Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigación No. 2
Grupo 4TM42
INTRODUCCIÓN 1.0
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
Es muy importante comprender y analizar de forma detallada en que ocasiones y cuales son los
casos en los cuales vamos a poder usar las diferentes formulas y los conocimientos que vamos a
adquirir a lo largo de esta investigación, al igual que podernos apoyar con las diferentes
herramientas que nos proporcionan para saber como actuar ante los diferentes casos que se nos
presenten.
Características:
a) Al realizar un experimento con este tipo de distribución, se esperan más de
dos tipos de resultados.
b) Las probabilidades asociadas a cada uno de estos resultados no son
constantes.
c) Los ensayos o repeticiones del experimento no son independientes entre sí.
d) El número de repeticiones del experimento n, es constante.
Diferencias y su Distribución:
Hipergeométrica Hipergeométrica Generalizada
Características: Características:
a) Al realizar un experimento con a) Al realizar un experimento con
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
a C x* b C y * N a b C n x y
p( x , y ,n )
N Cn
N = x + y + z = total de objetos
a = total de objetos del primer tipo
b = total de objetos del segundo tipo
c = N-a-b = total de objetos del tercer tipo
n = objetos seleccionados en la muestra
x = objetos del primer tipo en la muestra
y = objetos del segundo tipo en la muestra
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
Surge así la pregunta natural: ¿no se podría calcular esta probabilidad sin tener
que recurrir a la fórmula de distribución binomial 100 veces? Resulta que, si se
puede, el Teorema de Movire-Laplace nos muestra que de forma aproximada
podemos aproximar esta probabilidad utilizando la distribución normal.
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
Resulta mucho más sencillo trabajar con la variable normal X’ que, con la binomial
X, pues recordemos que los valores
de la normal están tabulados. Corrección
de continuidad o de Yates: cuando
aproximamos una
distribución binomial
mediante una normal,
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
Ejemplos:
Ejercicio No. 1 3.5
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
de las pruebas entre sí. Proceso experimental del que se puede hacer derivar Esta 10
distribución se puede hacer derivar de un proceso experimental puro o de
Bernoulli en el que tengamos las siguientes características · El proceso consta de
un número no definido de pruebas o experimentos separados o separables. El
proceso concluirá cuando se obtenga por primera vez el resultado deseado (éxito).
· Cada prueba puede dar dos resultados mutuamente excluyentes: A y no A · La
probabilidad de obtener un resultado A en cada prueba es p y la de obtener un
resultado no A es q siendo (p + q = 1).
Las probabilidades p y q son constantes en todas las pruebas, por tanto, las
pruebas, son independientes (si se trata de un proceso de "extracción" éste se
llevará a, cabo con devolución del individuo extraído). · (Derivación de la
distribución). Si en estas circunstancias aleatorizamos de forma que tomemos
como variable aleatoria X = el número de pruebas necesarias para obtener por
primera vez un éxito o resultado A, esta variable se distribuirá con una distribución
geométrica de parámetro p. Cabría considerar un cuarto grupo que supondrían
aquellos procesos experimentales de "salto al límite" de cualquiera de los
anteriores, cuando las características propias del fenómeno considerado tomen
valores tan elevados que puedan considerarse tendentes a infinito , serían
procesos que podemos denominar Gaussianos en honor al investigador de la
distribución normal , ya que es a esta distribución o modelo al que suelen
converger en su "salto al límite" los modelos o distribuciones de otros procesos .
1° Procesos experimentales puros son aquellos son aquellos en los que se
considera la realización de una prueba o experimento una o más veces. Cada
prueba realizada podrá darnos un cierto número de resultados posibles, siempre
susceptibles de convertirse en dos únicos complementarios: éxito o fracaso. Cada
resultado tendrá una probabilidad de ocurrir. Dependiendo de las características
de estas probabilidades (constantes o no a lo largo del proceso), del número de
pruebas (una, varias o un número indeterminado), y sobre todo de la
aleatorización que consideremos, que dependerá de las pretensiones de nuestra
experimentación, podremos derivar distintas distribuciones de probabilidad. 2° Los
procesos experimentales de observación engloban situaciones y fenómenos en los
que se observa la naturaleza (o, por decir lo de una manera más amplia, la
realidad) a la espera de que se produzca un hecho, durante un determinado
periodo experimental o a lo largo de un determinado espacio de experimentación
(durante un intervalo de tiempo o de espacio). El hecho sujeto a estudio puede o
no producirse, escapándose su realización al control causal; esto es, es aleatorio.
Igualmente, puede producirse el hecho ninguno, una o más veces, durante el
periodo experimental. Ejemplos de estos tipos de hechos serían el
desencadenamiento de un accidente o un fallo, una llamada telefónica, un
siniestro, la llegada de un cliente a una oficina etc. 3° Los procesos de selección
aleatoria se caracterizan por la extracción aleatoria de uno o más individuos de
entre el conjunto de los que constituyen la población estudiada. De los individuos
seleccionados se podrán analizar características cuantitativas o cuantificables.
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
para x = 1, 2, 3, ....
El valor esperado de X, la media de esta distribución, es 1/p. Esto nos dice
cuántos ensayos tenemos que esperar hasta obtener el primer acierto incluido en
el recuento el ensayo que resulta en acierto. La forma anterior de la distribución
geométrica se utiliza para modelar el número de ensayos hasta el primer acierto.
