FASE 3: DISCUSIÓN

ESTADISTICA Y PROBABILIDAD

NOMBRE:
CAROL YESENIA FAJARDO SANCH

GRADO:
211622_275

FECHA:
27 NOVIEMBRE 2019

CEAD CHIQUINQUIRA

UNIVERSIDAD NACIONAL ABIERTA Y A D

DE COLOMBIA
 FASE 3: DISCUSIÓN

ESTADISTICA Y PROBABILIDAD

NOMBRE:
CAROL YESENIA FAJARDO SANCHEZ

GRADO:
211622_275

FECHA:
27 NOVIEMBRE 2019

CEAD CHIQUINQUIRA

RSIDAD NACIONAL ABIERTA Y A DISTANCIA

DE COLOMBIA
 Distribución binomial – Anexo 1

La secretaria de salud frente a la contaminación en la ciudad de Medellín determino que la variable PM10
tiene una probabilidad de aceptación del 27%. Construya una tabla con valores entre el 0 y 10 aplicando la
distribución Binomial.

n 10
p 27%

Variable Funcion de
Aleatoria Masa
X F(X)=P(X=x)
0 0.0429762583
1 0.1589532841
2 0.2645592331
3 0.2609351341
4 0.1688929464
5 0.074960705
6 0.0231043269
7 0.0048831063
8 0.0006772801
9 5.566686164E-05
10 2.0589113209E-06

(𝑥>7)=𝑝(𝑥=7)+𝑝(𝑥=10)0,00488311+2,05891∗10^5=0,0049036991
Respuesta:Para resolver el plantamiento aplicamos la distribucion binomial por
medio de la siguiente formula.

�(𝑥)=(𝑛/𝑥) 𝑝^𝑥 (1−𝑝)^(𝑛−𝑥) 𝐷𝑎𝑡𝑜𝑠=𝑛:10 𝑝:0,27 1−𝑝 1-0,27=0,73

�(𝑥)=(𝑛/𝑥)𝑝^𝑥 (1−𝑝)^(𝑛−𝑥)

𝑝(𝑥≥7)=𝑝(𝑥=7)+𝑝(𝑥=10)=0,00488311+2,05891∗10^5=0,0049036991

𝑝(𝑥=9)=(10/7) 〖 0,27 〗 ^7 (1−0,27)^(10−7)=

(1,4)∗ 〖 0,27 〗 ^7 (0,73)^3=0,0000569695

Distribución de Poisson – Anexo 2

 Distribución de Poisson – Anexo 2

Mediante una inspección de los contaminantes en algunas veredas del país, se determina
que el SO2 presenta un promedio de 5 µg/m3 por hora. Realice una tabla de distribución de
Poisson para k entre 0 y 12

P 5

K PROBABILIDAD
0 0.006737947
1 0.033689735
2 0.0842243375
3 0.1403738958
4 0.1754673698
5 0.1754673698
6 0.1462228081
7 0.104444863
8 0.0652780393
9 0.0362655774
10 0.0181327887
11 0.0082421767
12 0.0034342403

Distribución normal – Anexo 3

Los resultados detectados en el laboratorio del IDEAM el contaminante de
monóxido de carbono (CO) en las ciudades principales se distribuye
normalmente. Calcule las siguientes probabilidades:

DISTRIBUCION
DATOS NORMAL
4500 0.0002252387
4600 0.0003022572
4700 0.0003900131
4800 0.0004838943 Chart Title
4900 0.0005772856 0.0009
5000 0.0006622162 0.0008 0.0007900234
0.0007746837
0.000774683
5100 0.0007304284 0.0007304284 0.000730
0.0007
0.0006622162 0.00
5200 0.0007746837 0.0006 0.0005772856
0.0005 0.0004838943
0.0004 0.0003900131
0.0003022572
0.0003
0.0002252387
0.0002
 0.0009
0.0008 0.0007900234
0.0007746837
0.000774683
0.0007304284 0.000730
0.0007
0.0006622162 0.00
0.0006 0.0005772856
5300 0.0007900234 0.0005 0.0004838943
5400 0.0007746837 0.0004 0.0003900131
5500 0.0007304284 0.0003022572
0.0003
5600 0.0006622162 0.0002252387
0.0002
5700 0.0005772856 0.0001
5800 0.0004838943 0
1 2 3 4 5 6 7 8 9 10 11
5900 0.0003900131
6000 0.0003022572
6100 0.0002252387

Distribución Uniforme Continua – Anexo 4

El análisis de las pruebas de laboratorio determina que el ozono (O3) tiene un
comportamiento uniformemente continuo. Determine las siguientes
probabilidades:
 5. ¿Qué probabilidad hay de que salgan a lo sumo 7 µg/m3?

