Documentos de Académico
Documentos de Profesional
Documentos de Cultura
IV SEMESTRE
ASIGNATURA:
ESTADISTICA II
ESTUDIANTE:
Holguín Salazar Lilibeth Madelaine
DOCENTE:
CURSO:
CAU-S-MA-4-2
Objetivo: Identificar las características de la distribución de probabilidad, e interpretar media y
a) 𝟓! = 5 𝑥 4 𝑥 3 𝑥 2 𝑥 1 = 120
𝟔! 6𝑥5𝑥4𝑥3𝑥2𝑥1 360
b) = = = 15
𝟐!𝟒! (2𝑥1)(4𝑥3𝑥2𝑥1) 24
𝟖! 8𝑥7𝑥6𝑥5𝑥4𝑥3𝑥2𝑥1 6720
c) = (3𝑥2𝑥1)(5𝑥4𝑥3𝑥2𝑥1) = = 56
𝟑!(𝟖−𝟑)! 120
𝟕! 7𝑥6𝑥5𝑥4𝑥3𝑥2𝑥1 42
d) = (5𝑥4𝑥3𝑥2𝑥1)(2𝑥1) = = 21
𝟓!(𝟕−𝟓)! 2
4! 4𝑥3𝑥2𝑥1
e) = =1
4!(4−4)! (4𝑥3𝑥2𝑥1)
4! 4𝑥3𝑥2𝑥1
f) = =1
0!(4−0)! (4𝑥3𝑥2𝑥1)
Datos:
n = 50
p = 15%
P (x ≤10) = P (0) + P (1) + P (2) + P (3) + P (4) + P (5) + P (6) + P (7) + P (8) + P (9) + P (10)
P(x≤10) = 0,880083
X P(X)
0 0,000296
1 0,002610
2 0,011283
3 0,031858
4 0,066059
5 0,107248
6 0,141946
7 0,157453
8 0,149349
9 0,122993
10 0,088989
P (x ≥ 5) = 0,887894792
c. entre 3 y 6 zurdos y
X P(X)
0 0,000296
1 0,002610
2 0,011283
3 0,031858
4 0,066059
5 0,107248
6 0,141946
7 0,157453
8 0,149349
9 0,122993
10 0,088989
P (3 ≤ x ≤ 6) = 0,347111
d. exactamente 5 zurdos.
X P(X)
0 0,000296
1 0,002610
2 0,011283
3 0,031858
4 0,066059
5 0,107248
6 0,141946
7 0,157453
8 0,149349
9 0,122993
10 0,088989
P (x= 5) = 0,107248
a. ninguna vez,
Datos
n= 5
x= 0
5 1 0 5 5−0
𝑃( 𝑥 = 0) = ( ) ∗ ( ) ( ) = 𝟎, 𝟒𝟎𝟏𝟗-----40,19%
0 6 6
b. una vez,
5 1 1 5 5−1
𝑃( 𝑥 = 1) = ( ) ∗ ( ) ( ) = 𝟎, 𝟒𝟎𝟏𝟗
1 6 6
c. dos veces,
5 1 2 5 5−2
𝑃( 𝑥 = 2) = ( ) ∗ ( ) ( ) = 𝟎, 𝟏𝟔𝟎𝟖
2 6 6
d. tres veces,
5 1 3 5 5−3
𝑃( 𝑥 = 3) = ( ) ∗ ( ) ( ) = 𝟎, 𝟎𝟑𝟐𝟐
3 6 6
e. cuatro veces,
5 1 4 5 5−4
𝑃( 𝑥 = 4) = ( ) ∗ ( ) ( ) = 𝟎, 𝟎𝟎𝟑𝟐
4 6 6
f. cinco veces
5 1 5 5 5−5
𝑃( 𝑥 = 5) = ( ) ∗ ) ( )
( = 𝟎, 𝟎𝟎𝟏𝟐𝟗
5 6 6
Datos x P(X)
n= 25 0 0,000002843
p= 0,4
x= 0
𝑷 (𝒙 = 𝟎) = 𝟎, 𝟎𝟎𝟎𝟎𝟎𝟐𝟖𝟒𝟑
b. 1 se titule,
Datos x P(X)
n= 25 0 0,000002843
p= 0,4 1 0,000047384
x= 1
𝑷 (𝒙 = 𝟏) = 𝟎, 𝟎𝟎𝟎𝟎𝟒𝟕𝟑𝟖𝟒
Datos
n= 25
p= 0,4
x≥ 9
X P(X)
0 0,000002843
1 0,000047384
2 0,000379071
3 0,001937471
4 0,007104062
5 0,019891374
6 0,044203053
7 0,079986477
8 0,119979715
9 0,151085568
Datos
n= 25
p= 0,4
X= 25
X P(X)
0 0,000002843
1 0,000047384
2 0,000379071
3 0,001937471
4 0,007104062
5 0,019891374
6 0,044203053
7 0,079986477
8 0,119979715
9 0,151085568
10 0,161157939
11 0,146507217
12 0,113950058
13 0,075966705
14 0,043409546
15 0,021222445
16 0,008842685
17 0,003120948
18 0,000924725
19 0,000227126
20 0,000045425
21 0,000007210
22 0,000000874
23 0,000000076
24 0,0000000042221
25 0,0000000001126
P ( x = 25 ) = 0,0000000001126
𝜇 = 40
tornillos.
