Z206-Clase10-152 20327

ESTADISTICA DESCRIPTIVA Y
PROBABILIDADES
CURSO: ESTADISTICA DESCRIPTIVA Y
ING. MANUEL SOTERO MURG
PROBABILIDADES
DISTRIBUCION DE
PROBABILIDADES
PROBABILIDADES
SEGN EL TIPO DE VARIABLE, SE UTILIZARA LA FUNCION
DE PROBABILIDAD MAS ADECUADA, POR TANTO HABRA:
A. DISTRIBUCIONES DE VARIABLE DISCRETA
* Distribucin Binomial
* Distribucin de Poisson
* Distribucin Hipergeometrica
PROBABILIDADES
B. DISTRIBUCIONES DE VARIABLE CONTINUA
* Distribucin Uniforme
* Distribucin Exponencial
* Distribucin Normal o Gaussiana
PROBABILIDADES
DISTRIBUCION BINOMIAL
Este tipo de distribucin se utiliza, para VARIABLES DISCRETAS, y se
relaciona con pruebas consecutivas cada una de las cuales tiene dos
resultados posibles: xito Fracaso, SI y NO.
CARACTERISTICAS:
- Cada ensayo es independiente, es decir el resultado de cualquier
intento no es afectado por los resultados de los intentos anteriores,
ni afectara los resultados de los intentos posteriores.
- La probabilidad de xito no cambia de un intento a otro.
- Si el experimento consiste en un muestreo, ste ser con reposicin
EJEM:
PROBABILIDADES
OBSERVACION:
La distribucin Binomial se basa en lo que se conoce como un
Proceso de Bernoulli, la cual tiene las siguientes caractersticas:
1. Se realizan dos o ms intentos consecutivos
2. En cada intento solo hay dos resultados posibles
3. Los intentos son estadsticamente independientes, es decir
los resultados de intentos anteriores no afectan los
resultados de intentos posteriores.
4. La probabilidad de xito, no cambia de un intento a otro.
PROBABILIDADES
FORMULA BINOMIAL:
Donde la variable discreta K, es el nmero de xitos

que ocurren en n intentos consecutivos de un
Proceso de Bernoulli.
PROBABILIDADES
LA PROBABILIDAD CUANDO SE MODIFICA:
1. LA PROBABILIDAD (P) SERA CONSTANTE DE UN INTENTO
AL OTRO, SI SE EFECTUA UN MUESTREO CON REEMPLAZO
2. LA PROBABILIDAD (P) VARIA DE UN INTENTO AL OTRO,
CUANDO EL MUESTREO ES SIN REEMPLAZO.
3. NOTA: LA PROBABILIDAD PUEDE SER CONSTANTE, SI EL
NUMERO DE INTENTOS n ES MUY PEQUEO, EN
COMPARACION CON LA POBLACION NDE LOS QUE SE
OBTIENE LA MUESTRA. EN UNA RAZON DE 1: 20
PROBABILIDADES
PROBABILIDADES
EJEMPLO:
Una muestra de 4 piezas se selecciona al azar de un gran lote de
unidades producidas, en las que hay 20% de no-conformes . Cul
es la probabilidad de que la muestra contenga exactamente 2
piezas no-conformes.
PROBABILIDADES
SOLUCION:
Se trata de una distribucin binomial, pues solo admite xito o
fracaso.
FORMULA:
Donde:
n= 4
K= 2
P= 0.2
q=0.8
PROBABILIDADES
SOLUCION:
UTILIZANDO LA TABLA DE DISTRIBUCION BINOMIAL, TENEMOS
QUE:
La probabilidad de que la muestra de 4 piezas seleccionadas
de un gran lote de piezas, contenga exactamente 2 piezas noconformes, es de 0.1536.
PROBABILIDADES
COMENTARIO:
LA PRINCIPAL APLICACIN DE LA DISTRIBUCION BINOMIAL, SE
UTILIZA EN EL CONTROL ESTADISTICO DE CALIDAD Y EN LA
DETECCION DE PORCENTAJES DE PRODUCTOS DEFECTUOSOS
EN LOTES DE PRODUCCION.
PROBABILIDADES
OBSERVACIN:
La distribucin Binomial es en realidad una familia de
distribuciones.
As cuando el nmero de intentos se mantiene constante y la
probabilidad varia:
I CASO: la distribucin ser sesgada a la derecha si p< 0,5
II CASO: la distribucin ser simtrica si p= 0,5
III CASO: la distribucin ser sesgada a la izquierda si p> 0,5
PROBABILIDADES
OBSERVACIN:
Si la probabilidad se mantiene constante y el nmero de
intentos aumenta, la distribucin binomial tiende a presentar
la forma de campana, y parecerse a una distribucin normal.
RELACION ENTRE DISTRIBUCION