1-0,27=0,73
 1. Que no presente contaminación.

2. ¿Cuál es la probabilidad de que CO se encuentre entre 4500 y 6100?

Media aritmetica 5300

Desviacion estandar 504.975247

Chart Title

0.0007900234
0.0007746837
0.0007746837
0.0007304284 0.0007304284
0.0006622162 0.0006622162
0.0005772856 0.0005772856
0.0004838943 0.0004838943
03900131 0.0003900131
2572 0.0003022572
0.0002252387
 0.0007900234
0.0007746837
0.0007746837
0.0007304284 0.0007304284
0.0006622162 0.0006622162
0.0005772856 0.0005772856
0.0004838943 0.0004838943
03900131 0.0003900131
2572 0.0003022572
0.0002252387

3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

3. La probabilidad que el grado de ozono sea hasta 140

 DISTRIBUCION DE POISSON

Esta distribución es una de las más importantes distribuciones de variable discreta. Sus principales aplicaci
determinar el número de hechos de cierto tipo que se pueden producir en un intervalo de tiempo o de espacio,
usos frecuentes es la consideración límite de procesos dicotómicos reiterados un gran número d

El parámetro de la distribución es, en principio, el factor de proporcionalidad para la probabilidad de un hecho

aunque más tarde veremos que se corresponde con el número medio de hechos que cabe esperar que se produz
la varianza de la distribución.

Por otro lado es evidente que se trata de un modelo discreto y que el campo de variación de la v

Función de cuantía

A partir de las hipótesis del proceso, se obtiene una ecuación diferencial de definición del mismo que puede
de hechos que ocurren en un intervalo unitario de

Cuya representació
Obsérvense los valores próximos en la media y
 Diferencias entre la distribución de Poisson y la di

La distribución de Poisson es similar a la distribución binomial porque ambas modelan conteos de eventos. Sin e
establece un límite superior a este conteo: una central telefónica podría recibir un número ilimitado de llamad
distribución binomial establece un límite superior en el conteo: el número de eventos que ust
 DISTRIBUCION DE POISSON

e discreta. Sus principales aplicaciones hacen referencia a la modelización de situaciones en las que nos interesa
ntervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus
micos reiterados un gran número de veces si la probabilidad de obtener un éxito es muy pequeña .

para la probabilidad de un hecho en un intervalo infinitésimo. Se le suele designar como parámetro de intensidad ,
s que cabe esperar que se produzcan en un intervalo unitario (media de la distribución); y que también coincide con
la varianza de la distribución.

que el campo de variación de la variable será el conjunto de los número naturales, incluido el cero:

Función de cuantía

e definición del mismo que puede integrarse con facilidad para obtener la función de cuantía de la variable "número
curren en un intervalo unitario de tiempo o espacio "

Cuya representación gráfica para un modelo de media 11 sería la adjunta .

os valores próximos en la media y su forma parecida a la campana de Gauss , en definitiva , a la distribución normal
e la distribución de Poisson y la distribución binomial

modelan conteos de eventos. Sin embargo, dentro de su espacio de observación finito, la distribución de Poisson no
ir un número ilimitado de llamadas en un día y no violar los requisitos de la distribución de Poisson. En cambio, la
eo: el número de eventos que usted observa no puede exceder el número de ensayos que realiza.
BIBLIOGRAFIA

DISTRIBUCION BINOMINAL
https://youtu.be/TXeex5zCLk0

DISTRIBUCION HIPERGEOMETRICA
https://youtu.be/Lmr-kpvbP3Q

DISTRIBUCION NORMAL
https://youtu.be/_R8kWNwp6BA

DISTRIBUCION UNIFORME CONTINUA

https://youtu.be/o7v6CCt33o0
DISTRIBUCION DE POISSON
https://youtu.be/ZiGicHakxFM