Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FECHA: 01/04/2016
MATERIA: ESTADISTICA II
DEFINICION:
Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como
resultado de un experimento si ste se llevase a cabo.
1. DISTRIBUCIN DE BERNOULLI
Se aplica a situaciones en las que un cierto atributo aparece con probabilidad p (xito) y la
ausencia de este mismo atributo con probabilidad q=1-p (fracaso), como en el lanzamiento de
una moneda. Que puede dar como resultado cara o cruz.
Es una distribucin de probabilidad discreta, que toma valor 1 para la probabilidad de xito y
valor 0 para la probabilidad de fracaso.
Su frmula es:
Ejemplo:
Un jugador de basquetbol est a punto de tirar hacia la parte superior del tablero. La
probabilidad de que anote el tiro es de 0.55
Sea X=1 si anota el tiro. Si no lo hace X=0. Determine la media y la varianza de X.
Si anota el tiro, su equipo obtiene 2 puntos. Si lo falla su equipo no recibe puntos. Sea Y el
nmero de puntos anotados tiene una probabilidad de Bernoulli? Si es as, encuentre la
probabilidad de xito. Si no explique.
Determine la media y varianza de Y.
V2X =0.2475
No, una variable aleatoria de Bernoulli tiene valores positivos de 0 y 1 mientras que los valores
de Y son 0 y 2.
X P XP
1 0.55 1.1
0 0.45 0
(Y-M) 2 *P
2. DISTRIBUCIN BINOMIAL
n es el nmero de pruebas.
k es el nmero de xitos.
p es la probabilidad de xito.
q es la probabilidad de fracaso.
Ejemplo:
Un agente de seguros vende plizas a cinco personas de la misma edad y que disfrutan de
buena salud. Segn las tablas actuales, la probabilidad de que una persona en estas
condiciones viva 30 aos o ms es 2/3. Hllese la probabilidad de que, transcurridos 30 aos,
vivan:
3. DISTRIBUCION POISSON
Se trata de un modelo discreto, pero en el que el conjunto de valores con probabilidad no nula
no es finito, sino numerable.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto,
la frmula a utilizar sera:
Ejemplo:
Es un modelo matemtico que rige muchos fenmenos. La experiencia demuestra que las
distribuciones de la mayora de las muestras tomadas en el campo de la industria se aproximan
a la distribucin normal si el tamao de la muestra es grande.
Ejemplo:
En una ciudad se estima que la temperatura mxima en el mes de junio sigue una
distribucin normal, con media 23 y desviacin tpica 5. Calcular el nmero de das del mes
en los que se espera alcanzar mximas entre 21 y 27
5. DISTRIBUCIN GAMMA
Ejercicio
El nmero de pacientes que llegan a la consulta de un mdico sigue una distribucin de Poisson
de media 3 pacientes por hora. Calcular la probabilidad de que transcurra menos de una hora
hasta la llegada del segundo paciente.
Debe tenerse en cuenta que la variable aleatoria tiempo que transcurre hasta la llegada del
segundo paciente sigue una distribucin Gamma (6, 2).
Gamma (a p)
a : Escala 60000
p : Forma 20000
Punto X 10000
Cola Izquierda Pr[X<=k] 0,9826
Cola Derecha Pr[X>=k] 0,0174
Media 0,3333
Varianza 0,0556
Moda 0,1667
La probabilidad de que transcurra menos de una hora hasta que llegue el segundo paciente es
0,98.
6. DISTRIBUCIN T STUDENT
La prueba t-Student fue desarrollada en 1899 por el qumico ingls William Sealey Gosset
(1876-1937), mientras trabajaba en tcnicas de control de calidad para las destileras Guiness
en Dubln
Ejercicio:
BIBLIOGRAFIA