Estadistica y probabilidad

Fase 3 - Discusión

Presentado al tutor:
Christian Alberto Bolívar

Entregado por:
Luz Karina Torres Baquero
Código: 1.067.817.593

Código Del Curso: 211622A 614

Grupo: 211622_160

Universidad nacional abierta y a distancia – UNAD

Escuela de ciencias básicas tecnología e ingeniería
Ingeniería de alimentos
Valledupar/cesar
2019
– UNAD
eniería
 Nombre estudiante Anexo 1 Anexo 2 Anexo 3 Anexo 4
Luz Karina Torres Baquero Pregunta 5 Pregunta 1 Pregunta 2 Pregunta 3
Mayro Amador Fernandez Pregunta 4 Pregunta 2 Pregunta 1 Pregunta 5
Pregunta 3 Pregunta 4 Pregunta 5 Pregunta 1
Pregunta 2 Pregunta 3 Pregunta 4 Pregunta 4
Pregunta 1 Pregunta 5 Pregunta 3 Pregunta 2
Anexo 5
Pregunta 4
Pregunta 3
Pregunta 2
Pregunta 5
Pregunta 1
Distribucion Binomial

�_((�))=(𝑛/�)∙�^�∙� Resultados (𝑛/�) �^� �^(𝑛−�)

^(𝑛−�) (x)

Variables Datos 0 1 1 0.04297626

p 0.27 1 10 0.27 0.05887159
q 0.73 2 45 0.0729 0.08064601
n 10 3 120 0.019683 0.11047399
x 0 a 10 4 210 0.00531441 0.15133423
5 252 0.0014348907 0.20730716
Donde: 6 210 0.0003874205 0.28398241
P= Probabilidad de que el evento
ocurra 7 120 0.0001046035 0.389017
Q= Probabilidad de que el evento 8 45 0.000028243 0.5329
ocurra
N= Total de experimento 9 10 7.625597484987E-06 0.73
X= Total de exito 10 1 2.05891132094649E-06 1

Distribucion de poisson

�_((𝑋=𝜅))=(�^� . Resultados
�^� �^(−�) �!
�^(−�))/�! (x)
5 0 1 6.7.E-03 1
Donde: 1 5 6.7.E-03 1
�= Medio de veces que ocurre el 2 25 6.7.E-03 2
suceso dentro de un intervalo
especificado 3 125 6.7.E-03 6
�!= Numero de veces que se 4 625 6.7.E-03 24
presenta el evento
�^(−�) = Exponente euler 5 3125 6.7.E-03 120
(2.71828) 6 15625 6.7.E-03 720
7 78125 6.7.E-03 5040
8 390625 6.7.E-03 40320
9 1953125 6.7.E-03 362880
Variables Datos 10 9765625 6.7.E-03 3628800
µ 5 11 48828125 6.7.E-03 39916800
x 0 a 12 12 244140625 6.7.E-03 479001600
e 2.718

Distribucion Normal
Distribucion Hipergeometrica

N 20
S
n
x
�^(𝑛−�) �(�) La secretaria de salud frente a la contaminación en la ciudad de Medellín determino que la variable
PM10 tiene una probabilidad de aceptación del 27%. Construya una tabla con valores entre el 0 y 10
aplicando la distribución Binomial.
4.298%
15.895% ¿Cuál es la probabilidad de que más de 3 µg/m3?
26.456%
26.094% �(X>3)= 1-P(X=0)+P(X=1)+P(X=2)+P(X=3)
16.889%
7.496% �(X>3)= 27.258%
2.310%
0.488%
0.068%
0.006%
0.000%

�(�) Mediante una inspección de los contaminantes en algunas veredas del país, se determina que el SO2
presenta un promedio de 5 µg/m3 por hora. Realice una tabla de distribución de Poisson para k entre
0 y 12
0.67% Que al menos sean 8 µg/m3
3.37% P(x≤8) = P(x=0)+ P(x=1)+ P(x=2) +P(x=3) +P (x=4) +P(x=5) +P(x=6)+P(x=7)+P(x=8)
8.43%
14.04% P(x≤8)= 93.24%
17.56%
17.56%
14.63%
10.45%
6.53%
3.63%
1.81%
0.82%
0.34%
En las ciudades principales los mayores contribuyentes a la contaminación del aire es provocado por
Dióxido de nitrógeno (NO2) procedente de los camiones de carga. Se detecta que en una flota de 20
camiones hay 4 de ellos por encima de los niveles permisibles.

4. Si se sacan de forma aleatoria 14 camiones. ¿Cuál es la probabilidad de establecer 6?

mino que la variable Resultados �(�)
alores entre el 0 y 10 (x)

0 4.298%
1 15.895%
2 26.456%
3 26.094%
4 16.889%
5 7.496%
6 2.310%
7 0.488%
8 0.068%
9 0.006%
10 0.000%

etermina que el SO2

e Poisson para k entre
re es provocado por
e en una flota de 20
 Distribucion de poisson

La distribución de Poisson es una distribución de probabilidad discreta que se aplica a las ocurrencias
suceso durante un intervalo determinado.

La variable aleatoria x representará el número de ocurrencias de un suceso en un intervalo determina

cual podrá ser tiempo, distancia, área, volumen o alguna otra unidad similar o derivada de éstas.

La probabilidad de nuestra variable aleatoria X viene dada por la siguiente expresión:

Donde:

* Nuestra variable aleatoria discreta puede tomar los valores: x=0,1,2,3\ldots

* µ es la media del número de sucesos en el intervalo que estemos tomando, ya sea de tiempo, dist
volumen, etc. Es importante entender que este valor es una media en el sentido estrictamente estad
palabra y como tal se calculará mediante dicha expresión y no debe calcularse nunca con una regla d
proporcionalidad o regla de tres.

* Se debe cumplir la condición de normalización

* La desviación típica es

* Cuando realizamos un experimento contando sucesos y obtenemos un valor x, su error vendrá dete
por la raíz de x.

La distribución de Poisson debe de cumplir los siguientes requisitos:

* La variable discreta x es el número de ocurrencias de un suceso durante un intervalo

* Las ocurrencias deben ser aleatorias y no contener ningún vicio que favorezca unas ocurrencias en
otras.

* Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo que se emplee.

Ejemplo:

Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las probabilidades de que re
a) cuatro cheques sin fondo en un día dado
b) 10 cheques sin fondos en cualquiera de dos días consecutivos?

Solución:
a) x = variable que nos define el número de cheques sin fondo que llegan al banco en un día cualquie
2, 3, ….
µ = 6 cheques sin fondo por día
e = 2.718

  

b) x = variable que nos define el número de cheques sin fondo que llegan al banco en dos dias conse
0, 1, 2, 3, ....
µ = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos días consecutivos

Nota: µ siempre debe de estar en función de x siempre o dicho de otra forma, debe “hablar” de lo m
x.
plica a las ocurrencias de algún

un intervalo determinado, el
erivada de éstas.

a sea de tiempo, distancia,

o estrictamente estadístico de la
unca con una regla de

, su error vendrá determinado

tervalo

unas ocurrencias en favor de

ue se emplee.

babilidades de que reciba:

nco en un día cualquiera = 0, 1,

nco en dos dias consecutivos =

consecutivos

debe “hablar” de lo mismo que

 Referencias Bibliograficas

https://fisicaymates.com/distribucion-de-poisson/

http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20Poisson.htm