FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS ACADEMIA DE PROBABILIDAD Semestre:

Tamaño: px
Comenzar la demostración a partir de la página:

Download "FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS ACADEMIA DE PROBABILIDAD Semestre:"

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

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 detalles

EJERCICIOS DE DISTRIBUCION NORMAL, BINOMIAL Y POISSON

EJERCICIOS 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 detalles

Guía de Modelos Probabilísticos

Guía 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 detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo 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 detalles

MODELOS DISCRETOS DE PROBABILIDAD

MODELOS 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 detalles

Distribuciones de probabilidad Discretas

Distribuciones 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 detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD 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 detalles

Variables Aleatorias

Variables 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 detalles

Variables aleatorias 1. Problema 1

Variables 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 detalles

Variables Aleatorias Discretas

Variables 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 detalles

Condiciones para una distribución binomial

Condiciones 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 detalles

PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL SOLUCIÓN

PROBABILIDAD 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 detalles

Distribuciones Dis de probabilidad pr discretas Jhon Jairo Jair Pa P dilla a A., PhD. PhD

Distribuciones 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 detalles

Distribuciones Discretas

Distribuciones 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 detalles

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD 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 detalles

Asignatura: Probabilidad y Estadística (LM-PM)

Asignatura: 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 detalles

Distribución de Probabilidad

Distribución 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 detalles

ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES DISCRETAS Profesor: Celso Celso Gonzales

ESTADISTICA 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 detalles

Distribuciones de variables aleatorias discretas con nombre propio

Distribuciones 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 detalles

Profesores: M. Guerrero - J. Pérez - C. Olivares - J. Rozas 09 de julio de Examen Probabilidad y Estadísticas

Profesores: 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 detalles

ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016

ESTADÍSTICA 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 detalles

Tabla 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 )

Tabla 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

[ ] [ 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 detalles

Apellido y Nombres: Fecha: Carrera: Calificación 1ª Parte: Legajo: Calificación 2ª Parte: DNI: Calificación Definitiva:

Apellido 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 detalles

Variables aleatorias

Variables 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 detalles

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X

El 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 detalles

UNIVERSIDAD DE MANAGUA Al más alto nivel

UNIVERSIDAD 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 detalles

Tema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema:

Tema 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 detalles

UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 3

UNIVERSIDAD 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 detalles

Probabilidad y Estadística

Probabilidad 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 detalles

Pruebas de Hipótesis

Pruebas 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 detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA 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 detalles

Diagrama de Frecuencia Relativa

Diagrama 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 detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD 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 detalles

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas

JUEGO 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 detalles

La 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 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 detalles

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?

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? 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 detalles

SESION 12 LA DISTRIBUCIÓN BINOMIAL

SESION 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 detalles

TEMA 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. 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 detalles

Estadística Modelos probabilísticos discretos

Estadística 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 detalles

4. Modelos Multivariantes

4. 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 detalles

Estadística Aplicada

Estadística 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 detalles

Juan José Hernández Ocaña

Juan 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 detalles

VARIABLES ALEATORIAS Variable: Característica de los individuos u objetos

VARIABLES 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 detalles

Relación 4. Modelos discretos de distribuciones.

Relación 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 detalles

8 Resolución de algunos ejemplos y ejercicios del tema 8.

8 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 detalles

Tema 4. Distribución Binomial y Poisson

Tema 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 detalles

TEMA 6. Distribuciones

TEMA 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 detalles

Matemática 3 Curso 2013

Matemática 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 detalles

Algunas 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 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 detalles

RELACIÓN DE PROBLEMAS. Distribuciones de probabilidad

RELACIÓN 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 detalles

1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2.

1. 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 detalles

UNIDAD III VARIABLEA ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDADES

UNIDAD 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 detalles

DISTRIBUCIÓN N BINOMIAL

DISTRIBUCIÓN 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 detalles

VARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS.

VARIABLES 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 detalles

Probabilidad condicional

Probabilidad 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 detalles

INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005

INGENIERÍA 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 detalles

Principales leyes de distribución de variables aleatorias

Principales 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 detalles

NOMBRE Apellido Paterno Apellido Materno Nombre (s)

NOMBRE 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 detalles

variables discretas: toman un conjunto finito o infinito numerable (que se pueden contar) de valores

variables 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 detalles

DISTRIBUCIÓN DE POISSON

DISTRIBUCIÓN 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 detalles

ESTADÍSTICA ÁREA CIENCIAS BÁSICAS

ESTADÍSTICA 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 detalles

b) Si decides elegir el trabajo que con más probabilidad te permita ganar más de 900 euros al mes, qué trabajo debes elegir?

b) 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 detalles

Juan Carlos Colonia DISTRIBUCIONES DISCRETAS IMPORTANTES

Juan 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 detalles

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:

Modelos 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 detalles

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS TEMA IV. MODELOS PROBABILISTICOS COMUNES.

APUNTES 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 detalles

ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Solución. Curso 2016

ESTADÍSTICA 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 detalles

04 Funciones de masa de probabilidad discretas. Contenido. Sobre la selección de las FMPs/FDPs. FMP de Bernoulli

04 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 detalles

Tema 4. MODELOS DE DISTRIBUCIONES DISCRETOS.

Tema 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 detalles

Objetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria

Objetivos. 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 detalles

Generalidades 1. Sea X una variable aleatoria continua con función densidad dada por

Generalidades 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 detalles

Probabilidad, Variables Aleatorias y Distribuciones

Probabilidad, 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 detalles

Funciones generadoras de probabilidad

Funciones 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 detalles

PROBABILIDAD Y ESTADÍSTICA MAT-041 GUIA Nº4 MODELOS PARA VARIABLES ALEATORIAS

PROBABILIDAD 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 detalles

Reporte 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 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 detalles

PROBABILIDADES Y DISTRIBUCIONES

PROBABILIDADES 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 detalles

Unidad 3. Probabilidad. Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre / 22

Unidad 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 detalles

Curso de nivelación Estadística y Matemática

Curso 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 detalles

Teoría Estadística Elemental I Teoría (resumida) del 2 do Tema

Teoría 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 detalles

Algunas Distribuciones EstadísticasTeóricas. Aproximación de la Distribución Binomial por la Distribución de Poisson

Algunas 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 detalles

EXAMEN 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 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 detalles

Probabilidad y Estadística. Distribuciones Teóricas de Probabilidad

Probabilidad 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 detalles

Distribuciones de Probabilidad Discretas

Distribuciones 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 detalles

Curso de Probabilidad y Estadística

Curso 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 detalles

Estadística. SESIÓN 9: Distribuciones de probabilidad discreta. Segunda parte.

Estadística. 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 detalles

Tema 4. Variables aleatorias discretas

Tema 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 detalles

TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18

TEMA 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 detalles

SOLUCIÓN: Al realizar el histograma de frecuencias, se obtiene:

SOLUCIÓN: 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 detalles

Resumen de Probabilidad

Resumen 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 detalles

Práctica 3: Distribuciones de Probabilidad Binomial, Poisson y Normal

Práctica 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 detalles

Modelos de distribuciones discretas y continuas

Modelos 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 detalles

5. LAS DISTRIBUCIONES MÁS IMPORTANTES

5. 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 detalles

a) Definir un espacio muestral S apropiado para este experimento. b) Consideremos la variable aleatoria

a) 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