Академический Документы
Профессиональный Документы
Культура Документы
PROBABILIDADES Y ESTADISTICAS
(DISTRIBUCIN DE PROBABILIDAD)
INTEGRANTES:
RICARDO MARTNEZ
C.I: V-21.468.577
GABRIEL RODRIGUEZ
C.I: V-21.470.323
CAMILO HERRERA
C.I: V-21.469.925
KEYSI SAYAGO
C.I: V-21.407.927
DISTRIBUCIN DE PROBABILIDAD
otros usos muy diferentes para la que fueron creadas. Actualmente se contino
con el estudio de nuevas metodologas que permitan maximizar el uso de la
computacin en el estudio de las probabilidades disminuyendo, de este modo, los
mrgenes de error en los clculos.
VARIABLES:
El universo de valores que puede adquirir una variable puede definirse dentro
de un rango o estar limitados por ciertas condiciones de pertenencia.
De acuerdo con esto las variables pueden clasificarse en:
De este modo se establece una relacin funcional entre elementos del espacio
muestral asociado al experimento y nmeros reales.
Los valores posibles de una variable aleatoria pueden representar los posibles
resultados de un experimento an no realizado, o los posibles valores de una
cantidad cuyo valor actualmente existente es incierto (p.e., como resultado de
medicin incompleta o imprecisa). Intuitivamente, una variable aleatoria puede
tomarse como una cantidad cuyo valor no es fijo pero puede tomar diferentes
valores; una distribucin de probabilidad se usa para describir la probabilidad de
que se den los diferentes valores.
Para una variable aleatoria discreta con valores posibles y sus probabilidades
representadas por la funcin de probabilidadp(xi) la esperanza se calcula como:
P [X = xi]
pi =1
DISTRIBUCIN BINOMIAL:
Distribucin binomial:
Donde:
n = tamao de la muestra
p = probabilidad de xito
1 p = probabilidad de fracaso
son posibles dos resultados. A uno de estos se denomina xito y tiene una
probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En
la distribucin binomial el anterior experimento se repite n veces, de forma
independiente, y se trata de calcular la probabilidad de un determinado nmero de
xitos. Para n = 1, la binomial se convierte, de hecho, en una distribucin de
Bernoulli.
Ejemplo:
DISTRIBUCIN DE POISSON:
El
evento
debe
ser
aleatorio
independiente
de
otros
eventos
Distribucin Poisson:
Donde:
f(X) = probabilidad de X xitos
= promedio de eventos esperados
e = base logaritmo natural = 2.71828
X = numero de xitos en la muestra ( X = 0, 1, 2, n)
Adems es muy til cuando la probabilidad del evento que nos interesa se
distribuye dentro de una distancia, rea, volumen o tiempo definido.
Distribucin Normal
asociadas
fenmenos
naturales
cotidianos
siguen,
EJEMPLOS:
1.-
DISTRIBUCIN BINOMIAL:
Donde:
2.-
DISTRIBUCIN DE POISSON:
Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10
cheques sin fondos en cualquiera de dos das consecutivos? (e= 2.718281828)
Resolviendo para :
Por lo tanto la probabilidad de que el banco reciba cuatro cheques sin fondo
en un da dado es de 0.133853 (13.39%)