UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO

FACULTAD: Ingeniera Civil CURSO: Estadstica General DOCENTE: Juan Daz ALUMNO: Mejia Prudencio Miriam CICLO: Segundo

2013

DISTRIBUCION DE POISSON Bsicamente un experimento aleatorio de Poisson es un proceso que consiste en observar la variable discreta X, cuyos valores posibles son: 0,1,2, con parmetro ( > 0) y se escribe Donde: [ ]

La distribucin de Poisson se aplica a problemas donde la variable aleatoria es el numero de eventos independientes que curren en un intervalo de tiempo o en un espacio dado (con un promedio dado), por ejemplo: Numero de llamadas que recibe una central telefnica en el periodo de un minuto. Numero de llegada de clientes por hora. Numero de accidentes de trabajo que ocurren en una fbrica durante una semana. PROPIEDADES: 1) Media: E(X) = . 2) Varianza: V(X) = .

3) La suma de dos variables aleatorias independientes con distribucin de Poisson resulta en una nueva variable aleatoria, tambin con distribucin de Poisson, de parmetro igual a la suma de parmetros: X1 ~ P ( = 1) y X2 ~ P ( = 2) y definimos Z = X1 + X2, entonces, Z ~ P ( = 1 + 2) 4) Extensin o reduccin del intervalo unitario. La probabilidad de que ocurra x eventos de Poisson en un intervalo de tiempo o en un espacio de tamao t es:

Ejemplo 1: Un sistema aleatorio de patrullaje policial es proyectado de modo que un patrullero pueda visitar una calle dada de su jurisdiccin y=0,1,2veces por un periodo de media hora y que el sistema es convenido para que el patrullero visite cada calle en un promedio de una vez por periodo de tiempo determinado. Y tiene distribucin aproximadamente Poisson. Cul es la probabilidad de que el patrullero deja de pasar por una calle determinada en hora? El periodo de tiempo es hora y el promedio de visitas en ese tiempo es

Ejemplo 2: El nmero de errores tipogrficos en una pgina de un libro tiene distribucin de Poisson con parmetro en esta pgina. Sea X la variable discreta o aleatoria entonces tenemos: . Hallar la probabilidad de que hay por lo menos un error

( )

Ejemplo 3: En una poblacin grande, la proporcin de personas que tienen cierta enfermedad es 0.01. Determine la probabilidad de que en un grupo aleatorio de 400 personas, al menos 3 personas tienen la enfermedad. n=400 y p=0.01 distribucin aproximada de Poisson [ [ ] [ ] ] [ ] [ ] [ ]

Ejemplo 4: Una compaa de seguros halla que el 0.004% de la poblacin fallece cada ao por cierto accidente. Cul es la probabilidad de que la compaa tenga que pagar a mas de 2 de los 10000 asegurados contra tales accidentes en un ao dado? n=10000 y p= 0.00004 podemos aproximarla a una distribucin de Poisson con parametro

[ [ ] [ ]

] [ ] [ ]

Ejemplo 5: el nmero medio de automviles que llegan a una estacin de suministros de gasolina es de 240 por hora. Si dicha estacin puede atender a un mximo de 8

automviles por minuto, determine la probabilidad de que, n un minuto dado, lleguen a la estacin ms automviles de los que pueden atender.

El nmero de automviles que llegan a la estacin de suministro en un minuto es:

[ [ ] [ ]

] [ ] [ ] [ ]

DISTRIBUCION BINOMIAL Se denomina distribucin binomial a un nmero fijo n de repeticiones independientes de un experimento aleatorio de Bernoulli y por lo tanto se caracteriza porque: a) Las n pruebas son estadsticamente independientes b) Los resultados de cada prueba so dos, mutuamente excluyentes, xito (E) o fracaso (F) c) La probabilidad p de xito es invariable en cada una de las pruebas. El espacio muestral del experimento binomial es el conjunto

Se denomina variable binomial a la variable aleatoria X definida en 1,2,3n

como el numero

de xitos que ocurren en las n pruebas de Bernoulli. Los posibles valores de X son:

Se dice que la variable aleatoria X definida como el numero de xitos que ocurren en las n pruebas de Bernoulli tiene distribucin binomial con parmetros n y p y se escribe: si su funcin de probabilidad es: [ Donde: ( ) ] ( )

Numero de eventos elementales

La media y la varianza de la distribucin binomial estn dadas por: Media: np Varianza: npq Ejemplo 1: Un estudiante de facultad de Ingenieria Industrial tiene la certeza de aprobar una asignatura con probabilidad 0.8, si lleva seis asignaturas. Cul es la probabilidad de salga mal en todas las asignaturas? [ ] ( )

Ejemplo 2: Del ejemplo anterior. Cul es la probabilidad de que apruebe menos de 2 cursos? [ ] ( ) [ ] ( )

Ejemplo 3: En un rea geogrfica, el 40% de la poblacin adulta pertenece al partido demcrata. Se selecciona una muestra de 10 adultos. Si X es la variable aleatoria que se define como de personas adultas que pertenecen al partido demcrata. Calcule la media y la desviacin estndar.

