Septiembre Ing. Rubén Darío Estrella, MBA
|
|
- Óscar Mendoza Benítez
- hace 6 años
- Vistas:
Transcripción
1 Septiembre 2015 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo (UNEV 2002) y Maestro (Salomé Uneña 1995) rubendarioestrella@hotmail.com / rd_estrella@hotmail.com
2 Gran parte de la vida del hombre se caracteriza por la incertidumbre. Muchos fenómenos del mundo parecen estar dominados por el comportamiento aleatorio. Casi todas las decisiones se toman en un entorno caracterizado por la ausencia de un conocimiento completo de la situación. Así, una decisión acerca de la cantidad de unidades a fabricar se basa en las estimaciones del número de unidades que se espera vender. Si se conociera este último con anticipación, la decisión sería elaborar exactamente esa cantidad, sin que hubiera ni escasez ni excedentes. Con todo, en las situaciones concretas de la toma de decisiones rara vez puede recabarse información tan precisa.
3 Estadística Inferencial: Implica la utilización de una muestra para extraer alguna inferencia o conclusión sobre la población correspondiente. - Apoyándose en el cálculo de probabilidades y a partir de datos muestrales, efectúa estimaciones, decisiones, predicciones y otras generalizaciones sobre un conjunto mayor de datos. La estadística es inferencial cuando se derivan conclusiones generales para un conjunto de datos más amplio a partir de la información proporcionada por los datos estudiados.
4 Experimento. Experimento es cualquier proceso que permite a los investigadores obtener observaciones. Es el proceso que produce un evento o suceso. Experimento Resultados experimentales Lanzar una moneda Cara, cruz Seleccionar una parte para inspección Defectuosa, no defectuosa Lanzar un dado 1, 2, 3, 4, 5, 6 Jugar un partido de pelota Ganar, perder, empatar
5 Ensayo: Es cada repetición de un experimento. Suceso o Evento. Es cualquier colección de resultados de un experimento. Es una colección de puntos muestrales (resultados experimentales). El suceso o evento es un subconjunto del Espacio Muestral.
6 Decimos que un experimento es aleatorio si se verifican las siguientes condiciones: a. Se puede repetir indefinidamente, siempre en las mismas condiciones. b. Antes de realizarlo, no se puede predecir el resultado que se va a obtener. c. El resultado que se obtenga, pertenece a un conjunto de resultados posibles conocido previamente. A este conjunto de resultados posibles, lo denominamos como espacio muestral. Los elementos del espacio muestral se denominan sucesos elementales.
7 Los conceptos de probabilidad pueden resultar de suma utilidad cuando nos hallamos frente a la incertidumbre que caracteriza a al mayor parte de los ambientes en que se adoptan decisiones. Es una medida numérica de la posibilidad de que ocurrirá un evento. Es la posibilidad numérica de que ocurra un evento, medida entre 0 y 1. Es la frecuencia relativa con la que puede esperarse que ocurra ese evento. Las probabilidades de los diferentes resultados posibles de un ensayo deben sumar uno. Las probabilidades son siempre mayores que o iguales a cero (es decir, las probabilidades nunca son negativas) y son menores que o iguales a uno. Cuanto más pequeña sea la probabilidad, tanto menos posibilidad tendrá el evento.
8 Suceso seguro o evento cierto. Es aquel que siempre se verifica después de un experimento aleatorio. Entre mayor sea la probabilidad de que ocurra un evento, su probabilidad asignada estará más próxima a 1. La probabilidad de certeza es 1.
9 Suceso imposible o evento imposible. Es aquel que nunca se verifica como resultado del experimento aleatorio. La única posibilidad es que el suceso imposible sea el conjunto vacio. La probabilidad de una imposibilidad es 0.
10 a. La probabilidad solo puede tomar valores comprendidos entre 0 y 1. 0 P(A) 1 b. La probabilidad del suceso seguro es 1. c. La probabilidad de dos sucesos incompatibles (de intersección vacía) debe ser la suma de sus posibilidades respectivas. d. La probabilidad de la intersección de dos sucesos es menor o igual que la probabilidad de cada uno de los sucesos por separado, es decir, P(AB) P(A) ; P(AB) P(B)
11 e. La probabilidad de la unión de sucesos es mayor que la de cada uno de los sucesos separados. P(AB) P(A) ; P(AB) P(A) Mas aun, si los sucesos son disjuntos (incompatibles) ocurre que: AB = P(AB) = P(A) + P(B) f. La probabilidad del suceso contrario a A, es P(A') = 1 - P(A)
12 Eventos mutuamente excluyentes. Los sucesos A y B son mutuamente exclusivos si no pueden ocurrir simultáneamente. Si la ocurrencia de un evento prohíbe la ocurrencia del otro. P(AUB) = P(A) + P(B) En el lanzamiento de una moneda, dos resultados simples posibles son cara y cruz. Puesto que la ocurrencia de una cara excluye la posibilidad de cruz y a la inversa, los eventos cara y cruz son mutuamente excluyentes.
13 Eventos colectivamente exhaustivo. Se dice que un conjunto de eventos es colectivamente exhaustivo, si su unión explica todos los resultados posibles de un experimento. Consta de todos los posibles resultados de un experimento y constituye su espacio muestral. P(X) = 1
14 Eventos independientes. Dos eventos son independientes si la ocurrencio o no ocurrencia de un evento de ninguna manera afecta a la posibilidad o probabilidad de ocurrencia del otro evento. Dos sucesos A y B son independientes si la ocurrencia de uno no afecta la probabilidad de ocurrencia del otro. La ocurrencia de uno no tiene que ver nada con la del otro. P(A B) = P(A) * P(B)
15 Eventos dependientes. Dos eventos son dependientes si la probabilidad de ocurrencia de uno es afectada por la ocurrencia o no ocurrencia del otro. Si A y B no son independientes, se dice que son dependientes. P(A B) = P(A) * P(B\A)
16 Eventos complementarios (Complemento de un evento). Para un evento A, el complemento del evento A es el evento consistente en todos los puntos muestrales que no están en A. El complemento del suceso A, denotado por A', consiste en todos los resultados en los que el suceso A no ocurre. Si un evento no ocurre, el otro debe ocurrir. P(A) + P(A') = 1 P(A) = 1 - P(A') P(A') = 1 - P(A) P(AUA') = P(A) + P(A')
17 CLASIFICACION D E LOS EMPLEAD OS GENERO ADMINIST R.(A) LINEA (L) AUXILIAR (O) T OT AL HOMBRE (H) MUJER (M) TOTAL
18 CLASIFICACION DE LOS EMPLEADOS GENERO ADMINIST R.(A) LINEA (L) AUXILIAR (O) T OT AL HOMBRE (H) MUJER (M) TOTAL
19 CLASIFICACION DE LOS EMPLEADOS GENERO ADMINIST R.(A) LINEA (L) AUXILIAR (O) TOTAL HOMBRE (H) MUJER (M) TOTAL
20 Las probabilidades marginales son los valores que se encuentran en las márgenes de la tabla. Se obtiene de la suma de las probabilidades conjuntas correspondientes. Las probabilidades conjuntas son las celdas de la estructura principal de la tabla. Estas muestran la probabilidad de la intersección de dos eventos.
21 Probabilidad Condicional. La probabilidad condicional de B dado A es la probabilidad de que el suceso B ocurra, dado que el suceso A ya ocurrió, y se puede calcular dividiendo la probabilidad de que ocurran ambos sucesos, A y B, entre la probabilidad del suceso A: P(B\A) = P(AB) P(A) P(AB) = P(A) * P(B\A) Es la probabilidad de que el evento B ocurra, dado que o a condición de que el evento A ya haya ocurrido.
