Documentos de Académico
Documentos de Profesional
Documentos de Cultura
b El rango de X
1 Sig
1
c
USANDO Fx (Excel)
p 0.5 X
q= 1-p 0.5 0
n 3 1
2
3
Rango de X:{0,1,2,…….,19,20}
X
0
1
2
3
4
P(X=5) 5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
OBS. VALOR ESPERADO
PARA UNA V.A.D. TIPO
BINOMIAL
MODELOS DISCRETOS
BINOMIAL
POISSON
HIPERGEOMETRICO
MODELO BINOMIAL
Lanzar tres veces la moneda equivale a realizar tres
X es v.a.d
No de soles obtenidos en los 3 ensayos Bernoulli
0.5
0.5
3
Espacio Muestral
El rango de X RX={0,1,2,3}
Ahora
X=0 P(X=0)
X=1 P(X=1)
X=2 P(X=2)
X=3 P(X=3)
USANDO Fx (Excel) fpp
modelo P(X=x)
=1*(1/2)^0*(1/2)^(3-0) 0.125
=3*(1/2)^1*(1/2)^(3-1) 0.375
=3*(1/2)^2*(1/2)^(3-2) 0.375
=1*(1/2)^3*(1/2)^(3-3) 0.125
( 1/2 + 1/2)^3
PO BINOMIAL n x n x
P[ X x] p q , 0 x n f . p. p tipo Bi
x
ctuosos
as o ensayos tipo Bernoulli
bilidad de obtener un disco defectuoso
bilidad para discos buenos.
P(X=x) P(X<=x)
0.358485922408542 0.358485922408542
0.377353602535307 0.735839524943849
0.188676801267654 0.924516326211503
0.059582147768733 0.984098473980235
0.013327585685111 0.997426059665347
0.002244646010124 0.999670705675471
0.000295348159227 0.999966053834697
3.1089279918615E-05 0.999997143114616
2.65895157198681E-06 0.999999802066188
1.86593092771004E-07 0.999999988659281
1.08027580025318E-08 0.999999999462039
5.16878373326882E-10 0.999999999978917
2.04030936839559E-11 0.99999999999932
6.6082894522934E-13 0.999999999999981
1.73902354007721E-14 0.999999999999999
3.66110218963623E-16 0.999999999999999
6.02154965400696E-18 0.999999999999999
7.45702743530274E-20 0.999999999999999
6.54125213623047E-22 0.999999999999999
3.62396240234375E-24 0.999999999999999
9.53674316406251E-27 1
E(X)=µ
V.A.D. TIPO np
1-p
x
P[X x] e , x 0 ,1 , 2 ,...
x!
*t
obs.
ESTUDIO
EJEMPLO 1 (VAD)
ENSAYO BERNOULLI.
P(X=1)
P(X=0)
LA ASIGNACIÓN DE P DEPENDE DE LAS CA
ensayos Bernoulli
ayos Bernoulli
éxito( SOL)
fracaso (ÁGUILA)
Ensayos Bernoulli
S= {aaa,sss,ass,sas,ssa,saa,asa,aas}
2
Antes
aaa P("aaa")
aas,saa,asa p("aas,saa,asa")
ssa,ass,sas p("ass,ssa,sas")
sss p("sss")
Fpa
P(X<=x) P(X=x) Prob. Puntual
0.125 0.125
0.5 0.375
0.875 0.375
1 0.125
1
0 x n f . p. p tipo Binomial
OBS1 X, TOTAL DE ÉXITOS EN n E.B.
OBS2 LA PROB. DE ÉXITO (p) NO CAMBIA
OBS3 EL RANGO DE X ES A LO MAS n
x*P(X=x) ( x ) 2 P( X x)
0 0.358485922408542
0.377353602535307 0
0.377353602535307 0.188676801267654
0.178746443306198 0.238328591074931
0.053310342740445 0.119948271166001
0.01122323005062 0.035914336161984
0.001772088955361 0.007383703980671
0.00021762495943 0.00111921407707
2.12716125758945E-05 0.000130288627027
1.67933783493904E-06 1.19419579373443E-05
1.08027580025318E-07 8.75023398205078E-07
5.6856621065957E-09 5.16878373326882E-08
2.4483712420747E-10 2.46877433575866E-09
8.59077628798142E-12 9.51593681130249E-11
2.43463295610809E-13 2.93894978273048E-12
5.49165328445435E-15 7.17576029168702E-14
9.63447944641114E-17 1.35484867215157E-15
1.26769466400147E-18 1.9089990234375E-17
1.17742538452149E-20 1.89042186737061E-19
6.88552856445313E-23 1.17416381835938E-21
1.9073486328125E-25 3.44276428222657E-24
1 0.95
b
10
0.2
0.8
VAD tipo POISSON
Rango: 0,1,2,3…..,INFINITO.
X No de éxitos por unidad de tiempo o espacio
MEDIA POBLACIONAL
ESPERANZA MATEMÁTICA
VALOR ESPERADO
MEDIA MUESTRAL Xbarra
PROMEDIO EN MUESTRA
La de fpp. Para la va tipo Poisson se define:
DESCRIBIR EL MODELO
P(X<=x) P(X=x)
FPA USAMOS fx
fx=POISSON.DIST fx=POISSON.DIST
4.53999297624849E-05 4.53999297624849E-05
0.000499399227387 0.000453999297625
0.002769395715512 0.002269996488124
0.010336050675926 0.007566654960414
0.029252688076961 0.018916637401035
0.067085962879032 0.037833274802071
0.130141420882483 0.063055458003451
0.220220646601699 0.090079225719216
0.332819678750719 0.11259903214902
0.457929714471852 0.125110035721133
0.583039750192986 0.125110035721133
0.696776146303107 0.113736396110121
0.791556476394874 0.094780330091768
0.864464422619311 0.072907946224437
0.916541527065337 0.052077104446026
0.951259596696021 0.034718069630684
0.972958390215199 0.021698793519178
0.985722386402951 0.012763996187752
0.992813495396146 0.007091108993195
0.996545658024143 0.003732162627998
0.998411739338142 0.001866081313999
0.999300349487665 0.000888610149523
0.999704263191994 0.000403913704329
0.99987987784605 0.000175614654056
0.999953050618573 7.31727725233217E-05
0.999982319727583 2.92691090093287E-05
0.999993577077202 1.12573496189726E-05
0.999997746465949 4.16938874776762E-06
0.999999235533359 1.48906740991701E-06
