Академический Документы
Профессиональный Документы
Культура Документы
PROBABILIDAD Y ESTADISTICA
MGTR. JANET JOSCO MENDOZA
PROPÓSITO DE LA CLASE
a) Número de autos que una persona espera vender durante una semana ( )
b) Peso de un grupo de pacientes diabéticos ( )
c) Número de hijos de los regidores de la Municipalidad Provincial de Huancayo ( )
d) Tiempo que demora en cocinar un pastel ( )
e) Cantidad de estudiantes ausentes a la clase de Estadística y Probabilidad ( )
f) Distancia que recorre un vehículo durante un minuto ( )
DISTRIBUCIÓN DE PROBABILIDAD
P X x nCx. p x .q n x
Determine si las siguientes tablas representan una distribución de probabilidad.
Argumente su respuesta.
A B
X 0 1 2 3 X 0 1 2 3
P(X) 0.2 0.5 0.4 0.3 P(X) 0.2 0.3 0.05 0.45
Construya la distribución de probabilidades del experimento consistente en el
lanzamiento de 4 monedas.
• Represente gráficamente.
Variable aleatoria:
X = Nº de caras
CCCC, CCCS, CCSC, CCSS, CSCC, CSCS, CSSC, CSSS, SCCC, SCCS, SCSC, SCSS, SSCC, SSCS, SSSC, SSSS
4 3 3 2 3 2 2 1 3 2 2 1 2 1 1 0
Rango de valores: X = 0; 1; 2; 3; 4
Tipo de variable:
Aleatoria discreta, porque toma 5 valores diferentes (0; 1; 2; 3; 4)
Distribución de probabilidad: X = Nº de caras P(X=x)
0 1/16 = 0,0625
1 4/16 = 0,25
2 6/16 = 0,375
3 4/16 = 0,25
4 1/16 = 0,0625
Representación gráfica:
0.375
0.4
0.4 0.375
0.35
0.35
0.3
0.3 0.25 0.25
En este
PROBABILIDAD
0.25 0.25 0.25
PROBABILIDAD
0.25
0.2
caso el
0.2 área
0.15
0.15
bajo el
0.1
0.1
0.0625 0.0625 histograma
0.0625 0.0625
0.05 es igual a 1
0.05
0
0 0 1 2 3 4
0 1 2 3 4
NÚMERO DE CARAS
NÚMERO DE CARAS
X = Nº de caras P(x) x.P(x) (x-µ)2 (x-µ)2 .P(x)
0 0,0625 0 4 0,25
Media 1 0,25 0,25 1 0,25
x.P x 2 caras 2
3
0,375
0,25
0,75
0,75
0
1
0
0,25
4 0,0625 0,25 4 0,25
1 2 1
Varianza
x . P x 1 cara2
2 2
Desviación estándar
2
x . P x 1 cara Interpretación:
Si lanzamos cuatro monedas, es mas probable
de obtener en promedio dos caras con una
variación de uno.
¿Qué aprendí?
Media, desviación estándar y varianza de una distribución de probabilidad
¿Cómo aprendí?
•Observando, Calculando e interpretando.
PROBABILIDAD Y ESTADISTICA
MGTR. JANET JOSCO MENDOZA
DISTRIBUCIÓN DE
DISTRIBUCIÓN BINOMIAL
POISSON
PROPÓSITO DE CLASE
https://www.youtube.com/watch?v=0oBfdHHudTg
DISTRIBUCIÓN BINOMIAL
Una distribución de probabilidad binomial
resulta de un procedimiento que cumple
con todos los siguientes requisitos:
1. El procedimiento tiene un número fijo de
ensayos.
2. Los ensayos deben ser independientes.
(El resultado de cualquier ensayo
individual no afecta las probabilidades de
los demás ensayos).
3. Todos los resultados de cada ensayo
deben estar clasificados en dos
categorías (generalmente llamadas éxito
y fracaso).
4. La probabilidad de un éxito permanece
igual en todos los ensayos.
Distribución Binomial
P x n C x p q x nx
Media Varianza
np ; npq
2
Ejemplo 1:
Pagos de vencimientos de
Éxito
préstamos
Reemplazando y efectuando
los cálculos se tiene:
P x n C x p q x n x
P x 3 8 C3 (0,20)3 (0,80)8 3
P x 3 8 C3 (0,20)3 (0,80)5
P x 3 0,1468
Interpretación: La probabilidad de los 8 clientes notificados por vencimientos de
pagó por la Caja Huancayo, 3 de ellos realicen sus pagos es de 14,68%
Ejemplo 2:
Reemplazando y efectuando
los cálculos se tiene:
P x n C x p q x n x
Reemplazando y efectuando
los cálculos se tiene:
P x n C x p q x n x
https://www.youtube.com/watch?v=8uS6-XTjenA
DISTRIBUCIÓN POISSON
Una distribución de probabilidad Poisson resulta de un
procedimiento que cumple con todos los siguientes
requisitos:
1. El experimento consiste en contar el número “x” de
veces que ocurre un evento en un intervalo. Esto es en
una unidad de tiempo, área o volumen.
