FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS ACADEMIA DE PROBABILIDAD Semestre:
|
|
- Benito Acuña Agüero
- hace 5 años
- Vistas:
Transcripción
1 FAULTAD DE INGENIERÍA DIVISIÓN DE IENIAS BÁSIAS OORDINAIÓN DE IENIAS APLIADAS AADEMIA DE PROBABILIDAD Semestre: 07- SOLUIÓN SERIE MODELOS PROBABÍLISTIOS DISRETOS. Un ingeniero para su empresa de fabricación de computadoras compra, a un proveedor, grandes cantidades de un cierto componente electrónico y ha adoptado un plan para aceptar cada uno de los envíos de éstos, el cual consiste en inspeccionar una muestra aleatoria de componentes. Si el comprador encuentra a lo más dos componentes defectuosos en la muestra acepta el lote enviado por el proveedor. Se sabe por registros de la empresa que los envíos de este proveedor traen el 6% de componentes defectuosos. a) uál es la probabilidad de que el lote sea aceptado? b) uál es el número esperado de los componentes defectuosos que deberá esperar el ingeniero siempre que revise una muestra de componentes? c) uál es la probabilidad de que se presente en dicha muestra el primer componente defectuoso en el tercero que se revisa? d) uál es la probabilidad de que se presente en la muestra el segundo componente defectuoso en el quinto que se revisa? a) ~ Bin [n =, p = 0.6] = Número de componentes defectuosos (éito). P(Aceptación) = P(Salgan en la muestra ninguno ó uno ó dos componentes defectuosos) P(Aceptación) = 0 (0.84) (0.6) 0 0 (0.6) (0.84) (0.6) (0.84) (0.6) (0.84) b) μ = n p = (0.6) =.6 componentes c) ~ Geom [p = 0.6] = número de pruebas hasta que aparece el primer componente defectuoso (éito) G( = 3; p = 0.6) = p - q = (0.84) (0.6) = 0.9 d) ~ Bin Neg.[r =, p = 0.6] = p q = Número de pruebas hasta que aparece el segundo componente defectuoso (éito) r 9 r 4 3 B*( = ; r =, p = 0.6) (0.6) (0.84) El gerente de un restaurante que sólo da servicio mediante reservas sabe, por eperiencia, que el 0% de las personas que reservan una mesa no asistirán. Si el restaurante acepta reservas pero sólo dispone de 0 mesas, cuál es la probabilidad de que a todas las personas que asistan al restaurante se les asigne una mesa? Sea Y= número de mesas ocupadas (éito) Probabilidad de éito p= 0.8 de ocupar la mesa, de acuerdo con el enunciado del ejercicio. Suponiendo que las distintas reservas son independientes entre sí, se tiene que, de un total de n reservas, n=. Entonces, para aquellas personas que asistan al restaurante de las que han hecho la reserva puedan disponer de una mesa, debe ocurrir que se ocupen 0 o menos mesas. Así se tiene que: Binomial _SOL_SERIE_Mod_Prob_Discretos
2 0 i P Y 0 * 0.8 * 0. i % i 0 i 3. De la eperiencia en semestres pasados se sabe que en una prueba de conocimientos generales aplicada al azar acreditan el 60% de los sustentantes. uál es la probabilidad de que en un grupo de 39 alumnos a) acrediten 6 alumnos? b) acrediten todos? c) reprueben? d) reprueben todos? a) onsideramos aprobar un éito, por lo que p 0.6 y q 0.4 X binomial n 39, p 0.6, P X b) onsideramos aprobar un éito, por lo que p 0.6 y q 0.4 b n 39, p 0.6, P X c) onsideramos reprobar un éito, por lo que p 0.6 y q 0.4 b n 39, p 0.4, 4 39 P X d) onsideramos reprobar un éito, por lo que p 0.6 y q 0.4 b n 39, p 0.6, P X Un pediatra desea reclutar parejas, cada una de las cuales espera a su primer hijo, para participar en un nuevo régimen de alumbramiento natural. Sea p=p(una pareja seleccionada al azar está de acuerdo en participar). Si p=0., a) uál es la probabilidad de que parejas tengan que ser entrevistadas antes de encontrar que estén de acuerdo en