𝜎 = √(400)(0,10)(0,90)
𝜎 = √36
𝜎=6
Datos
N= 10
n= 3
s= 4
x= 0
4! 6!
(0! 4!) ( )
3! (6 − 3)!
𝑃(𝑥 = 0) =
10!
3! (10 − 3)!
𝑷(𝒙 = 𝟎) = 𝟎, 𝟏𝟔𝟔𝟕
Datos
N= 10
n= 3
s= 4
x= 1
𝑷(𝒙 = 𝟏) = 𝟎, 𝟓
c) dos hayan estado en un proyecto con anterioridad?
Datos
N= 10
n= 3
s= 4
x= 2
𝑷(𝒙 = 𝟐) = 𝟎, 𝟑
Datos
N= 10
n= 3
s= 4
x= 3
𝑷(𝒙 = 𝟑) = 𝟎, 𝟎𝟑𝟑𝟑
x P (x)
0 0,1667
1 0,5000
2 0,3000
3 0,0333
Total 1,0000
MEDIA
𝑺∗𝒏
𝝁=
𝑵
4 ∗ 3 12
𝜇= = = 1,2
10 10
𝝁 = 𝟏, 𝟐
VARIANZA
𝒏 ∗ 𝑺(𝑵 − 𝑺)(𝑵 − 𝒏)
𝝈𝟐 =
𝑵𝟐 (𝑵 − 𝟏)
3 ∗ 4(10 − 4)(10 − 3)
𝜎2 =
102 (10 − 1)
3 ∗ 4(6)(7)
𝜎2 =
102 (9)
504
𝜎2 =
900
𝝈𝟐 = 𝟎, 𝟓𝟔
distribución?
estándar
(0,72)𝑥 𝑒 −0,72
P(x) =
𝑥!
a. ¿Cuál es el valor de la media de esta distribución?
(𝟎,𝟕𝟐)𝟎 𝒆−𝟎,𝟕𝟐
• 𝐏(𝐱 = 𝟎) = 𝟎!
1 ∗ 0,48675
P(x = 0) = = 𝟎, 𝟒𝟖𝟔𝟕𝟓
1
(𝟎,𝟕𝟐)𝟏 𝒆−𝟎,𝟕𝟐
• 𝐏(𝐱 = 𝟏) = 𝟏!
0,72 ∗ 0,48675
P(x = 1) = = 𝟎, 𝟑𝟓𝟎𝟓
1
(𝟎,𝟕𝟐)𝟐 𝒆−𝟎,𝟕𝟐
• 𝐏(𝐱 = 𝟐) = 𝟐!
0,5184 ∗ 0,48675
P(x = 2) = = 𝟎, 𝟏𝟐𝟔𝟐
2
(𝟎,𝟕𝟐)𝟑 𝒆−𝟎,𝟕𝟐
• 𝐏(𝐱 = 𝟑) =
𝟑!
0,3732 ∗ 0,48675
P(x = 3) = = 𝟎, 𝟑𝟎𝟎𝟑
6
x P(x)
0 0,4868
1 0,3505
2 0,1262
Total 0,9634
𝐏(𝐱 ≤ 𝟐) = 𝟎, 𝟗𝟔𝟑𝟒
9. Si 3% de los productos fabricados por una empresa están defectuosos, encontrar la
Datos x P(x)
n= 100 0 0,04755
p= 3%
x= 0
P (x = 0) = 0,04755
Datos x P(x)
n= 100 5 0,10131
p= 3%
x= 5
P (x = 5) = 0,10131
Datos
n= 100
p= 3%
x≤ 4
x P(x)
0 0,0476
1 0,1471
2 0,2252
3 0,2275
4 0,1706
TOTAL 0,8179
P (x ≤ 4) = 0,8179
Datos
n= 100
p= 3%
x≥ 5
x P(X)
0 0,0476
1 0,1471
2 0,2252
3 0,2275
4 0,1706
5 0,1013
Total 0,919163
a. 0 llamadas,
Distribución Poisson
λ 2,5
X 0
b. 2 llamadas,
Distribución Poisson
λ 2,5
x 2
(2.5)2 𝑒 −2,5
P(x = 2) =
2!
