Está en la página 1de 13

UNIVERSIDAD TÉCNICA DEL

NORTE
FICA
CITEL
Probabilidad y Estadística

Jhonatan Jacome- Damián Moncayo


Distribución uniforme y poison
CONCEPTO
 La distribución de probabilidad uniforme es un ejemplo de una distribución de
probabilidad es continua. Una distribución de probabilidad es continua cuando los
resultados posibles del experimento son obtenidos de variables aleatorias continuas, es
decir, de variables cuantitativas que pueden tomar cualquier valor, y que resultan
principalmente del proceso de medición.
Ejemplos de variables aleatorias continuas son:
-La estatura de un grupo de personas
-El tiempo dedicado a estudiar
-La temperatura en una ciudad
 Es una distribución en el intervalo [a,b] en la cual las probabilidades son las mismas para
todos los posibles resultados, desde el mínimo de a hasta el máximo de b. El experimento
de lanzar un dado es un ejemplo que cumple la distribución uniforme, ya que todos los 6
resultados posibles tienen 1/6 de probabilidad de ocurrencia.
  
Formulas
 Donde:
a = mínimo valor de la distribución
b = máximo valor de la distribución

 La media, valor medio esperado o esperanza matemática de una distribución uniforme se calcula


empleando la siguiente fórmula:

En donde a y b son los valores mas altos y mas bajos respectivamente


 La varianza de una distribución uniforme se calcula empleando la siguiente fórmula
=
De donde la desviación estándar es
 La función de densidad de una distribución uniforme (es decir la altura del rectángulo) es:

 La probabilidad de que una observación caiga entre dos valores se calcula de la siguiente manera:


Ejemplo
 Sea X el momento elegido al azar en que un estudiante recibe clases en un determinado día entre las siguientes
horas: 7:00 - 8:00 - 9:00 - 10:00 - 11:00 - 12:00 - 13:00

1) ¿Cuál es la función de densidad de la variable X?


2) Elaborar un gráfico de la distribución de probabilidades
3) Calcular el valor medio esperado
4) Calcular la desviación estándar
5) Calcular la probabilidad de que llegue en la primera media hora
6) Si recibe clases de Estadística Aplicada de 10:00 a 12:15, calcular la probabilidad de recibir esta asignatura.
 Resolver

Sea X el momento elegido al azar en que un estudiante recibe clases en un determinado día entre las
siguientes horas: 15:00 - 16:00 - 17:00 - 18:00 - 19:00 - 20:00 - 21:00.
 1) ¿Cuál es la función de densidad de la variable X?
 2) Elabore un gráfico de la distribución de probabilidades
 3) Calcule el valor medio esperado
 4) Calcule la desviación estándar
 5) Calcule la probabilidad de que llegue en los primeros 15 minutos. Realice un gráfico que
ilustre la probabilidad calculada.
 6) Si recibe clases de Estadística Aplicada de 19:30 a 21:00, calcular la probabilidad de recibir
esta asignatura.
Distribucion de Possion

 La distribución de Poisson es una distribución de probabilidad discreta que se aplica a las


ocurrencias de algún suceso durante un intervalo especifico.  La variable aleatoria x es el
número de ocurrencias de un suceso en un intervalo. El intervalo suele ser normalmente
tiempo, distancia, área, volumen o alguna unidad similar. La probabilidad de que el suceso
ocurra    x-veces, durante el intervalo, está dada por la siguiente fórmula:

  µ 𝑘 (𝑒 − µ )
𝑃 ( 𝑥=𝑘 ) =
𝑘!
  µ 𝑘 (𝑒 − µ )
𝑃 ( 𝑥=𝑘 ) =
𝑘!

Donde    y µ es el número promedio de resultados por unidad de tiempo y


donde la desviación estándar.
La distribución de Poisson debe cumplir los siguientes requisitos:
• La variable aleatoria X es el número de ocurrencias de un suceso durante
un intervalo.
• Las ocurrencias deben ser aleatorias.
• Las ocurrencias tienen que ser independientes entre sí.
• Las ocurrencias deben estar uniformemente distribuidas dentro del
intervalo que se emplea.
Propiedades:

  
 Donde:
 k es el número de ocurrencias del evento o fenómeno (la función nos da la probabilidad de
que el evento suceda precisamente k veces).
 λ es un parámetro positivo que representa el número de veces que se espera que ocurra el
fenómeno durante un intervalo dado. Por ejemplo, si el suceso estudiado tiene lugar en
promedio 4 veces por minuto y estamos interesados en la probabilidad de que
ocurra k veces dentro de un intervalo de 10 minutos, usaremos un modelo de distribución
de Poisson con λ = 10×4 = 40.
 e es la base de los logaritmos naturales (e = 2,71828...)
Aspectos importantes a tener en cuenta:

 La distribución de Poisson sólo se ve afectada por el valor de la media µ, al contrario que


la distribución binomial que se veía afectada por el tamaño de la muestra y la probabilidad.
 Los valores permitidos para x en la distribución de Poisson no tienen cota superior
(0,1,2,3…) al contrario que la binomial que si estaba acotada (0,1,2,3…n).
Aplicaciones:

 defectos de nacimiento y mutaciones genéticas.


 las enfermedades raras (como la leucemia, pero no el SIDA porque es infecciosa y por tanto
no independiente) – especialmente en casos legales.
 accidentes automovilísticos
 el flujo de tráfico y la distancia de seguridad
 número de errores de escritura en una página
 pelos encontrados en las hamburguesas de McDonald
 propagación de un animal en peligro de extinción en África
 fallos de una máquina en un mes.
 La distribución de la riqueza humana.
Ejercicio de distribución de poisson

 En los últimos 600 años se han producido 12 grandes terremotos en Ecuador determínese
la probabilidad de que se produzcan 2 en los próximos 25 años.
Solucion

  Probabilidad de que esto tenga lugar

 El valor promedio de dicho suceso será:


 𝞴
 Donde numero de terremotos importantes en Ecuador.
Ejercicio Propuesto

 Un banco recibe en promedio 6 cheques falsos al día, calcule la probabilidad de que se


reciba 5 cheques falsos al día.