Distribuciones de probabilidad - Estadística

More documents

Recommendations

Info

n! % $ lim n!" r!(n # r)! & n ' r n#r % $ lim 1 # ' = ( n!" & n ( n(n #1)...(n # r +1) = lim n!" r! = $r r! lim n(n # 1)...(n # r + 1) n!" n r Calculamos cada uno de estos límites: n lim n!" n lim n!" lim n!" n # 1 n % $ 1 # ' & n( 1 # $ % ' & n( n r ... n # r +1 n ! lim !1 Sustituyendo en [1] tenemos: n!" P(!) = !r r! $r 1 # r lim n n!" $ n % ' & n ( 1 # $ r % ' & n ( ! 1 + % - ' ) 1 - 1 + * ) n * - & #$ ( , e" ! n % $ lim 1 # ' n!" & n ( r % $ lim 1 # ' n!" & n ( # n $ Es la función de densidad de la distribución de Poisson. EJEMPLO 3.12: . 0 0 0 / #$ ! e #$ Un comprador de grandes cantidades de circuitos integrados ha adoptado un plan para aceptar un envío de éstos, que consiste en inspeccionar una muestra de 100 circuitos provenientes del lote. Si el comprador encuentra no más de dos circuitos defectuosos en la muestra, acepta el lote; de otra forma, lo rechaza. Si se envía al comprador un lote que contiene el 1% de circuitos defectuosos, ¿cuál es la probabilidad de que sea aceptado el lote?. Solución: [1] 160
Nuestra variable es: X: "número de circuitos defectuosos en la muestra". X~B(n=100, p=0'01) np=1 Si n≥50 y p≤0,1 se comporta aproximadamente como una Poisson. P(aceptar el lote) = P( x ! 2) = P( x = 0) + P( x =1) + P( x = 2) = = e "1 1 0 1 2 + e"11 + e"11 0! EJEMPLO 3.13: 1! = 0, 9197 2! P(aceptar el lote) = 90% Es conocido el hecho de que cierto tipo de bacterias poseen, además de sus cromosomas, otras estructuras de ADN llamadas factores de resistencia. Estos factores confieren a la bacteria resistencia a uno o varios antibióticos. En un determinado medio el 0,06% de las bacterias no poseen dicha propiedad. Sobre una población de 10.000 se desea saber: a) La probabilidad de que el número de bacterias no poseyendo dicha resistencia sea superior a 6, pero inferior a 15. b) La probabilidad de que haya exactamente 5 sin resistencia antibiótica. Solución: Sea X el "número de bacterias que no poseen resistencia a los antibióticos". X~B(n=10.000, p=0'0006)~P(! =np=6) a)P(6 < x
Page 1 and 2: 3 Tercera Unidad Didáctica "DISTRI
Page 3 and 4: Cuando la variable aleatoria toma u
Page 5 and 6: Para medir la dispersión de los va
Page 7 and 8: 3.1.3 Distribución Binomial Hay mu
Page 9 and 10: Construir el árbol puede ser una t
Page 11 and 12: EJEMPLO 3.6: P(x = 2) = 1 ! # " 10$
Page 13 and 14: 3.1.3.2 Media y desviación típica
Page 15 and 16: ) c) Parámetros: EJEMPLO 3.10: P(x
Page 17: 1- Debemos tener un fenómeno dicot
Page 21 and 22: Ocurre un determinado suceso en un
Page 23 and 24: una de las pruebas. Supongamos que
Page 25 and 26: Puesto que n 25 = = 0, 025 < 0, 05
Page 27 and 28: Solución: X: "número de biólogos
Page 29 and 30: esquema. EJEMPLO 3.24: Supongamos q
Page 31 and 32: "DISTRIBUCIONES DE PROBABILIDAD CON
Page 33 and 34: El nombre de distribución normal s
Page 35 and 36: 3.- El área del recinto encerrado
Page 37 and 38: Figura 3.5: Efecto de la variación
Page 39 and 40: 3.2.1.4 Manejo de las tablas de la
Page 41 and 42: 4.- Tabla de áreas acumuladas : No
Page 43 and 44: Obviamente éstas no son igualdades
Page 45 and 46: Figura 3.9: Comparación entre las
Page 47 and 48: g.l \α 0.9950 0.9750 0.950 0.900 0
Page 49 and 50: 3.2.3.2 Propiedades de la distribuc
Page 51 and 52: Solución: 193
Page 53 and 54: 3.2.4.2 Propiedades de la distribuc
Page 55 and 56: Así, se verifica que: EJEMPLO 3.29
Page 57 and 58: Obviamente al profesor le bastaría
Page 59 and 60: EJEMPLO 3.30: Calcular P(Z≤-2) So
Page 61 and 62: SEXTO CASO: En una distribución N
Page 63 and 64: Si en lugar de estar en una N(0,1)
Page 65 and 66: "DISTRIBUCIÓN NORMAL" 3.4 Trabajo
Page 67 and 68: 3.17): La situación podría repres
Page 69 and 70:
0 6.5 " = 0.1314 NORMALES N(7.5; 0.
show all

Distribuciones de probabilidad - Estadística

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?