BINOMIAL Y DISTRIBUCION POISSON
Cuando (n) es relativamente grande y la probabilidad de xito
(p) en un intento es pequea, la distribucin binomial puede
aproximarse con bastante exactitud mediante la distribucin
de Poisson.
Como regla prctica, la distribucin binomial puede
aproximarse satisfactoriamente mediante la de Poisson
cuando (n 20) y (p 0,05). Bajo estas condiciones solo
utilizamos = np y hallamos la probabilidad de cada valor de X
mediante la distribucin de Poisson.
RELACION ENTRE DISTRIBUCION

BINOMIAL Y DISTRIBUCION NORMAL
Una distribucin binomial B(n,p) se parece a una normal, cuando mayor es
el producto np ( nq si q < p, siendo q = 1 p). Cuando np y nq superan 5
la aproximacin es casi perfecta, como se aprecia en la figura.
PROBABILIDADES
DISTRIBUCION DE POISSON:
La caracterstica principal de este proceso es la ocurrencia
de eventos discretos durante un periodo determinado,
pudiendo ser x=1,2,3, y as sucesivamente, sin que exista en
teora un limite superior.
EJEMPLO: No de llamadas telefnicas por hora, No de
bacterias por cm3 de agua, No de clientes por hora, etc.
CARACTERISTICAS:
- La forma de su distribucin viene dada por su media
- La media de la distribucin de Poisson es numricamente
igual a su varianza.
- La probabilidad de que ocurra un evento es pequea
PROBABILIDADES
La formula de la distribucin de Poisson, es la siguiente:
= Promedio de xitos
que ocurren en dicha
unidad de medida
X = r = Nmero de xitos
por unidad de medida
t= t unidades de medida
e = 2.718282
Donde x= 0,1,2,3
Si x = Z- la probabilidad ser igual a cero
Esperanza:E(X)=
Varianza:V(X)=
PROBABILIDADES
PROBABILIDADES
EJEMPLO:
Un inspector de calidad registra en promedio 2.5 unidades
defectuosas por lote de produccin.
a) Determinar la probabilidad de tener 4 unidades defectuosas
en un lote?
PROBABILIDADES
SOLUCI
ON:
= Promedio de xitos
unidad de medida
X = Nmero de xitos
Reemplazando en la formula tenemos:
e = 2.718282
0.1336
PROBABILIDADES
b) Determinar la probabilidad de tener a lo mucho, 4 unidades
defectuosas en un lote?
PROBABILIDADES
SOLUCION:
= Promedio de xitos
unidad de medida
X = Nmero de xitos
e = 2.718282
PROBABILIDADES
Rpta: 0.8912
PROBABILIDADES
DISTRIBUCION HIPERGEOMETRICA
Esta distribucin suele utilizarse en procesos muestrales sin
reemplazo, en los que se investiga la presencia o ausencia de
cierta propiedad o atributo.
CARACTERISTICAS:
- Es una poblacin finita de N elementos, particionados en dos
clases mutuamente excluyentes: clase xito y clase fracaso.
- La clase xito tiene k elementos y la clase fracaso (N-k)
- Se extrae de esta poblacin, una muestra de tamao n
- Si el experimento fuera de muestreo, este sera sin
reposicin
PROBABILIDADES
La formula para hallar la probabilidad de distribucin
hipergeometrica es la siguiente:
N: tamao de la
poblacin
n: tamao de la
muestra
S : es la cantidad de
xitos de la
poblacin
X: n de exitos que
nos interesan
conocer, que son
parte de la muestra
ING.extrada.
MANUEL SOTERO MURG
PROBABILIDADES
PROBABILIDADES
EJEMPLO:
Se ha desarrollado un nuevo sabor de dentrfico, un grupo de 10
personas lo prob. Seis de las personas de este grupo dijeron que el
nuevo sabor les haba gustado, y las otras cuatro indicarn lo
contrario. Se selecciona a 4 de los 10 para participar en una
entrevista a fondo? Cual es la probabilidad de que entre los que
tomarn parte en la entrevista a fondo, a dos les haya gustado el
sabor y a los otros dos no les haya gustado?
PROBABILIDADES
SOLUCION:
SE TRATA DE UNA DISTRIBUCION HIPERGEOMETRICA, LUEGO
OBTENIENDO LOS DATOS, TENEMOS:
N:
10
n: 4
S:
6
X: 2
PROBABILIDADES
Rpta: 0.4286 (3/7)
PROBABILIDADES
EJEMPLO1:
Una prueba contiene 10 preguntas y cada una de ellas 5 respuestas de
las cuales 1 es la correcta. Si un estudiante desconoca las respuestas y
contesto al azar todas las preguntas. Hallar la probabilidad?
a) De que conteste dos preguntas correctas?
QUE TIPO DE
DISTRIBUCION
LE
PERTENECE?
PROBABILIDADES
SOLUCION:
n= 10
K=2
P= 0.2
q= 0.8
Rpta: 0.3020
PROBABILIDADES
EJEMPLO2:
Los mensajes que llegan a una computadora utilizada como servidor
lo hacen con una tasa promedio de 10 mensajes por hora?
a) Cual es la probabilidad de que en 24 minutos lleguen 7 mensajes?
QUE TIPO DE
DISTRIBUCION
LE
PERTENECE?
PROBABILIDADES
SOLUCION:
= 10/60 mensajes/minuto
= (10/60)*24 = 4
= Promedio de xitos que

