Your SlideShare is downloading. ×
Distrubución binomial
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

Distrubución binomial

1,732

Published on

explicación

explicación

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

No Downloads
Views
Total Views
1,732
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
51
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. DISTRUBUCIÓN BINOMIALUn experimento de Bernoulli se caracteriza por ser dicotómico, esto es, sólo sonposibles dos resultados. A uno de estos se denomina éxito y tiene una probabilidad deocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribuciónbinomial el anterior experimento se repite n veces, de forma independiente, y se tratade calcular la probabilidad de un determinado número de éxitos. Para n = 1, labinomial se convierte, de hecho, en una distribución de Bernoulli.Para una distribución de probabilidad binomial, deben darse las siguientes condiciones En cada prueba del experimento sólo son posibles dos resultados: el suceso "éxito" y su contrario el suceso "fracaso". El resultado obtenido en cada prueba es independiente de los resultados obtenidosanteriormente, esto es que el valor de la probabilidad de cada prueba no se afecta por pruebas anteriores, ni afecta pruebas futuras.Tendremos cuatro diferentes formas de obtener resultados, estas cuatro formas las vemos en la columna "descripción" de la tabla anterior. La probabilidad para cada resultado, se calcula multiplicando las probabilidades del resultado de cada prueba, dado que estas son independientes. El número de "éxitos" lo hacemos contando las "p" de cada línea. Así podemos calcular la probabilidad desde cero hasta 2 éxitos. Observa que para la P(1) sumamos dos veces cinco sextos que se encuentran en los renglones verdes de la tabla anterior.
  • 2. Así podemos calcular la probabilidad desde cero hasta 2 éxitos.Observa que para la P(1) sumamos dos veces cinco sextos que se encuentran en los renglones verdes de la tabla anterior. Sustituimos con n = 2 y k = 0: 2! entre 2! es igual a uno. Por definición 0! es igual a uno 1/6 elevado a la cero es uno.
  • 3. Sustituimos con n = 2 y k = 1:
  • 4. Sustituimos con n = 2 y k = 2:
  • 5. DISTRIBUCION NORMAL1- Las puntuaciones de una prueba estandarizada se distribuyen normalmente conmedia de 480 y desviación estándar de 90. a) ¿Cual es la proposición de puntuaciones mayores a 700? b) ¿Cual es el 25º? ¿Percentil de las puntuaciones? c) Si la puntuación de alguien es de 600. ¿En que percentil se encuentra? d) ¿Qué proporción de las puntuaciones se encuentra entre 420 y 520?µ = 480 σ = 90 A - Z = (700-480)/90 = 2.44 el área a la derecha de Z es 0.0073 B – la puntuación de z en el 25 º percentil -0.67 El 25 º percentil es entonces 480 - 0.67 (90) = 419.7 C – z = (600-480)/90 = 1.33 el área a la derecha de z es 0.9082 Por lo que una puntuación de 600 esta en el percentil 91 D - z = (420 - 480)/90 = - 0.67 Z = (520 – 480)/90 = 0.44 El área entre z = - 0.67 y z = 0.44 es 0.6700 – 0.2514 = 0.4186