participar? Es decir, con S=éito=(está de acuerdo en participar) uál es la probabilidad de que ocurran fallas antes del º éito? b) uál es la probabilidad de que cuando mucho se observen fallas (cuando mucho con parejas entrevistadas)? En este caso se trata de una distribución binomial negativa. r nb ; r, p p p, 0,,,... r r a) donde: =número de fallas que preceden al éito r-ésimo. r. El eperimento continúa (se realizan ensayos) hasta que un total de r éitos hayan sido observados, donde r es un entero positivo especificado. P=probabilidad de éito=s. Sustituyendo r= éitos (con el º y último éito) P=0. y = fallas precediendo al r-ésimo éito. ;, nb;,0. nb r p 4 P X nb ;,0. P X 0 07_SOL_SERIE_Mod_Prob_Discretos
3 Un lote contiene 0 piezas de un proveedor de tubería local y 00 unidades de un proveedor de tubería del estado vecino. Si se seleccionan cuatro piezas al azar y sin reemplazo, a) cuál es la probabilidad de que todas sean del proveedor local? b) uál es la probabilidad de que dos o más piezas de la muestra sean del proveedor local? c) uál es la probabilidad de que al menos una pieza de la muestra sea del proveedor local? a) Sea X igual al número de piezas de la muestra del proveedor local (éito). b) Entonces, tiene una distribución hipergeométrica y la probabilidad pedida es P(=4). Por consiguiente, P % c) d) P P % P P Si un profesor califica como entregada una tarea en un grupo de 0 alumnos, pero revisa a detalle sólo 7 de esas tareas. uál es la probabilidad de que descubra que alguien hizo trampa dado que cinco alumnos entregaron tareas idénticas. X hipergeométrica N=0 n=7 k= = tareas iguales (éito), por lo que X=,3,4, Aunque el resultado para = se obtiene mediante h(n=0, n=7, k=, ) P X _SOL_SERIE_Mod_Prob_Discretos 3
4 No puede hacerse para =, ya que se necesitan o más tareas para comparar. Por lo tanto calculamos para P(X = ) = 0.3 P(X = 3) = P(X = 4) = P(X = ) = 9.94 X -06 La probabilidad de descubrir la trampa es P X Supongamos que el número de imperfecciones en un alambre delgado de cobre sigue una distribución de Poisson con una media de.3 imperfecciones por milímetro. a) Determine la probabilidad de imperfecciones en un milímetro de alambre. b) Determine la probabilidad de imperfecciones en milímetros de alambre. c) Determine la probabilidad de al menos una imperfección en mm de alambre a) Determine la probabilidad de imperfecciones en un milímetro de alambre. Se tiene λ = E() =.3 imperfecciones X:v.a.d. número de imperfecciones (éito) Poisson P %!.3 e.3 b) Determine la probabilidad de imperfecciones en milímetros de alambre. Sea que X denote el número de imperfecciones en milímetro de alambre. Entonces, X tiene una distribución Poisson con λ = E() = mm.3 imperfecciones/mm =. imperfecciones. Por lo tanto,. e. P 0.9.9%! c) Determine la probabilidad de al menos una imperfección en mm de alambre. Sea que denote el número de imperfecciones en milímetros de alambre. Entonces, X tiene una distribución de Poisson con λ = E() = mm.3 imperfecciones / mm = 4.6 imperfecciones Por lo tanto, 4.6 P P 0 e % 8. El chef de un restaurante prepara una ensalada revuelta que contiene, un número esperado de cinco vegetales por día. Encuentre la probabilidad de que la ensalada contenga más de cinco vegetales a) En un día dado. b) En tres de los siguientes cuatro días c) Por primera vez en abril, el día a) Utilizando la distribución de Poisson con λ = encontramos que: P( ) 0 e! b) Utilizando la distribución binomial con p = 0.384, n = 4 y =3, obtenemos: 4 P( 3) (0.384) 3 3 (0.66) _SOL_SERIE_Mod_Prob_Discretos 4