ocurren en dicha unidad de
medida
X = r = Nmero de xitos por

unidad de medida
0.060
e = 2.718282
PROBABILIDADES
Ejemplo3:
En un almacn donde se guardan bolsas de cemento, se ha
determinado que el 15% de las bolsas se han mojado producto de la
lluvia del da anterior?
A: Cual es la probabilidad de que en la primera venta de 5 bolsas,
se presenten 3 bolsas mojadas?
QUE TIPO DE
DISTRIBUCION
LE PERTENECE?
PROBABILIDADES
Rpta: 0.0244
P=0.15
q=0.85
n=5
K=3
PROBABILIDADES
Ejemplo4:
Supongamos que el nmero de imperfecciones en un alambre
delgado de cobre tiene una media de 0,7 imperfecciones por
milmetro.
A) Determinar la probabilidad de que existan 2 imperfecciones en
un milmetro de alambre?
Que tipo de
distribucin
utiliz?
PROBABILIDADES
Rpta: 0.12166
= Promedio de xitos que

ocurren en dicha unidad de
medida
= 0,7
X=r=2
t= milimetro
e = 2.718282
X = r = Nmero de xitos por

unidad de medida
0.12166
e = 2.718282
PROBABILIDADES
EJEMPLO5:
El nmero promedio de clientes que llegan a un banco es 12
cada 10 minutos.
a) Cual es la probabilidad de que entre las 9.00 y 9.10 am,
lleguen a lo ms ocho clientes?
b) Cual es la probabilidad de que entre las 9.00 y 9.05 am.
Lleguen mas de tres clientes?
PROBABILIDADES
Rpta: a)0,155
b) 1- 0,151=0,849
a) Lleguen a lo ms 8
clientes, pueden llegar
entonces:
0,1,2,3,4,5,6,7,8
b) En 5 minutos deben
llegar ms de tres
clientes?
=6
x= 3
Luego
P(0,1,2,3)=
0,000
1
0,000
4
0,001
8
0,005
3
0,012
7
0,025
5
0,043
7
0,003
0,065
5
0,015
tota
l
0,155
0,045
0,089
total 0,151
PROBABILIDADES
EJEMPLO 6:
Una mquina fbrica una determinada pieza y se sabe que
produce un 7 por 1000 de piezas defectuosas. Hallar la
probabilidad de que al examinar 80 piezas solo haya dos piezas
defectuosas?
Que
distribuci
n usar?
PROBABILIDADES
Rpta:
Usaremos distribucin binomial
p: 0.007 q:0.093 n:80
k:2
P(X=2)= (802)* (0,007)2 X