22 La probabilidad de que un trabajador tomado aleatoriamente sea hombre es P(H)=0.60. Sin embargo, si se desea calcular la probabilidad de que el trabajador sea hombre dado que es un miembro del personal administrativo P(H\A). P(H\A) = P(HA)/P(A) = 0.24/0.34 = 0.71
23 A. Regla de la Multiplicación. Consiste en determinar la probabilidad del evento conjunto P(AB), es decir de la probabilidad de "A y B". Esta se obtiene simplemente multiplicando sus respectiva probabilidades. El procedimiento depende de sí A y B son dependientes o independientes.
24 A. Regla de la Multiplicación. Probabilidades de eventos independientes. P(AB) = P(A) * P(B) Eventos independientes. Dos sucesos A y B son independientes si la ocurrencia de uno no afecta la probabilidad de ocurrencia del otro. La ocurrencia de uno no tiene que ver nada con la del otro. El 20% de los carros que pasan por el Km. 12 de la Carretera Sánchez, se detienen en un Motel, para alquilar una cabaña. Cuál es la probabilidad de que los próximos dos carros se detengan? Asumiendo que estos son eventos independientes. P(C1C2) = 0.20 * 0.20 = 0.04 Cuál es la probabilidad de que el primer carro se pare y que el segundo siga? P(C1C2) = 0.20 * 0.80 = 0.16
25 A. Regla de la Multiplicación. Probabilidad de Eventos dependientes. P(AB) = P(A) * P(B\A) Eventos dependientes. Dos sucesos A y B son dependientes si la ocurrencia de uno afecta la probabilidad de ocurrencia del otro. La ocurrencia de uno tiene que ver con la del otro. Ejemplo: La probabilidad conjunta de que sea hombre y miembro administrativo. P(HA) = 0.24 P(HA) = P(H) * P(A\H) = 0.60 * 0.40 = 0.24 P(A\H) = P(AH)/P(H) = 0.24/0.60 = 0.40
26 Regla de la Adición. Se utiliza para determinar la probabilidad de A o B, P(AB). La probabilidad del evento A o B (cuando los eventos no son mutuamente excluyente). P(AB) = P(A) + P(B) - P(AB) La razón por la cual se debe restar la probabilidad conjunta es para evitar el doble conteo.
27 Regla de la Adición. Eventos no mutuamente excluyentes. Los sucesos A y B son no mutuamente exclusivos si pueden ocurrir simultáneamente. Si la ocurrencia de un evento no prohíbe la ocurrencia del otro. Ejemplo: La probabilidad de sacar un as o una de las tres cartas de corazones de una baraja. P(AC) = P(A) + P(C) - P(AC) P(AC)=(4/52) + (13/52) - (1/52) = 16/52 La probabilidad de que un hombre sea un trabajador hombre o un trabajador administrativo. P(HA) = P(H) + P(A) - P(HA) = = 0.70
28 Regla de la Adición. Probabilidad del evento A o del evento B (cuando los eventos son mutuamente excluyentes). P(AUB) = P(A) + P(B) Eventos mutuamente excluyentes. Los sucesos A y B son mutuamente exclusivos si no pueden ocurrir simultáneamente. Si la ocurrencia de un evento prohíbe la ocurrencia del otro. Si A y B son mutuamente excluyente P(AB) =
29 Regla de la Adición. Probabilidad del evento A o del evento B (cuando los eventos son mutuamente excluyentes). P(AUB) = P(A) + P(B) Eventos mutuamente excluyentes. Los sucesos A y B son mutuamente exclusivos si no pueden ocurrir simultáneamente. Si la ocurrencia de un evento prohíbe la ocurrencia del otro. Si A y B son mutuamente excluyente P(AB) =
30 Este fue desarrollado por el reverendo Thomas Bayes ( ). Asumimos: Una industria X utiliza dos maquinas para producir su producto. La maquina A produce el 60% de la producción total. La maquina B produce el 40% restante. El 2% de las unidades producidas por A son defectuosas. Las unidades de B tienen un 4% de defectos. Podríamos decir: P(A) = 0.60 P(B) = 0.40 P(D\A) = 0.02 P(D\B) = 0.04 P(D'\A) = 0.98 P(D'\B) = 0.96
31 Este fue desarrollado por el reverendo Thomas Bayes ( ). Asumimos: Una industria X utiliza dos maquinas para producir su producto. La maquina A produce el 60% de la producción total. La maquina B produce el 40% restante. El 2% de las unidades producidas por A son defectuosas. Las unidades de B tienen un 4% de defectos. Podríamos decir: P(AD') = P(A) * (D'\A) = 0.60 * 0.98 = P(AD) = P(A) * (D\A) = 0.60 * 0.02 = P(BD') = P(B) * (D'\B) = 0.40 * 0.96 = P(BD) = P(B) * (D\B) = 0.40 * 0.04 = 0.016
32 Este fue desarrollado por el reverendo Thomas Bayes ( ). según la probabilidad condicional. P(A\D) = P(AD)/P(D) = [P(A) * P(D\A)]/P(D) Sin embargo, para la P(D) existen dos formas en las cuales la unidad puede ser defectuosa. Utilizando la regla de la adición. P(D) = P(AD) + P(BD) P(D) = P(A) * P(D\A) + P(B) * P(D\B) Teorema de Bayes P(A\D) = P(AD) / P(D) P(A\D) = P(AD) / [P(AD) + P(BD)] P(A\D) = [P(A) * P(D\A)] / [P(A)*P(D\A) + P(B)* P(D\B)] P(A\D) = / ( ) = 0.429
33 Esta se caracteriza por las siguientes propiedades: Sólo debe haber dos posibles resultados. La probabilidad de un éxito, sigue siendo constante de un ensayo al siguiente, al igual que lo hace la probabilidad de fracaso, 1 -. La probabilidad de un éxito en un ensayo es totalmente independiente de cualquier otro ensayo. El experimento puede repetirse muchas veces. Una distribución binomial. Cada ensayo en una distribución binomial termina en sólo uno de dos resultados mutuamente excluyentes, uno de los cuales se identifica como un éxito y el otro como un fracaso. La probabilidad de cada resultado permanece constante de un ensayo al siguiente.
34 Probabilidad de una x n-x Distribución Binomial P(x) = ncx * () * (1-) n = numero de ensayos. = probabilidad de un éxito. x = numero de éxitos. ncx = n! / x! (n-x)! Caso I. Sólo 20% de los empleados de la población civil que está en una base militar restringida, porta su identificación personal. Si llegan 10 empleados, cuál es la probabilidad de que el guardia de seguridad encuentre: a. Ocho empleados con identificación?
