un ejemplo explicado de las distribuciones de probabilidad

22
Procesos industriales área Procesos industriales área manufactura. manufactura. Ejemplo explicado: distribución Ejemplo explicado: distribución de probabilidad. de probabilidad. Leonardo García Lamas . Leonardo García Lamas .

Upload: leonardo19940511

Post on 14-Jul-2015

8.155 views

Category:

Documents


0 download

TRANSCRIPT

Procesos industriales área Procesos industriales área manufactura.manufactura. Ejemplo explicado: distribución Ejemplo explicado: distribución de probabilidad.de probabilidad.Leonardo García Lamas .Leonardo García Lamas .

1) Al lanzar un dado, ver si se obtiene un 5 (1) Al lanzar un dado, ver si se obtiene un 5 (éxitoéxito) o cualquier otro ) o cualquier otro valor (valor (fracasofracaso).).

Lo primero que se hace en este experimento es identificar el fracaso o Lo primero que se hace en este experimento es identificar el fracaso o el éxito, ya que en este de bernoulli solo se pude obtener dos el éxito, ya que en este de bernoulli solo se pude obtener dos resultados resultados

1)Se considera éxito sacar un 5, a la probabilidad según el teorema 1)Se considera éxito sacar un 5, a la probabilidad según el teorema de Laplace (casos favorables dividido entre casos posibles) será 1/5.de Laplace (casos favorables dividido entre casos posibles) será 1/5. p = 1/5p = 1/52) Se considera fracaso no sacar un 6, por tanto, se considera fracaso 2) Se considera fracaso no sacar un 6, por tanto, se considera fracaso sacar cualquier otro resultado, entonces a la probabilidad se le sacar cualquier otro resultado, entonces a la probabilidad se le restará 1.restará 1. q= 1 –p p= 1- 1/5 p=4/5 q= 1 –p p= 1- 1/5 p=4/5 3) La variable aleatoria X medirá "número de veces que sale un 5", y 3) La variable aleatoria X medirá "número de veces que sale un 5", y solo existen dos valores posibles, 0 (que no salga 5) y 1 (que salga un solo existen dos valores posibles, 0 (que no salga 5) y 1 (que salga un 5). Por lo que el parámetro es (X= Be(1/5) 5). Por lo que el parámetro es (X= Be(1/5) p=1/5 p=1/5

Ejemplo de Bernoulli.

La probabilidad de que obtengamos un 5 viene definida como la probabilidad de que X sea igual a 1. Entonces ahora los datos que obtuvimos se sustituyen en la fórmula. P(x=1) = (1/5) 1 * (4/5) 0 = 1/5 = 0.2

La probabilidad de que NO obtengamos un 6 viene definida como la probabilidad de que X sea igual a 0. P(x=0) = (1/5)0 * (4/5)1 = 4/5 = 0.8

Este experimento nos dice que hay 0.2 de probabilidad de que salga el numero 5 en el dado, y de que no salga ese numero existe la probabilidad del 0.8.

Ejemplo binomialEjemplo binomial Se lanza una moneda cuatro veces.

Calcular la probabilidad de que salgan más caras que cruces.

B(4, 0.5) p = 0.5q = 0.5

explicaciónexplicación En el ejemplo anterior se calculan las

probabilidades de que al tirar una moneda salgan mas caras que cruces y para eso La moneda es lanzada 4 veces de esos 4

tiros solo 1 cae cara y los otros 3 tiros cae cruz pero el resultado va a variar

probabilidades: 1cara-3 cruces 2 caras- 2 cruces3 caras- 1 cruz 2 cruces- 2 caras

Ejemplos de Poisson Ejemplos de Poisson Ejemplo 1.- Si un banco recibe en promedio 6 cheques sin fondo por día, ¿ Cuales son las probabilidades reciba,

b)Cuatro cheque sin fondo en un día dado,

c)B)reciba 10 cheques sin fondo en cualquiera de dos días consecutivos

Variable discreta= cantidad de personas

Intervalo continuo= una hora

Formula

P(x): Probabilidad de que ocurran x éxitos

: Número medio de sucesos esperados por unidad de tiempo.