(0,093)80-2
P(X=2)= (0,007)2 X (0,093)78
P(X=2)=5,39 X 10-82
PROBABILIDADES
EJEMPLO 7.
Se lanza una moneda cuatro veces. Calcular la probabilidad de
que salgan ms caras que cruces?
PROBABILIDADES
Rpta: El tipo de distribucin a utilizar es binomial
Rpta:
P(TOTAL)= 0.3125
P=0.5
q= 0.5
n=4
k= 3
P(3)=0,2
5
P=0.5
q= 0.5
n=4
k=4
P(4)=0,06
25
PROBABILIDADES
PROBABILIDADES
EJEMPLO 8: Un agente de seguros vende plizas a cinco personas de la
misma edad y que disfrutan de buena salud. Segn las tablas actuales,
la probabilidad de que una persona en estas condiciones viva 30 aos o
ms es 2/3. Hllese la probabilidad de que, transcurridos 30 aos,
vivan:
a. Las cinco personas
b. Al menos tres personas
c. Exactamente dos personas
PROBABILIDADES
n= 5
p=2/3
q=2/3
K= 5
P(5)=
a. Para las
5 personas
PROBABILIDADES
b. Vivan a lo
mnimo tres
personas
- Vivan como
mnimo 3
personas, es
decir pueden
vivir 3,4,5.
P
P
P(TOTAL)= 0,132 + 0,3292 + 0,3292= 0,790

PROBABILIDADES
c. Vivan exactamente dos personas
PROBABILIDADES
EJEMPLO 9. La probabilidad de que un hombre acierte en el blanco es
1/4. Si dispara 5 veces cul es la probabilidad de que acierte
exactamente en tres ocasiones?
ESTADISTICA Y
PROBABILIDADES
P=
0,25
q=
0,75
n= 5
k= 3
ESTADISTICA Y
PROBABILIDADES
EJEMPLO 10. Un entomlogo examina una planta de algodn y cuenta el
nmero dehuevecillosde un insecto por planta es 9, Si se selecciona
una planta al azar, calcular la probabilidad de que se encuentren
cuando mucho 3huevecillos?
ESTADISTICA Y
PROBABILIDADES
Rpta: Cuando mucho significa a lo ms .. Luego se usa
Distribucin de Poisson
=9
X=r=3
(0.090)/6
e = 2.718282
0,015
P(0)+P(1)+P(2)+P(3)= 0,0212
TABLA ACUMULADA DE
DISTRIBUCION DE POISSON
ESTADISTICA Y
PROBABILIDADES
EJEMPLO 11. Considerando que en una urna hay un total de 10 objetos,
3 de los cuales son defectuosos, si se seleccionan 4 objetos al azar,
cul es la probabilidad de que 2 objetos de la muestras sean
defectuosos?
ESTADISTICA Y
PROBABILIDADES
Rpta: Se trata de una distribucin hipergeomtrica, porque se
trata de elementos que solo acepta xito o fracaso, y no tienen
reposicin.
N: tamao de la
poblacin
n: tamao de la
muestra
P(x=2) = x C4-2
N=
10
S= 3
n= 4
x= 2
P(X=2) = 3/10
10-3
xitos de la
poblacin
X: n de exitos que
nos interesan
conocer, que son
parte de la muestra
extrada.
ESTADISTICA Y
PROBABILIDADES
EJEMPLO 12.Para evitar que lo descubran en la aduana, un viajero ha
colocado 6 pastillas de droga en una botella que contiene 9 pastillas
de vitamina que son parecidas en apariencia. Si el oficial de la
aduana selecciona 3 pastillas aleatoriamente para analizarlas,
a) Cul es la probabilidad de que el viajero sea arrestado por
posesin de droga?
b) Cul es la probabilidad de que no sea arrestado por posesin de
narcticos?
ESTADISTICA Y
PROBABILIDADES
Rpta: Se trata de una distribucion hipergeometrica, pues admite solo
xito o fracaso, y es sin reposicion?
N: tamao de la
poblacin
a) Sera Complemento: 1 P(0)

