Your SlideShare is downloading. ×
0
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Variables aleatorias distribucion binomial y poisson
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Variables aleatorias distribucion binomial y poisson

8,056

Published on

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

No Downloads
Views
Total Views
8,056
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
174
Comments
0
Likes
2
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. Variables AleatoriasDistribución BinomialDistribución de PoissonSimulación
  • 2. Variables aleatorias Una Variable es cualquier característica que puede tomar distintos valores. Por ejemplo: Temperatura, Presión, Coeficiente Intelectual, Peso, Estatura, etc. Es una función que asigna un número real a cada resultado del Espacio Muestral de un Experimento Aleatorio.
  • 3. Clasificación 1. VARIABLE ALEATORIA DISCRETA: Es aquella variable que puede tomar un número de valores finito o infinito contable, y éstos pueden arreglarse en una secuencia que corresponde con los enteros positivos. Generalmente las VA discretas representan datos que se cuentan, tales como: número de artículos defectuosos de una muestra de k artículos, número de accidentes por año en una vía rápida 2. VARIABLE ALEATORIA CONTINUA: Es aquella cuyo conjunto de valores abarca todo un intervalo de valores en la recta numérica. Generalmente la VA continuas representan datos medidos, tales como: alturas, pesos, temperaturas, distancias o periodos de vida. Tanto las variables aleatorias Discretas como Continuas pueden asumir cada uno de sus valores con una cierta probabilidad.
  • 4. La Distribución Binomial
  • 5. La Distribución Binomial Experiencias binomialesToda experiencia aleatoria que presenta dos resultadosposibles, uno que fijamos como “éxito” y lo contrario como“fracaso” se suele denominar de tipo Bernouilli.Cuando se realizan n pruebas independientes de tipoBernouilli decimos que es una experiencia aleatoria de tipoBinomial.Por ejemplo las siguientes experiencias son de tipo Binomial: Jugar 10 veces a cara o cruz . Obtener el “4” en el lanzamiento de 15 dados. Obtener “copas” al extraer una carta 8 veces de la baraja española. • La fabricación de 1000 piezas en un factoría (aceptable o defectuosa). • El lanzamiento a una canasta n veces (encestar o fallar).
  • 6. Distribución de Poisson
  • 7. Distribución de Poisson La distribución de Poisson se utiliza en situaciones donde los sucesos son impredecibles o de ocurrencia aleatoria. En otras palabras no se sabe el total de posibles resultados. Es muy útil cuando la muestra o segmento n es grande y la probabilidad de éxitos p es pequeña. Se utiliza cuando la probabilidad del evento que nos interesa se distribuye dentro de un segmento n dado como por ejemplo distancia, área, volumen o tiempo definido.
  • 8. Distribución de Poisson La distribución de probabilidad de Poisson es un ejemplo de distribución de probabilidad discreta. La distribución de Poisson parte de la distribución binomial. Cuando en una distribución binomial se realiza el experimento muchas veces, la muestra n es grande y la probabilidad de éxito p en cada ensayo es baja, es aquí donde aplica el modelo de distribución de Poisson.
  • 9. Función de probabilidad de ladistribución de Poisson. Donde: P(X=K) es la probabilidad de ocurrencia cuando la variable discreta X toma un valor finito k. λ = Lambda es la ocurrencia promedio por unidad (tiempo, volumen, área, etc.). Es igual a p por el segmento dado. La constante e tiene un valor aproximado de 2.711828 K es el número de éxitos por unidad
  • 10. Ejemplo 1 La probabilidad de que haya un accidente en una compañía de manufactura es de 0.02 por cada día de trabajo. Si se trabajan 300 días al año, ¿cuál es la probabilidad de tener 3 accidentes? Como la probabilidad p es menor que 0.1, y el producto n * p es menor que 10 (300 * 0.02 = 6), entonces, aplicamos el modelo de distribución de Poisson: Al realizar la operacion tenemos que P(x = 3) = 0.0892 Por lo tanto, la probabilidad de tener 3 accidentes laborales en 300 días de trabajo es de 8.9%.
  • 11. Ejemplo 2 La probabilidad de que un producto salga defectuoso es de 0.012. ¿Cuál es la probabilidad de que entre 800 productos ya fabricados hayan 5 defectuosos? En este ejemplo vemos nuevamente la probabilidad p menor que 0.1, y el producto n * p menor que 10, por lo que aplicamos el modelo de distribución de Poisson: El resultado es P (x = 5) = 0.04602 Por lo tanto, la probabilidad de que haya 5 productos defectuosos entre 800 recién producidos es de 4.6%.
  • 12. Gracias por su atención

×