0.99999974900488 5.13471520661037E-07
0.999999920162053 1.71157173553679E-07
casi "1" 0.999999920162054
La suma de probabilidades
puntuales es
Tarea:
V(X) Varianza de la vad tipo Bino
D.E. de X Des. Estándar de la vad tipo
P(X=x)
0.4
0.35
0.3
sa,saa,asa,aas} 0.25
0.2
0.15
2 2 0.1
0.05
0
=(1/2)^3 0 0.5 1 1.5 2 2.5
=3*(1/2)^3
=3*(1/2)^3 ( 1/2 +1/2)^3
=(1/2)^3
x*P(X=x) ( x ) 2 P( X x)
0 0.28125
0.375 0.09375
0.75 0.09375
0.375 0.28125
1.5 0.75
E(X) VAR(X)
VALOR ESPERADO O D.E (X) 0.866025403784439
MEDIA DE X
OBS4 FORMA GENERAL PARA MEDIA Y VARIANZA
E ( X ) 0 xP( X x) E ( X ) xf ( x)dx
O CAMBIA
2 V ( X ) ( x ) 2 P( X x) 2 V ( X ) ( x
x0
n x n x
P[ X x] p q , 0 x n f . p. p tipo Binom
x
Suma(X=0 a X=5)
P(X<=5) 0.999670705675472
P(
P(X<=x)
0.4
1.2
0.35
1
0.3
0.8 0.25
0.2
0.6
0.15
0.4
0.1
0.2 0.05
0 0
0 5 10 15 20 25 0 5 10
VARIANZA DE X
v(x)=σ^2 =np(1-p)
1.8
P(X=2) 0.188676801267654
X P(X=x) P(X<=x)
0 0.1073741824 0.1073741824
1 0.268435456 0.3758096384
2 0.301989888 0.6777995264
3 0.201326592 0.8791261184
4 0.088080384 0.9672065024
5 0.0264241152 0.9936306176
6 0.005505024 0.9991356416
7 0.000786432 0.9999220736
8 7.3728E-05 0.9999958016
9 4.096E-06 0.9999998976
10 1.024E-07 1
a P(X=8) 7.37280000000001E-05
b P(X=4) 0.088080384
c P(X>=4) 0.1208738816
III. MODELO POISSON
La carácteristica de la variable aleatoria tipo Poisson es contar el No
DESCRIBIMOS EL MODELO
Usar la fórmula
vad tipo POISSON fpp FPA
X P(X=x) P(X<=x)
0 4.53999297624849E-05 4.53999297625E-05
1 0.000453999297625 0.000499399227387
2 0.002269996488124 0.002769395715512
3 0.007566654960414 0.010336050675926
4 0.018916637401035 0.029252688076961
5 0.037833274802071 0.067085962879032
6 0.063055458003451 0.130141420882483
7 0.090079225719216 0.220220646601699
8 0.11259903214902 0.332819678750719
9 0.125110035721133 0.457929714471852
10 0.125110035721133 0.583039750192986
11 0.113736396110121 0.696776146303107
12 0.094780330091768 0.791556476394874
13 0.072907946224437 0.864464422619311
14 0.052077104446026 0.916541527065337
15 0.034718069630684 0.951259596696021
16 0.021698793519178 0.972958390215199
17 0.012763996187752 0.985722386402951
18 0.007091108993195 0.992813495396146
19 0.003732162627998 0.996545658024143
20 0.001866081313999 0.998411739338142
21 0.000888610149523 0.999300349487665
22 0.000403913704329 0.999704263191994
23 0.000175614654056 0.99987987784605
24 7.31727725233217E-05 0.999953050618573
25 2.92691090093287E-05 0.999982319727583
26 1.12573496189726E-05 0.999993577077202
27 4.16938874776762E-06 0.999997746465949
28 1.48906740991701E-06 0.999999235533359
29 5.13471520661037E-07 0.99999974900488
30 1.71157173553679E-07 0.999999920162053
0.999999920162054 casi "1"
La suma de probabilidades
puntuales es
0,1,2,3,4,5,6,7,8,….
x No de fallas del instrumen
PROMEDIO
X
a Mu=0.02*8 P(X=0)
Mu 0.16
b Mu=0.02*24 P(X>=1)=
Mu 0.48
X
0
1
2
3
4
x
P[ X x] e , x 0 ,1 , 2 ,... 5
x! 6
*t 7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
MODELO 4
V.a.d.
V.a.d.
S
Números Reales
X=0
0.2
0.8 X=1
(X=x)
P(X<=x)
1.2
0.8
0.6
0.4
5 2 2.5 3 3.5
0.2
0
0 0.5 1 1.5 2 2.5 3 3.
xf ( x)dx
X ) ( x ) 2 f ( x)dx
tipo Binomial
P(X=x)
5 10 15 20 25
d P(X<=5)
e P(4<=X<=7)
0.1208738816
s contar el No de éxitos por unidad de tiempo o espacio determinado.
por unidad de tiempo o espacio
x
E(X ) xP ( X x )
, x 0 ,1 , 2 ,... 0
x!
2 V ( X ) ( x ) 2 P( X x)
x 0
como una
ribir el
fpp para x
x
P[ X x] e , x 0 ,1 , 2 ,...
x!
*t
P[X x] e , x 0 ,1 , 2 ,...
x!
*t
10
0 ,1 , 2 ,...
VALOR ESPERADO
E ( X ) 0 xP ( X x )
VARIANZA
V(X)
V ( X ) ( x ) P ( X x)
2 2
( x )2 P( X x) x0
X*P(X=x)
0 0.00453999298
0.0004539992976 0.03677394311
0.0045399929762 0.14527977524
0.0226999648812 0.37076609306
0.0756665496041 0.68099894644
0.1891663740104 0.94583187005
0.3783327480207 1.00888732806
0.6305545800345 0.81071303147
0.9007922571922 0.4503961286
1.1259903214902 0.12511003572
1.2511003572113 0
1.2511003572113 0.11373639611
1.1373639611012 0.37912132037
0.9478033009177 0.65617151602
0.7290794622444 0.83323367114
0.5207710444603 0.86795174077
0.3471806963068 0.78115656669
0.2169879351918 0.6254358132
0.1276399618775 0.45383097556
0.070911089932 0.30230517287
0.03732162628 0.1866081314
0.01866081314 0.10752182809
0.0088861014952 0.05816357342
0.0040391370433 0.02967887654
0.0017561465406 0.01434186341
0.0007317277252 0.00658554953
0.0002926910901 0.0028818815
0.0001125734962 0.00120495335
4.169388748E-05 0.00048245784
1.48906741E-05 0.00018536322
5.134715207E-06 6.84628694E-05
10.0000 10.000 3.16227185083985
x
P[X x] e
x!