5 c) Utilizando la distribución geométrica con p = y =, obtenemos: P( ) (0.384 ) (0.66 ) Sea X la v. a. que representa el número de ensayos hasta encontrar el primer motor no defectuoso. 9. Un gran lote de llantas contiene % de defectuosos, y de ahí se elegirán cuatro para colocarlas en un auto. a) obtener la probabilidad de que seis llantas deban seleccionarse del lote para obtener cuatro en buen estado. X Geometrica (p = 0.9) P( X = ) = (0.)(0.9) = 0.09 b) calcular el valor esperado y la varianza del número de selecciones que deben efectuarse para obtener cuatro llantas sin defectos. Sea Y el número de llantas que deben ser seleccionadas hasta encontrar cuatro en buen estado. p=probabilidad de llanta en buen estado = 0.9 Y ~ binomial negativa (r=4, p=0.9) a) P(Y = 6) = ( 6 4 ) (0.9)4 (0.) = b) E(Y) = r p = = Var(Y) = r( p) p = 4(0.) (0.9) = Suponer que el % de los motores fabricados en determinada línea de montaje son defectuosos. Si se seleccionan al azar los motores, uno a la vez, para su prueba, calcular la probabilidad de que se encuentre el primer motor defectuoso en el segundo intento. 07_SOL_SERIE_Mod_Prob_Discretos
Apuntes de Clases. Modelos de Probabilidad Discretos
2010 Índice 1. Distribución de Bernouilli 2 2. Distribución Binomial 3 3. Distribución Hipergeométrica 3.1. Aproximación Binomial de la distribución Hipergeométrica............. 7 4. Distribución Geométrica
Más detallesEJERCICIOS DE DISTRIBUCION NORMAL, BINOMIAL Y POISSON
EJERCICIOS DE DISTRIBUCION NORMAL, BINOMIAL Y POISSON 1. Si 15 de 50 proyectos de viviendas violan el código de construcción, Cuál es la probabilidad de que un inspector de viviendas, que selecciona aleatoriamente
Más detallesGuía de Modelos Probabilísticos
Guía de Modelos Probabilísticos 1. Distribución Binomial 1. Una máquina produce cierto tipo de piezas de las cuales el 5 % son defectuosas. Se seleccionan en forma independiente 5 piezas al azar. Calcule
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
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 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 detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
Más detallesVariables Aleatorias
Objetivos de la práctica: Variables Aleatorias Objetivo general: Al finalizar la práctica, el estudiante deberá conocer el concepto de variable aleatoria discreta y continua, el concepto de distribución
Más detallesVariables aleatorias 1. Problema 1
Variables aleatorias 1 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Variables aleatorias Problema 1 La dimensión de ciertas piezas sigue una distribución normal
Más detallesVariables Aleatorias Discretas
Profesor Alberto Alvaradejo Ojeda 9 de septiembre de 2015 Índice 1. Variable aleatoria 3 1.1. Discretas...................................... 3 1.2. Continuas..................................... 3 1.3.
Más detallesCondiciones para una distribución binomial
ESTADÍSTICA INFERENCIAL FUNCIONES DE PROBABILIDAD DISCRETAS: BINOMIAL y POISSON EJERCICIOS RESUELTOS DE FUNCIÓN DE PROBABILIDAD BINOMIAL USANDO TABLAS y EXCEL Prof.: MSc. Julio R. Vargas A. Fórmulas de
Más detallesPROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL SOLUCIÓN
FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL SOLUCIÓN Usando las frecuencias relativas, se tiene: b) La
Más detallesDistribuciones Dis de probabilidad pr discretas Jhon Jairo Jair Pa P dilla a A., PhD. PhD
Distribuciones de probabilidad discretas Jhon Jairo Padilla A., PhD. Introducción A menudo, las observaciones de diferentes experimentos aleatorios tienen el mismo tipo general de comportamiento. Las v.a.
