Professional Documents
Culture Documents
ESTADÍSTICA
Equipo de Estadística
Sesión N° 06
CASO 1: PRODUCCIÓN DE TORNILLOS
o Variable aleatoria
o Distribuciones de Probabilidad
EJEMPLOS:
f (x) = P[ X = x ]
EJEMPLOS:
n
Distribución Binomial: P[X x] p x q n x
x
eλ λ x
Distribución Poisson: P[X x]
x!
III. FUNCION DE PROBABILIDAD ACUMULADA:
• Llamada también función de distribución que se denota por
F(x).
• Es aquella que nos permite calcular probabilidades
acumuladas.
• Se denota por:
F(x) = P[ X ≤ x ]
Por ejemplo:
Distribución Poisson
DISTRIBUCIÓN BINOMIAL
CARACTERISTICAS:
siguientes probabilidades:
= 0.237
a. Ninguno sea defectuoso.
b. P(X 1) C1 0.25 (0.75)
5 1 4
b. Exactamente 1 sea defectuoso.
c. Menos de 2 sean defectuosos. = 0.396
c. P(X 2) P(X 1) P(X 0) P(X 1)
= 0.633
PARAMETROS:
n=5
p = 0.25
MANEJO DE TABLA:
a) Fallen exactamente 4.
b) Fallen por lo menos 8.
c) Fallen más de 4.
SOLUCIÓN:
X = Candidatos que fallan en una prueba de selección
Parámetros:
n = 15 candidatos
p = probabilidad que un candidato falle en una prueba de selección.
p = 0.45; q = 0.55
Función de probabilidad:
15 x
P(X x) C 15
x (0.45) x
( 0.55) , X 0,...,15
a) Fallen exactamente 4.
P(X = 4) = 0.078 = 7.8%
b) Fallen por lo menos 8.
P(X ≥ 8) = 1 - P(X ≤ 7) = 1 - 0.6535 = 0.3465 = 34.65%
c) Fallen más de 4.
P(X > 4) = 1 - P(X ≤ 4)= 1 - 0.1204 = 0.8796 = 87.96%
DISTRIBUCIÓN POISSON
Es otra de las distribuciones discretas
más importantes del cálculo de
probabilidades.
Se utiliza cuando se quieren evaluar
variables aleatorias discretas pero
ocurridos en espacios continuos.
Estos espacios continuos pueden ser el
tiempo, volumen, espacio, etc.
Función de probabilidad
e λ λ x
PX x/λ
x!
Donde λ = Número esperado de éxitos. Simeon Poisson
e = Constante matemática.
x = Número de éxitos por unidad.
Parámetro: λ
EJEMPLOS
e λ λ x
PX x/λ
EJERCICIO:
x!