35 Caso I. Sólo 20% de los empleados de la población civil que está en una base militar restringida, porta su identificación personal. Si llegan 10 empleados, cuál es la probabilidad de que el guardia de seguridad encuentre: a. Ocho empleados con identificación? Probabilidad de una x n-x Distribución Binomial P(x) = ncx () (1-) n = 10 empleados = 0.20 x = P(x=8 n=10, =0.20) = 10C8*(0.20)*(1-0.20) * 0.64 = 45 * P(x=8 n=10, =0.20) = 10C8*(0.20)*(1-0.20) = P(x=8 n=10, =0.20) = 10C8*(0.20)*(1-0.20) = Use la Calculadora o la Tabla de Distribución Binomial - Págs
36 Caso I. Sólo 20% de los empleados de la población civil que está en una base militar restringida, porta su identificación personal. Si llegan 10 empleados, cuál es la probabilidad de que el guardia de seguridad encuentre: b. Cuatro empleados con identificación? Probabilidad de una x n-x Distribución Binomial P(x) = ncx () (1-) n = 10 empleados = 0.20 x = P(x=4 n=10, =0.20) = 10C4 (0.20) (1-0.20) = Use la Calculadora o la Tabla de Distribución Binomial - Págs
37 Caso I. Sólo 20% de los empleados de la población civil que está en una base militar restringida, porta su identificación personal. Si llegan 10 empleados, cuál es la probabilidad de que el guardia de seguridad encuentre: c. A lo sumo 5 empleados con identificación? Probabilidad de una x n-x Distribución Binomial P(x) = ncx () (1-) n = 10 empleados = 0.20 x 5 P(x 5 n=10, =0.20) = P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4) + P(X=5) = Evento A Distribución Binomial Acumulada esta comprende un rango de valores. Use la Calculadora o la Tabla de Distribución Binomial Acumulada - Págs
38 P(X) Binomial distribution (n = 10, p = 0.2) X Binomial distribution 10 n 0.2 p cumulative X P(X) probability expected value variance standard deviation
39
40 Caso I. Sólo 20% de los empleados de la población civil que está en una base militar restringida, porta su identificación personal. Si llegan 10 empleados, cuál es la probabilidad de que el guardia de seguridad encuentre: d. Por lo menos 4 empleados con identificación? Probabilidad de una x n-x Distribución Binomial P(x) = ncx () (1-) n = 10 empleados = 0.20 x 4 P(x 4 n=10, =0.20) = 1 - P(x 3 n=10, =0.20) = = Evento A' Evento A Use la Calculadora o la Tabla de Distribución Binomial Acumulada - Págs
41 Caso I. Sólo 20% de los empleados de la población civil que está en una base militar restringida, porta su identificación personal. Si llegan 10 empleados, cuál es la probabilidad de que el guardia de seguridad encuentre: e. Entre 4 y 7 empleados inclusive con identificación? Probabilidad de una x n-x Distribución Binomial P(x) = ncx () (1-) n = 10 empleados = x 7 P(4 x 7 n=10, =0.20) = P(x 7 n=10, =0.20) - P(x 3 n=10, =0.20) Evento A P(x3) P(x 7) Use la Calculadora o la Tabla de Distribución Binomial Acumulada - Págs
42 Caso II. El 80% de los estudiantes de Métodos Cuantitativos del maestro Rubén Estrella pueden conectarse a INTERNET. Cuál es la probabilidad de que en el próximo fin de semana de 10 estudiantes seleccionados aleatoriamente, 6 estén conectados para verificar si le llego el archivo de "distribución de probabilidades"? Probabilidad de una x n-x Distribución Binomial P(x) = ncx () (1-) n = 10 estudiantes = 0.80 donde 0.80 > 0.50 x = 6
43 Caso II. El 80% de los estudiantes de Métodos Cuantitativos del maestro Rubén Estrella pueden conectarse a INTERNET. Cuál es la probabilidad de que en el próximo fin de semana de 10 estudiantes seleccionados aleatoriamente, 6 estén conectados para verificar si le llego el archivo de "distribución de probabilidades"? n = 10 estudiantes = 0.80 donde 0.80 > 0.50 x = 6 Cuál es la probabilidad de que no estén conectados (de no éxito)? '= ( = 0.80) ( = 0.20) en lugar de hallar x éxitos en, se halla: n-x fracasos a 1-6 éxitos a = 0.80 = 4 fracasos a = 0.20 P(x=6 n=10, =0.80)=P(x=4 n=10, =0.20) Use la Calculadora o la Tabla de Distribución Binomial - Págs
44
45 Media de una Distribución Binomial. E(X) = = n = np Varianza de una Distribución Binomial. ² = n(1- ) = npq Desviacion ² = n(1- ) = npq Ejercicios 6 al 12 Pág. 113
46 2 CONTROL DE LECTURA LUNES 26 MAYO PUNTOS INTRODUCCION A LAS PROBABILIDADES Y DISTRIBUCION DE PROBABILIDADES (BINOMIAL, HIPERGEOMETRICA, POISSON, NORMAL) PRACTICA N. 2 LUNES 26 MAYO PUNTOS EJERCICIOS DE LA PAG. 98 A PAG. 100 EJERCICIOS DE LA PAG. 106 A PAG. 108
47 Si se selecciona una muestra sin reemplazo de una población finita conocida y contiene una proporción relativamente grande de la población, de manera que la probabilidad de éxito sea perceptiblemente alterada de una selección a la siguiente, debe utilizarse la distribución hipergeometrica. La distribucion hipergeométrica de probabilidad se relaciona estrechamente con la distribucion binomial. La diferencia principal entre las dos estriba en que, con la distribucion hipergeometrica, los intentos no son independientes, y en que la probabilidad de exito cambia de un intento a otro. P(x)=[(rCx)*(N-rCn-x)]/(NCn)
48 P(x)=[(rCx)*(N-rCn-x)]/(NCn) N es el tamaño de la población. r es el número de éxitos en la población. n es el tamaño de la muestra. x es el número de éxitos en la muestra. (r C x) representa la cantidad de manera en las que se puede seleccionar x éxitos de un total de r exitos de la población. (N-r C n-x) representa la cantidad de maneras en que se pueden seleccionar n-x fracasos de un total de N-r fracaso en la población. (N C n) representa la cantidad de formas en las que se puede seleccionar una muestra de tamaño n de un población de tamano N.
49 Caso I. Jovanna Meléndez como gerente de Recursos Humanos debe contratar a 10 personas entre 30 candidatos, 22 de los cuales tienen títulos universitarios. Cuál es la probabilidad de que 5 de los que contrate tengan un titulo? N = 30 candidatos r = 22 candidatos con títulos n = 10 candidatos a contratar x = 5 candidatos con títulos P(x)=[(rCx)*(N-rCn-x)]/(NCn) P(x=5)=[(22C5)*(30-22C10-5)]/(30C10) = [26,334* 56] /30,045,015 = ncr = n!/r!(n-r)! B) Cuál es la probabilidad de que a lo sumo 4 de los que contrate tengan un titulo? P(x4) = P(x=1) + P(x=2) + P(x=3) + P(x=4)
50 P(X) Hypergeometric distribution Hypergeometric distribution (N = 30, S = 22, n = 10) X 30 N, population size 22 S, number of possible occurrences 10 n, sample size cumulative X P(X) probability expected value variance standard deviation
51 Caso IX. De los 15 altos ejecutivos de un negocio de importaciones y exportaciones, se seleccionan 12 para ser enviados al Japón a estudiar un nuevo proceso de producción. Ocho de los ejecutivos ya tienen algo de entrenamiento en el proceso. Cuál es la probabilidad de que 5 de los enviados tengan algo de conocimiento sobre el proceso antes de partir para el lejano oriente?
52 p(x) Hypergeometric distribution Hypergeometric distribution (N = 15, S = 8, n = 12) Series1 15 N, population size 8 S, number of possible occurrences 12 n, sample size cumulative X p(x) probability expected value variance standard deviation 0.00 X
53 Es una distribución de probabilidad discreta que aplica a ocurrencias de algún suceso dentro de un intervalo especificado. La variable aleatoria x es el número de ocurrencias del suceso en el intervalo. El intervalo puede ser tiempo, distancia, área, volumen o alguna unidad similar. Esta mide la probabilidad de un evento aleatorio sobre algún intervalo de tiempo o espacio. Se basa en dos supuestos: 1.- La probabilidad de ocurrencia del evento es constante para dos intervalos cualesquiera de tiempo o espacio de igual longitud. 2.- La ocurrencia del evento en un intervalo es independiente de la ocurrencia de otro intervalo cualquiera. Función de probabilidad x - de Poisson P(x)=( * e ) / x!
