Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 4K vistas

    Comparando Distribuciones

    Cargado por

    angelica cruz perez
    Este documento compara las distribuciones binomial, Poisson, uniforme, normal y exponencial. Describe las características y usos principales de cada una. La distribución binomial se usa para contar éxitos en ensayos de Bernoulli. La distribución de Poisson se especializa en eventos raros. La distribución uniforme expresa probabilidad para variables continuas entre dos valores. La distribución normal se aplica a fenómenos naturales y sociales. Y la distribución exponencial resuelve problemas de lista de espera.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Comparando Distribuciones

    Cargado por

    angelica cruz perez
    4K vistas10 páginas
    Este documento compara las distribuciones binomial, Poisson, uniforme, normal y exponencial. Describe las características y usos principales de cada una. La distribución binomial se usa para contar éxitos en ensayos de Bernoulli. La distribución de Poisson se especializa en eventos raros. La distribución uniforme expresa probabilidad para variables continuas entre dos valores. La distribución normal se aplica a fenómenos naturales y sociales. Y la distribución exponencial resuelve problemas de lista de espera.

    Descripción original:

    Comparando distribuciones

    Título original

    Comparando distribuciones

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento compara las distribuciones binomial, Poisson, uniforme, normal y exponencial. Describe las características y usos principales de cada una. La distribución binomial se usa para contar éxitos en ensayos de Bernoulli. La distribución de Poisson se especializa en eventos raros. La distribución uniforme expresa probabilidad para variables continuas entre dos valores. La distribución normal se aplica a fenómenos naturales y sociales. Y la distribución exponencial resuelve problemas de lista de espera.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    4K vistas10 páginas

    Comparando Distribuciones

    Cargado por

    angelica cruz perez
    Este documento compara las distribuciones binomial, Poisson, uniforme, normal y exponencial. Describe las características y usos principales de cada una. La distribución binomial se usa para contar éxitos en ensayos de Bernoulli. La distribución de Poisson se especializa en eventos raros. La distribución uniforme expresa probabilidad para variables continuas entre dos valores. La distribución normal se aplica a fenómenos naturales y sociales. Y la distribución exponencial resuelve problemas de lista de espera.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 10

    Cuadro Comparativo de Distribución Binomial, Poisson, Uniforme, Normal y Exponencial

    Concepto Características Usos Formulas


    Es una Distribución de
    probabilidad discreta que cuenta
    el número de éxitos en una
    Se usa principalmente en
    secuencia de n ensayos
    Distribución cálculos de probabilidades de
    de Bernoulli independientes
    Binominal lanzamientos de dados,
    entre sí, con una probabilidad
    esferas, pelotas de colores y
    fija p de ocurrencia del éxito
    lanzamientos de monedas
    entre los ensayos, solo son
    posibles dos resultados, éxito y
    fracaso.
    Es una Distribución de
    Principalmente, se especializa
    probabilidad discreta que
    Distribución de en la probabilidad de
    expresa, probabilidad de que
    Poisson ocurrencia de sucesos con
    ocurra un determinado número
    probabilidades muy pequeñas,
    de eventos durante cierto
    o sucesos "raros".
    período de tiempo.
    Principalmente, se especializa
    Es una Distribución uniforme
    en cálculos de probabilidades
    Distribución continua que expresa
    como, la estatura de un grupo
    Uniforme probabilidad para variables
    de personas, el tiempo a
    aleatorias continuas. El dominio
    estudiar o la temperatura de
    está definido por dos
    algunas ciudades.
    parámetros, a y b, que son sus
    valores mínimo y máximo.
    Es una Distribución de
    probabilidad normal es la
    Principalmente, se especializa
    distribución de variables
    en cálculos de probabilidades
    aleatorias continuas, que
    como, fenómenos naturales,
    Distribución principalmente aparecen en
    sociales y psicológicos, pero
    Normal fenómenos reales, es importante
    principalmente se usa en
    también por su relación con la
    Economía y aplicaciones
    estimación de mínimos
    empresariales.
    cuadrados, uno de los métodos
    más simples y antiguos.
    Es una Distribución de
    Principalmente, se especializa
    probabilidad, que se encarga de
    en cálculos de probabilidades
    resolver problemas de lista de
    Distribución como, el tiempo transcurrido en
    espera o colas, así mismo a la
    Exponencial un call center, intervalos de
    solución de problemas sobre el
    tiempo de terremotos, fiabilidad
    tiempo que se dedica a la
    de sistemas.
    realización de un servicio.
    Ejercicio 28.

