Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILIDAD”
ASIGNATURA:
PROBABILIDAD Y ESTADISTICA
PROFESOR:
MENDEZ MALDONADO ARTURO
NOMBRE:
QUIÑONEZ BENITEZ ELIAS
SEMESTRE: 2 GRUPO: XD
CARRERA:
INGENIERIA EN SISTEMAS
COMPUTACIONALES
FECHA DE ENTREGA:
22 DE MARZO DEL 2023
Contenido
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA ................................. 3
DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL ................................. 4
DISTRIBUCIÓN DE PROBABILIDAD MULTINOMIAL ............................ 6
DISTRIBUCION DE PROBABILIDAD HIPERGEOMETRICA ..................... 8
DISTRIBUCIÓN DE PROBABILIDAD DE POISSON............................ 10
DISTRIBUCIÓN DE PROBABILIDAD GEOMETRICA ........................... 12
TABLA DE Z ......................................................................... 13
TABLA DE STUDENT .............................................................. 15
Conclusión ................................................................ 17
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
La Distribución discreta describe la probabilidad de ocurrencia de cada
valor de una variable aleatoria discreta. Una variable aleatoria discreta es
una variable aleatoria que tiene valores contables, tales como una lista de
enteros no negativos.
Se emplea:
Como hemos dicho, en cada ensayo, experimento o prueba solo puede haber dos
posibles resultados (éxito o fracaso).
Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los dos al
mismo tiempo. Al lanzar un dado, no puede salir par e impar a la vez, ni al lanzar
una moneda puede salir cara y cruz al mismo tiempo.
Si no sale par, sale impar, y si no sale cara, sale cruz. La variable aleatoria que
sigue una distribución binomial se suele representar así: X ~ (n, p), donde, como ya
sabes, n representa el número de ensayos o experimentos y p la probabilidad de
éxito.
Formula
Ejem. 1
Una máquina empaquetadora que produce 20% de paquetes defectuosos. Si se
extrae una muestra aleatoria de 10 paquetes, podremos calcular la media y la
desviación estándar de la distribución binomial de ese proceso en la forma que
sigue:
m = np
= 10*0.2
= 2 Media s = Ö npq
= Ö 1.6
Ejem. 2
Vamos a imaginar que un 80 % de las personas de todo el mundo vieron las
Olimpiadas 2016 en Río de Janeiro. Una vez finalizadas, 4 amigos se reúnen para
charlar. ¿Cuál es la probabilidad de que 3 de ellos las hayan visto?
Lo primero que hay que hacer es definir las variables del experimento:
Tras definir todas las variables, solo tenemos que sustituirlas en la fórmula:
Fuera del corchete, hay dos números. El primero sería 0,83=0,512 y el segundo es
0,2 (porque 4-3 = 1 y cualquier número elevado a 1 es el mismo).
Por tanto, el resultado final sería: 4 · 0,512 · 0,2 = 0,4096. Si lo multiplicamos por
100, tenemos como resultado que hay una probabilidad del 40,96 % de que 3 de
los 4 amigos hayan visto las Olimpiadas de Brasil.
DISTRIBUCIÓN DE PROBABILIDAD MULTINOMIAL
La distribución de probabilidad multinomial es una extensión de la distribución
binomial que se utiliza cuando se tienen más de dos posibles resultados para un
experimento aleatorio. En lugar de calcular la probabilidad de que un evento ocurra
o no, la distribución multinomial se utiliza para calcular la probabilidad de que cada
uno de varios eventos posibles ocurra en una serie de ensayos independientes y
repetidos.
P(x_1, x_2, ..., x_k) = (n! / (x_1! x_2! ... x_k!)) * p_1^x_1 * p_2^x_2 * ... * p_k^x_k
donde p_1, p_2, ..., p_k son las probabilidades de ocurrencia de cada uno de los k
resultados posibles y x_1 + x_2 + ... + x_k = n.
