Distribuciones de probabilidad - Estadística

More documents

Recommendations

Info

CUARTO CASO: En una distribución N ( µ,! ) , obtener P( Z ! "a) . Se trata, lo mismo que en el caso anterior de dar solución a uno de los supuestos ya vistos, en concreto al supuesto segundo, pero considerando ahora que trabajamos con una normal no estándar. Lo primero que tenemos que hacer es tipificar ya que si no, la igualdad anterior no se verifica, por tanto: $ P( X ! "a ) =P % EJEMPLO 3.32: x " µ # ! "a " µ # En una N(5,3) calcular P( X ! "8) Solución: # P( X ! "8) =P $ x " 5 3 & $ a " µ ' =P z ! " & $ a " µ % # ' = 1" P z < & % # ' "8 " 5 ! % # 3 & =P z ! "13 % # 13 $ 3 & = 1 " P z < % $ 3 & = = 1 ! P( z " 4.33)= 1 ! 0.9999 = 0.0001 QUINTO CASO: En una distribución N (0,1) calcular P( Z ! a) Figura 3.14: El área rayada de la curva representa P( Z ! a) Obviamente P( Z ! a) =1 " P( Z < a). 202
SEXTO CASO: En una distribución N ( µ,! ) Obtener P( X ! a) : $ P( X ! a) =P % x " µ # ! a " µ # & $ a " µ ' = 1" P z < & % # ' SÉPTIMO CASO: En una distribución N(0,1) calcular P( a ! Z ! b) Figura 3.15. El área rayada de la curva representa P( a ! Z ! b) Observando el gráfico de la figura 3.15 y teniendo en cuenta las propiedades de la Normal, tenemos: P( a ! Z ! b)=P ( Z ! b)" P( Z < a) OCTAVO CASO: En una N ( µ,! ) obtener P( a ! X ! b) Si en lugar de trabajar con una N(0,1) trabajásemos con una N ( µ,! ) sería preciso, como en casos anteriores, tipificar. Es decir: a " µ P( a ! X ! b) = P # ! x " µ $ % # ! b " µ # & $ b " µ ' = P z ! & $ a " µ % # ' " P z < & % # ' 203
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 and 18: 1- Debemos tener un fenómeno dicot
Page 19 and 20: Nuestra variable es: X: "número de
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: EJEMPLO 3.30: Calcular P(Z≤-2) So
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

Create successful ePaper yourself

Delete template?

Save as template?