) se dice que es recesiva pura y con una pareja (d,r) se dice que es híbrida. En apariencia,
los dominantes puros y los híbridos son similares. Los descendientes de una pareja reciben un
gen de cada progenitor y este gen puede, con la misma probabilidad, ser uno cualquiera de los
dos que posee el progenitor citado. (*)
Experiencias binomiales
Toda experiencia aleatoria que presenta dos resultados posibles, uno que fijamos como “éxito y
lo contrario como “fracaso” se suele denominar de tipo Bernoulli.
Por ejemplo, las siguientes experiencias son de tipo Bernoulli:
Jugar a cara o cruz.
El nacimiento de un niño (varón o mujer)
Obtener un “4” en el lanzamiento de un dado.
Obtener un número “par” en el lanzamiento de un dado.
Obtener “copas” al extraer una carta de la baraja española.
La fabricación de una pieza en una factoría (aceptable o defectuosa).
El resultado de una operación (´éxito o fracaso).
El lanzamiento a una canasta (encestar o fallar).
Aprobar o suspender un examen.
Cuando se realizan n pruebas independientes de tipo Bernoulli decimos que es una experiencia
aleatoria de tipo Binomial.
Por ejemplo, las siguientes experiencias son de tipo Binomial:
Jugar 10 veces a cara o cruz.
Observar 30 nacimientos de un bebé (niña o niño)
Obtener el “4” en el lanzamiento de 15 dados.
Obtener “copas” al extraer una carta 8 veces de la baraja española.
La fabricación de 1000 piezas en una factoría (aceptable o defectuosa).
El resultado de 50 operaciones (´éxito o fracaso).
El lanzamiento a una canasta n veces (encestar o fallar).
El descendiente tendrá la apariencia contraria a la de ellos, si recibe los genes iguales de cada
progenitor.
S= {dd, dr, rd, rr}= {0, 1, 1, 2}; X ={0,1, 2}; S= {11, 12, 21, 22} = {2, 3, 3, 4}; X ={2, 3, 4}
xi 0 1 2 xi 2 3 4
pi 1/4 1/2 1/4 pi 1/16 1/8 1/16
1 1 2 1
Esto es: P(x≠1)= P(0)+ P(2)=2/4 = ½ P(x≠ 3) = 𝑃(2) + 𝑃(4) = 16 + 16 = 16 = 8
Conclusión.
La recolección de las muestras depende de los procedimientos analíticos empleados y los
objetivos del estudio, el objetivo del muestreo es obtener una parte representativa del material
bajo estudio.
En los diferentes tipos de muestreo existen no probabilística en los cuales se deben establecer
diferencia en el momento de realizar nuestras investigaciones por tanto que en el no
probabilística no toda la población forma parte de la muestra y en el probabilística todos los
individuos tienen probabilidad positiva de formar parte de la muestra.
Fuente consultada: