• Like
Ejercicios Distribución Poisson
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

Ejercicios Distribución Poisson

  • 20,219 views
Published

 

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
  • Excelente trabajo. Gracias por tu aportación
    Are you sure you want to
    Your message goes here
    Be the first to like this
No Downloads

Views

Total Views
20,219
On SlideShare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
180
Comments
1
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. José Armando Rubio Reyes 2° “B”Procesos Industriales Área Manufactura Distribución Poisson Profesor: Edgar Mata Ortiz José Armando Rubio Reyes
  • 2. Ejercicios de Distribución de poisson1. Sea X ~ Poisson (4) Determine. A) P(X=1) e-4 (41) = 0.073262555 B) P(X=0) e-4 (40) = 0.018315638 C) P(X<2) (41) + (40) = 0.091578193 D) P(X>1) e-4 (41) = 0.073262555 E) µx µx = (0) = Poisson = 4 F) σx José Armando Rubio Reyes
  • 3. σx = 4 = 2 2. La concentración de partículas en una suspensión es de 2 por ml. Se agita por completo la concentración y posteriormente se extraen 3 ml. Sea X el numero de partículas que son retiradas Determine. A) P(X=5)(e-3) (35) / 5! = 0.100818813 B) P(X≤2)(e-3) (32) / 2! = 0.224041807 C) P(X≥1)(e-3) (31) / 1! = 0.149361205 D) µxµx =(X) = poisson = 3 E) σx3 = 1.732050808 José Armando Rubio Reyes
  • 4. 3. Una microbióloga quiere estimar la concentración de cierto tipo de bacteria en una muestra de agua tratada, Ella pone una muestra de 0.5 ml. De agua tratada en vidrio del microscopio y descubre 39 bacterias. Estime la concentración de bacterias por ml. En esta agua tratada y determine la incertidumbre en la estimación. X= numero de bacterias en los 0.5 ml Y=concentración real de bacterias por ml. Poisson = (0.5) Elvalor observado de X=39. La concetracion estimada de Y=39/0.5 = 78 La incertidumbre σx = 78/0.5 = 12.49 Y = 78 ± 124. Suponga que 0.03% de los contenedores plásticos producidos en cierto proceso tiene pequeños agujeros que los dejan inservibles. X representa el número de contenedores en una muestra aleatoria de 10 000 que tienen defecto. Determine.A) P(X=3) José Armando Rubio Reyes
  • 5. (e-3) (33) / 3! = 0.224041807 B) P(X≤2)(e-3) (32) / 2! = 0.224041807(e-3) (31) / 1! = 0.149361205(e-3) (30) / 0! = 0.049787068 0.42319008 C) µxµx =(X) = poisson = 3 D) σx3 = 1.732050808 José Armando Rubio Reyes
  • 6. 5. El número de mensajes recibidos por el tablero computador de anuncios es una variable aleatoria de Poisson con una razón media de ocho mensaje por hora. A) ¿Cuál es la probabilidad de que se reciban cinco mensajes por una hora? (e-8) (85) / 5! = 0.091603661 B) ¿Cuál es la probabilidad de que se reciban diez mensajes en 1.5 horas? 8*15=12 = poisson PX=10 (e-12) (1210) / 10! = 0.104837255 C) ¿Cuál es la probabilidad de que se reciban menos de tres mensajes en una hora y media? (e-4) (42) / 2! = 0.146525111 (e-4) (41) / 1! = 0.073262555 José Armando Rubio Reyes
  • 7. (e-4) (40) / 0! = 0.018315638 0.238103304 José Armando Rubio Reyes