Semestre Enero – Junio 2023

Probabilidad y Estadística

AF4 Probabilidad

Mc. Aracely Silva Garza

Equipo 6 M4
Diego Elimelec Saldaña De La 2008036 IMC
Rosa
Yael Yarir Perales Terrazas 2132167 IMC
Marcos Abelardo Sánchez 1928584 IMC
Villarreal
Joel Homero Venegas Cano 1996795 IMC
Manuel Vargas Cabrera 1994812 IMC

Ciudad universitaria, San Nicolás de los Garza, Nuevo León a

21 de abril de 2023
BINOMINAL
En estadística, una distribución binomial es un modelo de probabilidad que describe
el número de éxitos en un número fijo de ensayos aleatorios independientes. Esto
se llama binomial porque solo hay dos resultados posibles en cada prueba: aprobar
o fallar.
La distribución binomial se caracteriza por dos parámetros: el número de intentos
(n) y la probabilidad de éxito en cada intento (p). Con estos dos parámetros, se
puede calcular la probabilidad de cualquier número de éxitos (k) en los n intentos.
La distribución binomial es útil en muchas áreas de la estadística y las ciencias
naturales, como la biología, la psicología, la ingeniería y la economía, entre otras.

MULTINOMIAL
En estadística, una distribución de probabilidad polinomial es un modelo que
describe la cantidad de resultados posibles que ocurren en un experimento con
múltiples categorías. Se supone que se realizan muchas pruebas o ensayos, cada
uno de los cuales puede tener muchos resultados posibles.

La distribución polinomial se caracteriza por dos parámetros: el número de intentos

(n) y el vector de probabilidades de éxito (p1, p2, ..., pk) donde cada pi representa
la probabilidad de que ocurra el evento i en cada intento. El número total de posibles
resultados k puede ser cualquier número entero positivo.

La distribución polinomial se utiliza en una variedad de aplicaciones estadísticas,

incluido el análisis genético, el análisis genético y el análisis de preferencias del
consumidor. También se utiliza en la teoría de juegos para modelar situaciones en
las que los jugadores tienen muchas opciones.

HIPERGEOMETRICA
Una distribución de probabilidad hipergeométrica es un modelo que describe la
ocurrencia de un cierto número de elementos de una población dada, sin reemplazo,
en una muestra aleatoria de cierto tamaño. En otras palabras, describe la obtención
de k elementos de un conjunto de tamaño N, en una muestra aleatoria de tamaño
n, sin reemplazo.
La distribución hipergeométrica se caracteriza por tres parámetros: el tamaño del
conjunto (N), el número de elementos del conjunto que son "verdaderos" (M) y el
tamaño normal de la muestra (n). A partir de estos tres parámetros, es posible
calcular la probabilidad de tener un cierto número de objetos "correctos" en una
muestra normal.
La distribución hipergeométrica se utiliza en diversas aplicaciones, como la
selección de muestras para investigación científica, la detección de enfermedades
raras, el control de calidad de los envases fabricados, la evaluación de programas
de detección de fraude, etc.

POISSON
La distribución de Poisson es un modelo utilizado para describir la cantidad de veces
que ocurre un evento raro dentro de un período de tiempo determinado. Esta
categoría se utiliza para describir eventos que no ocurren, son independientes del
tiempo o el espacio y no se ven afectados por eventos anteriores o posteriores.

La distribución de Poisson se caracteriza por un solo parámetro, λ, que representa

la velocidad a la que ocurren los eventos. Por ejemplo, si λ es igual a 2, significa
que hay dos eventos raros en el tiempo o el espacio.

La distribución de Poisson se utiliza en una variedad de aplicaciones, incluido el

análisis de frecuencias de accidentes automovilísticos, el análisis de la distribución
de partículas radiactivas dentro de los objetos y la evaluación de las tasas de falla
de las tareas del sistema y los modelos de tareas. cerebro y otros.