*t
del instrumento por hora
µ 0.02
P(X=x)
0.85214378897
1-P(X=0) 0.38122
fórmula
P(X=x) P(X=x) P(X<=x)
0.6187833918061 0.61878 0.61878
0.2970160280669 0.29702 0.91580
0.0712838467361 0.07128 0.98708
0.0114054154778 0.01141 0.99849
0.0013686498573 0.00137 0.99986
0.0001313903863 0.00013 0.99999
1.05112309E-05 0.00001 1.00000
7.207701192E-07 0.00000 1.00000
4.324620715E-08 0.00000 1.00000
2.306464381E-09 0.00000 1.00000
1.107102903E-10 0.00000 1.00000
4.830994486E-12 0.00000 1.00000
1.932397794E-13 0.00000 1.00000
7.135007241E-15 0.00000 1.00000
2.446288197E-16 0.00000 1.00000
7.82812223E-18 0.00000 1.00000
2.348436669E-19 0.00000 1.00000
6.630880006E-21 0.00000 1.00000
1.768234668E-22 0.00000 1.00000
4.467119162E-24 0.00000 1.00000
1.072108599E-25 0.00000 1.00000
2.45053394E-27 0.00000 1.00000
5.346619506E-29 0.00000 1.00000
E(X)
para .48
MODELO HIPERGEOMÉTRICO
TIPO K
N Tamaño de la población o cardinalidad del espacio mues
K Objetos o individuos del tipo K
(N-K) Objetos o individuos del tipo (N-K)
n Tamaño de la muestra
Seleccionar una muestra de tamaño n de la población y co
del tipo K
X: No DE OBJETOS DE TIPO K EN LA MUESTRA SELECCIONADA DE TAMAÑO n
X No de TV defectuosas al seleccionar 3 de
N
n
K
N-K
n-x
Otro ejemplo. Lo mismo Rx
datos
poblacion
muestra
poblacion de interes G. defectuosas
G.no defectuosas
14
N
n
K
N-K
X
Rx
46
Definir X
N
n
K
N-k
P(X
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 0.5 1 1.5 2
𝑃(𝑋=𝑥)=(█(𝐾@𝑥))(█(𝑁−𝐾@𝑛−𝑥))/
((█(𝑁@𝑛)) )
X=0,1,2,3,........min(n,k)
0
91.500kg
1
Usaremos la letra X
Los valores asignados con x
robabilidad puntual
ଵି௫
P(X=x)= ሺͳെሻ ݔ ݅ݏൌͲݔൌͳ
௫
DISTRIBUCIÓN DE PROBABILIDADES
NO RECONOCE LA MARCA
RECONOCE LA MARCA
np
np(1-p)
P(X<=x)
n 60
p 0.75
1-p 0.25
Las pruebas son independientes
b
P(X<=25) 4.3E-08
c
P(30<=X<=40) 0.0924758949136
d
PROMEDIO=MEDIA=VALOR ESPERADO
P(X=x)
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 10 20 30 40 50 60 70
0.9936306176
0.1207959552
spacio determinado.
0
xP ( X x )
( x ) 2 P( X x)
x0
E( X )
2 V(X )
2 V(X )
E(X)
( X ) ( x ) P( X x)
2
x0
P(X<5) =
a) P(X=5) 0.037833274802071
b) P(X>=3)= 1-P(X<=2)
c) Ahora, cambiamos mu µ 5
P(x=5) 0.175467369767851
0.175467369767851
P(X=x)
0.14
0.12
0.1
0.08
0.06
0.04
0.12
0.1
0.08
0.06
0.04
0.02
0
0 5 10 15 20 25 30 35
notar
x
x] e , x 0 ,1 , 2 ,...
x!
*t
por hora
X*P(X=x)
0 Distribución de probabilidad Poisson para mu
0.297016028066948
0.70000
0.142567693472135 0.60000
0.034216246433312 0.50000
0.00547459942933 0.40000
0.00065695193152 0.30000
6.30673854258813E-05 0.20000
5.04539083407051E-06 0.10000
3.45969657193406E-07 0.00000
0 5
2.07581794316044E-08
1.1071029030189E-09
5.31409393449072E-11 Distribución de probabilid
2.31887735323231E-12 1.20000
9.27550941292926E-14
1.00000
3.42480347554311E-15
0.80000
1.17421833447192E-16
0.60000
3.75749867031015E-18
0.40000
1.12724960109305E-19
0.20000
0.00000
0.60000
0.40000
3.18282240308625E-21 0.20000
8.48752640823E-23 0.00000
0 5
2.14421719786863E-24
5.14612127488471E-26
1.17625629140222E-27
0.48
POBLACIÓN
TOTAL N
TIPO (N-K)
MUESTRA
TAMAÑO n
ardinalidad del espacio muestral
tipo (N-K)
n<N
amaño n de la población y contar el número de objetos o individuos
LECCIONADA DE TAMAÑO n
fectuosas al seleccionar 3 de 7
7 Población
3 Muestra
2 TV DEFECTUOSAS
5 NO DEFECTUOSAS
{0,1,2}
X P(X=x)
0 0.19369195046
1 0.44020897833
2 0.29347265222
adoras defectuosas 3 0.0677244582
4 0.0048374613
5 6.4499484E-05
1
N 20
n 5 Ver libro
K 5
N-K 15 En fpp
N-n 15
N-1 19 E(X)=
V(X)
15
12
8
7
No de ejecutivos enviados con conocimiento
{0, 1,2,……,7,8}
P(X=5) 0.12307692308
X P(X=x)
0 0.123573629154768
1 0.295292828110095
2 0.308715229387827
3 0.184427279894026
4 0.068860835025367
5 0.016455056681386
6 0.002457573400467
7 0.000209737247535
8 7.8310985281E-06
P(X=8) 7.8310985281E-06
P(X>5) 0.00267514174653
Media 1.84
4. La función de proba
de una tela sintética en
Construya la función d
X
0
1
2
3
4
Ejemplo 1 vad
mu E(X)
MODELO BERNOUL sigma^2 V(X)
ar la diferencia entre un café capuchino de las empresas STARCONFRIO Y
na prueba de degustación a ciegas? La mayoría afirma que puede hacerlo y
marca. Sin embargo, las investigaciones sugieren que la gente identifica corr
presa, sólo 75% de las veces. Suponga que decide investigar esta cuestión y
60 estudiantes universitarios.
tipo de modelo que utilizará para justificar lo que se pide
probabilidad de que a lo más 25 de los estudiantes que participaron en la
rrectamente su marca?
robabilidad de que entre 30 y 40, estudiantes, inclusive, identifiquen corr
O o CIELITO NUBLADO?
promedio de estudiantes que reconocen la marca.
