Professional Documents
Culture Documents
Ejemplos:
De la tabla anterior se desprende que la funcin de cuanta
Lanzar una moneda: = {Cara, Sello} entonces si el asociada a la variable aleatoria X es:
xito = Cara y fracaso = Sello, es un experimento de
Bernoulli. p x (1 p )(1 x ) , para x = 0,1
P ( X = x) =
Lanzar un dado: = {1,2,3,4,5,6} , no es un 0 e.o.c.
experimento de Bernoulli, pero si se define
xito = "sale par" y fracaso = "sale impar" el El modelo anterior recibe el nombre de distribucin de
experimento es de Bernoulli. Bernoulli y se denota por X ~ Bernoulli(p) que se lee X tiene
distribucin de Bernoulli con parmetro p.
El ejemplo anterior muestra que todo experimento aleatorio
puede ser transformado a un experimento de Bernoulli. La media y la varianza de la distribucin de Bernoulli son
E ( X ) = p y Var ( X ) = p (1 p) .
Imagine que se realiza un experimento de Bernoulli con
P (xito) = p . Sea X la variable aleatoria definida como: Ejemplos:
a) P (2 Z 5) = P( Z 5) P ( Z 2)
= 1 P( Z 2) = 0.0228 ,
puesto que P ( Z 5) =1
La grfica anterior tambin recibe el nombre de campana de
Gauss.
X
Sea X~N(,2), entonces Z = , tiene distribucin
N(0,1), es decir, a partir de la distribucin normal
estndar podemos determinar las probabilidades a
cualquier distribucin Normal, para ello necesitamos
conocer su media y la raz de la varianza o desviacin
estndar . Este proceso recibe el nombre de
estandarizacin.
Realizando el proceso de estandarizacin paso a paso: c) Probabilidad de que en un da, esta temperatura
este entre un grado bajo cero y un grado sobre cero
80 75 Y 75 90 75
P ( 80 Y 90 ) = P P(-1 Z 1)=P(Z 1)-P(Z -1)
10 10 10 = (1) - ( 1) =0.8413-0.1587=0.6826