54 Función de probabilidad x - de Poisson P(x)=( * e ) / x! x es el número de veces que ocurre el evento. es el número promedio de ocurrencias por unidad de tiempo o de espacio. e = , la base del logaritmo natural. La Media es La desviación estándar es =
55 Caso I. Carmín Guzmán, gerente de trafico de telecomunicaciones del Banco Popular, esta evaluando el flujo de las llamadas telefónicas recibidas. Para tal fin selecciona la central telefónica del Banco Popular de Plaza Central, a la cual llegan 2 llamadas por minuto promedio y se sabe que tiene distribución de Poisson. Si el operador se distrae por un minuto, cual es la probabilidad de que el numero de llamadas no respondidas sea: a) cero? b) Por lo menos 1? c) Entre 3 y 5, inclusive? a) cero? = 2 llamadas / minuto x = 0 llamada no respondida e = Función de probabilidad x - de Poisson P(x)=( * e ) / x!
56 P(X) Poisson distribution Poisson distribution (µ = 2) X 2 mean rate of occurrence cumulative X P(X) probability expected value variance standard deviation
57 Caso I. Carmín Guzmán, gerente de trafico de telecomunicaciones del Banco Popular, esta evaluando el flujo de las llamadas telefónicas recibidas. Para tal fin selecciona la central telefónica del Banco Popular de Plaza Central, a la cual llegan 2 llamadas por minuto promedio y se sabe que tiene distribución de Poisson. Si el operador se distrae por un minuto, cual es la probabilidad de que el numero de llamadas no respondidas sea: a) cero? Función de probabilidad x - de Poisson P(x)=( * e ) / x! Función de probabilidad 0-2 de Poisson P(x = 0 = 2)=(2 * ) / 0! Función de probabilidad Poisson P(x = 0 = 2)= [1 * ]/1 = Use la Calculadora o la Tabla de Distribución de Poisson - Págs
58 Caso I. Carmín Guzmán, gerente de trafico de telecomunicaciones del Banco Popular, esta evaluando el flujo de las llamadas telefónicas recibidas. Para tal fin selecciona la central telefónica del Banco Popular de Plaza Central, a la cual llegan 2 llamadas por minuto promedio y se sabe que tiene distribución de Poisson. Si el operador se distrae por un minuto, cual es la probabilidad de que el numero de llamadas no respondidas sea: b) Por lo menos 1? Función de probabilidad x - de Poisson P(x)=( * e ) / x! Función de probabilidad de Poisson P(x 1 = 2) = 1 - P(x=0 = 2) Use la Calculadora o la Tabla de Distribución de Poisson - Págs
59 Caso I. Carmín Guzmán, gerente de trafico de telecomunicaciones del Banco Popular, esta evaluando el flujo de las llamadas telefónicas recibidas. Para tal fin selecciona la central telefónica del Banco Popular de Plaza Central, a la cual llegan 2 llamadas por minuto promedio y se sabe que tiene distribución de Poisson. Si el operador se distrae por un minuto, cual es la probabilidad de que el numero de llamadas no respondidas sea: c) Entre 3 y 5, inclusive? Función de probabilidad x - de Poisson P(x)=( * e ) / x! Función de probabilidad de Poisson P(3 x 5 = 2) = P( x 5) - P(x 2) = P(x=0) + P(x=1) + P(x=2) + P(x=3) + P(x=4) + P(x=5) - [P(x=0) + P(x=1) + P(x=2)] Evento A P(x 2) P(x 5) Use la Calculadora o la Tabla de Distribución de Poisson - Págs
60 Caso II. El cable utilizado para asegurar las estructuras de los puentes tiene un promedio de 3 defectos por cada 100 yardas. Si usted necesita 50 yardas, cuál es la probabilidad de que haya una defectuosa? cuál es la probabilidad de que haya dos o más defectuosas? Use la Calculadora o la Tabla de Distribución de Poisson - Págs
61 Poisson distribution 1.5 mean rate of occurrence cumulative X P(X) probability expected value variance standard deviation
62
63 La distribución normal es una distribución de datos continuos(*) (no discretos) que produce una curva simétrica en forma de campana. La distribución gaussiana fue presentada por Karl Friedrich Gauss ( ) en el La campana de Gauss o curva de distribución normal, curva de probabilidad normal; se caracteriza por: - Es unimodal. - Es simétrica (la simetría es perfecta). - La mitad izquierda de su histograma es aproximadamente una imagen especular de su mitad derecha. - La asimetría de la distribución es cero. - Las colas de la curva se aproximan más, pero nunca tocan, el eje horizontal.
64 - La media, la mediana y la moda son iguales. - La mitad de las observaciones esta por encima de la media y la mitad esta por debajo. - Si las observaciones están altamente dispersas, la curva en forma de campana se aplanara y se esparcirá. La desviación estándar determina el ancho de la curva. A valores mayores de la desviación estándar se tienen curvas más anchas y bajas, que muestran una mayor dispersión en los datos. - El punto más alto de la curva normal es la media, que tambiés es la mediana y la moda de la distribución. - El área total bajo la curva de la distribución normal de probabilidad es 1. (*) Variables continuas: Son las que pueden tomar cualquier valor dentro de un intervalo dado. Por muy próxima que puedan estar dos observaciones, si el instrumento de medida tiene la precisión suficiente siempre puede haber una tercera observación que caiga entre las dos primeras. Los valores de una variable continua proceden en general de mediciones, por ejemplo las cantidades de leche que las vacas producen son datos continuos porque son mediciones que pueden asumir cualquier valor dentro de un intervalo continuo. Se pueden obtener de un numero infinito de posibles valores que pueden asociarse a puntos de una escala continua, de tal manera que no haya huecos ni interrupciones.
65
66
67
68 La Regla Empírica o Regla Esta regla solo aplica a un conjunto de datos cuya distribución tiene aproximadamente forma de campana. Esta afirma que: - Cerca del 68% de todos los puntajes u observaciones queda a menos de una desviación estándar de la media. - Cerca del 95% de todos los puntajes u observaciones queda a menos de dos desviaciones estándar de la media. - Cerca del 99.7% de todos los puntajes u observaciones que a menos de tres desviaciones estándar de la media.
69
70 La Desviación Normal o Formula Z. Z = (X - ) / Valor de Z Es el número de desviaciones estándar a las que una observación está por encima o por debajo de la media. X es algún valor específico de la variable aleatoria. es la media. es la desviación estándar.
71 Caso I. Claudia Cáffaro en su viaje que realizó en el fin de semana pasado, para reunirse con los funcionarios de la Casa Matriz de diseño de modas a la cual pertenece, determinaron que el público al cual se dirigen estaba en constante cambio en su tamaño físico y en sus proporciones. Por lo que realizaron un estudio y llegaron a la conclusión de que las estaturas de sus clientes estaban distribuidas normalmente alrededor de una media de 67 pulgadas, con una desviación estándar de 2 pulgadas. Si Claudia fuera a expresar en Valor de Z la estatura de dos de sus clientes, que tienen 64 y 73 pulgadas respectivamente. Que debe hacer? También represéntelo gráficamente.