stribución de probabilidad para la variable aleatoria
MODELO
CON fx
fpp fpp
Rango de X P(X=x) p(X=x)
0 7.523163845263E-37 7.523164E-37
4.3E-08 1 1.354169492147E-34 1.354169E-34
2 1.19844000055E-32 1.19844E-32
0.09247589491 3 6.950952003192E-31 6.950952E-31
4 2.971531981365E-29 2.971532E-29
5 9.984347457385E-28 9.984347E-28
6 2.745695550781E-26 2.745696E-26
7 6.35432398895E-25 6.354324E-25
8 1.262921892804E-23 1.262922E-23
9 2.189064614193E-22 2.189065E-22
10 3.349268859716E-21 3.349269E-21
11 4.567184808703E-20 4.567185E-20
12 5.594801390661E-19 5.594801E-19
13 6.197318463502E-18 6.197318E-18
14 6.241585023956E-17 6.241585E-17
15 5.742258222039E-16 5.742258E-16
16 4.845030374845E-15 4.84503E-15
50 60 70 17 3.762023585174E-14 3.762024E-14
18 2.696116902708E-13 2.696117E-13
19 1.787951209164E-12 1.787951E-12
20 1.099589993636E-11 1.09959E-11
21 6.283371392206E-11 6.283371E-11
22 3.341611149491E-10 3.341611E-10
23 1.656276830617E-09 1.656277E-09
24 7.660280341606E-09 7.66028E-09
25 3.309241107574E-08 3.309241E-08
26 1.336424293443E-07 1.336424E-07
27 5.048713997452E-07 5.048714E-07
28 1.785081020528E-06 1.785081E-06
29 5.909233723126E-06 5.909234E-06
30 1.831862454169E-05 1.831862E-05
31 5.318310350814E-05 5.31831E-05
32 0.000144591562663 0.0001445916
33 0.000368051250414 0.0003680513
34 0.000876827978928 0.000876828
35 0.001954073781611 0.0019540738
36 0.004070987045023 0.004070987
37 0.007921920736262 0.0079219207
38 0.014384540284265 0.0143845403
39 0.024343068173371 0.0243430682
40 0.038340332373059 0.0383403324
41 0.05610780347277 0.0561078035
42 0.076146304713044 0.0761463047
43 0.095625591965219 0.095625592
44 0.110838754323322 0.1108387543
E(X) 45 0.118228004611543 0.1182280046
46 0.115657830598249 0.1156578306
47 0.10335380606652 0.1033538061
48 0.083974967429048 0.0839749674
49 0.061695894437668 0.0616958944
50 0.040719290328861 0.0407192903
51 0.023952523722859 0.0239525237
52 0.012436887317639 0.0124368873
53 0.005631798030629 0.005631798
54 0.002190143678578 0.0021901437
55 0.000716774294807 0.0007167743
56 0.000191993114681 0.0001919931
57 4.041960309064E-05 4.04196E-05
58 6.272007376133E-06 6.272007E-06
59 6.378312585898E-07 6.378313E-07
60 3.189156292949E-08 3.189156E-08
1
E( X ) 0 xP( X x)
E( X ) xf (x)dx
V ( X ) (x ) P( X x)
2 2
V(X )
2
(x )
2
f (x)dx
x 0
0
V ( X ) (x ) P( X x)
2 2
V(X )
2
(x )
2
f (x)dx
x 0
P(X=0)+P(X=1)+P(X=2)+P(X=3)+P(X=4) P(<=4)
0.99723060428
0.99723060428
P(X<=x)
1.2
0.8
0.6
0.4
0.2
1
0.8
0.6
0.4
0.2
0
0 5 10 15 20 25 30 35
MODELO
Poisson para mu=0.48
fpp
5 10 15 20 25
IPO (N-K)
LA PROBABILIDAD DE OBTENER x OBJETOS DEL TIPO K EN UNA MUESTRA DE
P(𝑋=𝑥)=(█(𝐾@𝑥))(█(𝑁−𝐾@𝑛−𝑥))/
((█(𝑁@𝑛)) )
E(X)
V(X) X=0,1,2,3,........min(n,k)
al azar de 3 de los televisores. Si X es el número
Exprese los resultados de forma gráfica como
notar M=K
x =k
1.25
0.7401315789
X P(X=x)
0 0
1 0
2 0
3 0
4 0
5 0.12307692
6 0.43076923
7 0.36923077
8 0.07692308
P(X=x) x*P(X=x)
0.1021671827 0
0.3632610939 0.3632610939112
0.3814241486 0.7628482972136
0.1386996904 0.4160990712074
0.0144478844 0.0577915376677 E(X)
1.6 Media o Valor esperado
con utilidad
x*P(X=x) (x-Mu)^2*P(X=x)
0 0.418370878866383
0.295292828110095 0.208358619514483
0.617430458775654 0.007903109872328
0.553281839682079 0.248165347825402
0.275443340101468 0.321277111894352
0.082275283406932 0.164313613997652
0.014745440402801 0.042529782239118
0.001468160732746 0.005584380057973
6.26487882248E-05 0.000297155732308
1.84 1.4168 1.4168
Varianza o variancia
uso;
SUMA DE PROB. PUNTUA
a
b
c
d
X 0 1 2 3 4
P(X=x) 0.41 0.37 0.16 0.05 0.01
Construya la función de probabilidad acumulada de X.
V ( X ) ( x ) P ( X x ) V ( X ) ( x ) 2 f ( x ) dx
2 2 2
x0
E ( X ) 0 xP ( X x ) E ( X ) xf ( x ) dx
V ( X ) ( x ) P ( X x ) V ( X ) ( x ) 2 f ( x ) dx
2 2 2
x0
0.8
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4
13
. La función de probabilidad puntual de la variable X es
x 3 x
3 1 3
f ( x) P ( X x ) , x=0,1,2,3.
x 4 4
Encuentre la media de X.
MODELO BINOMIAL
X P(X=x)
0 0.421875
1 0.421875
2 0.140625
3 0.015625
16. Una compañía que produce cristal fino sabe por experiencia que el 10% de sus copas
tiene imperfecciones y deben clasificarse como “de segunda”.
a. Entre seis copas seleccionadas al azar, ¿qué tan probable es que sólo una sea “de
segunda” .
b. Entre seis copas seleccionadas al azar, ¿cuál es la probabilidad de que por lo menos
dos sean de segunda?