2,5 ∗ 0,0821
P(x = 2) = = 𝟎, 𝟐𝟓𝟔𝟓
2
c. Entre 2 y 3 llamadas,
Distribución Poisson
λ 2,5
X 2
(2.5)2 𝑒 −2,5
P(x = 2) =
2!
2,5 ∗ 0,0821
P(x = 2) = = 𝟎, 𝟐𝟓𝟔𝟓
2
Distribución Poisson
λ 2,5
X 3
(2.5)3 𝑒 −2,5
P(x = 3) =
3!
15,625 ∗ 0,0821
P(x = 3) = = 0,2138
6
d. 4 o menos llamadas, y
Distribución Poisson
λ 2,5
x≤ 4
x P(x)
0 0,08208
1 0,20521
2 0,25652
3 0,21376
4 0,13360
Total 0,89118
(2.5)0 𝑒 −2,5 (2.5)1 𝑒 −2,5 (2.5)2 𝑒 −2,5 (2.5)3 𝑒 −2,5 (2.5)4 𝑒 −2,5
P(x ≤ 4) = + + + +
0! 1! 2! 3! 4!
𝐏(𝐱 ≤ 𝟒) = 𝟎, 𝟖𝟗𝟏𝟏𝟖
e. más de 6 llamadas.
x P(x)
0 0,08208
1 0,20521
2 0,25652
3 0,21376
4 0,13360
5 0,0668009
6 0,0278337
Total 0,98581
Datos
N= 15
n= 4
s= 5
x P(X)
0 0,1538462
1 0,4395604
2 0,3296703
3 0,0732601
4 0,003663
Total 1
MEDIA
𝑆∗𝑛
𝜇=
𝑁
5 ∗ 4 20
𝜇= =
15 15
𝝁 = 𝟏, 𝟑𝟑𝟑𝟑𝟑𝟑
VARIANZA
𝑛 ∗ 𝑆(𝑁 − 𝑆)(𝑁 − 𝑛)
𝜎2 =
𝑁 2 (𝑁 − 1)
4 ∗ 5(15 − 5)(15 − 4)
𝜎2 =
152 (15 − 1)
4 ∗ 5(10)(11)
𝜎2 =
152 (14)
2200
𝜎2 = = 0,70
3150
𝝈𝟐 = 𝟎, 𝟔𝟗𝟖
Poisson no establece un límite superior a este conteo: una central telefónica podría recibir un
eventos que usted observa no puede exceder el número de ensayos que realiza.
Ejemplo
burbujas, ocasionando que la pieza sea indeseable para la venta. Se sabe que en promedio 1 de
cada 1000 piezas tiene una o más burbujas. ¿Cuál es la probabilidad de que, en una muestra
Distribución binomial
n 8000
p 0,001%
x 3
X P(X)
0 0,000334123
1 0,002675656
2 0,010711999
Total 0,013721778
P (x < 3) = 0,013721778
Aproximación de Poisson
Distribución Poisson
λ 8
x 3
X P(X)
0 0,000335463
1 0,002683701
2 0,010734804
Total 0,013753968
tan solo 0,000032190, por lo que la aproximación de Poisson es una buena opción para calcular
probabilidades Binomiales.
por algún desperfecto del equipo durante el primer mes es de 0.005. Si este mes se
hornos? Resuelva:
n 125
p 0,005%
λ 0,00625
X P(x)
0 0,535261
1 0,334538
2 0,104543
3 0,021780
4 0,003403
5 0,000425
𝑷(𝟑 ≤ 𝑿 ≤ 𝟓) = 𝟎, 𝟎𝟐𝟓𝟔𝟎𝟖
b) usando la binomial.
X P(x)
0 0,53442
1 0,33569
2 0,10459
3 0,02155
4 0,00330
5 0,00040
𝑷(𝟑 ≤ 𝑿 ≤ 𝟓) = 𝟎, 𝟎𝟐𝟓𝟐𝟓
continua
Una distribución continua describe las probabilidades de los posibles valores de una
variable aleatoria continua. Una variable aleatoria continua es una variable aleatoria con
contar.
Referencias
https://matemovil.com/variable-aleatoria-discreta-y-continua/