Más detallesDistribuciones Discretas
Capítulo 4 Distribuciones Discretas 4.1. Distribución Bernoulli Un experimento Bernoulli es un experimento aleatorio, cuyos resultados pueden clasificarse de dos maneras mutuamente excluyentes y exhaustivas,
Más detallesUNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA 3: VARIABLES ALEATORIAS DISCRETAS Profesores: Jaime Arrué A. - Hugo S. Salinas. Primer Semestre
Más detallesAsignatura: Probabilidad y Estadística (LM-PM)
FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA ESCUELA DE CIENCIAS EXACTAS Y NATURALES DEPARTAMENTO DE MATEMÁTICA Asignatura: Probabilidad y Estadística (LM-PM) - 2018 Docentes a cargo: Pablo Torres
Más detallesDistribución de Probabilidad
Distribución de Probabilidad Variables discretas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Modelos probabilísticos Un modelo es una
Más detallesESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES DISCRETAS Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL PRINCIPALES DISTRIBUCIONES DISCRETAS Profesor: Celso Celso Gonzales OBJETIVOS Describir las características de las distribuciones de probabilidad de: Binomial, Hipergeometrica y Poisson
Más detallesDistribuciones de variables aleatorias discretas con nombre propio
Distribuciones de variables aleatorias discretas con nombre propio Objetivos de la práctica: Objetivo general: Al finalizar la práctica, el estudiante estará en capacidad de modelar fenómenos mediante
Más detallesProfesores: M. Guerrero - J. Pérez - C. Olivares - J. Rozas 09 de julio de Examen Probabilidad y Estadísticas
09 de julio de 013 Examen Probabilidad y Estadísticas 1) Una cadena de tiendas de pintura produce y vende pinturas de látex y esmaltes. Con base en las ventas de largo plazo, la probabilidad de que un
Más detallesESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016
ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016 Ejercicio 1 Una empresa de selección de personal llama a 12 postulantes para una entrevista de empleo. Se sabe por experiencia
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detalles[ ] [ 0,5( )] [ ] 0,5
85.-Si el 0,5 % de las piezas que fabrica una máquina son defectuosas. Cuál es la probabilidad de obtener alguna pieza defectuosa de 0? X número de piezas defectuosas de 0 x B(0,0,05) Px ( > 0) Px ( 1)
Más detallesApellido y Nombres: Fecha: Carrera: Calificación 1ª Parte: Legajo: Calificación 2ª Parte: DNI: Calificación Definitiva:
Cátedra: Probabilidad y Estadística Apellido y Nombres: Fecha: Carrera: Calificación 1ª Parte: Legajo: Calificación 2ª Parte: DNI: Calificación Definitiva: Atención! Para aprobar el examen se debe alcanzar
Más detallesVariables aleatorias
Análisis de datos y gestión veterinaria Variables aleatorias discretas y distribuciones Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 3 de Noviembre de 2011
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 detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #3 Tema: Distribución Discreta Prof.: MSc. Julio Rito Vargas A. Grupo:CCEE y ADMVA /2016 Objetivos: Definir la función de probabilidad
Más detallesTema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema:
Tema 4: Variables aleatorias Tema 4: Variables Aleatorias Distribución de Bernouilli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 3
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 3 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 5 Distribuciones de probabilidad discretas Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Distinguir las características de las distribuciones de
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Una prueba de hipótesis es una técnica de Inferencia Estadística que permite comprobar si la información que proporciona una muestra observada concuerda (o no) con la hipótesis estadística
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 4 Nombre: Distribuciones de probabilidad para variables Contextualización En la sesión anterior se definió el concepto de variable aleatoria
Más detallesDiagrama de Frecuencia Relativa
PROBABILIDAD Y ESTADÍSTICA ININ00 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN. La gráfica siguiente representa el número de hijos por familia, en un grupo de familias encuestadas. 6 Número de hijos
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA SEGUNDA PRUEBA PARCIAL Profesor: Hugo S. Salinas. Segundo Semestre 2008 1. El problema de Galileo.
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 detallesLa distribución bionomial negativa se emplea para determinar el enésimo éxito en la enésima oportunidad o evento
La distribución bionomial negativa se emplea para determinar el enésimo éxito en la enésima oportunidad o evento Hay que considera que esta distribución es lo contrario de la distribución binomial ya que
Más detalles85.-Si el 0,5 % de las piezas que fabrica una máquina son defectuosas. Cuál es la probabilidad de obtener alguna pieza defectuosa de 20?
Ejercicios T10a- MODELOS ESPECÍFICOS UNIVARIANTES A 85.-Si el 0,5 % de las piezas que fabrica una máquina son defectuosas. Cuál es la probabilidad de obtener alguna pieza defectuosa de 20? X= número de
Más detallesSESION 12 LA DISTRIBUCIÓN BINOMIAL
SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:
Más detallesTEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...
TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones
Más detallesEstadística Modelos probabilísticos discretos
Estadística Modelos probabilísticos discretos MODELOS ALEATORIOS Al considerar variables aleatorias distintas caemos en la cuenta de que sus comportamientos respecto a la distribución de probabilidad,
Más detalles4. Modelos Multivariantes
4. Curso 2011-2012 Estadística Distribución conjunta de variables aleatorias Definiciones (v. a. discretas) Distribución de probabilidad conjunta de dos variables aleatorias X, Y Función de distribución
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 detallesJuan José Hernández Ocaña
En la mayoría de los casos el muestreo se realiza sin reemplazo, por lo tanto si el tamaño de la población es reducido, la probabilidad de cada observación cambiará Como la probabilidad de éxito no es
Más detallesVARIABLES ALEATORIAS Variable: Característica de los individuos u objetos
1 Definiciones VARIABLES ALEATORIAS Variable: Característica de los individuos u objetos Aleatoria: Azar 1. Una variable aleatoria ( v.a.) es una función que asigna un número real a cada resultado en el
Más detallesRelación 4. Modelos discretos de distribuciones.
Relación 4. Modelos discretos de distribuciones. 1. Si se lanzan dos dados diez veces al aire, cuál es la probabilidad de que en más de la mitad de las ocasiones se obtenga una suma par de puntos? 2. Una
Más detalles8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
Más detallesTema 4. Distribución Binomial y Poisson
Universidad de Los Andes Facultad de Ciencias Económicas y Sociales Escuela de Administración y Contaduría Estadística I Sección 06 - I2016 Prof. Douglas Rivas Tema 4. Distribución Binomial y Poisson Conceptos
Más detallesTEMA 6. Distribuciones
TEMA 6. Distribuciones Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 6. Distribuciones 1 / 16 Probabilidad= Distribución= Distribución de Probabilidad Cuando queremos conocer
Más detallesMatemática 3 Curso 2013
Matemática 3 Curso 2013 Práctica 3: Variables aleatorias discretas. Funciones de distribución Binomial, Geométrica, Hipergeométrica, Poisson. 1) Dadas las siguientes funciones, determinar cuales son funciones
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 detallesRELACIÓN DE PROBLEMAS. Distribuciones de probabilidad
RELACIÓN DE PROBLEMAS Distribuciones de probabilidad 1. Se lanzan al aire dos monedas tres veces consecutivas. Sea X la v.a. que representa el número de veces que se obtiene cara en ambas monedas en los
Más detalles1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2.
Ejercicios y Problemas. Capítulo III 1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2. (a) Calcular P (X = 0), P (X = 1), P (X = 2), P (X = 3), utilizando la función
Más detallesUNIDAD III VARIABLEA ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDADES
UNIDAD III VARIABLEA ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDADES VARIABLE ALEATORIA DISCRETA. Definición. Se dice que una v.a es discreta si el conjunto de todos los valores que puede tomar es un conjunto,
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 detallesVARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS.
VARIABLE ALEATORIA CONTINUA VARIABLES ALEATORIAS CONTINUAS º Bto. CC.SS. Una variable aleatoria es continua si puede tomar, al menos teóricamente, todos los valores comprendidos en un cierto intervalo
Más detallesProbabilidad condicional
4 Profra. Blanca Lucía Moreno Ley March 18, 2014 Sumario 1 Resumen 2 Probabilidad Supongamos que un experimento E tiene un espacio muestral U y un evento A está definido en dicho espacio muestral, entonces
Más detallesINGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005
INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005 1. En una pequeña empresa con 60 empleados, 25 son personal de fábrica y están cobrando unos sueldos semanales (en euros) en función a su antigüedad de: 300
Más detallesPrincipales leyes de distribución de variables aleatorias
Capítulo 6 Principales leyes de distribución de variables aleatorias 6.1. Introducción Como complemento al capítulo anterior en el que definimos todos los conceptos relativos a variables aleatorias, describimos
Más detallesNOMBRE Apellido Paterno Apellido Materno Nombre (s)
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIONES
Más detallesvariables discretas: toman un conjunto finito o infinito numerable (que se pueden contar) de valores
Capítulo 4 Variables aleatorias discretas 4.1 Introducción 4.2 Distribución binomial 4.3 Distribución de Poisson 4.4 Función de probabilidad. Función de distribución 4.1. Introducción Recordemos que una
Más detallesDISTRIBUCIÓN DE POISSON
DISTRIBUCIÓN DE POISSON P O I S S O N Siméon Denis Poisson, (1781-1840), astronauta francés, alumno de Laplace y Lagrange, en Recherchés sur la probabilité des jugements..., un trabajo importante en probabilidad
Más detallesESTADÍSTICA ÁREA CIENCIAS BÁSICAS
ÁREA IENIAS BÁSIAS ESTADÍSTIA GUÍA N º 3 PROBABILIDADES 1) Durante el transcurso de un día, una máquina produce tres artículos, cuya calidad individual, definida como defectuosa o no defectuosa, se determina
Más detallesb) Si decides elegir el trabajo que con más probabilidad te permita ganar más de 900 euros al mes, qué trabajo debes elegir?
