Your SlideShare is downloading. ×
Ejemplo explicado
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Introducing the official SlideShare app

Stunning, full-screen experience for iPhone and Android

Text the download link to your phone

Standard text messaging rates apply

Ejemplo explicado

398
views

Published on


0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
398
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. EXPLICACION DE EJEMPLOS DE LAS DISTRIBUCIONES DE PROBABILIDADANA KAREN RIVAS BETANCOURT 2ºB MATRICULA:1110788
  • 2. Ejemplo Bernoulli  "Lanzar una moneda, probabilidad de conseguir que salga cruz". Se trata de un solo experimento, con dos resultados posibles: el éxito (p) se considerará sacar cruz. Valdrá 0,5. El fracaso (q) que saliera cara, que vale (1 - p) = 1 - 0,5 = 0,5.  La variable aleatoria X medirá "número de cruces que salen en un lanzamiento", y sólo existirán dos resultados posibles: 0 (ninguna cruz, es decir, salir cara) y 1 (una cruz).Por tanto, la v.a. X se distribuirá como una Bernoulli, ya que cumple todos los requisitos. Resultados posiblesProbabilidad Probabilida de que sea d de que sea cara cruz
  • 3. Ejemplo Binomial Un examen consta de 10 preguntas a las cuales hay que responder si o no. Suponiendo que alas personas que se les aplica no saben contestar a ninguna de las preguntas y , en consecuencia , contestan al azar, hallar : Probabilidad de obtener cinco aciertos:
  • 4. Ejemplo de Poisson El 8% de los registros contables de una empresa presentan algún problema, si un auditor toma una muestra de 40 registros ¿ calcular la probabilidad de que existan 5 registros con problemas? N=40 P=0.08 Labmda=3.2 X=5 P(X=5)=(e-8.2)(3.25)/5!=0.1139793
  • 5. Ejemplo de Distribución Normal El tiempo medio en realizar una misma tarea por parte de los empleados de una empresa se distribuye según una distribución normal, con media de 5 días y desviación típica 1 día. Calcular el porcentaje de empleados que realizan la tarea en un tiempo inferior a 7 días. t1 = -¥ y t2 = (7 -5)/1 = 2 En la tabla la probabilidad acumulada para el valor 2 (equivalente a un tiempo inferior a 7 días.). Esta probabilidad es 0,9772. Por lo tanto, el porcentaje de empleados que realizan la tarea en un tiempo inferior a 7 días es del 97,7%
  • 6. Ejemplo de Distribución Gamma En un trayecto urbano hay dos semáforos consecutivos de modo que 2.5 minutos después de que el primero se ponga verde se pone rojo el segundo. Ambos se cierran cada 2 minutos, permaneciendo cerrados 30 segundos. Un conductor se ha detenido en el primero y el tiempo en recorren la distancia entre ambos semáforos es una U(1,4). ¿Cuál es la probabilidad de que se pare en el segundo? Del enunciado se deduce que deberá parar si emplea entre 2.5 y 3 minutos en ir del primero al segundo, es decir, p[2.5 < X < 3]= F(3) - F(2.5) = (3-1) / 3 - (2.5-1) / 3 = 0.166.
  • 7. Ejemplo de Distribución T de Student Un banco local revisa su política de tarjetas de crédito, con el objetivo de cancelar algunas de ellas. En el pasado, el 5% de los clientes con tarjeta ha pasado a ser moroso, esto es ha dejado de pagar sin que el banco pudiera recuperar la deuda. Además, el banco ha comprobado que la probabilidad de que un cliente normal se atrase en un pago es de 0.2. Naturalmente, la probabilidad de que un cliente moroso se atrase en un pago es 1. (a) Identifica y da nombre a los sucesos que aparecen en el enunciado. (a) Para un cliente cualquiera decimos que ha sucedido el suceso: M_ cuando el cliente es moroso, A _ cuando el cliente se ha atrasado en un pago mensual. Los conjuntos de sucesos {M, ¯ M} y {A, ¯ A} son dos sistemas completos de sucesos. A continuación reescribimos los datos que nos proporciona el enunciado en términos de probabilidades. P(M) = 0.05, P(A| ¯M) = 0.2, P(A|M) = 1.