Professional Documents
Culture Documents
PROBABILIDAD
Presentado por:
LUIS MIGUEL PEREZ
1100399009
Presentado a:
JORGE FERNANDO VARGAS
Grupo:
100402_52
Se caracteriza porque
los valores se distribuyen
formando una campana
de Gauss, en torno a un
Distribución valor central que
Normal coincide con el valor
medio de la distribución.
Probabilidad
Distribución de
Condicional y probabilidad
distribuciones continua
de Probabilidad Es una distribución de
probabilidad que surge
del problema de estimar
Distribución la media de una
t-student población normalmente
distribuida cuando el
tamaño de la muestra es
pequeño
Solución:
𝒌 𝑵 −𝒌
( )( )
𝒑(𝑿 = 𝒙) = 𝒙 𝒏 − 𝒙
𝑵
( )
𝒏
De donde, se explica cada uno de los elementos:
N: Tamaño de la población
n: Tamaño de la muestra
K: Número de éxitos de la población
X: Número de éxitos de la muestra
3 7 −3 3 4
( )( ) ( )( )
(𝑋 = 2) = 2 3 − 2 = 2 1
7 7
( ) ( )
3 3
3! 4!
𝑛! ∗
𝑛 2! (3 − 2)! 1! (4 − 1)!
( )= = 𝑝(𝑥) =
𝑘 𝑘! (𝑛 − 𝑘)! 7!
3! (7 − 3)!
3 ∗ 4
𝑝(𝑥) =
35
12
𝑝(𝑥) =
35
𝑝(𝑥) = 0,34
𝑝(𝑥) = 34%
¿Cuáles son la media y la varianza de esta distribución?
Media:
µ=𝑛∗𝑝
µ = 3 ∗ 0,34
µ = 1,02
Varianza:
𝑁−𝑛
𝜎 2 = 𝑛𝑝𝑞 ( )
𝑁−1
7−3
𝜎 2 = 0,673 ( )
7−1
4
𝜎 2 = 0,673 ( )
6
𝜎 2 = 0,673 ∗ 0,666
𝜎 2 = 0,448
𝐶03 𝐶24
𝑝(0) = =0.28
𝐶27
𝐶13 𝐶14
𝑝(1) = 7 = 0.57
𝐶2
𝐶23 𝐶04
𝑝(2) = = 0.14
𝐶27
3 4
𝐶𝑋3 𝐶−1
𝑝(3) = =0
𝐶27
Histograma
0.6
0.5
Probabilidad
0.4
0.3
0.2
0.1
0
1 2 3
Valores de x
Solución
Variables
P= 10% = 0.1
Q= 1-01= 0.9
N= 25
𝑛
𝑃(𝑥 = 𝑘) = ( ) ∗ 𝑃𝑘 ∗ 𝑄 𝑛−𝑘
𝑘
𝑃(𝑥 = 0) = (∁25 0
0 )0,10 ∗ 0,90
25−0
= 1 ∗ 1 ∗ 0,0717 = 0,0717
𝑝(𝑥 = 2) = (∁25 2
2 )0,10 ∗ 0,90
25−2
= 300 ∗ 0,01 ∗ 0,0886 = 0,2658
𝑝(𝑥 = 3) = (∁25 3
3 )0,10 ∗ 0,90
25−3
= 2.300 ∗ 0,001 ∗ 0,0984 = 0,22632
𝑝(𝑥 = 4) = (∁25 4
4 )0,10 ∗ 0,90
25−4
= 12.650 ∗ 0,0001 ∗ 0,1094 = 0,1384
𝑝(𝑥 = 5) = (∁25 5
5 )0,10 ∗ 0,90
25−5
= 53.130 ∗ 0,00001 ∗ 0,1215 = 0,0645
𝑝(𝑥 = 6) = (∁25 6
6 )0,10 ∗ 0,90
25−6
= 177.100 ∗ 0,000001 ∗ 0,1350 = 0,0239
𝑝(𝑥 ≤ 6) = 0,0717 + 0,19925 + 0,2658 + 0,22632 + 0,138391 + 0,0645 + 0,0239
𝑝𝑥 ≤ 6 = 0,9905
𝑝(𝑥 = 3) = (∁25 3
3 )0,10 ∗ 0,90
25−3
= 2.300 ∗ 0,001 ∗ 0,0984 = 0,22632
𝑝(𝑥 = 4) = (∁25 4
4 )0,10 ∗ 0,90
25−4
= 12.650 ∗ 0,0001 ∗ 0,1094 = 0,138391
𝑝(𝑥 = 5) = (∁25 5
5 )0,10 ∗ 0,90
25−5
= 53.130 ∗ 0,00001 ∗ 0,1215 = 0,0645
25!
𝑃(𝑥 = 21) = 0,921 0,125−21 = 0,1384
21! (25 − 21)!
25!
𝑃(𝑥 = 22) = 0,922 0,125−22 = 0,2265
22! (25 − 22)!
25!
𝑃(𝑥 = 23) = 0,923 0,125−23 = 0,2659
23! (25 − 23)!
25!
𝑃(𝑥 = 24) = 0,924 0,125−24 = 0,1994
24! (25 − 24)!
25!
𝑃(𝑥 = 25) = 0,925 0,125−25 = 0,0718
25! (25 − 25)!
𝑃(> 20) = 0,902
Estudio de caso 31:
Solución
1 Tomado y adaptado de Ritchey F., Estadística para las Ciencias sociales, Mc Graw Hill, 2014
Máximo 5 llamada por minutos
μ = 3 llamadas por minuto
e = 2,7182818
Distribución de Poisson:
𝑃 = (𝑥 = 𝑘) = 𝜇 𝑘 ∗ 𝑒 −𝜇 /𝑘!
A lo sumo 4.:
P(X≤4) = P(X= 0) + P(X=1) +P (X=2) + P ( X=3) + P ( X=4)
Menos de 3.
Al menos 4.
Quede saturado.
P ( X= 5) = 3⁵(2,7182718)⁻³/ 5! = 0,1 = 10%
Entre 1 y 3.
P (1≤X≤3) = P(X=1) +P (X=2) + P ( X=3)
P (1≤X≤3) = 0,5975
Ninguna.