Академический Документы
Профессиональный Документы
Культура Документы
CONTINUA
CURSO:
I N V E S T I G AC I N O P E RAT I VA I I
DOCENTE:
D R. S O S A PA LO M I N O A L C I B A D E S
ALUMNO:
E S C O B A R S O LO Z A R N O C E S A R
M A N R I Q U E L E Z A M E TA M A D E L E I N E
PAT R I C I O V E N T O C I L L A YO E L
P E A C A R R I L LO D I E G O
PA S T O R TA N TA L E A N S E R G I O
INTRODUCCION
Unas de las preocupaciones ms grande del tema que vamos a tratar para el
mundo de los cientficos es calcular probabilidades para ciertos modelos de
distribucin el comportamiento de ciertos fenmenos fundamentarlos y
plantearlos al mundo real. Su determinada presentacin es modelar lo
observable siempre es una necesidad bsica.
En este tema estudiaremos algunas distribuciones asociadas a variables
aleatorias discretas y continuas, que puedan ajustarse a una gran diversidad
de problemas y campos cientficos en los que se pueden aplicar. Podemos
establecer la siguiente clasificacin:
VARIABLES ALEATORIAS
STRIBUCIN DE BERNOULLI
Se denomina prueba o ensayo de Bernoulli a todo experimentado aleatorio que
consiste de solo dos resultados posibles mutuamente excluyentes, generalmente
llamados: Exitos(E) y Fracaso(F).
Por ejemplo:
Un tratamiento mdico puede ser efectivo o inefectivo.
La meta de produccin o ventas del mes se pueden o no lograr. En pruebas de
seleccin mltiple, aunque hay cuatro o cinco alternativas, se pueden clasificar
como correcta o incorrecta.
Su frmula es:
p[X = X] = px (1 p)1-x, X=0,1
MODELO BINOMIAL
Cada observacin se clasifica en una de dos categoras, mutuamente excluyentes (los eventos no pueden
ocurrir de manera simultnea. Ejemplo: Una persona no puede ser de ambos sexos) y colectivamente
exhaustivos (uno de los eventos debe ocurrir. Ejemplo: Al lanzar una moneda, si no ocurre cruz, entonces
ocurre cara). A estas categoras se las denomina xito y fracaso.
La probabilidad de que una observacin se clasifique como xito, p, es constante de una observacin u otra. De
la misma forma, la probabilidad de que una observacin se clasifique como fracaso, 1-p, es constante en todas
las observaciones.
stribucin
Poisson
ELO DE de
DISTRIBUCIN
DISCRETA
ISTRIBUCIN DE POISSON
Basicamente un experimento aleatorio de poisson es un proceso que consiste
en observar el numero X de veces que ocurre un evento en una unidad de
longitud dada.
Ejemplo:
Observar el numero de llamdas Xi que recibe un celular en peridos de 1 hora
.
Numero de accidentes de trabajo que ocurren en una fabrica durante una
semana.
Ejemplo 1
en la ciudad de huacho se encuentra un almacn de entrega de peridicos llega un cierto
promedio
de cantidad de peridicos dependiendo de la noticia. y se reparten 50 peridicos cada 40
min a cada empleado.
cual es la probabilidad en un lapso de 40 min se repartan
a 3 empleados
cual es la probabilidad en un lapso de 40 min se repartan
a 6 empleados
cual es la probabilidad en un lapso de 40 min se repartan
por lo menos a 2 empleados
cual es la probabilidad en un lapso de 40 min se repartan
como mucho a 5 empleados
Solucin
=
f(x=3) = P (X=3)=
P (X2)=1- 0 + x 1)
(x
1-(
1 0,6446358=0,3553642
f(x=6) = P (X=6)=
P (X<5)=
0,286504+0,358130+0,223831+0,093263+0,
029144=0,990872
ELO DEMODELO
DISTRIBUCIN
CONTINUA
DE DISTRIBUCIN
CONTINUA
Es parte del tema del tema estudiado donde vemos las distribuciones continuas ms
comunes que se pueden aplicar a diversas situaciones en las que se estudian
problemas de naturaleza continua. Para describir este tipo de variables aleatorias
basta proporcionar la funcin densidad.
distribucin
de
caracteriza
porque
los
valores
se