e: es la base de logaritmo natural cuyo valor es 2.718

X: es la variable que nos denota el número de éxitos que se desea que ocurran

A) x= Variable que nos define el número de cheques sin fondo que llega al banco en un día cualquiera;

El primer paso es extraer los datos Tenemos que o el promedio es igual a 6

cheques sin fondo por día e= 2.718 x= 4 por que se pide la probabilidad de que lleguen

cuatro cheques al día

Reemplazar valores en las formulasReemplazar valores en las formulas = 6 e= 2.718 X= 4 P(x=4, = 6) =(6)^4(2.718)^-6 4!

=(1296)(0,00248) 24

=o,13192 Es la probabilidad que representa de que lleguen cuatro

cheques sin fondo al día

B) X= es la variable que nos define el número de cheques sin fondo que llegan en dos

días consecutivos =6x2= 12 Cheques sin fondo en promedio que llegan al banco en dos días

consecutivos

Lambda por t comprende al promedio del cheque a los dos días

DATOS = 12 Cheques sin fondo por día

e= 2.718 X=10 P(x=10, =12 )= (129^10(2.718)^-12 10! =(6,191736*10^10)(0,000006151) 3628800 =0,104953 es la es la probalidad de que lleguen 10 cheques sin fondo en dos

días consecutivos

Una variable aleatoria continua, X, sigue una distribución normal de media μ  y desviación típica σ , y se designa por N( , )μ σ , si se cumplen las siguientes condiciones:

1. La variable puede tomar cualquier valor: (-∞, +∞)

2. La función de densidad, es la expresión en términos de ecuación matemática de la curva de Gauss:

Ejemplo de distribución normal

Curva de la distribución normal

El campo de existencia es cualquier valor real, es decir, (-∞, +∞). Es simétrica respecto a la media µ. Tiene un máximo en la media µ. Crece hasta la media µ y decrece a partir de ella. En los puntos µ y µ + presenta puntos de inflexión.− σ σ El eje de abscisas es una asíntota de la curva.

El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.

Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la izquierda y otra igual a 0.5 a la derecha.

La probabilidad equivale al área encerrada bajo la curva.

p( - < X ≤ + ) = 0.6826 = 68.26 %μ σ μ σp( - 2 < X ≤ + 2 ) = 0.954 = 95.4 %μ σ μ σp( - 3 < X ≤ + 3 ) = 0.997 = 99.7 %μ σ μ σ

Parámetros

A continuación se sustituye la formula en base alas 8 horas.

Ejemplo de distribución gamma

Formula

Probabilidad

Un fabricante de focos afirma que su producto durará

un promedio de 500 horas de trabajo. Para conservar este promedio esta persona verifica 25 focos cada mes. Si el valor y calculado cae entre –t 0.05 y t 0.05, él se encuentra satisfecho con esta afirmación. ¿Qué conclusión deberá él sacar de una muestra de 25 focos cuya duración fue?:

Ejemplo de distribución t-student

AQUÍ SE ENCUENTRAN LAS MUESTRAS QUE SE TOMARON PARA RESOLLVER EL PROBLEMA.

520 521 511 513 510 µ=500 h

513 522 500 521 495 n=25

496 488 500 502 512 Nc=90%

510 510 475 505 521 X=505.36

506 503 487 493 500 S=12.07

SOLUCION

Para poder resolver el problema lo que se tendrá que hacer será lo siguiente se aplicara una formula la cual tendremos que desarrollar con los datos con los que contamos.

Tendremos que sustituir los datos

t= x -μ SI n α = 1- Nc = 10% v = n-1 = 24 t = 2.22

Procedimiento: se demostrara la forma en que

se sustituirán los datos. VALOR DE LOS DATOS.. APLICACION DE LA FORMULA

µ=500 h t=505.36-500 t = 2.22

n=25 12.07 25

Nc=90% v = 25 -1 = 24 X=505.36 α = 1- 90% = 10% S=12.07

Enseguida se muestra la distribución del problema según el grafico sig.

[email protected] http://leyna-estadistica.bligoo.com.mx/

Gracias por su atención