Vamos a seguir con el repaso de las Distribuciones Probabilidad

El tema II se llama Pruebas de Bondad de Ajuste

Distribución Binomial
El Parámetro a estimar de la distribución Binomial es p
Ejemplo
Entonces p=0,1 y n es 20

E(x) = 20*0,1= 2
Vamos con el uso de la aplicación

Parte B

1. P( X=2)
Abran la aplicación y Hacen click donde dice Selección de la distribución
n es 20 , Entonces p=0.1

P( X=2)
Sigamos con la distribución hipergeometrica
el parámetro a estimar es K

Importante

Si n < 0.10N se puede utilizar la distribución binomial. En ese caso

P= K/N
En este caso n es 3, N es 20 , k es 5

a) E(X) = 3*(5/20) = 0.75

B) P( x ≤ 1)
A modo de conclusion sobre la distribucion Binomial e Hipergeometrica...
Sigamos con la distribucion de Poisson
Ejemplo
Importante

Por ejemplo si n es grande y p es pequeña , en vez de utilizar la distribución

Binomial se puede utilizar la distribución de Poisson

Veamos el siguiente ejemplo

Un comprador de grandes cantidades de circuitos integrados ha adoptado un

plan para aceptar un envío de éstos y que consiste en inspeccionar una muestra
aleatoria de 100 circuitos provenientes del lote. Si el comprador encuentra no más
de dos circuitos defectuosos en la muestra, acepta el lote, de otra forma, lo
rechaza. Si se envía al comprador un lote y contiene 1 % de circuitos defectuosos.
¿Cuál es la probabilidad de que éste sea aceptado?

Aquí n= 100 y P es 0.01

Lambda es np = 1
Muy importante en ningún enunciado dice el tipo de distribución de probabilidad
discreta ustedes la deben identificar con la explicación de hoy

En caso de las distribuciones de probabilidad continuas el enunciado lo debe

decir claramente
Ejemplo

La probabilidad de que una muestra de aire contenga una molécula rara es de

0,01. Si se supone que las muestras son independientes con respecto a la
presencia de la molécula rara. A) ¿Cuál es la probabilidad de que sea necesario
analizar exactamente 125 muestras antes de detectar una molécula rara?

p= 0.01 y X es 124
P(X= 124} = 0.00288

El Parámetro a estimar de la distribución geometrica es P

Ejemplo

Las fibras de algodón usadas en los propulsores de cohetes son sometidas a un

proceso de nitración el cual permite que las fibras de algodón entren en solución.
Este proceso tiene una efectividad del 90%, en cuanto a que el material producido
puede conformarse según se requiera en una etapa ulterior del proceso, con
probabilidad de 0,9. a) ¿Cuál es la probabilidad de que se produzcan
exactamente 20 lotes para obtener el tercer lote defectuoso?

p= 0.1 y X es 17 r es 3

El Parámetro a estimar de la distribución binomial negativa es P

UNIDAD II PRUBAS DE BONDAD DE AJUSTE

Vamos a ver primero la prueba CHI- CUADRADO

EJEMPLO DISTRIBUCION BINOMIAL

Formulacion de las Hipotesis

H0: el numero de unidades defecuosas sigue aproximadamente un distribucion

normal

H1: NO H0
Fo es la frecuencia Observada. Se deben contar en la tabla de datos cuantos
pertenecen a cada categoria

En la tabla de datos se obsevan 2 valores igual a cero , 9 valores igual a uno, 13

valores igual a dos

Tal cual hacian en estadistica, para hacer su tabla de frecuencia

Ejemplo de la distribucion hipergeometrica
El aplicacion M es K
Ejemplo de la distribucion de Poisson
Formulacion de las Hipotesis

H0: la cantidad de llegadas por minuto sigue la distribucion de Poisson

H1: NO H0
Recuerden el examen escribir la formulacion de las hipotesis
En la ultima clase de Poisson la probabilidad será lo que falte para llegar 1,
Recuerden como lo vimos en el repaso la suma de probabilidades debe ser igual
a1
Ejemplo distribucion Geometrica
Formulacion de las Hipotesis

H0: la cantidad de fracasos antes de encontrar la primera unidad defectuosa sigue

una distribucion geometrica

H1: NO H0
Ejemplo distribucion Binomial Negativa
Formulacion de las Hipotesis

H0: Los Datos siguen una distribucion Binomial Negatova

H1: NO H0
Este problema no hay informacion de la variable y les digo que p es 0.8 y K = 2
REPITO

En este problema k =2 y P=0.8 son valores que yo estoy dando

En el examen ustedes deben estimar el valor de P de manera similiar a como se

estimo P en la
Geometrica
Distribucion Uniforme Discreta
Formulacion de las Hipotesis

H0: Las inasistencias siguen una distribucion uniforme discreta

H1: NO H0
Con esto terminamos las distribuciones discretas
Vamos con las distribuciones continuas
Distribucion Normal
-0.84 * 3 + 12 = 9.48
La normal tiene 2 parámetros

Los grados de libertad son K - 1 - P(número de parámetros)

K es el número de clases

5--1-2=3
Formulacion de las Hipotesis

H0: Los Datos siguen una distribucion Exponencial

H1: NO H0
La Exponencial sólo tiene 1 parámetro
En este problema no hay informacion sobre la variable
Distribucion de Weibull
Weibull tiene 2 parámetros
Formulacion de las Hipotesis

H0: Los tiempos entre fallas siguen una distribucion de Weibull

H1: NO H0
Distribucion Uniforme Continua
Formulacion de las Hipotesis

H0: Los Datos siguen una distribucion exponencial

H1: NO H0
En la uniforme el número de parámetros es 0
Para concluir el tema veamos el Analisis de tablas de contingencia con la prueba
de independencia chi- cuadrado
G.L. = (F-1)*(C-1)