72 Caso I. PAG. 105 Claudia Cáffaro en su viaje que realizó en el fin de semana pasado, para reunirse con los funcionarios de la Casa Matriz de diseño de modas a la cual pertenece, determinaron que el público al cual se dirigen estaba en constante cambio en su tamaño físico y en sus proporciones. Por lo que realizaron un estudio y llegaron a la conclusión de que las estaturas de sus clientes estaban distribuidas normalmente alrededor de una media de 67 pulgadas, con una desviación estándar de 2 pulgadas. Si se selecciona aleatoriamente a un cliente del negocio de Claudia: Cuál es la probabilidad de que la estatura del mismo esté entre 67 y 69 pulgadas? Cuál es la probabilidad de que la estatura del cliente sea superior a 69 pulgadas? Cuál es la probabilidad de que la estatura de esté entre 64.5 y 70.3 pulgadas? Cuál es la probabilidad de que la estatura de esté entre 69.3 y 70.5 pulgadas?
73 Caso I. Claudia Cáffaro en su viaje que realizó en el fin de semana pasado, para reunirse con los funcionarios de la Casa Matriz de diseño de modas a la cual pertenece, determinaron que el público al cual se dirigen estaba en constante cambio en su tamaño físico y en sus proporciones. Por lo que realizaron un estudio y llegaron a la conclusión de que las estaturas de sus clientes estaban distribuidas normalmente alrededor de una media de 67 pulgadas, con una desviación estándar de 2 pulgadas. Si se selecciona aleatoriamente a un cliente del negocio de Claudia: Cuál es la probabilidad de que la estatura del mismo esté entre 67 y 69 pulgadas? Z = (X - ) / Z = (67 67) / 2 = 0/2 = 0 Z = (69 67) / 2 = 2/2 = 1 P(67 X 69) = P(0 Z 1) =
74
75 Caso I. Claudia Cáffaro en su viaje que realizó en el fin de semana pasado, para reunirse con los funcionarios de la Casa Matriz de diseño de modas a la cual pertenece, determinaron que el público al cual se dirigen estaba en constante cambio en su tamaño físico y en sus proporciones. Por lo que realizaron un estudio y llegaron a la conclusión de que las estaturas de sus clientes estaban distribuidas normalmente alrededor de una media de 67 pulgadas, con una desviación estándar de 2 pulgadas. Si se selecciona aleatoriamente a un cliente del negocio de Claudia: Cuál es la probabilidad de que la estatura del cliente sea superior a 69 pulgadas? Z = (X - ) / Z = (69 67) / 2 = 2/2 = 1 P(X > 69) = P(Z > 1) = =
76
77 Caso I. Claudia Cáffaro en su viaje que realizó en el fin de semana pasado, para reunirse con los funcionarios de la Casa Matriz de diseño de modas a la cual pertenece, determinaron que el público al cual se dirigen estaba en constante cambio en su tamaño físico y en sus proporciones. Por lo que realizaron un estudio y llegaron a la conclusión de que las estaturas de sus clientes estaban distribuidas normalmente alrededor de una media de 67 pulgadas, con una desviación estándar de 2 pulgadas. Si se selecciona aleatoriamente a un cliente del negocio de Claudia: Cuál es la probabilidad de que la estatura de esté entre 64.5 y 70.3 pulgadas? Z = (X - ) / Z = ( ) / 2 = -2.5/2 = Z = ( ) / 2 = 3.3/2 = 1.65 P(64.5 X 70.3) = P(-1.25 Z 1.65) = P(64.5 X 70.3) = P(-1.25 Z 1.65) =
78
79 Caso I. Claudia Cáffaro en su viaje que realizó en el fin de semana pasado, para reunirse con los funcionarios de la Casa Matriz de diseño de modas a la cual pertenece, determinaron que el público al cual se dirigen estaba en constante cambio en su tamaño físico y en sus proporciones. Por lo que realizaron un estudio y llegaron a la conclusión de que las estaturas de sus clientes estaban distribuidas normalmente alrededor de una media de 67 pulgadas, con una desviación estándar de 2 pulgadas. Si se selecciona aleatoriamente a un cliente del negocio de Claudia: Cuál es la probabilidad de que la estatura de esté entre 69.3 y 70.5 pulgadas? Z = (X - ) / Z = ( ) / 2 = 2.3/2 = 1.15 Z = ( ) / 2 = 3.5/2 = 1.75 P(69.3 X 70.5) = P(1.15 Z 1.75) = P(69.3 X 70.5) = P(1.15 Z 1.75) = 0.085
80
81 La Desviación Normal o Formula Z. Z = (X - ) / Para hallar el valor de X X - = Z X = Z +
82 Caso X. PAG. 108 Cuál es el ingreso que separa el 10% de la gente más pobre del 90% restante de la población dominicana? Si el ingreso medio es de RD$5,200 y la desviación de RD$1,300. La Desviación Normal o Formula Z. Z = (X - ) / Para hallar el valor de X X - = Z X = Z +
83 normal distribution P(lower) P(upper) z X mean std.dev ,
84 Caso X. PAG. 110 Cuál es el ingreso que separa el 10% de la gente más pobre del 90% restante de la población dominicana? Si el ingreso medio es de RD$5,200 y la desviación de RD$1,300. La Desviación Normal o Formula Z = (X - ) / = 0.4 Z(P(0.4)) = Z(P(0.3997))= 1.28 Z(P(0.4015))= 1.29 Para hallar el valor de X X - = Z X = Z + = *1, ,200 = 3,536
85 Media de una Distribución Binomial. E(X) = = n = np Varianza de una Distribución Binomial. ² = n(1- ) = npq Desviacion = n(1- ) = npq Si n es muy grande. p = = denota probabilidad de tener éxito en uno de los n ensayos. q = denota la probabilidad de fracasar en uno de los n ensayos. p + q = 1 p = 1 q q = 1 p n > 5 np > 5 n(1- ) > 5 nq > 5 Si n es muy grande, np y nq son mayores que 5 y p se aproxima a 0.5, entonces podemos aproximar.
86 Caso XI. PAG.108 El 40% de los sindicalistas del Sindicato quiere huelga. Si seleccionan 15 miembros Cuál es la probabilidad de que 10 apoyen un paro? Probabilidad de una x n-x Distribución Binomial P(x) = ncx () (1-) P(x=10 n=15, =0.40) = 15C10*(0.40)*(1-0.40) = 3003 * * = ) Media de una Distribución Binomial. E(X) = = n = np = 15 * 0.40 = 6 2) Varianza de una Distribución Binomial. ² = n(1- ) = npq = 15 * 0.40 * 0.60 = 3.6 3) Desviacion = n(1- ) = npq = )Factor de Correccion de Continuidad X 0.5 = = 9.5 X = = ) Z = (9.5 6) / = 1.85 Z = (10.5 6) / = ) P(9.5 X 10.5) = P(1.85 Z 2.37) = =
87 PROBABILIDADES Y ESTADISTICAS
88 Caso XII. PÁG. 108 Los registros muestran que 45% de todos los automóviles producidos por Ford Motor Company contienen partes importadas de Japón. Cuál es la probabilidad de que los próximos 200 carros, 115 contengan partes japonesas? REALIZAR LOS CASOS DEL I AL XII DE LAS 108 A 110 DEL MANUAL.
89 Binomial distribution 200 n 0.45 p cumulative X P(X) probability expected value variance standard deviation MEGASTAT PROBABILIDADES Y ESTADISTICAS
90 Caso V. VERIZON registro los mensajes telefónicos para sus clientes, los cuales promediaron 150 segundos, con una desviación estándar de 15 segundos. VERIZON desea determinar la probabilidad de que una sola llamada dure: a) Entre 145 y 150. b) Sea mayor que 145. c) Sea menor que 155. d) Entre 145 y 155. e) Sea Mayor que 155. f) Entre 160 y 170 g) Entre 140 y 145.