X COPAS DE SEGUNDA X
P 0.1 0
n 6 1
1-P 0.9 2
3
4
5
6
A P(X=1)
B P(X>=2)
Ejemplo 2 vac
P 0*(1-P)+1*P =P
P(1-P) P^2(1-P)+(1-P)^2P(1-P)(P+(1-P))=P(1-P)
s STARCONFRIO Y CILELITO
que puede hacerlo y se inclina
ente identifica correctamente
igar esta cuestión y selecciona
e
e participaron en la encuesta
e, identifiquen correctamente
E ( X ) 0 xP
4.92533165E-20 5.02390328957E-19 5.279665639E-17
6.08733456E-19 6.71376166879E-18 6.092738714E-16
6.80605192E-18 8.05651400255E-17 6.346054107E-15
6.92219022E-17 8.73821903354E-16 5.998163208E-14
6.43447724E-16 8.61338733306E-15 5.1680324E-13
5.4884781E-15 7.75204859975E-14 4.074670545E-12
4.3108714E-14 6.3954400948E-13 2.949426491E-11
3.12720404E-13 4.85301042487E-12 1.965469222E-10
2.10067161E-12 3.39710729741E-11 1.208655017E-09
1.30965715E-11 2.19917998727E-10 6.87243746E-09
7.59302855E-11 1.31950799236E-09 3.619221922E-08
4.100914E-10 7.35154452888E-09 1.767712298E-07
2.06636823E-09 3.80943671042E-08 8.01637986E-07
9.72664857E-09 1.83846728199E-07 3.378183631E-06
4.28190596E-08 8.27310276893E-07 1.323696443E-05
1.76461489E-07 3.47470316295E-06 4.824491699E-05
6.81332889E-07 1.36315277931E-05 0.0001635783335
2.46641391E-06 4.99822685748E-05 0.0005158884149
8.37564763E-06 0.000171367777971 0.0015127638331
2.66942722E-05 0.000549558736251 0.0041216905219
7.98773757E-05 0.001648676208752 0.0104238882876
0.000224468938 0.004626930005208 0.02443597409
0.000592520189 0.012145691263671 0.0529993800597
0.001469348168 0.029812151283556 0.1060961854503
0.003423421949 0.068392582356393 0.1954073781611
0.007494408994 0.146555533620841 0.3297499506469
0.015416329731 0.293111067241682 0.5070029271207
0.029800870015 0.546612530802057 0.704842473929
0.054143938188 0.949379658761466 0.8763504542414
0.092484270561 1.53361329492237 0.9585083093265
0.148592074034 2.30041994238355 0.8977248555643
0.224738378747 3.19814479794786 0.6853167424174
0.320363970712 4.1119004545044 0.3825023678609
0.431202725036 4.87690519022615 0.1108387543233
0.549430729647 5.32026020751944 0
0.665088560245 5.32026020751944 0.1156578305982
0.768442366312 4.85762888512644 0.4134152242661
0.852417333741 4.03079843659428 0.7557747068614
0.914113228179 3.02309882744571 0.9871343110027
0.954832518508 2.03596451644303 1.0179822582215
0.97878504223 1.22157870986582 0.8622908540229
0.991221929548 0.646718140517198 0.6094074785643
0.996853727579 0.298485295623322 0.3604350739602
0.999043871257 0.118267758643203 0.1774016379648
0.999760645552 0.039422586214401 0.0716774294807
0.999952638667 0.010751614422109 0.0232311668763
0.99999305827 0.002303917376166 0.0058204228451
0.999999330277 0.000363776427816 0.0010599692466
3.3541019662497 SIGMA
) 2 f (x)dx
) 2 f (x)dx
0.029252688077
0.029252688077
En promedio, 12 personas
a. Defina la distribución de
b. ¿Cuál es la probabilidad
c. ¿Cuál es la probabilidad
d. ¿Cuál es la probabilidad
ho de consultoría
X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
25 17
18
19
20
21
22
23
P(X<=x) 24
25
26
27
28
25
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
EN UNA MUESTRA DE TAMAÑO n.
𝑛−𝑥))/ P(X=x)
0.60000 1.20000
0.50000
..min(n,k) 1.00000
0.40000
0.80000
0.30000
0.60000
0.20000
0.40000
0.10000
0.00000 0.20000
0 0.5 1 1.5 2 2.5
0.00000
0 0.5
P(X<=x) X*P(X=x)
0.2857142857 0
0.8571428571 0.57142857143
1 0.28571428571
0.8571428571429
E ( X ) 0 xP ( X x ) P(𝑋=𝑥)=(█(𝐾@𝑥))(█(𝑁−𝐾@
DEFINICIONES DE VALOR ESPERADO Y VARIANZA PARA VAD
((█(𝑁@𝑛)) )
E(X) X=0,1,2,3,......
V(X) 2 V ( X ) ( x ) 2 P ( X x)
x0
"TALACHA"
0.857142857142857
0.2615479876
0.1307739938
0.0610278638
0.2718513932
0.0832198142 V(X) 0.808421052631579
3 POISSON
10 15 20 25
P(X<=3) 0.7
P(X<3) 0.45
P(X>=3) 0.55
P(2<X<5) 0.45
0.4
0.35
0.3
0.25
V(X)
0.2
0.15
0.1
0.05
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
0.2
0.15
0.1
0.05
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
LADA
3 3.5 4 4.5
0
0.421875
0.28125
0.046875
0.75 E(X)
P(X=x)
0.531441
0.354294
0.098415
0.01458
0.001215
5.4E-05
1E-06
0.354294
0.114265
b P(X<=25) 4.281905965E-08
c P(30<=X<=40) 0.0924758949136
d E(X) 45
e
V ( X ) ( x ) P( X x)
Distribución Binomial
2 Reconoce la marca
0.14
x 0 0.12
=np(1-p) 0.1
E ( X ) 0 xP( X x)
0.08
0.06
0.04
np
0.02
0
0 10 20 30 40
1. En un estudio de higiene industrial y seguridad, es d
de carburadores en la fabricación de autos, el número d
tiene un promedio de 5.0 accidentes por mes. Def
probabilidad. Luego, estimar los siguientes enunciados:
(a) ¿Cuál es la probabilidad de que ocurran 10 accidente
(b) ¿Cuál es la probabilidad de que ocurran cuando meno
(c) ¿Cuál es la probabilidad de que no habrán más de 2
luego P(X<=25)
σ D.e
dio, 12 personas por mes llegan a un despacho de consultoría para solicitar
a distribución de probabilidad adecuada. Es decir defina X, su rango y la pro
s la probabilidad de que lleguen menos de 10 personas al despacho en un m
la probabilidad de que lleguen al menos cinco personas al despacho en un
s la probabilidad de que lleguen 15 personas al despacho en un semestre?
mu 12 por mes
X No de personas que llegan a un despacho de consultoría
p(X=x) p(X<=x) P(X<10)
6.1442123533E-06 6.14421235333E-06
7.373054824E-05 7.98747605933E-05 P(X>=5)=1-P(X<=4)
0.0004423832894 0.000522258050033
0.0017695331578 0.002291791207791
0.0053085994733 0.007600390681067
0.0127406387359 0.020341029416928
0.0254812774717 0.045822306888651
0.0436821899515 0.089504496840176 fpp
0.0655232849273 0.155027781767463 0.14
0.0723911201466 0.844415652450183 0
0 5 10 1
0.05429334011 0.898708992560162
0.0383247106659 0.937033703226029
0.0255498071106 0.962583510336608
0.0161367202804 0.978720230616973
0.0096820321682 0.988402262785192
0.0055325898104 0.993934852595603
0.0030177762602 0.996952628855827
0.0015744919619 0.998527120817683
0.0007872459809 0.999314366798611
0.0003778780708 0.999692244869457
0.0001744052635 0.999866650132924
7.751345043E-05 0.999944163583354
3.3220050184E-05 0.999977383633538
1.3746227662E-05 0.999991129861201
5.498491065E-06 0.999996628352266
2.1284481542E-06 0.99999875680042
7.9816805782E-07 0.999999554968478
2.9024293012E-07 0.999999845211408
1.0243868122E-07 0.999999947650089
3.512183356E-08 0.999999982771922
1.1707277853E-08 0.9999999944792
3.7969549795E-09 0.999999998276155
1.1990384146E-09 0.999999999475194
3.6893489679E-10 0.999999999844129
1.1068046904E-10 0.999999999954809
3.2394283621E-11 0.999999999987203
9.2555096059E-12 0.999999999996459
2.5829329133E-12 0.999999999999042
7.0443624908E-13 0.999999999999746
1.8784966642E-13 0.999999999999934
4.9004260805E-14 0.999999999999983
1.2511726163E-14 0.999999999999996
3.1279315408E-15 0.999999999999999
7.660240508E-16 1
1.8384577219E-16 1
1
P(X<=x)
1.20000
1.00000
0.80000
0.60000
0.40000
0.20000
0.00000
0 0.5 1 1.5 2 2.5
ANZA PARA VAD
█(𝐾@𝑥))(█(𝑁−𝐾@𝑛−𝑥))/
)
X=0,1,2,3,........min(n,k)
3. Un embarque de 15 televisores contiene 5 unidades defe
compra al azar de 10 de los televisores. Si X es el número
compra el hotel, encuentre la función de probabilidad punt
de probabilidades.