  • 6. 2- La resistencia de una aleación de aluminio se distribuye normalmente conmedia de 10 giga pascales (Gpa) desviación estándar de 1.4 Gpa. a) ¿Cuál es la probabilidad de que una muestra de esta aleación tenga resistencia mayor a 12 GPa? b) Determine el primer cuartil de la resistencia de esta aleación. c) Determine el 95º. Percentil de la resistencia de esta aleación.RESULTADOSµ = 10 σ = 1.4A) z = (12 -10)/1.4 = 1.43 el área ala derecha de z = 1.43 es 1 – 0.9236 = 0.0764B) la puntuación de z en el 25 º percentil es -0.67 El 25 º percentil es entonces 10 - 0.67 (1.4) = 9.062 Gpa.C) la puntuación de z en el 95 º percentil es 1.645 El 25 º percentil es entonces 10 + 1.645(1.4) = 12.303 Gpa. 1. Determine el área bajo la curva normal a) Ala derecha de z= -0.85. b) Entre z = 0.40 y z = 1.30. c) Entre z =0.30 y z = 0.90. d) Desde z = - 1.50 hasta z =-0.45 Estos resultados se obtuvieron con las tablas anexas al final de los problemas A – 1 – 0.1977 = 0.8023B – 0.9032 – 0.6554 = 0.2478C – 0.8159 – 0.3821 = 0.4338D – 0.0668 + (1 – 0.3264) = 0.74045- El volumen de las llantas llenadas por cierta maquina se distribuyecon media de 12.05 onzas y desviación estándar de 0.03 onzas.a) ¿Qué proporción de latas contiene menos de 12 onzas?b) La medida del proceso se puede ajustar utilizando calibración. ¿En que valor debe fijarse la media para que el 99% de las latas contenga 12 onzas o mas?
  • 7. c) Si la media del procesos sigue siendo de 12.05 onzas. ¿En que valor debe fijarse la media para que el 99% de las latas contenga 12 onzas o mas?RESULTADOS A) (12 – 12.05)/0.03 = -1.67 la proporción es 0.0475 B) Z= -2.33 entonces -2.33=(12 - µ)/0.03 despejando µ = 12 .07 onzas C) – 2.33 = (12-12.05)/ σ despejando σ = 0.0215 onzas. DISTRIBUCIÓN DE POISSON1.- el numero de mensajes recibidos por el tablero computado de anuncios es unavariable aleatoria de Poisson con una razón media de ocho mensajes por hora.a) ¿Cuál es la probabilidad de que se reciban cinco mensajes en una hora?b) ¿Cuál es la probabilidad de que se reciban diez mensajes en 1.5 horas?c) ¿Cuál es la probabilidad de que se reciban menos de tres mensajes en 11/2 horas?a) ¿Cuál es la probabilidad de que se reciban cinco mensajes en una hora?P(X=3)= e-8*P(X=3)= 3.354626279x10-4 *P(X=3)= 3.354626279x10-4 * 273.0666667P(X=3)= 0.09160366b) ¿Cuál es la probabilidad de que se reciban diez mensajes en 1.5 horas?P(X=10)= e-12*P(X=10)= 6.144212353x10-6 *P(X=10)= 6.144212353x10-6 * 17062.76571
  • 8. P(X=10)= 0.104837255c) ¿Cuál es la probabilidad de que se reciban menos de tres mensajes en 11/2horas?P(X=0)= e-12* P(X=1)= e-12*P(X=0)= 6.144212353x10-6 * P(X=1)= 6.144212353x10-6 *P(X=0)= 6.144212353x10-6 * 1 P(X=1)= 6.144212353x10-6 * 12P(X=0)= 6.144212353x10-6 P(X=1)= 7.373054824x10-5P(X=2)= e-12* P(X<3)= P(X=0)+P(X=1)+P(X=2)P(X=2)= 6.144212353x10-6 * P(X<3)=6.144212353x10-6 + 7.373054824x10-5 + -6 -4P(X=2)= 6.144212353x10 * 724.423832894x10 =P(X=2)= 4.423832894x10-4P(X<3)= 5.2225805x10-42.- una variable aleatoria X tiene una distribucion binomial y una variable Y tiene unadistribucion de Poisson. Tanto X como Y tienen medias iguales a 3. ¿Es posibledeterminar que variable aleatoria tiene la varianza mas grande? Elija una de lassiguientes respuestas:i) Sí, X tiene la varianza mas grande.ii) Sí, Y tiene la varianza mas grandeiii) No, se necesita conocer el numero de ensayos,n, para X.iv) No, se necesita conocer la probabilidad de éxito, p, para X.v) No, se necesita conocer el valor de λ para Y.Fórmula para determinar la varianza en una distribución binomial:σ2x= (1-p)σ2x= (1-3)σ2x= -2Formula para determinar la varianza en una distribución Poisson:σ2y= λσ2y= 3
  • 9. Respuesta:ii) Sí, Y tiene la varianza más grande3.- La concentración de partículas en una suspensión es 2 por mL. Se agita por completola concentración, y posteriormente se extraen 3 mL. Sea X el numero de partículas queson retiradas. Determine.a) P(X=5)b) P(X≤2)c)μXd) σxa) P(X=5)= e-6 *P(X=5)= 2.478752177x10-3 *P(X=5)= 2.478752177x10-3 * 64.8P(X=5)= 0.160623141b) P(X≤2)P(X=0)= e-6 * P(X=1)= e-6 *P(X=0)= 2.478752177x10-3 * P(X=1)= 2.478752177x10-3 *P(X=0)= 2.478752177x10-3 * 1 P(X=1)= 2.478752177x10-3 * 6P(X=0)= 2.478752177x10-3 P(X=1)= 0.014872513P(X=2)= e-6 * P(X≤2)= P(X=0)+P(X=1)+P(X=2)P(X=2)= 2.478752177x10-3 * P(X≤2)= 2.478752177+0.014872513+ 0.044617539P(X=2)= 2.478752177x10-3 * 18P(X=2)= 0.044617539 P(X≤2)= 0.061968804
  • 10. c)μXμX= 6d)σxσx=σx= 2.4494897434.- suponga que 0.03 % de los contenedores plásticos producidos en cierto proceso tienepequeños agujeros que los dejan inservibles. X representa el numero de contenedoresen una muestra aleatoria de 10 000 que tienen este defecto. Determine:a) P(X=3)b) P(X≤2)c) P(1≤X<4)d)μXe) σxa) P(X=3)= e-3*P(X=3)= 0.049787068*P(X=3)= 0.049787068* 4.5P(X=3)= 0.0224041807b) P(X≤2)P(X=0)= e-3 * P(X=1)= e-3 *P(X=0)= 0.049787068* P(X=1)= 0.049787068*P(X=0)= 0.049787068* 1 P(X=1)= 0.049787068* 3P(X=0)= 0.049787068 P(X=1)= 0.149361205P(X=2)= e-3* P(X≤2)= P(X=0)+P(X=1)+P(X=2)P(X=2)= 0.049787068* P(X≤2)= 0.049787068+0.149361205+ 0.149361205
  • 11. P(X=2)= 0.049787068* 4.5P(X=2)= 0.0224041807 P(X≤2)=0.42319008c)P(X<2)P(X=1)= e-3 * P(X=2)= e-3*P(X=1)= 0.049787068* P(X=2)= 0.049787068*P(X=1)= 0.049787068* 3 P(X=2)= 0.049787068* 4.5P(X=1)= 0.149361205 P(X=2)= 0.0224041807P(X=3)= e-3* P(X<2)= P(X=1)+P(X=2)+P(X=3)P(X=3)= 0.049787068* P(X<2)= 0.149361205+0.224041807+ 0.224041807P(X=3)= 0.049787068* 4.5P(X=3)= 0.0224041807 P(X<2)= 0.597444819d)μXμX= 3e) σxσx=σx= 1.7320308085.- Sea X ~ Poisson(4). Determinea) P(X=1)b) P(X=0)c) P(X<2)d) P(X>1)e) μXf) σxa) P(X=1)= e-4*
  • 12. P(X=1)= 0.018315638*P(X=1)= 0.018315638* 4P(X=1)= 0.073262555b)P(X=0)= e-4*P(X=0)= 0.018315638*P(X=0)= 0.018315638* 1P(X=0)= 0.018315638c) P(X<2)P(X=1)= e-4* P(X=0)= e-4*P(X=1)= 0.018315638* P(X=0)= 0.018315638*P(X=1)= 0.018315638* 4 P(X=0)= 0.018315638* 1P(X=1)= 0.073262555 P(X=0)= 0.018315638P(X<2) =P(X=1)+P(X=0)P(X<2) =0.07326255+0.018315638P(X<2) =0.091578193d) P(X>1)P(X=2)= e-4* P(X=3)= e-4*P(X=2)= 0.018315638* P(X=3)= 0.018315638*P(X=2)= 0.018315638* 8 P(X=3)= 0.018315638* 10.66666667P(X=2)= 0.146525111 P(X=3)= 0.195366814
  • 13. P(X=4)= e-4 * P(X>1)= P(X=2)+P(X=3)+P(X=4)P(X=4)= 0.018315638* P(X>1)= 0.146525111+0.195366814+ 0.195366814P(X=4)= 0.018315638* 10.66666667P(X=4)= 0.195366814 P(X>1)=0.537258739e)μXμX= 4f) σxσx=σx= 2DISTRIBUCIÓN GAMMAEjercicio 1Suponiendo que el tiempo de supervivencia, en años, de pacientes que son sometidos auna cierta intervención quirúrgica en un hospital sigue una distribución Gamma conparámetros a=0,81 y p=7,81, calcúlese:1. El tiempo medio de supervivencia.2. Los años a partir de los cuales la probabilidad de supervivencia es menor que 0,1.Cálculo de probabilidades. Distribuciones continuasGamma (a,p)a : Escala 0,8100p : Forma 7,8100Cola Izquierda Pr [X<=k] 0,9000Cola Derecha Pr [X>=k] 0,1000Punto X 14,2429Media 9,6420Varianza 11,9037