2. La probabilidad de que un evento ocurra en una unidad
dada de tiempo, área o volumen es la misma para
todas las unidades.
3. El número de eventos que ocurren en una unidad de
tiempo, área o volumen es independiente del número
de los que ocurren en otras unidades.
4. El número medio (o esperado) de eventos en cada
unidad se denota por la letra griega (“lambda”)
Distribución de Poisson
.e
X
P x ; e 2,7183
x!
: Denota el número medio de eventos que ocurren en una
unidad dada de tiempo, área o volumen.
x: Denota un número específico de eventos que ocurren
durante una unidad dada de tiempo, área o volumen.
e: Denota la constante matemática “épsilon”
x!: Denota el factorial de “x”
P(x) : Denota la probabilidad de que ocurran “x” eventos en
una unidad dada de tiempo, área o volumen.
Media ; Varianza
; 2
Ejemplo 5:
En un centro telefónico de
atención a clientes se reciben
en promedio 6 llamadas por
hora. ¿Cuál es la probabilidad
de que en una hora
seleccionada aleatoriamente
se reciban exactamente 2
llamadas?
Solucionario:
6 llamadas por
Media () hora Reemplazando y efectuando
los cálculos se tiene:
Número de eventos 2 llamadas en
esperados (x) una hora
62.e6
P X 2
2!
X .e P X 2 0,0446
Px ; e 2,7183
x!
Interpretación:
La probabilidad de que en una hora, exactamente se reciban 2
llamadas por hora es de 4,46 %
Ejemplo 6:
2 personas en 10
Media () 12 personas en una hora
minutos
Número de eventos 3 personas en 10
3 personas en 10 minutos
esperados (x) minutos
12 personas 60 minutos
n 2 personas
n 10 minutos
https://www.youtube.com/watch?v=9OZDeSlz_WQ
DISTRIBUCIÓN GEOMÉTRICA
Una distribución de probabilidad geométrica es
una sucesión de pruebas, queremos saber el
número de la prueba que ocurre el primer
éxito: X; resulta de un procedimiento que
cumple con todos los siguientes requisitos:
1. Existe solamente dos posibles resultados en
cada ensayo: éxito y fracaso.
2. La probabilidad de éxito representada por p,
permanece constantes en todos los intentos.
3. De lo anterior se determina que existe la
probabilidad de fracaso que esta representada
por q = 1 - p
4. Todos los “n” repetidos intentos son
independientes. Es decir “n” no es fijo.
Distribución Geométrica
P x pq x 1
Media Varianza
1 p 1 p
2
2
p p
Ejemplo 1:
Si la probabilidad de que
un tirador experto tire al
blanco es de 95%. ¿Cuál
es la probabilidad de que
falle por primera vez en el
decimoquinto disparo?
Solucionario:
Reemplazando y calculando se
P x pq x 1 tienen:
P x 15 (0,05)(0,95)151
P x 15 0,0244
En un proceso de
manufacturación se sabe
que la probabilidad de
obtener una pieza
defectuosa es del 2%. ¿Cuál
es la probabilidad de que la
octava pieza inspeccionada
sea la primera defectuosa?
Solucionario:
Reemplazando y calculando se
P x pq x 1 tienen:
P x 8 (0,02)(0,98)8 1
P x 8 0,0174
Reemplazando y calculando se
C C
tienen:
N r C n x 6012 C 62
P x 2
12 2
Px
r x
60 C 6
NC n
P X 2 0,2565
Interpretación: La probabilidad de que 2 locales tenga plaga, de los 6
seleccionados es de 25,65 %
Ejemplo 6:
Se pone a la venta un
conjunto de 75 artículos,
de los cuales 10 están
defectuosos. Si se toma
una muestra (sin orden y
sin reemplazo) de 5
artículos. ¿Cuál es la
probabilidad de que no
aparezca ningún artículo
defectuoso?
Solucionario:
C
Reemplazando y calculando se
N r C n x
tienen:
10 C 0 7510 C 5 0
Px
r x
Px 0
75 C 5
NC n
P X 0 0,4786
Interpretación: La probabilidad de que no aparezca ningún artículo
defectuoso es del 47,86 %
¿Qué aprendí? ¿Para qué aprendí?
A calcular e interpretar Para poder resolver problemas
distribuciones de probabilidades relacionados a mi carrera
de variables discretas. profesional.