X No DE TV DEFECTUOSAS
N 15
K 5
N-K 10
n 10
NTUAL
x 3 x
3 1 3
f ( x) , x=0,1,2
x 4 4
Encuentre la media de X.
3.5 4 4.5
12. La función de probabilidad puntual de la variable X es
x 3 x
3 1 3
f ( x) , x=0,1,2
x 4 4
Encuentre la media de X.
3.5 4 4.5
X
0
1
2
3
0.092475894913646
Distribución Binomial
Reconoce la marca
20 30 40 50 60 70
industrial y seguridad, es decir, en una fábrica de ensamblamientos
cación de autos, el número de accidentes en esta planta de ensambles
accidentes por mes. Define las características del modelo de
r los siguientes enunciados:
de que ocurran 10 accidentes en un mes dado? P(X=10)
de que ocurran cuando menos 2 accidentes? 1-P(X=0)-P(X=1)
de que no habrán más de 25 accidentes en un año? Mu es 5*12=60,
X No de Accidentes por mes
mu 5
X tiene distribución Poisson
n despacho de consultoría
0.24239216167 0.24239216
5)=1-P(X<=4) 0.99239961 0.992399609
µ 72
2.98047263206E-16 P(X=15)
fpp poisson
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 5 10 15 20 25 30 35
n x n x
P[ X x] p q , 0
x
X No de copas defectuosas
n 6
p 0.1
1-p 0.9
es contiene 5 unidades defectuosas. Un HOTEL hace una
evisores. Si X es el número de unidades defectuosas que
nción de probabilidad puntual de X. Traza la distribución
X P(X=x) P(X<=x)
0 0.000333000333 0.000333
1 0.01665001665 0.016983
2 0.14985014985 0.1668332
3 0.3996003996 0.5664336
4 0.34965034965 0.9160839
5 0.083916083916 1
CALCULAR:
P(X=3) 0.3996003996
P(X<=3) 0.566433566434
P(X>3) 0.433566433566 1-P(X<=3)
x 3 x
3 1 3
f ( x ) , x=0,1,2,3.
x 4 4
X.
abilidad puntual de la variable X es
x 3 x
3 1 3
f ( x ) , x=0,1,2,3.
x 4 4
X.
n 3
P 0.25
MODELO BINOMIAL 1-P 0.75
x COPAS DE 2a
n 6 X P(X=x)
p 0.1 0 0.531441
1 0.354294
2 0.098415
3 0.01458
4 0.001215
5 5.4E-05
6 1E-06
a
P(X=1) 0.354294
b
P(X>=2) 0.114265 0.114265
P(X<=2)
P(X=
0.25
0.2
0.15
0.1
0.05
0
0 5 10 15
Algunas de las investigaciones sobre hábitos de consumo mencionan que la gente recuerda los
anuncios comerciales contratados durante el tiempo de cierto programa de T.V. ,sólo 90% de las
decide investigar esta cuestión y selecciona una muestra de 50 estudiantes universitarios.
a. Justifique el tipo de modelo que utilizará para la variable aleatoria discreta: X número de tele
recuerdan el contenido de los comerciales.
b. Determine la función de probabilidad puntual y acumulada para la en número de televidente
contenido de los comerciales
b. ¿Cuál es la probabilidad de que por lo mucho 15 de los televidentes que participaron en la en
el contenido del comercial?
c. ¿Cuál es la probabilidad de que al menos cinco de los televidentes, recuerden el contenido d
d. ¿Cuál es el valor esperado de los televidentes que recuerdan el contenido de los anuncios com
b. ¿Cuál es la probabilidad de que por lo mucho 15 de los televidentes que participaron en la en
el contenido del comercial?
c. ¿Cuál es la probabilidad de que al menos cinco de los televidentes, recuerden el contenido d
d. ¿Cuál es el valor esperado de los televidentes que recuerdan el contenido de los anuncios com
26 7.853358E-12
27 6.282687E-11
28 4.644701E-10
29 3.171209E-09
30 1.997862E-08
31 1.160049E-07
32 6.199011E-07
33 3.043151E-06
34 1.369418E-05
35 5.634176E-05
36 0.000211282
37 0.0007195
38 0.002215301
39 0.00613468
40 0.015183334
41 0.03332927
42 0.064277878
43 0.107628075
44 0.154103834
45 0.184924601
46 0.180904501
47 0.13856515
48 0.077942897
49 0.028632084
50 0.005153775
X P(X=x) P(X<=x)
0 0.006737946999085 0.006737946999085
1 0.033689734995427 0.040427681994513
2 0.084224337488568 0.124652019483081
3 0.140373895814281 0.265025915297362
4 0.175467369767851 0.440493285065212
5 0.175467369767851 0.615960654833063
6 0.146222808139876 0.762183462972939
7 0.104444862957054 0.866628325929993
8 0.065278039348159 0.931906365278151
9 0.036265577415644 0.968171942693795
10 0.018132788707822 0.986304731401617
11 0.008242176685374 0.994546908086991
12 0.003434240285572 0.997981148372563
13 0.001320861648297 0.99930201002086
14 0.000471736302963 0.999773746323823
15 0.000157245434321 0.999930991758144
16 4.913919822534E-05 0.99998013095637
17 1.445270536039E-05 0.99999458366173 Tience a 1
18 4.014640377887E-06 0.999998598302108
19 1.05648430997E-06 0.999999654786418
20 2.641210774926E-07 0.999999918907495
21 6.288597083156E-08 0.999999981793466
22 1.429226609808E-08 0.999999996085732
23 3.107014369148E-09 0.999999999192747
24 6.472946602392E-10 0.999999999840041
25 1.294589320478E-10 0.9999999999695
26 2.489594847074E-11 0.999999999994396
27 4.610360827915E-12 0.999999999999007
28 8.232787192705E-13 0.99999999999983
29 1.419446067708E-13 0.999999999999972
30 2.36574344618E-14 0.999999999999996
de mercados.
n x n x
x] p q , 0 x n f . p. p tipo Binomial
x
P(X=1) 0.354294
P(X=x)
0.45
1.2
0.4
0.35 1
0.3 0.8
0.25
0.6
0.2
0.15 0.4
0.1 0.2
0.05
0
0 0 1
0 1 2 3 4
Prob. Éxito
Prob. Fracaso
P(X<=x)
0.421875
0.84375
0.984375
1
x No de clientes satisfechos
n 30 X P(X=X) p(X<=x)
15 5.949E-07 1 8.923E-06
16 7.967E-08 1 1.275E-06
17 9.373E-09 1 1.593E-07
18 9.671E-10 1 1.741E-08
19 8.725E-11 1 1.658E-09
20 6.856E-12 1 1.371E-10
21 4.664E-13 1 9.794E-12
22 2.726E-14 1 5.996E-13
23 1.354E-15 1 3.115E-14
24 5.643E-17 1 1.354E-15
25 1.935E-18 1 4.837E-17
26 5.315E-20 1 1.382E-18
27 1.125E-21 1 3.037E-20
28 1.722E-23 1 4.821E-22
29 1.696E-25 1 4.919E-24
30 8.078E-28 1 2.423E-26
gente recuerda los contenidos de los
.V. ,sólo 90% de las veces. Suponga que
niversitarios.