El número de ensayos incluye el que es un acierto: x = todos los ensayos, incluido
el que es un acierto. Esto se puede ver en la composición de la fórmula. Si X =
número de ensayos incluido el acierto, entonces debemos multiplicar la
probabilidad de fracaso, (1-p), por el número de fracasos, es decir, X-1.
Por el contrario, la siguiente forma de la distribución geométrica se utiliza para
modelar el número de fallos hasta el primer éxito:
para x = 0, 1, 2, 3, ....
En este caso el ensayo que es un éxito no se cuenta como un ensayo
en la fórmula: x = número de fracasos. El valor esperado, la media, de
esta distribución como en la figura. Esto nos indica cuántos fracasos
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
gente que gasta pequeñas cantidades de dinero y menos gente que gasta grandes 15
cantidades de dinero.
Las distribuciones exponenciales se utilizan habitualmente en cálculos de
fiabilidad de productos, es decir, el tiempo que dura un producto.
La variable aleatoria de la distribución exponencial es continua y suele medir el
paso del tiempo, aunque puede utilizarse en otras aplicaciones. Las preguntas
típicas pueden ser: "¿cuál es la probabilidad de que algún evento ocurra en los
próximos x horas o días, o cuál es la probabilidad de que algún evento ocurra
entre x1 horas y x2 horas, o cuál es la probabilidad de que el evento dure más
de x1 horas para llevarse a cabo" En resumen, la variable aleatoria X es iguala (a)
el tiempo entre eventos o(b) el paso del tiempo para completar una acción, por
ejemplo, esperar a un cliente. La función de densidad de
probabilidad viene dada por:
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
depende del tiempo que haya transcurrido desde el último cliente. Esto se conoce 16
como la propiedad de falta de memoria. Las funciones de densidad de
probabilidad exponencial y geométrica son las únicas funciones de probabilidad
que tienen la propiedad de falta de memoria. Específicamente, la propiedad de
falta de memoria dice que
P (X > r + t | X > r) = P (X > t) para todo r ≥ 0 y t ≥ 0
Por ejemplo, si han transcurrido cinco minutos desde la llegada del último cliente,
la probabilidad de que transcurra más de un minuto antes de que llegue el
siguiente cliente se calcula utilizando r = 5 y t = 1 en la ecuación anterior.
P(X > 5 + 1 | X > 5) = P(X > 1) = e(–0,5)(1)(–0,5)(1) = 0,6065.
Es la misma probabilidad que la de esperar más de un minuto a que llegue un
cliente después de la llegada anterior. La distribución exponencial se utiliza a
menudo para modelar la longevidad de un dispositivo eléctrico o mecánico. años.
La propiedad de falta de memoria dice que el conocimiento de lo que ha ocurrido
en el pasado no tiene ningún efecto sobre probabilidades futuras. En este caso,
significa que una pieza usada no tiene más probabilidades de estropearse en un
momento determinado que una pieza nueva. En otras palabras, la pieza se
mantiene como nueva hasta que se rompe de repente. Por ejemplo, si la pieza ya
ha durado diez años, la probabilidad de que dure otros siete es P(X > 17|X > 10)
= P(X > 7) = 0,4966, donde la línea vertical se lee como “dada".
La fórmula de la distribución
exponencial Donde m = el parámetro de la tasa, o μ =
tiempo promedio entre ocurrencias.
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
Una forma visual de mostrar tanto las similitudes como las diferencias entre estas
dos distribuciones es con una línea del tiempo.
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
CONCLUSIÓN 6.0
La probabilidad está presente en todas las actividades humanas, por lo que es
importante tener conocimientos básicos al respecto. específicamente hablando en
el campo de la ingeniería debemos ser capaces de identificar todo lo posible
soluciones a un problema o conjunto de problemas para su implementación la
solución más eficaz. La conexión de todos estos temas nos hace pensar en la
gran amplitud de este uso diario, facilidad de probabilidad y estadísticas, varios
métodos Probabilidades y estadísticas quince y soluciones a todos los problemas
a los que nos enfrentamos cuando hablamos de contar, población,
experimentando con eventos coloquiales (lanzamiento de una moneda, tirando
dados, calculando la probabilidad de éxitos y fracasos, etc.) Si hablamos de
conceptos más específicos, entonces serían complejos, pero en la realidad
consiste solo en terminologías a las que no estamos acostumbrados se relacionan
Probabilidad y Estadística
Instituto Politécnico Nacional
Escuela Superior de Ingeniería Textil
entre sí, y si los traducimos a algo más familiar, es fácil entender. Asimismo, la 20
probabilidad nos permite como sociedad tomar las mejores decisiones. hay que
tomar decisiones para continuar nuestro desarrollo y no quedarnos estancados
como ha sido A través de esto, podemos sopesar los riesgos, ventajas y
desventajas. ofrecemos opciones Incluso nos permite mirar hacia el futuro,
considerando los elementos con los que actualmente y cómo afectan nuestras
vidas a lo largo del tiempo.
Bibliografías 6.1
1° JAOL S.A, STATOLOGOS, FEBRERO DEL 2023
URL: https://statologos.com/aproximacion-normal/
URL: https://jcastrom.jimdofree.com/matematica/estadistica/aproximaci%C3%B3n-normal-a-la-
binomial/
URL: http://joseluislorente.es/estadistica/Tema7_aproxima_binomial_normal.pdf
URL: https://openstax.org/books/introducci%C3%B3n-estad%C3%ADstica-empresarial/pages/4-4-
distribucion-de-poisson
URL: https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/geometrica.htm
Probabilidad y Estadística