La probabilidad de que una persona pertenezca al partido demcrata es de p= 0.4 y de no pertenezca q=0.6 Media= Desviacin estndar =

Ejemplo 4: A dos grupos de alumnos compuestos por 8 individuos el primero y 5 individuos el segundo, se le hace una misma pregunta; las unikas respuestas posibles son SI o NO, al principio ambas igualmente probables y que todos los consultados responden; y suponiendo adems la independencia para las respuestas de cada individuo y para lo de los grupos. Determinar la probabilidad de que el nmero de respuestas afirmativas en el primer grupo sea inferior o igual a 6. Sea la variable aleatoria X que denota al numeor de alumnos que responde si en el primer grupo. Como cada alumno del primer grupo responde un si o no entonces [ ] ( ) [ ] [ ( ) ] [ ]

Ejemplo 5: Del ejemplo anterior determine la probabilidad de que el numero de respuestas afirmativas en los dos grupos se igual o mayor a 11.

[ ( )

[ ( )

] (

[ )

DISTRIBUCION NORMAL

La distribucin de probabilidad contina ms importante en todo el campo de la estadstica, debido a que en la prctica muchos fenmenos industriales, cientficos o de la vida diaria pueden describirse por esta distribucin. A la curva distribucin normal o gaussiana puede considerarse como modelo terico para analizar situaciones reales. Una variable aleatoria continua X se dice que esta distribuida normalmente con media y varianza por:
( )

, si su funcin de densidad de probabilidad esta dado

Donde: y

La distribucin normal se emplea tanto que a menudo se la siguiente notacin abreviada , para indicar que la variable aleatoria X se distribuye normalmente con media y varianza .

Propiedades de la Distribucin Normal 1. 2. Tiene una nica moda, que coincide con su media y su mediana. La curva normal es asinttica al eje de abscisas. Por ello, cualquier valor entre + 3. es tericamente posible. El rea total bajo la curva es, por tanto, igual a 1. y

Es simtrica con respecto a su media . Segn esto, para este tipo de variables existe una probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un dato menor.

4.

La distancia entre la lnea trazada en la media y el punto de inflexin de la curva es igual a una desviacin tpica ( ). Cuanto mayor sea , ms aplanada ser la curva de la densidad.

5.

El rea bajo la curva comprendida entre los valores situados aproximadamente a dos desviaciones estndar de la media es igual a 0.95. En concreto, existe un 95% de posibilidades de observar un valor comprendido en el intervalo

La Distribucin Normal Estndar

Dando que existe una distribucin normal diferente de una combinacin de media y desviacin estndar, sera intil intentar elaborar las tablas suficientes para calcular

probabilidades, adems de la complejidad de la funcin de densidad. Existe, sin embargo, una alternativa sencilla que evita estos problemas. Para ello se puede se convertir esta escala real en un relativa o estandarizada, mediante la variable normalizada. En donde:

INTERVALOS CONFIDENCIALES NOTACION: : Cuantil 100 de una distribucin Normal Estndar. :Cuantil 100 de una distribucin t de Student con k grados de libertad.

: Cuantil 100 de una distribucin Ji Cuadrada con k grados de libertad

1. Media : Caso 1.1: Desviacin estndar poblacional, , conocida. Tamao muestral, n , pequeo. Poblacin Normal. INTERVALO CONFIDENCIAL:

Caso 1.2: Desviacin estndar poblacional, , desconocida. Tamao muestral, n , pequeo. Poblacin Normal.

INTERVALO CONFIDENCIAL:

Caso 1.3: Desviacin estndar poblacional, , conocida. Tamao muestral, n , grande. Cualquier poblacin.

INTERVALO CONFIDENCIAL:

Caso 1.4: Desviacin estndar poblacional, , desconocida. Tamao muestral, n , grande. Cualquier poblacin.

INTERVALO CONFIDENCIAL:

2. Proporcin Binomial p :

Supuestos: Tamao muestral, n, grande. Poblacin Bernoulli, con Parmetro p.

INTERVALO CONFIDENCIAL: 3. Desviacin Estndar :

Supuestos: Tamao muestral, n , pequeo o grande. Poblacin Normal.

INTERVALO CONFIDENCIAL: [

]
( )

Ejemplo 1: Se ha obtenido una muestra de 25 alumnos de una Facultad para estimarla calificacin media de los expedientes de los alumnos en la Facultad. Se sabe por otros cursos que la desviacin tpica de las puntuaciones en dicha Facultad es de 2.01 puntos. La media de la muestra fue de 4.9. 1. Intervalo de confianza al 90 %. 2. Intervalo de confianza al 99 %. 1. Intervalo de con_anza al 90 %. Usamos la frmula:

Los cuantiles de orden 0.05 y 0.95, que encierran en el centro de la distribucin normal un rea igual a 0.9 se muestran en el grafico siguiente:

Por ltimo, sustituyendo los datos en la frmula del intervalo, tenemos:

3. Intervalo de confianza al 99 %.

De modo similar obtenemos los cuantiles de orden 0.005 y 0.995 que describen en el modelo normal una confianza del 99%. Por ltimo, sustituyendo los datos en la frmula del intervalo, tenemos