: X número de televidentes que
ero de televidentes que recuerdan el
articiparon en la encuesta, identifiquen
den el contenido de los comerciales?
de los anuncios comerciales?
articiparon en la encuesta, identifiquen
den el contenido de los comerciales?
de los anuncios comerciales?
P(X<=x)
1E-50
4.51E-48
9.9676E-46
1.4388076E-43
1.525386376E-41
1.2663604562E-39
8.5716055443E-38
4.8631559433E-36
2.3597181052E-34
9.9425353026E-33
3.6811472816E-31
1.2090113767E-29
3.5495858566E-28
9.3750368462E-27
2.2392404119E-25
4.8581825349E-24
9.609514663E-23
1.7383605003E-21
2.8835738837E-20
4.395749473E-19
6.1693869054E-18
7.9838397795E-17
9.5382075426E-16
1.0529627443E-14
1.0748467016E-13
1.01498387E-12
8.8683423302E-12
7.1695210012E-11
5.3616526752E-10
3.7073746256E-09
2.3685993582E-08
1.3969087784E-07
7.5959197812E-07
3.802742834E-06
1.7496921686E-05
7.3838686103E-05
0.00028512030267
0.00100461986179
0.00321992113591
0.00935460158733
0.02453793570459
0.05786720571809
0.12214508360128
0.22977315819638
0.38387699227572
0.56880159317094
0.74970609404669
0.88827124365365 P(X=x
P(X<=X)
0.96621414030757 0.2
1.2
0.18
0.16
0.99484622479268 1
0.14
0.8 0.12
1 0.1
0.6 0.08
0.06
0.4 0.04
0.02
0.2 0
0.18
0.16
1
0.14
0.8 0.12
0.1
0.6 0.08
0.06
0.4 0.04
0.02
0.2 0
0 5 10 15
0
A P(x=10) 0.0181328
0 5 10 15 20 25 30 35
B p(x>=2) 0.9595723
C CAMBIAR LA MEDIA
mu 60
D POR MES
E(X)=5
V(X)=5
x No de fracturas por espacio
mu 5
P(X=8) 0.0652780393
X=x) P(X<=X)
1 2 3 4 5 6
3 4 5 6
na encuesta indicó que 10 están satisfechos con los
suma el número de clientes que están satisfechos con el
0.0129885
0.2412151
0.4652006
0.4753978
0.3338936
0.1779225
0.0756473
0.0264392
0.0077438
0.0019256
0.0004102
7.529E-05
1.196E-05
1.646E-06
1.964E-07
2.029E-08
1.81E-09
1.388E-10
9.078E-12
5.019E-13 p(X<=x)
1.2
2.314E-14
1
8.737E-16
0.8
2.631E-17
0.6
6.081E-19
0.4
1.013E-20
0.2
1.082E-22
0
0 5 10 15 20 25
5.566E-25
P(X=x)
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 5 10 15 20 25 30 35
X<=x)
20 25 30 35
X No DE SENSORES QUE FALLAN
n 15
p 0.2
1-p 0.8
Función de probabilidad puntual
X P(X=x) P(X<=x)
0 0.03518437 0.0351843721
1 0.1319414 0.1671257674
2 0.23089744 0.3980232093
3 0.2501389 0.6481621046 P(X<=9)
4 0.18760417 0.8357662761
5 0.10318229 0.9389485704
6 0.04299262 0.981941193 P(X=8)
7 0.01381906 0.9957602503
8 0.00345476 0.9992150146 P(X>=8)
9 0.00067176 0.9998867743
10 0.00010076 0.9999875383 P(4<=X<=7)
11 1.14504E-05 0.9999989887
12 9.54204E-07 0.999999943
13 5.50502E-08 0.999999998 E(X)=np
14 1.96608E-09 1 V(X)=np(1-p)
15 3.2768E-11 1
Sea X una vac, con rango Rx= (-inf,inf)….( depende del contexto…)
La función de densidad para la variable se define:
2
1 x Tal fdp, siempre depende de mu y sigma.
1
2
f ( x) e Forma:
2
Ahora
P(Z>z)
ADV.
1 USAR LA TABLA DE PROBABILIDAD NORMAL Y fx PARA OBTENER LAS PROBABILIDADES INDICADAS
a. P(Z>1.32)
b. P(Z<-1.98)
c. P(-2.34<Z<1.76)
Z define una vac normal estándar Con fx
b P(Z<-1.98) 0.0239
c P(-2.34<Z<1.76) 0.951154227
MU
SIGMA
Vac:
X Toneladas generadas X se dist..N(150,15)
a P(145<=X<=165)=P(-0.333<=Z<=1)
z1 -0.33333333333
mu 150 z2 1
sigma 15 x
z
x
z
b P(X>180)=P(Z>2)=1-P(Z<=2) 0.02275013195
z 2 Aprox…..
c P(X<=120) + P(X>180)=P(Z<-2)+P(Z>2)
z1 -2 Aprox…
z2 2
d P(X<=x)=.P99
Se busca x Área izquierda
EQUIVALE P(Z<=z)=.99
z 2.33 REGRASAMOS x
USAR
DESPEJAMOS x
P(X<=185)=.99
2. Utilice la tabla de probabilidad acumulada N(0,1) para calcular las probabilidades siguientes para la variable aleator
normal estándar Z.
a. P(Z>-1.22)
b. P(Z<1.98)
c. P(-2.50<Z<2.50) Z Es una variable aleatoria con distribución Norma
A P(Z>-1.22) 0.8888
=1-DISTR.NORM.ESTAND.N(-1.22,1)
Z
B P(Z<1.98) 0.9761
=DISTR.NORM.ESTAND.N(1.98,1)
C P(-2.50<Z<2.50) P(Z<2.50)-P(Z<-2.50)
=DISTR.NORM.ESTAND.N(2.5,1)-DISTR.NORM.ESTAN
3. Suponga que Z tiene una distribución normal estándar. Utilice la tabla de probabilidad acumulada N(0,1) para determinar
el valor de z que resuelve cada una de las siguientes probabilidades:
a. P(Z>z) = 0.15
b. P(Z<z) = 0.99
a P85 =INV.NORM.ESTAND(0.85) P(Z>1.04)=0.15
c P(X>=1)=1-P(X=0) 1
5. En promedio, 5 fumadores pasan por la esquina de cierta calle cada 15 minutos. ¿Cuál es la probabilidad de que duran
un periodo dado de 30 minutos el número de fumadores que pasen sea de:
a. Tres o menos c. Menos de uno.
b. Exactamente cinco d. Al menos uno.