91 El Teorema del Limite Central indica que en el caso de muestras grandes (n > 30), la distribución de las medias de muestra es aproximadamente normal con media y desviación estándar /n. Provocando así una variación de la ecuación: Z = (X' - )/( /n) La regla general es que si n es por lo menos 30, el Teorema del Limite Central asegurara una distribución normal en las medias muestrales incluso si la población no es normal.
92 Los factores como el costo y el tiempo a menudo limitan severamente el tamaño de las muestras, y es posible que la distribución normal no sea una aproximación adecuada a la distribución de las medias de muestras pequeñas. En muestras pequeñas, la media de muestra X' generalmente es el mejor estimado puntual de la media de la población.
93 La población padre tiene una distribución esencialmente normal. (Dado que a menudo se desconoce la distribución de la población padre, la estimamos construyendo un histograma con datos de muestra.) Condiciones para usar la Distribución t de Student. La muestra es pequeña (n 30). Se desconoce.
94 La muestra es pequeña (n 30). Se desconoce. La población padre tiene una distribución esencialmente normal. (Dado que a menudo se desconoce la distribución de la población padre, la estimamos construyendo un histograma con datos de muestra.)
95 1.- La distribución t de Student es diferente para los diferentes tamaños de muestra. (Ver Figura 7.3 en la Pág. 177). 2.- La distribución t de Student tiene la misma forma general de campana simétrica que la distribución normal estándar, pero refleja la mayor variabilidad (con distribuciones más amplias) que cabe esperar cuando la muestra es pequeña. 3.- La distribución t de Student tiene una media t=0 (así como la distribución normal estándar tiene una media de Z=0).
96 4.- La desviación estándar de la distribución t de Student varia con el tamaño de la muestra, pero es mayor que 1 (a diferencia de la distribución normal estándar, que tiene =1). Al igual que la distribución Z, la distribución t tiene una media de cero, es simétrica respeto a la media y oscila entre - y +. Sin embargo, mientras que la distribución Z tiene una varianza de ²=1, la varianza de la distribución t es mayor que A medida que aumenta el tamaño de muestra n, la distribución t de Student se acerca mas a la distribución normal estándar. Con valores de n > 30, las diferencias son tan pequeñas que podemos utilizar los valores críticos de z en lugar de crear una tabla mucho más grande de valores críticos de t.
97 ² = (n-1)/(n-3) La varianza depende de los grados de libertad (g.l.), que definimos como el número de observaciones que se pueden escoger libremente. Es el número de observaciones menos el número de restricciones impuestas sobre las observaciones, en donde una restricción es algún valor que tales observaciones deben poseer.
98 g.l. = n - 1 El número de grados de libertad de un conjunto de datos corresponde al número de puntajes que puede variar después de haber impuestos ciertas restricciones a todos los puntajes. Es el número de observaciones menos el número de restricciones impuestas sobre tales observaciones.
99 El estadístico t t = (X'-) / (s / n)
100 Margen de Error para la Estimación de : E = t * s/n Intervalo de Confianza para la estimación de (Basada en una muestra pequeña (n 30) y desconocida) I. C. para estimar = X' E X' - E < < X' + E
101 Caso I. Cuando se usan pruebas destructivas, los elementos de una muestra se destruyen durante el proceso de probarlos. Las pruebas de choques de automóviles son un ejemplo muy costoso de pruebas destructivas. Si usted estuviera encargado de tales pruebas de choque, no querría decirle a su supervisor que necesita chocar y destruir mas de 30 automóviles para poder usar la distribución normal. Supongamos que usted ha probado 12 automóviles deportivos Dodge Viper (Precio d lista actual: US$59,300 dólares) chocándolos en diversas condiciones que simulan colisiones representativas. Un análisis de los 12 automóviles dañados da como resultado costos de reparación cuya distribución al parecer tiene forma de campana, con una media de X'=US$26,227 y una desviación estándar de s=$15,873 (basado en datos de Highway Loss Data Institute). Determine lo siguiente. a) El mejor estimado puntual de la media de población, el costo de reparación medio de todos los Dodge Viper implicados en colisiones. b) El estimado de intervalo del 95% de, el costo de reparación medio de todos los Dodge Viper implicados en colisiones.
102 Solución: a) El mejor estimado puntual de la media de población es el valor de la media de muestra X'. En este caso, entonces, el mejor estimado puntual de es US$26,227 dólares. b) DATOS: n = 12 automóviles deportivos Dodge Viper X'=US$26,227 dólares costo de reparación s =US$15,873 dolares N.F.= 95% ===> t=? I.C. para =? Dada las condiciones anteriores: 1.- La muestra es pequeña (n30). 2.- Se desconoce. 3.- La población padre tiene una distribución esencialmente normal. (Dado que a menudo se desconoce la distribución de la población padre, la estimamos construyendo un histograma con datos de muestra.) podemos usar la Distribución t de Student:
103 g.l. = grados de libertad = g.l. = n-1 = 12-1 = 11 usando la tabla de la distribución t (Pág. 606) con los g.l.=11 y N.C.=95% cuyas colas equivalen a 5% (0.05) determinamos el valor critico t. g.l.=11; I.C. con N.C.=95% (0.950); dos colas=5% (0.050) ==> t=2.201 donde E = t (s/n) E = (15,873/12) = US$10, El intervalo de confianza es: X' - E < < X' + E US$26,227-US$10,085.29< < US$26,227+US$10, US$16,142 < < US$36,312 [Este resultado también podría expresarse en el formato de =US$26,227US$10, o como (US$16,142, US$36,312).] Con base en los resultados de muestra dados, tenemos un 95% de confianza en que los limites de USD16,142 y USD36,312 contendrán realmente el valor de la media de población. Estos costos de reparación parecen muy altos. Efectivamente, el Dodge Viper es actualmente el automóvil más costoso de reparar después de una colisión. Tal información es importante para compañías que aseguran Dodge Vipers contra choques.
104 Caso II. Utilice el grado de confianza y los datos de muestra dados para determinar (a) el margen de error y (b) el intervalo de confianza para la media de la población. 1) Estaturas de mujeres: confianza del 95%; n=10, x'=63.4 pulg., s=2.4 pulg. 2) Promedios de calificaciones: confianza del 99%; n=15, x'=2.76, s=0.88 3) Puntajes en una prueba: confianza del 90%; n=16, x'=77.6, s=14.2 4) Salarios de policías: confianza del 92%; n=19, x'=$23,228, s=$8,779 Caso III. Ejercicios 12 al 18 Págs y Analizar figura 7.4 Pág. 179.
Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo (UNEV 2002)
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesDistribución de probabilidad
Los experimentos aleatorios originan resultados y los resultados nos permiten tomar decisiones Por ejemplo, en un partido de fútbol si se lanza una moneda y sale cara parte la visita, de lo contrario parte
Más detallesDiscretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
Más detallesProbabilidades. Gerardo Arroyo Brenes
Probabilidades Gerardo Arroyo Brenes Teoría de las Probabilidades Experimento: Es toda acción o proceso que produce resultados bien definidos. Ejemplos: Experimento Resultado: Lanzar una moneda Cara o
Más detallesTEMA 3: Probabilidad. Modelos. Probabilidad
TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un
Más detallesAPUNTES SOBRE INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES
APUNTES SOBRE INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES Probabilidad es el experimento libre de determinación P = X * 100 n Reyes Donis, José Luis INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES Probabilidad
Más detallesPROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA
UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función
Más detallesUNIDAD IV PROBABILIDAD
UNIDAD IV PROBABILIDAD Probabilidad de un evento M. en C. Mario Arturo Vilchis Rodríguez EXPERIMENTOS, RESULTADOS Y CONJUNTOS La probabilidad es la posibilidad numérica de que ocurra un evento. La probabilidad
Más detallesProf. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesUniversidad Mariano Gálvez Estadística y probabilidad para Ingeniería Sección B. UNIDAD 2 PROBABILIDAD
Universidad Mariano Gálvez Estadística y probabilidad para Ingeniería Sección B. UNIDAD 2 PROBABILIDAD PRESENTA DRA. EN ING. RITA VICTORIA DE LEÓN ARDÓN 2.Trabajo en equipo 3. Estudio independiente 1.
