Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
TAMPICO, TAMAULIPAS, 28 DE MAYO DE 2017 INSTITUTO DE ESTUDIOS UNIVERSITARIOS S.C. ALUMNO: MARILÚ PACHECO GÓMEZ MATRICULA: 78492 GRUPO: CF31 MATERIA: ESTADÍSTICA DOCENTE: MTRO. JORGE ENRIQUE VELAZQUEZ MANCILLA ACTIVIDAD 3: COMPARANDO DISTRIBUCIONES DISTRIBUCIÓN BINOMIAL CARACTERISTICAS Es una distribución de probabilidad discreta que cuenta el número de éxitos en una secuencia de n ensayos de Bernoulli independientes entre sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos. USOS Se utiliza cuando la variable aleatoria discreta de interés es el número de éxitos en una muestra compuesta por n observaciones. EJEMPLOS DE APLICACIÓN Algunos ejemplos típicos de la distribución binomial son: Al nacer puede ser varón o hembra, Un equipo de baloncesto puede ganar o perder. FORMULA Elabora un cuadro comparativo de las siguientes distribuciones: binomial, poisson, uniforme, normal y exponencial DISTRIBUCIÓN POISSON DISTRIBUCIÓN UNIFORME Es una distribución de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra un determinado número de eventos durante cierto período de tiempo. Corresponde al caso de una variable aleatoria que sólo puede tomar valores comprendidos entre dos extremos a y b, de manera que todos los intervalos de una misma longitud (dentro de (a, b)) tienen la misma probabilidad. La distribución uniforme depende del parámetro n. A menudo se llama distribución rectangular. Proviene de un proceso de extraccion aleatoria Se emplea cuando se cuentan los eventos o entidades, distribuidos al azar en espacio y tiempo La distribución uniforme resulta útil para muestrear distribuciones arbitrarias. Un método general es el método de muestreo de transformación inversa, que utiliza la distribución de probabilidad de la variable aleatoria objetivo. Se aplica a fenómenos discretos de la naturaleza cuando la probabilidad de ocurrencia del fenómeno es constante en el tiempo o el espacio. Por ejemplo El número de llamadas telefónicas en una central telefónica por minuto. Un ejemplo característico es cuando se lanza un dado regular sobre un tablero y se observa el número que aparece en la cara superior: cada uno de los resultados posibles (1, 2, 3, 4, 5, 6) tiene la misma probabilidad de salir. Elabora un cuadro comparativo de las siguientes distribuciones: binomial, poisson, uniforme, normal y exponencial DISTRIBUCIÓN NORMAL DISTRIBUCIÓN EXPONENCIAL También llamada distribución Gaussiana. Distribución continua que se utiliza más comúnmente en estadística. Es de vital importancia en estadística por tres razones: Muchas variables continuas en el mundo de los negocios tienen distribuciones que se asemejan a estrechamente a la distribución normal. Esta distribución sirve para acercarse a diversas distribuciones de probabilidad discreta, como la binomial y la de Poisson. La distribución normal proporciona la base para la estadística inferencial clásica por su relación con el teorema del límite central. Se puede calcular la probabilidad de que varios valores ocurran dentro de cientos rangos, sin embargo la probabilidad exacta de un valor particular es 0. Distribución de probabilidad continua, que mide el paso del tiempo entre un suceso y otro. Se diferencia de la normal en dos aspectos: se limita a las variables aleatorias que tienen valores positivos y su distribución no es simétrica. Esta distribución está sesgada hacia la derecha, haciendo que la media sea más grande que la mediana. Su rango es de cero a infinito positivo, pero su forma hace que la ocurrencia de valores extremadamente grandes sea muy poco pos Tiene un uso extendido, ya que ciertos fenómenos tienden a parecerse en su comportamiento a esta distribución. Es una función de probabilidad para variables aleatorias continuas de gran aplicación, en ingeniería, en física y en las ciencias sociales. Es la función de probabilidad con más aplicaciones al campo de la economía y de la empresa. Es útil para resolver problemas de lista de espera o de colas. Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de la normal son: Caracteres sociológicos como el consumo de cierto producto por un mismo grupo de individuos. Se utiliza para medir el paso del tiempo entre un evento y otro. Por ejemplo: El lapso de tiempo que transcurre entre la tasa de llegadas de personas, vehículos, llamadas telefónicas, etc. Ejercicio 28: La pmf para x= numero de defectos importantes que tiene un electrodomestico de un cierto tipo, seleccionando al azar, es: x 0 1 2 3 4 p(x) 0,08 0,15 0,45 0,27 0,05 Calcula: 2.06 0.9364 0.96767763 0.9364 x P(x) x P(x) x-μ (x-μ)2 (x-μ)2 P(x) 0 0.08 0.00 -2.06 4.2436 0.339488 1 0.15 0.15 -1.06 1.1236 0.16854 2 0.45 0.90 -0.06 0.0036 0.00162 3 0.27 0.81 0.94 0.8836 0.238572 4 0.05 0.20 1.94 3.7636 0.18818 2.06 0.9364 μ=2.06 0.967677632 σ2=0.9364 σ=0.96767763 x P(x) x P(x) x2 P(x) 0 0.08 0.00 0.00 1 0.15 0.15 0.15 2 0.45 0.90 1.80 3 0.27 0.81 2.43 4 0.05 0.20 0.80 μ-----> 2.06 5.18 μ2-----> 4.2436 σ2= ∑x 2 P(x) - μ2 σ2= 0.9364 Fórmula no abreviada Fórmula abreviada La distribucion o funcion de probabilidad de masa. Pmf: Distribución de probabilidad discreta a) E(x) b) V (x) directamente de la definición c) Desviación estándar de x d) V(x) usando la fórmula abreviada La pmf para x= numero de defectos importantes que tiene un electrodomestico de un cierto tipo, seleccionando al azar, es: Ejercicio 31 Un distribuidor de aparatos electrodomésticos vende tres modelos diferentes de congeladores verticales con capacidad de 13.5, 15.9 y 19.1 pies cúbicos de espacio de almacenaje. Sea x = a cantidad de espacio de almacenaje de un congelador comprado por el siguiente cliente. Supongamos que X tiene pmf. x 13,5 15,9 19,1 p(x) 0,2 0,5 0,3 a) Calcule: Esperanza E(x)= 16.38 Varianza σ2= 3.9936 Desviación estándar σ= 1.99839936 x P(x) x P(x) x-μ (x-μ)2 13.5 0.2 2.7 -2.88 8.2944 15.9 0.5 7.95 -0.48 0.2304 19.1 0.3 5.73 2.72 7.3984 16.38 μ=16.38 b) Precio esperado= 25x - 8.5 Precio esperado= 409.5 - 8.5 Precio esperado= 401 c) ¿Cuál es la varianza del precio 25x-8.5 pagado por el cliente? Varianza precio pagado= 25x - 8.5 Varianza precio pagado= 99.84 - 8.5 Varianza precio pagado= 91.34 d) h(x)= x - (0.01*σ2) h(x)= 16.38 - 0.039936 Fórmula extendida Si el precio de un congelador con capacidad de x pies cúbicos es 25x-8.5, ¿cuál es el precio esperado por el cliente que va a comprar un congelador? Suponga que mientras la capacidad nominal de un congelador es x, la capacidad real es h(x)=x-(0.01*σ2). h(x)= 16.340064 Un distribuidor de aparatos electrodomésticos vende tres modelos diferentes de congeladores verticales con capacidad de 13.5, 15.9 y 19.1 pies cúbicos de espacio de almacenaje. Sea x = a cantidad de espacio de almacenaje de un congelador comprado por el siguiente cliente. Supongamos que X tiene pmf. (x-μ)2 P(x) x P(x) x P(x) x2 P(x) 1.65888 13.5 0.2 2.70 36.45 0.1152 15.9 0.5 7.95 126.41 2.21952 19.1 0.3 5.73 109.44 3.9936 μ-----> 16.38 272.30 1.998399359 μ2-----> 268.3044 σ2=3.9936 σ=1.998399359 σ2= ∑x 2 P(x) - μ2 σ2= 3.9936 Fórmula abreviada 8.5, ¿cuál es el precio esperado por el cliente que va a comprar un congelador? Suponga que mientras la capacidad nominal de un congelador es x, la capacidad real es h(x)=x-(0.01*σ2). ¿Cuál es la capacidad real esperada del congelador comprado PORTADA Cuadro Comparativo Ejercicio 28 Ejercicio 31
Compartir