X No de personas que pasan por la esquina en un tiempo determinado
mu 10 (para 30 minutos)
12.3
z dist N(0,1)
-1
P(X<1245) P(Z<-0.111) 0.4562
mu 1250
sigma 45
n x n x
P[ X x] p q , 0 x n f . p. p tipo
x
P(X=x)
=SUMA(D11:D20) 0.99988677434
0.3
0.25
0.00345476431872 0.2
0.15
0.004239749709824 =1-P(X<7)
0.1
0.347598145716224 0.05
0
0 2 4 6 8 10 12 14 16
3
2.4
DISTRIBUCIÓN NORMAL
f(x) es no negativa
f(x) no tiene primitiva
El área bajo la curva es 1
p, siempre depende de mu y sigma. SIGMA La probabilidad es el área
P(Z<1.76) 0.9607961
0.951154227
LVER LA ECUACIÓN INDICADA Z
-2.34 1.76 P(Z>1.76)
ladas, inclusive.
150 15
15 15
135 165
)=P(-0.333<=Z<=1) 0.47177760449 120 150
Aprox… 236 1 z˷
-2 -1 0 1
11
0.045500263896358
23
0.99 0.01
RESOLVER PARA z
2.3263479 Z
x
z
X=Z*σ+µ
184.9 TONELADAS
0.99 0.01
toneladas métricas
184.9 x
a variable aleatoria con distribución Normal con una media de cero y varianza 1.
͂≈ N(0,1)
0.9876
ORM.ESTAND.N(2.5,1)-DISTR.NORM.ESTAND.N(-2.5,1)
de probabilidad acumulada N(0,1) para determinar
(o PECSI) en una prueba de degustación a ciegas? La mayoría
. Sin embargo, las investigaciones sugieren que la gente identifica SEGUNDO PARCIAL
o 90% de las veces. Suponga que decide investigar esta cuestión GAMMA EXPONENCIAL
ERLANG
lo que se pide
de los estudiantes que participaron en la encuesta identifiquen WEIBULL
(x-E(X))^2*P(X=x)
5.0625E-23 P(X=x)
1.0400625E-20 Dist. de Prob. puntuales
0.3
1.0212075E-18
0.25
6.37565175E-17
0.2
2.84056034625E-15
0.15
9.60789969562E-14
2.56236802495E-12 0.1
5.52376360892E-11 0.05
9.78887359009E-10 0
0 5 10 15 20 25 30
1.44249120573E-08
1.78085334041E-07
1.84988569171E-06 P(X<=x)
1.61926194621E-05 Dist. de Prob. Acumulada
0.000119296645425 1.2
0.000736740581126
0.00378567392032 1
0.01599447231335 0.8
0.054563808960371
0.146104744654216 0.6
0.293063903019861
0.4
0.403710478649809
0.311433797815567 0.2
0.056624326875558
0.066472035897394 0
0 5 10 15 20 25 30
0.2
0
0 5 10 15 20 25 30
0.448686242307408
E ( X ) 0 xP ( X x )
0.448686242307408
2.25
np(1-p) V(X)= Varianza
2.25
2 V ( X ) ( x ) 2 P( X x)
x 0
15 minutos. ¿Cuál es la probabilidad de que durante
de:
P(X=x)
Dist. de prob. puntual
U)^2*P(X=x)
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 5 10 15 20 25 30 35 40 45
c P(X<1)=P(X=0) 4.539993E-05
d P(X=5) 0.0378332748
P(X>=5) =1-P(X<=4) 0.970747312
Vol.de llenado z -1
e una distribución Normal con media 12.4 y d.e. 0.1
c P(X<12.3)+P(X>12.5) P(Z<-1)+P(Z>1)
x ≈ N(12.4,0.1)
mu 12.4 Z1 -1
d.e 0.1 Z2 1
12.5 X
12.4 d
x
z
x=
z
0 1
0.674489750196082 P75 en Z P(X<=12.46)=.75
Z -0.1111111111
. p. p tipo Binomial
14 16
ÁREA DERECHA
al tipificada.
[Z<1.85]
ARIABLE SIN DIMENSIONES
P(X>x) 0.0321568
probabilidad complementaria
P(z<-2,34) o P(Z>1.76) 0.0488458
0.0392039
Regla Empírica
X ˷ N(150,15)
180 X
634621.0157
P75 P(X<=x)=.75
=z*sigma+mu
x 12.46744898
P(X<=12.46)=.75
SOLUCIÓN SEGUNDO PARCIAL
a
X No de sensores que fallan
X P(X=X) P(X<=x)
0.45
0 0.34867844 0.34867844
0.4
1 0.387420489 0.736098929
2 0.193710245 0.929809174 0.35
3 0.057395628 0.987204802 0.3
4 0.011160261 0.998365063 0.25
5 0.001488035 0.999853097
0.2
6 0.000137781 0.999990878
0.15
7 8.748E-06 0.999999626
8 3.645E-07 0.999999991 0.1
9 9E-09 1 0.05
10 1E-10 1 0
0 2 4
b P(X=2) 0.193710245
0.5p
d P(X=0) 0.34867844
0.5P
b
TOTAL PUNTOS 7
CALIFICACIÓN 10
to volumen fallen en una prueba de muestreo
SEPC…NOMBRE..
Sea X el número de entre 10 sensores
es fallen.
0.5P
P(X=X) P(X<=x)
1.2
0.8
0.6
0.4
0.2
0
2 4 6 8 10 12 0 2 4 6 8
0.5p
2P
abilidad en el espesor alrededor de
a
muestra al azar de 10 arandelas, sin
MODELO HIPERGEOMÉTRICO
orrespondiente;
as inaceptables se encuentre en la X ARANDELAS DEFECTUOSAS EN LA MUESTRA DE TAMAÑO 10
Rx 0,1,2,3,4,5
elas inaceptables se encuentre en la N 75
K 5
randelas inaceptables se encuentre N-K 70
n 10 0.5p
la muestra?
0.005
Z 2 A
11.74241707
P(X<11.8) + P(X>12.2) 0.045500264 0.5p
0.005
Z1 -2 -2.5758293
Z2 2
P(11.74<=X<=12.25)=0.99
3. La vida útil (en años) de cierto tipo de lavadora tiene una distribución con la func
densidad
0, x 0
f ( x) 0.2 x
0.2e , x 0
3. La vida útil (en años) de cierto tipo de lavadora tiene una distribución con la func
densidad
0, x 0
f ( x) 0.2 x
0.2e , x 0
Encuentre P(X<=5) e interprete
a. usando la función de distribución acumulada de X;
b. utilizando la función de densidad de probabilidad de X.
0.632120559
P(X<=x)
6 8 10 12
DE TAMAÑO 10 P(X=x)
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6
2.5p
0.99
0.005
X onzas
B
12.25758293
PASAR A Z
0.99 0.005 Z
2.575829304
1.5P
0.5P
0.5P
0.5P
1P