Binomial n= 50 Muestras pequeñas

p= 0.9 Muestras grandes

X p(x)
0 1E-50
1 4.5E-48
2 9.9225E-46
3 1.42884E-43
4 1.511E-41 Cha
5 1.25111E-39
0.2
6 8.44497E-38
0.18
7 4.77744E-36
0.16
8 2.31109E-34
0.14
9 9.70656E-33
0.12
10 3.58172E-31
0.1
11 1.1722E-29
0.08
12 3.42868E-28
13 9.02008E-27 0.06

14 2.14549E-25 0.04

15 4.63426E-24 0.02

16 9.1237E-23 0
0 3 6 9 12 15 18 21
17 1.64227E-21
18 2.70974E-20
19 4.10739E-19
20 5.72981E-18
21 7.3669E-17
22 8.73982E-16
23 9.57581E-15
24 9.6955E-14
25 9.07499E-13
26 7.85336E-12
27 6.28269E-11
28 4.6447E-10
29 3.17121E-09
30 1.99786E-08
31 1.16005E-07
32 6.19901E-07
33 3.04315E-06
34 1.36942E-05
35 5.63418E-05
36 0.00021128
37 0.0007195
38 0.0022153
39 0.00613468
40 0.01518333
41 0.03332927
42 0.06427788
43 0.10762807
44 0.15410383
45 0.1849246
46 0.1809045
47 0.13856515
48 0.0779429
49 0.02863208
50 0.00515378
Muestras pequeñas n<30
Muestras grandes n>=30

Chart Title

0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48
N= 30
Ni= 25
n= 6

X p(x)
0 0
1 4.21035E-05
2 0.00252621
3 0.03873521 Cha
4 0.21304366
0.5
5 0.44739169
0.45
6 0.29826113
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
1 2 3
 Chart Title

1 2 3 4 5 6 7
Aproximacion de la binomial a la hipergeometrica

n <= 0.05
N

Experimento hioergeometrico

N= 1000
Ni= 20
n= 200

X p(x)
0 1.10% Chart Title
1 5.63%
25.00%
2 13.60%
3 20.64%
4 22.04% 20.00%

5 17.61%
6 10.92% 15.00%
7 5.38%
8 2.14% 10.00%
9 0.70%
10 0.18% 5.00%
11 0.04%
12 0.01% 0.00%
13 0.00% 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

14 0.00%
15 0.00%
16 0.00%
17 0.00%
18 0.00%
19 0.00%
20 0.00%
21 0.00%
22 0.00%
23 0.00%
24 0.00%
25 0.00%
26 0.00%
27 0.00%
28 0.00%
29 0.00%
30 0.00%
 Experimento binomial
n= 200 <= 0.2
N= 1000
n= 200
p= 0.02

X p(x)
0 1.76%
1 7.18% Chart Title
2 14.58% 25.00%
3 19.63%
4 19.73% 20.00%
5 15.79%
6 10.47% 15.00%
7 5.92%
8 2.92%
10.00%
9 1.27%
10 0.49%
5.00%
11 0.17%
12 0.06%
27 28 29 30 31 0.00%
13 0.02% 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 2
14 0.00%
15 0.00%
16 0.00%
17 0.00%
18 0.00%
19 0.00%
20 0.00%
21 0.00%
22 0.00%
23 0.00%
24 0.00%
25 4.42197E-13
26 6.07414E-14
27 7.98866E-15
28 1.00732E-15
29 1.21927E-16
30 1.41834E-17
rt Title

4 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
llegadas de docunentos a una oficina

reloj
documentos tiempos min tiempo acumulado 1 0 2
1 9.59 9.59 0 10 20 30
2 13.91 23.50
3 3.65 27.15 Poisson( lambda= 1.11 documentos/ 10 min)
4 2.99 30.13
5 0.15 30.29 Distribucion de poisson
6 2.14 32.43
7 12.54 44.97
8 33.65 78.62 x e  
9 10.55 89.18
P( x) 
10 0.71 89.89
x!
 promedio
3 1 0 0 1 2 1.11111111
40 50 60 70 80 90

da= 1.11 documentos/ 10 min)

Distribucion Multinomial
CUANDO LOS EXITOS SON MENORES A n
Cesto= 7 citricos
Toronjas 3 Muestreo con reposicion
Naranjas 2
Limas 2

