Professional Documents
Culture Documents
CHILECITO
CARRERA:
TECNICATURA UNIVERSITARIA
EN ANÁLISIS DE ALIMENTOS
LICENCIATURA EN ENOLOGÍA
INGENIERÍA MECATRÓNICA
TOPOGRAFÍA
ESTADÍSTICA
AÑO: 2020
1
CAPITULO Nº 7
MODELO ESTADISTICOS
Como hemos mencionados anteriormente los fenómenos aleatorios son situaciones con
resultados inciertos. Pero si el fenómeno aleatorio presenta determinadas características se
puede utilizar un modelo (representación simplificada de la realidad) estadístico para
entender no solamente la distribución de probabilidad de la variable aleatoria, sino también
los valores posición central (esperanza) y dispersión de dicha variable.
Proceso de Bernoulli
Este modelo se aplica a poblaciones finitas de las que tomamos elementos al azar con
reemplazo, y también a poblaciones conceptualmente infinitas, como las piezas que
producen una máquina, siempre que el proceso generador sea estable y sin memoria.
2
Ejemplos: observar el sexo de un recién nacido, si un cliente está satisfecho o no con un
servicio, la aparición de un elemento defectuosos en su proceso de fabricación.
En este proceso podemos definir distintas variables aleatorias que darán lugar a distintas
distribuciones de probabilidad
A - Distribución de Bernoulli
Definimos la variable aleatoria de Bernoulli por: la misma puede asumir dos valores, por
ejemplo en el fenómeno de lanzar una moneda al aire y mirar que lado salio tendríamos:
Su media será:
y la desviación típica:.
B - Distribución Binomial
3
La variable binomial como:
Su media será:
y la desviación típica:.
Este fenómeno aleatorio cumple las condiciones para ser modelado por una distribución
binomial porque:
Estoy analizando el fenómeno 5 veces (debo controlar cada uno de los 5 artículos)
Hay dos resultado posible cuando analizo cada vez el fenómeno. El artículo puede
ser bueno o malo.
La probabilidad que sea bueno el artículo es 0.8 y la probabilidad que sea malo es
de 0.20. Pero la misma es constante independientemente de la cantidad de artículos
que controle.
4
Cuando controle un artículo este me puede salir bueno, pero cuando controlo el
siguiente articulo este puede ser bueno o malo, es decir es independiente los
resultados de los experimentos de un fenómeno a otro.
Viendo que se cumplen las condiciones podemos analizar la distribución de dicha variable
aleatoria.
Por ejemplo:
Al analizar 5 artículos, existe una probabilidad de 0.33 de que todos sean buenos.
Existe una probabilidad de 0.20 de que tres de los cinco este en buen estado
c) Cuanto artículos se esperan que estén en buen estado cuando controlo 5 de ellos?
= 5*0.8= 4
Cuando se controlan cinco artículo, se espera que 4 de ellos estén en buen estado.
El proceso de Poisson
5
Este proceso es la generalización a un soporte continuo del proceso de Bernoulli.
C - Distribución de Poisson
Ejemplo: las llamadas por averías en un puesto de servicio siguen una distribución de
Poisson de media dos averías/semanas. Calcular la probabilidad de:
a-
b-
6
c- la media de cuatro semanas será , averías por mes. Entonces