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detalles3 PROBABILIDAD Y DISTRIBUCION NORMAL
3 PROBABILIDAD Y DISTRIBUCION NORMAL La probabilidad puede ser considerada como una teoría referente a los resultados posibles de los experimentos. Estos experimentos deben ser repetitivos; es decir poder
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesTeorema del límite central
TEMA 6 DISTRIBUCIONES MUESTRALES Teorema del límite central Si se seleccionan muestras aleatorias de n observaciones de una población con media y desviación estándar, entonces, cuando n es grande, la distribución
Más detallesFundamentos de la Teoría de la Probabilidad. Ing. Eduardo Cruz Romero
Fundamentos de la Teoría de la Probabilidad Ing. Eduardo Cruz Romero www.tics-tlapa.com Teoría elemental de la probabilidad (1/3) El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesAnálisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Antofagasta, Junio de 2014 Freddy
Más detallesIng. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo (UNEV 2002)
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E un número real: X: E Ejemplo: Consideremos el experimento
Más detalles2. Conceptos Básicos de Probabilidad. ESTADÍSTICA Esp. Paola G. Herrera S.
2. Conceptos Básicos de Probabilidad ESTADÍSTICA Esp. Paola G. Herrera S. Introducción La probabilidad es la rama de las matemáticas que estudia los fenómenos con incertidumbre. Es un mecanismo por medio
Más detallesESTADÍSTICA INFERENCIAL. Sesión 6: Distribuciones de probabilidad para variables aleatorias continuas
ESTADÍSTICA INFERENCIAL Sesión 6: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Las variables aleatorias discretas son aquellas que toman estrictamente valores enteros,
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 011 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detallesFebrero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
Más detallesDr. Francisco Javier Tapia Moreno. Octubre 14 de 2015.
Dr. Francisco Javier Tapia Moreno Octubre 14 de 2015. Nuestra explicación anterior de intersecciones y uniones indica que nos interesa calcular las probabilidades de sucesos tales como A y B y A o B. Estos
Más detalles1. Experimentos aleatorios
1. Eperimentos aleatorios La eperimentación es útil porque si se supone que llevamos a cabo ciertos eperimentos bajo condiciones esencialmente idénticas se llegará a los mismos resultados. En estas circunstancias,
Más detallesPROBABILIDAD. Es el conjunto de todos los resultados posibles de un experimento aleatorio. Por ejemplo: Experimento: tirar un dado.
1 PROBABILIDAD EXPERIMENTOS Al fijar las condiciones iniciales para un experimento se da lugar a dos tipos de situaciones: a) Experimentos determinísticos: se conoce el resultado. Por ejemplo: si suelto
Más detallesUnidad II: Fundamentos de la teoría de probabilidad
Unidad II: Fundamentos de la teoría de probabilidad 2.1 Teoría elemental de probabilidad El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que se denominan aleatorios, cuya característica
Más detallesUnidad Temática 2 Probabilidad
Unidad Temática 2 Probabilidad Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una F si la rechaza. 1. El experimento que consiste
Más detallesNIVELACIÓN DE ESTADISTICA. Carlos Darío Restrepo
NIVELACIÓN DE ESTADISTICA Qué es la probabilidad? La probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se realiza un experimento. Por ejemplo: tiramos un dado al aire y
Más detallesEstadística Aplicada
Estadística Aplicada Universidad Maimónides 2016 Clase 3. Algunos Conceptos de Probabilidad Pedro Elosegui Conceptos Probabilísticos - Probabilidad: valor entre cero y uno (inclusive) que describe la posibilidad
Más detallesCap. Distribuciones de. probabilidad. discreta. Distribuciones de probabilidad. discreta Pearson Prentice Hall. All rights reserved
Cap 6 36 Distribuciones de Distribuciones de probabilidad discreta probabilidad discreta Variables aleatorias Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio
Más detallesIntroducción. Aplicaciones. Ciencias físicas Ingeniería Negocios Ciencias biológicas y de la salud Ciencias sociales y educación
Introducción La estadística es la ciencia que se ocupa del análisis de datos y del proceso de toma de decisiones acerca del sistema del cual fueron obtenidos los datos. Aplicaciones Ciencias físicas Ingeniería
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesTEMA 1.- PROBABILIDAD.-CURSO 2016/2017
TEMA 1.- PROBABILIDAD.-CURSO 2016/2017 1.1.- Introducción. Definición axiomática de probabilidad. Consecuencias de los axiomas. 1.2.- Probabilidad condicionada. 1.3.- Independencia de sucesos. 1.4.- Teoremas
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detallesLa Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas.
La Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas. Dado un experimento y cualquier evento A: La expresion
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 6 Nombre: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Las variables aleatorias discretas son aquellas
Más detallesEXPERIMENTO ALEATORIO
EXPERIMENTO ALEATORIO En concepto de la probabilidad, un experimento aleatorio es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, en otras palabras,
Más detallesPROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 1: INTRODUCCIÓN A LA PROBABILIDAD
UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 1: INTRODUCCIÓN A LA PROBABILIDAD Datos numéricos o mero azar? 1 Datos numéricos o mero azar? Datos numéricos o mero azar? Gerentes o administradores
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesTema 3. Probabilidad y variables aleatorias
1 Tema 3. Probabilidad y variables aleatorias En este tema: Probabilidad: Experimentos aleatorios, espacio muestral, sucesos. Interpretaciones de la probabilidad. Propiedades de la probabilidad. Probabilidad
Más detallesAXIOMAS DE PROBABILIDAD: REGLA DE LA ADICIÓN
AXIOMAS DE PROBABILIDAD: REGLA DE LA ADICIÓN Conocida ahora la probabilidad de un evento, se pueden reunir ciertas características conocidas como axiomas de probabilidad que satisfacen la probabilidad
Más detallesEspecialización en Métodos Estadísticos (EME) CURSO PROPEDÉUTICO ESTADÍSTICA BÁSICA
Especialización en Métodos Estadísticos (EME) CURSO PROPEDÉUTICO ESTADÍSTICA BÁSICA Enrique Rosales Ronzón, Patricia Díaz Gaspar, mayo 2015 Estadística??? Ciencia, Técnica, Arte Reunir, Organizar, presentar,
Más detallesMODELOS DISCRETOS DE PROBABILIDAD
MODELOS DISCRETOS DE PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Modelo Uniforme Discreto Modelo Uniforme Discreto Sea
Más detallesESTADÍSTICA I. Unidad 4: Resumen de Contenidos Teóricos 1. Mariano Lanza DISTRIBUCIONES DE PROBABILIDAD COMÚNMENTE UTILIZADAS
ESTADÍSTICA I Unidad 4: Resumen de Contenidos Teóricos Mariano Lanza DISTRIBUCIONES DE PROBABILIDAD COMÚNMENTE UTILIZADAS. VARIABLES ALEATORIAS DISCRETAS. Distribución Binomial Definición previa: Prueba
Más detallesTEMA 1.- PROBABILIDAD.- CURSO
TEMA 1.- PROBABILIDAD.- CURSO 2016-2017 1.1.- Introducción. Definición axiomática de probabilidad. Consecuencias de los axiomas. 1.2.- Probabilidad condicionada. 1.3.- Independencia de sucesos. 1.4.- Teoremas
Más detallesAlgunas Distribuciones EstadísticasTeóricas. Aproximación de la Distribución Binomial por la Distribución de Poisson
Algunas Distribuciones EstadísticasTeóricas Distribución de Bernoulli Distribución de Binomial Distribución de Poisson Aproximación de la Distribución Binomial por la Distribución de Poisson Distribución
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesHOJA DE TRABAJO UNIDAD 3
HOJA DE TRABAJO UNIDAD 3 1. Defina que es probabilidad Es el estudio de experimentos aleatorios o libres de determinación, el resultado es al azar. Se refiere al estudio de la aleatoriedad y a la incertidumbre.