b) P(1,2,3) = 1- 0,185=
0,815
b) Solo
P(x=0) = x C3-0
que P(0)=
N=
P(X=0) = 0,185
9+6=15
S= 6
n= 3
x= 0ESTADISTICA DESCRIPTIVA Y
CURSO:
n: tamao de la
muestra
15-6
xitos de la
poblacin
X: n de exitos que
nos interesan
conocer, que son
parte de la muestra
extrada.
ESTADISTICA Y
PROBABILIDADES
EJEMPLO 13.
El nmero de pulsos que llegan a un contador GEIGER se presentan en
promedio de 6 pulsos por minuto. Hallar la probabilidad de que en 15
minutos se reciban exactamente 20 pulsos.
ESTADISTICA Y
PROBABILIDADES
Rpta: En este caso se trata de una distribucin de Poisson
= 90
x= 20
= 4,09 x 10-9
ESTADISTICA Y
PROBABILIDADES
EJEMPLO 14: Si se extraen 8 canicas sin reemplazo de una urna que
contiene 9 azules y 3 negras. Encontrar la probabilidad de haya 6
canicas azules dentro de las 8 que se extrajeron?
ESTADISTICA Y
PROBABILIDADES
Rpta: El tipo de distribucin a utilizar, es Hipergeometrica, porque es
sin reposicin.
N: tamao de la
poblacin=12
P(x) = 0,5090
n: tamao de la
muestra=8
P(x=6) = x C88-6
P(X=0) = 0,5090
12-9
xitos de la poblacin=
9
X: n de exitos que
nos interesan conocer,
que son parte de la
muestra extrada. = 6
ESTADISTICA Y
PROBABILIDADES
EJEMPLO 15. Una caja contiene 10 focos, de los cuales 3 son
defectuosos. Cul es la probabilidad de que si se toma una muestra
aleatoria sin reemplazo de tamao 2, se extraiga cuando mucho un
foco defectuoso?
ESTADISTICA Y
PROBABILIDADES
Rpta: Distribucin Hipergeometrica
cuando mucho es a lo mas
P(0,1) = 0,9333
ESTADISTICA Y
PROBABILIDADES
EJEMPLO 16. 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
ESTADISTICA Y
PROBABILIDADES
Distribucion de Poisson, es lo que se utiliza
A: P(X=4, :6) = 0,13392
B: P(x:6, :12)=0,104953
Que aprendimos en esta

seccin?
1.
2.
3.
4.
Conceptos de distribucion de probabilidades

Distribucin Binomial
Distribucin de Poisson
Distribucin Hipergeometrica
Bibliografa
o LEVIN, Richard y David Rubin (2010) Estadstica para
Administracin y Economa. 7 ed. Pearson. Mxico. Cap.
1: Introduccin. 1 - 5 pgs.
o LIND, Douglas; William Marchal y Robert Mason (2004)
Estadstica para Administracin y Economa. 11 ed.
Alfaomega. Mxico. Cap. 1: Qu es la estadstica?. 1 20
pgs.
o WEIERS, Ronald (2006). Introduccin a la Estadstica para
Negocios. 5ta ed. Cengage Learning. Mxico. Cap. 1: Un
avance de la estadstica para los negocios. 1 - 16 pgs.

Z206-Clase10-152 20327

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Z206-Clase10-152 20327

Загружено:

Авторское право:

Доступные форматы

ESTADISTICA DESCRIPTIVA Y

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

Donde la variable discreta K, es el nmero de xitos

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

RELACION ENTRE DISTRIBUCION

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

RELACION ENTRE DISTRIBUCION

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

Reemplazando en la formula tenemos:

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA DESCRIPTIVA Y