X1= No. de toronjas

X2=Cantidad de naranjas
X3=Cantidad de Limas

n= 3

a) P(x1 = 1, X2=1,X3=1) 0.20991254

b)P(X1=3, X2=0,X3=0) 0.0787172 0.0787172

n=
c) P(X2>=1) p(x2=1)+P(X2=2) 0.6122449
0.437317784 0 1 2
0.174927114 0 1 2

0.20991254 0.1574344

P(X1=1,x2=1,x3=1) p(X1=2,x2=1,x3=0)
P(X1=0,x2=2,x3=1) p(X1=1,x2=2,x3=0)

0.06997085 0.10495627

P(X2>=1) 1-P(X2=0)-p(X2=3) 0.6122449

0 1 2
0 1 2

0.10495627 0.1574344
d) P(X3 <=1) P(X3=0)+p(x3=1)-p(x3=3)
0.364431487 p(X1=1,X2=2,X3=0) p(X1=2,X2=1,X3=0)
 0.437317784 p(X1=1,X2=1,X3=1) p(X1=2,X2=0,X3=1)
0.023323615
0.778425656 0.20991254 0.1574344

e(P(x1=2)= 0.314868805
X0 X1 X2
0 1 2

p(x1=2,x2=1,x3=0) p(x1=2,X2=0,x3=1)

0.1574344 0.1574344
CUANDO LOS EXITOS SON MAYORES A n
n= 3

Toronjas 5
Naranjas 4
Limas 6
15
0.21333333 0.08888889

a) P(x1 = 1, X2=1,X3=1) P(X1=1,x2=1,x3=1) p(X1=2,x2=1,x3=0)

P(X1=0,x2=2,x3=1) p(X1=1,x2=2,x3=0)

0.08533333 0.07111111

b)P(X1=3, X2=0,X3=0)
p(X1=3) 0.03703704

0 1
0 1
0.03703704
P(x1=3,X2=0X3=0)

c) P(X2>=1) p(X2=1)+p(x2=2)+p(X=3)
1-P(X2=0) 0 1
0.60562963 0 1

0.21333333 0.08888889
 P(X1=1,x2=1,x3=1) p(X1=2,x2=1,x3=0)

P(X1=0,x2=2,x3=1) p(X1=1,x2=2,x3=0)

0.08533333 0.07111111

d) P(X3 <=1) p(X3=0)+p(x3=1)

P(X3<=1) 0 1
0.648 0 1

0.07111111 0.08888889

p(X1=1,X2=2,X3=0) p(X1=2,X2=1,X3=0)
p(X1=1,X2=1,X3=1) p(X1=2,X2=0,X3=1)

0.21333333 0.13333333

e(P(x1=2)= 0.222222222
0 1
0 1

p(x1=2,x2=1,x3=0) p(x1=2,X2=0,x3=1)

0.08888889 0.13333333
 3
PROBABILIDAD TOTAL
3 muestra
3 SOLO SE INCLUYE 2 EXITOS EN LA POBLACION Y LA MUESTRA ES n = 3

0.06997085 0.43731778

(X1=2,x2=1,x3=0) p(X1=0,X2=1,X3=2)
(X1=1,x2=2,x3=0)

0.17492711

0.6122449

3
3

NO ES CORRECTO SOLAMENTE QUITAR x2=0

0.0787172 0.34110787

(X1=2,X2=1,X3=0) p(X1=3,X2=0,X3=0)
(X1=2,X2=0,X3=1) p(X1=0,X2=2,X3=1)

0.06997085 0.43731778
0.77842566

X3
3

(x1=2,X2=0,x3=1)

0.3148688

0.128 0.43022222

(X1=2,x2=1,x3=0) p(X1=0,X2=1,X3=2)
(X1=1,x2=2,x3=0)

0.15644444
0.58666667

PROBABILIDAD TOTAL
2 3 muestra
2 3 COMO LOS EXITOS EN LA POBLACION SON MAYORES O IGUALES A LA MUESTRA LOS EXISTOS SE CO

PROBABILIDAD TOTAL
2 3 muestra
2 3 COMO LOS EXITOS EN LA POBLACION SON MAYORES A LA MUESTRA LOS EXISTOS SE CONTEMPLAN

0.128 0.43022222
p(X1=0,X2=1,X3=2)

p(X1=0,X2=3,X3=0)

0.01896296 0.17540741
0.60562963

PROBABILIDAD TOTAL
2 3 muestra
2 3 COMO LOS EXITOS EN LA POBLACION SON MAYORES A LA MUESTRA LOS EXISTOS SE CONTEMPLAN

0.03703704 0.19703704

p(X1=3,X2=0,X3=0)
p(X1=0,X2=2,X3=1) P(x1=0,X2=3,X3=0)