Más detallesESTADISTICA GENERAL. PROBABILIDADES Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL PROBABILIDADES Profesor: Celso Celso Gonzales OBJETIVOS Desarrollar la comprensión de los conceptos básicos de probabilidad. Definir que es probabilidad Definir los enfoques clasico,
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesLa Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas.
La Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas. Dado un experimento y cualquier evento A: La expresión
Más detalles( x) Distribución normal
Distribución normal por Oliverio Ramírez La distribución de probabilidad más importante es sin duda la distribución normal (o gaussiana), la cual es de tipo continuo. La distribución de probabilidad para
Más detalles2.3 PROPIEDADES DE LA PROBABILIDAD
2.3 PROPIEDADES DE LA PROBABILIDAD 1. La probabilidad es positiva y menor o igual que 1. 0 p( 1 2. La probabilidad del suceso seguro es 1. p (E) = 1 3. Si A y B son incompatibles, es decir A B = entonces:
Más detallesTEMA 1.- PROBABILIDAD.- CURSO
TEMA 1.- PROBABILIDAD.- CURSO 2017-2018 1.1.- Introducción. Definición axiomática de probabilidad. Consecuencias de los axiomas. 1.2.- Combinatoria. Regla del producto 1.2.- Probabilidad condicionada.
Más detallesJuan Carlos Colonia P. PROBABILIDADES
Juan Carlos Colonia P. PROBABILIDADES EXPERIMENTO ALEATORIO Se conocen todos los resultados posibles antes de realizar el experimento. Antes de realizar el experimento no se puede conocer el resultado
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesPruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio Propuesta A
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2011 - Propuesta A 1. Dada la ecuación matricial I + 3 X + A X B. Se pide:
Más detallesDistribuciones de probabilidad Discretas
Distribuciones de probabilidad Discretas Distribución Uniforme Discreta Definición Una variable aleatoria X, tiene una distribución uniforme discreta, si cada uno de los valores x 1, x 2,.. x n, tiene
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesDistribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio
Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población),
Más detallesConcepto de Probabilidad
Concepto de Probabilidad Prof. Miguel Hesiquio Garduño. Est. Mirla Benavides Rojas Depto. De Ingeniería Química Petrolera ESIQIE-IPN hesiquiogm@yahoo.com.mx mbenavidesr5@gmail.com PROBABILIDAD En cualquier
Más detallesAlgunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesTema 12: Distribuciones de probabilidad
Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:
Más detallesPROBABILIDAD ALGUNAS DEFINICIONES
PROBABILIDAD La probabilidad es la rama de la matemática que mide la incertidumbre. Si bien es cierto que surgió de los juegos de azar, en la actualidad tiene variadas aplicaciones. Para calcular el tamaño
Más detallesProbabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro
Probabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro La probabilidad nos proporciona un modelo teórico para la generación de los datos experimentales Medidas de la Posibilidad
Más detallesCapítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved
Capítulo 37 Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La distribución de probabilidad uniforme Hasta ahora hemos
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 3. Probabilidad y variable aleatoria
Estadís5ca Tema 3. Probabilidad y variable aleatoria María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesCap. 5 : Distribuciones muestrales
Cap. 5 : Distribuciones muestrales Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 18 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Experimento aleatorio Probabilidad Definición variable aleatoria: discretas y continuas Función de distribución y medidas Distribución Binomial Distribución de Poisson Distribución
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Probabilidad Ing. Ivannia Hasbum., M.Eng. Todos los días tomamos decisiones pero no las tomamos a ciegas, imaginar las probabilidades de varios resultados posibles nos ayuda
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesProbabilidad, Variable Aleatoria Pag 1 de 26 PROBABILIDAD
Probabilidad, Variable Aleatoria Pag 1 de 6 PROBABILIDAD Actualmente la teoría de probabilidades desempeña un papel importante en el campo de los negocios, la investigación, específicamente en la toma
Más detalles8.1. Sección. Distribución de la media muestral Pearson Prentice Hall. All rights reserved
Sección 8.1 Distribución de la media muestral 2010 Pearson Prentice Hall. All rights reserved Términos importantes variable aleatoria (v.a.) es un número real cuyo valor se determina al azar y mediante
Más detallesMATEMÁTICAS BÁSICAS PROBABILIDAD
MATEMÁTICAS BÁSICAS PROBABILIDAD Autora: Alejandra Sánchez Departamento de Matemáticas Sede Bogotá 10 de diciembre de 2013 Introducción a la Probabilidad Definición espacio muestral y eventos Definición
Más detallesCUÁL SERIA LA PREDICCION OPTIMA DEL ESTADO DEL TIEMPO AL DIA SIGUIENTE?
TEOREMA DE BAYES Explica como considerar matemáticamente la nueva información en la toma de decisiones. P( AΙB) = P( A B) P( B) = P( A) P( BΙA) P( B) PROBLEMA: En cierto lugar llueve el 40% de los días
Más detallesMétodos Estadísticos Capítulo II
Métodos Estadísticos Capítulo II Dr. Gabriel Arcos Espinosa Contenidos El campo de la probabilidad y estadística Conceptos básicos Enfoque para asignar probabilidades Contenidos Reglas de probabilidad
Más detallesSección. Aplicaciones de la Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved
Sección 3 7.2 Aplicaciones de la Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La tabla normal La tabla normal (cont)
Más detallesDISTRIBUCIONES DE PROBABILIDAD DISCRETA
Probabilidad DISTRIBUCIONES DE PROBABILIDAD DISCRETA Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 4.1-1 Combinando métodos descriptivos y probabilidades En este capítulo vamos
Más detallesa) La probabilidad de que haya exactamente dos zurdos. b) P(x 2) c) P(x < 2) d) P(1 x 4)
Probabilidad Binomial 1.- Supóngase que el 24 por ciento de cierta población tiene sangre tipo B. A partir de una muestra de 20 individuos extraída esa población, calcular la probabilidad: p = 0.24 n =
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 3 PROBABILIDADES Definiciones Algunas definiciones en Probabilidades Teoría de conjuntos Espacio muestral (E) Evento o suceso Eventos mutuamente excluyentes
Más detallesEstadística Aplicada
Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.
Más detallesIntroducción a la probabilidad. Introducción a la probabilidad. Introducción a la probabilidad. Introducción. Objetivos del tema:
Introducción a la probabilidad Introducción a la probabilidad Introducción Objetivos del tema: l final del tema el alumno será capaz de: Comprender y describir los sucesos de un experimento mediante gráficos,
Más detallesTema 2 Modelos de probabilidad
Tema 2 Modelos de probabilidad José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Estructura de este tema Conceptos básicos de probabilidad. Modelos discretos: la distribución
Más detallesDistribuciones de probabilidad discretas
Lind, Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. Distribuciones de probabilidad discretas Capítulo 6 FVela/ McGraw-Hill/Irwin
Más detalles