Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Concepto.
Todo experimento aleatorio cuyo espacio muestral es S. Se define una variable
aleatoria discreta o continúa X que se asigna a cada suceso o evento, al cual le
hace corresponder uno y solo un valor en los números reales que se define
como la función de probabilidad f(x) o P(X=xi), tal que el conjunto de pares (X,
f(x)) es una distribución de probabilidad, cuya propiedad principal es 0≤f(x) ≤1
La distribución de probabilidad está definida sobre el conjunto de todos los
sucesos y cada uno de los sucesos es el rango de valores de la variable
aleatoria. También puede decirse que tiene una relación estrecha con
las distribuciones de frecuencia. De hecho, una distribución de probabilidades
puede comprenderse como una frecuencia teórica, ya que describe cómo se
espera que varíen los resultados.
Sea el espacio muestral S={𝑐𝑐, 𝑐𝑠, 𝑠𝑐, 𝑠𝑠} , s=cae sello, c=cae cara.
Los diferentes valores de X:0, 1, 2, esto es: X=0 (significa ninguna cara);
X= 1(indica 1 cara; X=2(significa 2 caras).
f(2)=1/4
1 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒
P(X=0)= = ;
4 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
P(X=1) significa 1 cara, esto X=1, el sub espacio { 𝑐𝑠, 𝑠𝑐}, dos casos:
2 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
P(X=1)= = ;
4 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
P(X=2) significa 2 caras, esto X=2, el sub espacio { 𝑐𝑐},un caso:
1 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒
P(X=2)= = ;
4 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
La distribución del presente experimento:
X= número de veces sello
X 0 1 2
f(x) ¼ 2/4 ¼
f(0)+f(1)+f(2)= ¼ + 2/4+ ¼ = 1
X:0,1,2,3
f(0)= 1/8….. 0 sello, indica que aparece todo cara, observamos solo 1
caso(ccc), indica 0 sello.
X 0 1 2 3
Propiedades:
b) Ninguno vez
Datos
x=0
Usar la fórmula: P(x ) = nCx. px .qn –x
P(x≥4)=P(4)+ P(5)=
= 5C4.(0,5)4.(0,5)5-4+5C5.(0,5)5.(0,5)5-5
=5.0,0625.+1.0,03125=0,34375
Datos
n=5
p=1/6
q= 1-p=1-1/6= 5/6
a) P(X=2)=f(2)= 5C2.(1/6)2.(5/6)3=10.1/36.125/216=625/3888=0,160
b) P(X≤2)=f(0)+f(1)+f(2)= 3125/7776+3125/7776+625/3888
= 625/648
f(0) = 5C0.(1/6)0.(5/6)5=3125/7776
Universidad Autónoma de Asunción Facultad de Ciencias y Tecnologías
Estadística Descriptiva e Inferencial Prof. Eva Angélica Leiva
f(1) = 5C1.(1/6)1.(5/6)4=3125/7776
f(2) = 5C2.(1/6)2.(5/6)3=625/3888
e) P(>2)=P(≥3)
P(≥3) = f(3) + f(4) + f(5)= 1- P(X≤2) =
DISTRIBUCIÓN POISSON
µ=miu
Ejemplo 1
Una centralita de sistema telefónica recibe en promedio 4 llamadas por minutos.
La distribución se comporta como la de Poisson. Calcular las siguientes
probabilidades:
Universidad Autónoma de Asunción Facultad de Ciencias y Tecnologías
Estadística Descriptiva e Inferencial Prof. Eva Angélica Leiva
µ=4, e=2,71828
a) Exactamente reciba 5 llamadas en un minuto dado:
𝜇 𝑥 𝑒 −𝜇
𝑃(𝑋 = x) =
5 −4
𝑥!
4 2,718
P(x=5) = = 5!=5.4.3.2.1=120
5!
18,76
P(x=5) = = 0,156
5!
3!=3.2.1
c) Reciba 2 o más:
P(x≥2)=P(2)+ P(3)+…………… 0,1,2,3,4,5,6……..
=
1- [P(0)+ P(1)]=
40 2,7182−4 41 2,7182−4
1- [ + ]=
0! 1!
1- [0,0183+0,073]=
1-0,0913=0,9087
P(4)+p(5)+p(6)
e) Ninguna llamada
P(0)
Ejemplo 2.
0,1 % de la población tuvieron un problema de enfermedad contagiosa, en
una muestra de 1000 personas. Calcular la probabilidad de que se contagien:
a) Exactamente 8 personas
P=0,1/100=0,001
n=1000
Universidad Autónoma de Asunción Facultad de Ciencias y Tecnologías
Estadística Descriptiva e Inferencial Prof. Eva Angélica Leiva
U=n.p=1000.0,001=1
𝜇 𝑥 𝑒 −𝜇
𝑃(𝑋 = x) =
𝑥!
P(8)= P(x=8)=
18 2,7182−1
𝑃(𝑋 = 8) = = 0,000009
8!
b) máximo 2
P(x≤ 2)= p(0)+p(1)+p(2)
10 2,7182−1 11 2,7182−1 12 2,7182−1
= + + -=0,3679+0,3679+0,1839=0,9197
0! 1! 2!
C) mas de 2
x: 0, 1,2,3,4,5,6…
P(x> 2)=1-[p(0)+p(1)+p(2)]
1-[0,9197]=0,0803
Universidad Autónoma de Asunción Facultad de Ciencias y Tecnologías
Estadística Descriptiva e Inferencial Prof. Eva Angélica Leiva