Formula
Ejem.1
*En una tienda de ropa, se tienen camisetas de 3 colores diferentes: rojo, verde y
azul. En un día determinado, se venden 100 camisetas y se desea conocer la
probabilidad de cuántas camisetas de cada color se vendieron. Para ello, se puede
modelar el experimento con la distribución multinomial, donde se tienen 3 posibles
resultados (colores) y se repite el experimento 100 veces. Si se supone que la
probabilidad de que se venda una camiseta de cada color es igual, entonces se
puede calcular la probabilidad de que se vendan 40 camisetas rojas, 30 verdes y 30
azules como sigue:
P(40, 30, 30) = (100! / (40! 30! 30!)) * (1/3)^40 * (1/3)^30 * (1/3)^30 = 0.0579
Ejem.2
*Supongamos que se realiza una encuesta a 200 personas para conocer su
preferencia sobre 4 marcas de refrescos diferentes: A, B, C y D. Los resultados de la
encuesta se pueden modelar con la distribución multinomial, donde se tienen 4
posibles resultados (marcas de refresco) y se repite el experimento 200 veces. Si los
resultados de la encuesta indican que 40 personas prefieren la marca A, 60
prefieren la marca B, 50 prefieren la marca C y 50 prefieren la marca D, se puede
calcular la probabilidad de obtener estos resultados como sigue:
P(40, 60, 50, 50) = (200! / (40! 60! 50! 50!)) * p_A^40 * p_B^60 * p_C^50 * p_D^50
Donde p_A, p_B, p_C y p_D representan las probabilidades de preferencia para cada
marca de refresco. Si se supone que estas probabilidades son iguales, entonces se
puede calcular la probabilidad como:
P(40, 60, 50, 50) = (200! / (40! 60! 50! 50!)) * (1/4)^40 * (1/4)^60 * (1/4)^50 * (1/4)^50
= 0.0078
Se emplea:
Utilice la distribución hipergeométrica para muestras obtenidas de poblaciones
relativamente pequeñas, sin reemplazo. Por ejemplo, la distribución hipergeométrica se
utiliza en la prueba exacta de Fisher para probar la diferencia entre dos proporciones y en
muestreos de aceptación por atributos cuando se toman muestras de un lote aislado de
tamaño finito. La distribución hipergeométrica se define por 3 parámetros: tamaño de la
población, conteo de eventos en la población y tamaño de la muestra.
Formula
P(X = k) = (M choose k) * (N-M choose n-k) / (N choose n)
Donde:
Media = n * (M/N)
Ejem. 2
En un lote de producción de 1000 dispositivos electrónicos, hay 300 que no
funcionan correctamente. Una empresa compró 50 dispositivos seleccionados al
azar de ese lote. ¿Cuál es la probabilidad de que exactamente 10 de los dispositivos
seleccionados no funcionen correctamente?
P(X=10) = (300 choose 10) * (700 choose 40) / (1000 choose 50) = 0.075
donde:
-La distribución es asimétrica a la derecha, es decir, tiene una cola larga hacia la
derecha.
Ejem. 2
E(X) = 1/p
Var(X) = (1-p)/p^2
Ejem. 1
Encuentra la probabilidad de que “Un País” juegue al menos 4 partidos.Para que
juegue 4 partidos, tiene que ganar 3 partidos, no importa si pierde o gana en el
cuarto partido porque lo que se está contando es que va a jugar 4 partidos o más,
pero para que pueda jugar 4 partidos o más tiene que haber ganado sí o sí los
anteriores 3 partidos. Y la probabilidad se calcula de la siguiente manera:
Ejem. 2
Supongamos que una persona quiere ganar un juego de lotería que tiene una
probabilidad de éxito del 5% por intento. La persona juega hasta que gana el juego.
¿Cuál es la probabilidad de que necesite jugar exactamente 10 veces antes de ganar?
TABLA DE Z
Una distribución normal estándar tiene una media de cero y una desviación
estándar de uno. La tabla de Z se usa comúnmente en estadística para encontrar la
probabilidad de que un valor aleatorio seleccionado al azar de una distribución
normal estándar caiga dentro de cierto rango.
Ejem. 1
Los puntajes en un determinado examen de ingreso a la universidad se
distribuyen normalmente con una media μ = 82 y una desviación estándar σ = 8.
¿Aproximadamente qué porcentaje de estudiantes obtienen menos de 84 en el
examen?
Vemos que el 42,07% de los valores caen por debajo de una puntuación z de -0,2.
Sin embargo, en este ejemplo queremos saber qué porcentaje de valores son
mayores que -0.2, que podemos encontrar usando la fórmula 100% – 42.07% =
57.93%.
TABLA DE STUDENT
La tabla t de Student es una tabla utilizada en estadística para determinar los valores
críticos de la distribución t de Student. Esta distribución se utiliza para hacer
inferencias sobre la media poblacional a partir de una muestra pequeña.
Ejem. 1
1.-Encontrar valor t si la confianza es de 95% y la muestra de 20 unidades.
= +/-1.699
Ejem. 2
Un estudio revelaba que la velocidad de lectura de niños entre 6 y 8 años de edad con
Síndrome de Down que se habían atendido en el Centro de Apoyo para el Aprendizaje era
de 74 palabras por minuto en lecturas seleccionadas. Se hizo un muestreo al azar con 24
niños de tales características para corroborar si se encontraban cerca de este patrón. Se
obtuvo una media de 78 76 palabras por minuto con desviación estándar de 3 palabras por
minuto. ¿Es el promedio de la muestra diferente al del patrón de 74 ppm? Utilice t de
student a dos colas con confianza del 95%
a) Calcule el valor t
b) Obtener el valor tabla de t de student
GL= 23
Cruce de 23 y 0.95 = 2 .069
Conclusión
Como hemos visto a lo largo de este texto nos damos cuenta de que
estas herramientas de la estadística pueden ser empleadas para darle
solución a múltiples problemáticas desde tomar una serie de ensayos
fijos o no fijos donde pueden ocurrir éxitos o fracasos, múltiples
probabilidades hasta saber lo que va a ocurrir en un evento con
intervalo de tiempo o en un espacio determinado con Poisson.