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Hoja 4, curso 2006 2007. Ejercicio 1. Suponer que los cuatro motores de una aeronave comercial se disponen para que
Más detallesJuan Carlos Colonia DISTRIBUCIONES DISCRETAS IMPORTANTES
Juan Carlos Colonia DISTRIBUCIONES DISCRETAS IMPORTANTES BIBLIOGRAFÍA Walpole, Ronal E., Myres, Raymond H., Myres, Sharon L.: Probabilidad y Estadística para Ingenieros. McGraw Hill-Interamericana. Canavos
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 detallesAPUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS TEMA IV. MODELOS PROBABILISTICOS COMUNES.
TEMA IV. MODELOS PROBABILISTICOS COMUNES. DISTRIBUCION DE BERNOULLI SI EN UN EXPERIMENTO SOLO APARECEN DOS POSIBLES RESULTADOS: ÉXITO O FRACASO, A DICHO EXPERIMENTO SE LE LLAMA DE BERNOULLI. EJEMPLO: SE
Más detallesESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Solución. Curso 2016
ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico Solución. Curso 016 Ejercicio 1 Suponemos que hay independencia en la concurrencia o no entre las personas. Dado este supuesto y las características
Más detalles04 Funciones de masa de probabilidad discretas. Contenido. Sobre la selección de las FMPs/FDPs. FMP de Bernoulli
04 Funciones de masa de probabilidad discretas Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales FMPs Bernoulli FMPs binomial FMPs Poisson FMP geométrica Contenido
Más detallesTema 4. MODELOS DE DISTRIBUCIONES DISCRETOS.
Estadística Tema 4 Curso /7 Tema 4. MODELOS DE DISTRIBUCIONES DISCRETOS. Objetivos Conceptos: Conocer los siguientes modelos discretos de probabilidad: uniforme, binomial, geométrico y Poisson. De cada
Más detallesObjetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria
Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza
Más detallesGeneralidades 1. Sea X una variable aleatoria continua con función densidad dada por
Generalidades 1. Sea X una variable aleatoria continua con función dendad dada por kt f ( t ) = 0 1 t en otro caso Determine a) el valor de la constante k b) E(X) y V(X) c) la función de distribución acumulada
Más detallesProbabilidad, Variables Aleatorias y Distribuciones
GRUPO A Prueba de Evaluación Continua 5-XII-.- Tres plantas de una fábrica de automóviles producen diariamente 00, 00 y 000 unidades respectivamente. El porcentaje de unidades del modelo A es 60%, 0% y
Más detallesFunciones generadoras de probabilidad
Funciones generadoras de probabilidad por Ramón Espinosa Armenta En este artículo veremos cómo utilizar funciones generadoras en teoría de la probabilidad. Sea Ω un conjunto finito o numerable de resultados
Más detallesPROBABILIDAD Y ESTADÍSTICA MAT-041 GUIA Nº4 MODELOS PARA VARIABLES ALEATORIAS
UNIVERSIDAD TÉCNICA FEDERICO SANTA MARIA DEPARTAMENTO DE MATEMÁTICA PROBABILIDAD Y ESTADÍSTICA MAT-041 Profesor: Sr. Patricio Videla Jiménez. GUIA Nº4 MODELOS PARA VARIABLES ALEATORIAS 1. En una población
Más detallesReporte de práctica. Materia: Procesos Estócasticos. Facilitador: Ing. Pedro Martín García Vite. Integrantes: Armendáriz Flores Adrián
Reporte de práctica Materia: Procesos Estócasticos Facilitador: Ing. Pedro Martín García Vite Integrantes: Armendáriz Flores Adrián Cruz Hernández Emmanuel González Manuel Ana Silvia Tema: Gráficas de
Más detallesPROBABILIDADES Y DISTRIBUCIONES
PROBABILIDADES Y DISTRIBUCIONES 1. Supongamos que se lanza una moneda cuyo peso ha sido alterado de manera que P (C) = 2/3 y P (S) = 1/3. Si aparece cara, entonces selecciona un número al azar del 1 al
