Professional Documents
Culture Documents
Probabilidades
Probabilidad y estadística
Ingeniería Comercial
≤ ≤
∑ 𝑃(𝑋 = 𝑥𝑖 ) = 1
𝑖=1
≤
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) ∀𝑥 ∈ 𝐼𝑅
≥
𝜇 = 𝐸(𝑥) = ∑ 𝑥𝑖 𝑃(𝑋 = 𝑥𝑖 )
𝑅𝑒𝑐(𝑋)
✓
✓
𝑛! 𝑛
𝑃(𝑋 = 𝑥) = 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 = ( ) 𝑝 𝑥 𝑞𝑛−𝑥
𝑥! (𝑛 − 𝑥)! 𝑥
𝑞 =1−𝑝
𝜇 =𝑛∗𝑝 𝐸(𝑥) = 𝑛 ∙ 𝑝
𝜎 = √𝑛𝑝𝑞
𝑛 = 23; 𝑝 = 0,435; 𝑞 = 1 − 0,435 = 0,565
𝑋~𝐵(𝑛 = 23; 𝑝 = 0,435)
−
= = =
−
= = =
−
= = =
−
= = =
15
𝑃(𝑥 = 4) = ( ) ∙ 0,5654 ∙ 0,43511 = 0,014679
4
15
𝑃(𝑥 = 5) = ( ) ∙ 0,5655 ∙ 0,43510 = 0,041945
5
15
𝑃(𝑥 = 6) = ( ) ∙ 0,5656 ∙ 0,4359 = 0,090802
6
𝜎 = √𝑛 ∙ 𝑝 ∙ 𝑞
𝜎 = √28 ∙ 0,565 ∙ 0,435
𝜎 = 2,623
## Distirbución Binomial
# a) realice una representación gráfica de la distribución de probabilida
des,
x <- 0:20 # Recorrido de la variable
n <- 20 # muestra
p <- 0.2 # probabilidad de éxito
prob <- dbinom(x,n,p)
df.binom <- as.data.frame(cbind(x,prob))
library(ggplot2)
q <- ggplot(df.binom, aes(x,prob))
q+geom_col(fill="orange", color="black")
## [1] 0.1957922
## [1] 0.7072228
•
•
𝜇 𝑥 𝑒 −𝜇
𝑃(𝑋 = 𝑥) =
𝑥!
𝐸(𝑥) = 𝜇
𝜎2 = 𝜇
𝜇=3
𝑃(𝑥 = 4) =?
34
𝑃(𝑥 = 4) = 𝑒 −3 ∙ = 0,168
4!
𝜇 = 12
𝑃(𝑥 = 4) =?
124
𝑃(𝑥 = 4) = 𝑒 −12 ∙ = 0,005308
4!
3∗3
𝜇= = 1,28
7
𝑃(𝑥 = 4) =?
(1,28)4
𝑃(𝑥 = 4) = 𝑒 −1,28 ∙ = 0,031098
4!
## Distribución Poisson
mu <- 780/80
# la probabilidad de que exactamente 5 clientes lleguen durante la siguie
nte hora laboral
x <- 5
sum(dpois(x,mu))
## [1] 0.04280265
## [1] 0.003397486
## [1] 0.01240265
1-sum(dpois(x,mu))
## [1] 0.9875974
−(𝑥−𝜇)2
1
𝑓(𝑥) = ∙𝑒 2𝜎2 −∞ < 𝑥 < ∞; 𝜎 > 0
√2𝜋𝜎
𝐸(𝑥) = 𝜇
𝑉(𝑥) = 𝜎 2
𝑘
1 −(𝑥−𝜇)2
𝑃(𝑥 ≤ 𝑘) = ∫ ∙ 𝑒 2𝜎2 𝑑𝑥
∞ √2𝜋𝜎
∞+
∫ 𝑓(𝑥)𝑑𝑥 = 1
∞−
•
•
• 𝑥 =𝜇−𝜎 𝑥 =𝜇+𝜎
•
• ∼ σ
• μ σ ≤μ σ
• μ σ ≤μ σ
• μ σ ≤μ σ
𝑧1 −(𝑥)2
1
𝑃(𝑧 ≤ 𝑧1 ) = ∫ ∙𝑒 2 𝑑𝑥
−∞ √2𝜋
𝑍~𝑁(𝜇 = 0; 𝜎 = 1) 𝑃(𝑧 ≤ 2,31)
## Distribución Normal
#Calcular P(z<=2.31)
pnorm(2.31)
## [1] 0.9895559
σ σ
𝑥−𝜇
𝑧=
𝜎
𝑥~𝑁(𝜇 = 120; 𝜎 = 15) 𝑃(𝑥 ≤ 97)
𝑥 − 𝜇 97 − 120
𝑃( ≤ ) = 𝑃(𝑧 ≤ −1,53)
𝜎 15
## [1] 0.06259687
𝑥~𝑁(𝜇 = 25; 𝜎 = 4)
𝑃(𝑥 ≤ 𝑎) = 0,2358
𝑥−𝜇 𝑎−𝜇
𝑃(𝑥 ≤ 𝑎) = 𝑃 ( ≤ ) = 0,2358
𝜎 𝜎
𝑎−𝜇
𝑃(𝑥 ≤ 𝑎) = 𝑃 (𝑧 ≤ ) = 0,2358
𝜎
𝑎−𝜇
= −0,72
𝜎
𝑎 − 25
= −0,72 → 𝑎 = 22,12
4
## [1] 22.12049
𝑁(𝜇 = 125 𝑐𝑚; 𝜎 = 10 𝑐𝑚)
𝑃(𝑥 > 140)
𝑥 − 𝜇 140 − 125
𝑃(𝑥 > 140) = 𝑃 ( > )
𝜎 10
𝑃(𝑥 > 140) = 𝑃(𝑧 > 1,5)
𝑃(𝑧 > 1,5) = 1 − 𝑃(𝑧 < 1,5)
𝑃(𝑧 > 1,5) = 1 − 0,9332
𝑃(𝑧 > 1,5) = 0,0668
𝑥 − 125
= 1,65 ⟹ 𝑥 = 141,5
10
#Ejemplo: Una fábrica produce pistones
mu <- 5
sd <- 0.001
#a) ¿Qué % de pistones servirá? P(4,998 < x < 5,002)
pnorm(5.002, mu, sd)-pnorm(4.998, mu, sd)
## [1] 0.9544997
## [1] 0.02275013
## [1] 0.02275013