  • 14. Moda 8,4074El tiempo medio de supervivencia es de, aproximadamente, 10 años.Ejercicio 2El número de pacientes que llegan a la consulta de un médico sigue una distribución dePoisson de media 3 pacientes por hora. Calcular la probabilidad de que transcurra menosde una hora hasta la llegada del segundo paciente.Debe tenerse en cuenta que la variable aleatoria “tiempo que transcurre hasta la llegadadel segundo paciente” sigue una distribución Gamma (6, 2).Solución:Cálculo de probabilidades. Distribuciones continuasGamma (a p)a : Escala 60000p : Forma 20000Punto X 10000Cola Izquierda Pr[X<=k] 0,9826Cola Derecha Pr[X>=k] 0,0174Media 0,3333Varianza 0,0556Moda 0,1667La probabilidad de que transcurra menos de una hora hasta que llegue el segundopaciente es 0,98.  Para poder resolver el problema lo que se tendrá que hacer será lo siguiente se aplicara una formula la cual tendremos que desarrollar con los datos con los que contamos.  Tendremos que sustituir los datos  t= x -μ  SI n α = 1- Nc = 10%  v = n-1 = 24  t = 2.22 Procedimiento:se demostrara la forma en que se sustituiran los datos.
  • 15.  VALOR DE LOS DATOS..APLICACION DE LA FORMULA µ=500 h t=505.36-500 t = 2.22 n=25 12.0725 Nc=90% v = 25 -1 = 24 X=505.36 α = 1- 90%= 10% S=12.07 DISTRIBUCIÓN T- STUDENT1. Sea T ~ Weibull(0.5,3) a) Determinar b) Determinar c) Determinar P(T P (T>5) =1-P(T 1) = 1 – e-2. En el articulo “ParameterEstimationwithOnlyOne Complete FailureObservation”se modela la duracion en horas, de cierto tipo de cojinete con la distribucion de Weibull con parámetros a) Determine la probabilidad de que un cojinete dure mas de 1000 horas b) Determine la probabilidad de que un cojinete dure menos de 2000 horas P(T<2000)= P(T
  • 16. c) La función de riesgo se definio en el ejercicio 4 ¿Cuál es el riesgo en T=2000 horas? h(t) = 3. La duración de un ventilador, en horas , que se usa en un sistema computacional tiene una distribución de Weibull con a) ¿Cuáles la probabilidad de que un ventilador dure mas de 10 000 horas? P(T>10 000 ) =1 –(1- =0.3679 b) ¿Cuál es la probabilidad de que un ventilador dure menos de 5000 horas? P(t<5000) =P(T4. Un sistema consiste de dos componentes conectados en serie. El sistemafallara cuando alguno de los componentes falle. Sea T el momento en el que elsistema falla. Sean X1 y X2 las duraciones de los dos componentes. Suponga queX1 y X2 son independientes y que cada uno sigue una distribución Weibull con 2 a) Determine P(P( b) Determine P(T 5) P(T =0.8647 c) T Tiene una distribución de Weibull= si es Asi ¿Cuáles son sus parametros? Si, T~ Weibull (2, 5- Sea T ~ t(4,0.5) a) Determinar
  • 17. b) Determinar c)Determinar P(TP(T= 1- e –(0.5)(1) - e –(0.5)(1) - e –(0.5)(1) - e (0.5)(1)=1- 0.60653 -0.30327 -0.075816 -0.012636=0.000175 d)Determinar P(TP(T= e –(0.5)(3) - e –(0.5)(3) - e –(0.5)(3) - e (0.5)(3)=0.22313 + 0.33470+0.25102 +0.12551=0.9344

×