0.08533333 0.01896296 0.45096296

0.648

PROBABILIDAD TOTAL
2 3 muestra
2 3 COMO LOS EXITOS EN LA POBLACION SON MAYORES A LA MUESTRA LOS EXISTOS SE CONTEMPLAN

0.22222222
A MUESTRA LOS EXISTOS SE CONTEMPLAN HASTA 3

A LOS EXISTOS SE CONTEMPLAN HASTA 3

A LOS EXISTOS SE CONTEMPLAN HASTA 3

A LOS EXISTOS SE CONTEMPLAN HASTA 3

Distribucion Binomial Negativa

*  n  1 c n  c
b (n, c, p)    p q
 c 1

Caracteristicas
n= Variable B*(n>=25,c=20,0.90) B*(n>24,c=20,0.90)
resultados dicotomicos B(n=24,x<=19,0.90)
prob constantes 0.08507489
eventos independientes

Ejemplo 1
b*(n=5,c=2,p=0.40) 0.13824

B*(n<=5,c=2,p=0.40)-B*(n<=4,c=2,p=0.40)
(1-B(n=5,x<=1,p=0.40)-(1-B(n=4,x<=1,p=0.40)
0.13824

Ejemplo 2
B*(4<=n<= 7, c=3,p=0.60) B*(4<=n<= 7, c=3,p=0.60)
B*(n<= 7, c=3,p=0.60) - B*(n<= 3, c=3,p=0.60)
b*(n=4,c=3,p=0.60) 0.2592 (1-B(n=7,x<=2,p=0.60)) - (1-B(n=3,x<=2,p=0.60
b*(n=5,c=3,p=0.60) 0.20736 0.687744
b*(n=6,c=3,p=0.60) 0.13824
b*(n=7,c=3,p=0.60) 0.082944
0.687744
=3,p=0.60)
p=0.60) - B*(n<= 3, c=3,p=0.60)
p=0.60)) - (1-B(n=3,x<=2,p=0.60)
 Si la probabilidad de que un ladrón sea atrapado en un rob
cualquiera es 0.20.
a) ¿Cuál es la probabilidad de que lo capturen por primera
vez en su cuarto robo?
b) Determine la distribución
c) Determine la media y varianza de la distribución.
d) Realice un gráfico de barras.
Distribucion geometrica

c=1
n=4
p=0.20

g(n=4,c=1,p0.20)= 0.1024

En promedio en cuantos robos se le atrapara al ladron

5
pado en un robo

ren por primera

ribución.
Distribucion uniforme
atributos

1 1
f ( x, k )  para x  x1 , x 2 ,  , x k f ( x , b  a  1) 
k ba 

ab
E( x ) 
2
 variables

1
, b  a  1)  para x  a,  , b
b  a 1

ab (b  a  1) 2  1
(x)  V ( x) 
2 12
 DISTRIBUCION NORMAL

Distribucion Normal Estandarizada o tipificada

P(z>=1)= 0.15866 P(z>=2) 0.02275 p(z>=3)=

p(z<=-1)= 0.15866 P(z<=-2) 0.02275 p(z<=-3)

P(-1<=z<=1)= 0.68268 p(-2<=z<=2) 0.9545 p(-3<=z<=3)=

p(z<= 3) 0.99865 0.9986501 p(-1.33 < z < -0.25) p(z < -0.25) - p (z<-1.33)
0.30953454
P(z<=1.75) 0.95994 0.95994084 p(-0.5 < z < 1.78) 0.30854
 0.65392448
p(z<=-1.25) 0.10565 0.10564977 p(0.45 < z < 2.33) 0.32636
0.31645214

p( z > -2.05) 0.97982 0.97981778 p(Z < 2.79) 0.99736 0.9973646

p(z < -1.25) 0.75822 0.10383 0.10565 p(Z >3.15) 0.00082 0.00081635
0.10564977

p(Z > 2.15) 0.98422 0.01578 p(Z > -2.05) 0.97982 0.97981778
0.01577761

p(Z > 0.5) 0.30854 0.30853754 P(< -1.15) 0.12507 0.12507194

0.34767
z=
-0.39161866

z=-0.39

0.68226

z=-0.47 z=0.47
0.31774 -0.47402792 0.47402792 0.31774
0.39765 z=-0.26
-0.25943452
 0.00135

0.00135

0.9973

(z < -0.25) - p (z<-1.33) = p(z> 0.25) - p(z>1.33) 0.40129 - 0.09176 0.30953

0.03754 0.34608 0.65392

 0.0099 0.31646

z=-0.93
z= -0.93210938

0.97454 z=1.95
1.95215336
z=0.52
0.52440051 0.3