Este documento presenta los objetivos y contenido de un laboratorio sobre estadísticas y probabilidades. Los objetivos incluyen utilizar distribuciones discretas como la binomial y Poisson para estimar probabilidades e interpretar resultados. Introduce estas distribuciones discretas y cómo se usan para modelar procesos de ensayo y errores. Incluye cuatro ejercicios de aplicación para practicar el cálculo de probabilidades usando estas distribuciones.
Este documento presenta los objetivos y contenido de un laboratorio sobre estadísticas y probabilidades. Los objetivos incluyen utilizar distribuciones discretas como la binomial y Poisson para estimar probabilidades e interpretar resultados. Introduce estas distribuciones discretas y cómo se usan para modelar procesos de ensayo y errores. Incluye cuatro ejercicios de aplicación para practicar el cálculo de probabilidades usando estas distribuciones.
Este documento presenta los objetivos y contenido de un laboratorio sobre estadísticas y probabilidades. Los objetivos incluyen utilizar distribuciones discretas como la binomial y Poisson para estimar probabilidades e interpretar resultados. Introduce estas distribuciones discretas y cómo se usan para modelar procesos de ensayo y errores. Incluye cuatro ejercicios de aplicación para practicar el cálculo de probabilidades usando estas distribuciones.
LABORATORIO N°06 MINITAB 17 Profesor de Laboratorio: Ing. Jonathan Ramírez Flor OBJETIVOS El presente Laboratorio tiene los siguientes objetivos:
Utilizar los diferentes modelos de
distribuciones discretas de datos, especialmente la distribución Binomial y Poisson, para estimar valores de probabilidad. Interpretar los resultados. INTRODUCCIÓN Ladistribución de probabilidad de una variable aleatoria es una función que asigna a cada suceso definido sobre la variable la probabilidad de que dicho suceso ocurra. La distribución de probabilidad está definida sobre el conjunto de todos los sucesos y cada uno de los sucesos es el rango de valores de la variable aleatoria. DISTRIBUCIÓN DISCRETA Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una variable aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria que tiene valores contables, tales como una lista de enteros no negativos. DISTRIBUCIÓN BINOMIAL Utilice 1. Barra lade distribución menú binomial > Calc para > describir un proceso 1. La última novela de un autor ha tenido un gran Barra de menú > Gráfica > Gráfica de donde los de Distribuciones distribución resultados se pueden de probabilidad probabilidad. > etiquetar como un éxito, evento hasta o un noelevento punto y de que cuando elinteresado esté 80% de en losla 2. Binomial. Ver probabilidad > Aceptar. lectores ocurrencia yadelaunhan leído. evento y no en su magnitud. 3. Probabilidad 2. / Distribución: Binomial. Probabilidad Un Por grupo de ejemplo, 4 amigospasa un elemento son o noaficionados a la pasa una inspección 4. acumulada. Número de ensayos: 4. o un partido lectura. político ¿Cuál es gana la o pierde. probabilidad de que en el 5. Número 3. de del Probabilidad ensayos: evento:4.0.8. grupo La hayan distribución leído laDefinir novela: binomial seárea usa frecuentemente en Área sombreada > 4. Probabilidad del evento: 0.8. 6. control 2 de por: personas? a.sombreada calidad, Valor Xsondeos > Cola de opinión pública, Constante izquierda. de entrada: 5. investigaciones médicas2y seguros. 6. Como b.Aceptar. máximo 7. Valor X: 2 > Aceptar. 2 personas? x= n° éxitos, n= n° ensayos, p= prob. éxito en un ensayo dado. DISTRIBUCIÓN POISSON La distribución de Poisson parte de la distribución Binomial. Barra 1. Barra 1. de Cuando La deprobabilidad menú > Gráfica menú en una quedistribución > Gráfica >de Calc de > haya binomial se un accidente distribución realiza Distribuciones de probabilidad. el experimento de muchas >veces, la muestra n es probabilidad en una compañía de manufactura es de grande y la probabilidad Ver probabilidad 2. Poisson. > Aceptar. de éxito p en cada ensayo es 0.02 baja, es pordonde aquí cadaaplica día elde trabajo. modelo de Si se de distribución 3. Distribución: Poisson. 2. Probabilidad trabajan / 300 Probabilidad días al año,p <¿cuál es lala Poisson. Se P(X=K): Media: 6. 4. acumulada. tiene que cumplir probabilidad de que: ocurrencia0.10. cuando probabilidad variable de: discreta X toma undefectos valor finito K. sistema 5. Puede Área describir el> número sombreada Definir deárea en el 3. Media: 6. mecánico λ= a. Tener sombreada de 3unaccidentes? ocurrencia por: aviónpromedio Valor Xo el > número Cola pordeunidad llamadasdea un 4. Constante centro izquierda. de de tiempo, entrada: llamadas volumen, en3área, una hora. etc. Laigual Es distribución a P por de b. Tener como máximo 3 accidentes? Poisson 6. Aceptar. 5. se utilizadado. el 3segmento Valor X: > Aceptar. con frecuencia en el control de calidad, los estudios de fiabilidad/supervivencia e= constante con valor aproximado 2.711828. y los seguros. EJERCICIO 1 En una prueba escrita compuesta de 10 preguntas donde se tiene que responder Si o NO, nos informan que las personas no saben que responder a ninguna de las preguntas, de tal manera que se disponen a contestar al azar. Hallar: a) La probabilidad de obtener cinco aciertos. b) La probabilidad de obtener algún acierto. c) La probabilidad de obtener menos de 6 aciertos. d) La probabilidad de obtener entre 5 y 8 aciertos. EJERCICIO 2 Un ingeniero que labora en el departamento de control de calidad de una empresa manufacturera, inspecciona una muestra al azar de 200 prendas de un lote. Si el 2% de las prendas del lote están defectuosos. Cuál es la probabilidad de que en la muestra: a) Ninguno este defectuoso. b) Por lo menos dos estén defectuosos. c) Cuando mucho tres salgan defectuosos. d) Más de tres estén con defectos. EJERCICIO 3
El número promedio de camiones-tanque que llega
cada día a cierta ciudad portuaria es 10. Las instalaciones en el puerto pueden alojar a lo sumo 15 camiones-tanque por día. ¿Cuál es la probabilidad de que en un día determinado lleguen más de 15 camiones y se tenga que rechazar algunos? Método Gráfico. EJERCICIO 4
La probabilidad de que cierta clase de componente
sobreviva a una prueba de choque es de 3/4. Calcule la probabilidad de que sobrevivan exactamente 2 de los siguientes 4 componentes que se prueben. Método gráfico. ESTADÍSTICAS Y PROBABILIDADES LABORATORIO N°02 MINITAB 17 Profesor de Laboratorio: Ing. Jonathan Ramírez Flor