Professional Documents
Culture Documents
Se caracteriza por:
a) Ser un experimento aleatorio que consiste en efectuar una sola prueba con dos
posibles resultados, mutuamente excluyentes, arbitrariamente llamados éxito y
fracaso.
b) Por ser un experimento aleatorio que consiste en seleccionar un elemento de
una población finita o infinita dividida en dos clases, arbitrariamente llamadas:
“ la clase de los éxitos y la clase de los fracasos”.
EJEMPLOS:
P ( X(W) ) = x ) = F (x) = Px ( 1 - P) 1 - x
,x = 0 , 1
donde P es la probabilidad de conseguir
un éxito y f define una función de
cuantía llamada Cuantía de Bernulli con
parámetro P.
y su función de distribución esta dado
por :
0 ;x 0
F ( x) 1 p ; 0 x 1
1 ; x 1
x 1-x
f(x) = 0.05 (0.95)
ya que P = 5/100 ; 1 - P = Q = 0.95
b)La función de Distribución Acumulada F(x)
0 ;x 0
F ( x) 0.95 ; 0 x 1
1 ; x 1
c) Esperanza y Varianza
1
E [ x] = x P(x) = P = 0.05
x=0
V[ x ] = 0.05* 0.95 = 0.0475
3.2 DISTRIBUCION BINOMIAL
Esta distribución se caracteriza por:
Existir solamente dos posibles resultados en cada
ensayo ( éxito y fracaso)
La probabilidad de un éxito es la misma en cada
ensayo
Hay n ensayos donde n es constante
Los n ensayos son independientes .
DEF.
La distribución de probabilidades se denomina
distribución Binomial debido a que
para x = 0,1,2,........n , los valores de las
probabilidades son los términos sucesivos
del desarrollo binomial [ (1 –P) + P] n y las
cantidades combinatorias n C x reciben el
nombre de “coeficientes binomiales” donde:
x n-x
B( x, n, P) = n Cx P (1-p) para x = 0,1, 2.........n
p( x 5) nCr * p x q n x
b (5 , 5 , 0.6 ) = 5 C 5 (0.6 )5 0.40 = 0.078
P ( x >= 4 ) = P ( x = 4 ) + P ( x= 5 )
= 0.259 + 0.078 = 0.337
3.5 DISTRIBUCION DE POISSON
DEF.
Solución
= 0.02*1000 = = E(x) =20
x e
p ( X x)
x!
2 0
f(x) = e 20 x = 0.0646
x!
4.0 DISTRIBUCIONES CONTINUAS
4.1 DISTRIBUCIÓN UNIFORME O RECTANGULAR
Sea X una vía continua sin distribución uniforme sí:
1
f ( x) x
0 en otro lugar
Gráficamente f(x)
1
x
Donde su función acumulativa de distribución esta dada por:
0 X
X
F ( x) X
1 Si X
Esta distribución de la variable aleatoria x continua
puede transformarse en la siguiente densidad
uniforme:
1 : 0 y 1
f ( y)
0 : en otro lugar
x
2
x
2
12
4.4 DISTRIBUCIÓN NORMAL
Centroide Vertical
u- u u+
x
Tiene sus puntos de inflexión en X u ; x u
La probabilidad
P( x u ) 1 ; P( x u ) 1
2 2
x x f ( x)dx
2
1 x u
( )
x
1 2 dx u
x e
2
Varianza de x
( x) x 2 u 2
2
1 x u
x2
1
2
2 2
x e dx
1 z2
( z) e 2 - z
2
y su grafico es:
(z)
4.5.1 CARACTERÍSTICAS:
Gráfico:
t2
z z
1
F ( z) (t )dt e 2 dt
2
F(z)
Z
4. 6 MANEJO DE LA TABLA DE LA NORMAL
I)Dados los valores de Z, encontrar el área
comprendida Si Z>0
z1
i) P( Z z1 ) ( z )dz F ( z1 ) Si z1 0
P( Z 0.93) F (0.93)
1 - F (0.93) 1 0.8238
0.1762
II) Dada la probabilidad encontrar Z
i)- Si la probabilidad dada es mayor o igual a 0.5 el
valor de Z se lee directamente en la tabla
EJEMPLO:
F ( z1 ) 0.5438 z1 0.11
1
1-F(z1)=0.1465
F(z1) = 0.8535 z1 =1.05
por simetría -z1 = - 1.05