Más detallesUnidad 3. Probabilidad. Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre / 22
Unidad 3. Probabilidad Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre 2018-1 1 / 22 Espacios de probabilidad El modelo matemático para estudiar la probabilidad se conoce como espacio de
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2017 Agenda 1 Concepto de probabilidad
Más detallesTeoría Estadística Elemental I Teoría (resumida) del 2 do Tema
Teoría Estadística Elemental I Teoría (resumida) del 2 do Tema Raúl Jiménez Universidad Carlos III de Madrid Noviembre 2011 Consideremos el lanzamiento de un dado, Ω = {1, 2, 3, 4, 5, 6}, y supongamos
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 detallesEXAMEN FINAL DE PROBABILIDAD TEMA A. Nombre: Fecha: Grupo: 1. Encuentre el número de formas en que se pueden asignar las 9 vacantes.
EXAMEN FINAL DE PROBABILIDAD 2009-2 TEMA A Nombre: Fecha: Grupo: No se permiten preguntas ni consultas durante la evaluación. Lea cuidadosamente cada ejercicio. Importante: no sacar tablas, apuntes, libros,
Más detallesProbabilidad y Estadística. Distribuciones Teóricas de Probabilidad
Probabilidad y Estadística Distribuciones Teóricas de Probabilidad Las funciones teóricas de probabilidad corresponden a modelos que permiten epresar teorías sobre el comportamiento ideal de una variable
Más detallesDistribuciones de Probabilidad Discretas
Distribuciones de Probabilidad Discretas Algunos experimentos a pesar de ser realizados con objetos totalmente diferentes, tienen en esencia las mismas características; por ejemplo, de la misma forma que
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesEstadística. SESIÓN 9: Distribuciones de probabilidad discreta. Segunda parte.
Estadística. SESIÓN 9: Distribuciones de probabilidad discreta. Segunda parte. Contextualización En la presente sesión analizarás y describirás un experimento binomial, definirás y conocerás la función
Más detallesTema 4. Variables aleatorias discretas
Tema 4. Variables aleatorias discretas 508 Estadística. ETDI. Curs 2002/03 Cuestiones de Verdadero/Falso 1. En un proceso de Bernoulli, hay exactamente dos posibles resultados en cada prueba. 2. La fórmula
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más detallesSOLUCIÓN: Al realizar el histograma de frecuencias, se obtiene:
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SOLUCIÓN SEGUNDO EXAMEN FINAL A
Más detallesResumen de Probabilidad
Definiciones básicas * Probabilidad Resumen de Probabilidad Para calcular la probabilidad de un evento A: P (A) = N o decasosfavorables N o decasosposibles * Espacio muestral (Ω) Es el conjunto de TODOS
Más detallesPráctica 3: Distribuciones de Probabilidad Binomial, Poisson y Normal
Práctica 3: Distribuciones de Probabilidad Binomial, Poisson y Normal Ejercicio 1: Todos los días se seleccionan de manera aleatoria 12 unidades de un proceso de manufactura, con el propósito de verificar
Más detallesModelos de distribuciones discretas y continuas
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas
Más detalles5. LAS DISTRIBUCIONES MÁS IMPORTANTES
5. LAS DISTRIBUCIONES MÁS IMPORTANTES Gauss y la distribución normal Objetivos Introducir las distribuciones más importantes y sus usos. Para leer Podéis ver los mini-videos de Emilio Letón y su equipo
Más detallesa) Definir un espacio muestral S apropiado para este experimento. b) Consideremos la variable aleatoria
7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).
Más detalles