    La distribución de probabilidad o función de probabilidad de masa (pmf: probability mass function).

    La pmf para x = número de defectos importantes que tiene un electrodoméstico de un cierto tipo, seleccionado al azar, es:

    X 0 1 2 3 4

    P(X) 0.08 0.15 0.45 0.27 0.05

    Calcule:

    a) E(x)

    b) V(x) directamente de la definición.

    c) La desviación estándar de x.

    d) V(x) usando la fórmula abreviada.


    a) E(x)

    Formula

    Sustitución

    E(X) = 0 * (0.08) + 1 * (0.15) + 2 * (0.45) + 3 * (0.27) + 4 * (0.05)

    Operación

    E(X) = 0 * (0.08) + 1 * (0.15) + 2 * (0.45) + 3 * (0.27) + 4 * (0.05)

    E(x) = 0 + 0.15 + 0.9 + 0.81 + 0.2

    Resultado: E(X) = 2.06

    b) V(x) directamente de la definición.

    Formula:
    Sustitución

    V (X) = (0 − 2.06) ^2 * (0.08) + (1 − 2.06) ^2 * (0.15) + (2 − 2.06) ^2 * (0.45) + (3 − 2.06) ^2 * (0.27) + (4 − 2.06) ^2 * (0.05)

    Operación

    V (X) = (0 − 2.06) ^2 * (0.08) + (1 − 2.06) ^2 * (0.15) + (2 − 2.06) ^2 * (0.45) + (3 − 2.06) ^2 * (0.27) + (4 − 2.06) ^2 * (0.05)

    V (X) = 0.339488 + 0.16854 + 0.00162 + 0.238572 + 0.18818

    Resultado: V (X) = 0.9364

    c) La desviación estándar de x.

    SD = √0.9364

    Resultado: SD = 0.96767763

    d) V(x) usando la fórmula abreviada.

    E (X2) = 0 ^2 * (0.08) + 1 ^2 * (0.15) + 2 ^2 * (0.45) + 3 ^2 * (0.27) + 4 ^2 * (0.05)

    E (X2) = 0 (0.08) + 1 (0.15) + 4 (0.45) + 9 (0.27) + 16 (0.05)

    E (X2) = 0 + 0.15 + 1.8 + 2.43 + 0.8


    E (X2) = 5.18

    V (X) = 5.18 − (2.06) ^2

    V (X) = 5.18 – 4.2436

    Resultado: V (X) = 0.9364

    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

    Calcule:
    a) E(x), E(x2) y V(x).
    b) 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?
    c) ¿Cuál es la varianza del precio 25x‐8.5 pagado por el cliente?
    d) Suponga que mientras la capacidad nominal de un congelador es x, la capacidad real es h(x)= x – 0.01 x2. ¿Cuál es la
    capacidad real esperada del congelador comprado por el siguiente cliente
    a) E(x), E(x2) y V(x).

    Formula

    Sustitución
    E(X) = (13.5) (0.2) + (15.9) (0.5) + (19.2) (0.3)

    Operación

    E(X) = (13.5) (0.2) + (15.9) (0.5) + (19.2) (0.3)

    E(X) = 2.7 + 7.95 + 5.76

    Resultado: E(X) = 16.41

    E(x^2) y V(x).

    E (X2) = (13.5)2 (0.2) + (15.9)2 (0.5) + (19.2)2 (0.3)

    V (X) = 273.447 − (16.41) ^2


    Sustitución
    E (X^2) = (13.5) ^2 (0.2) + (15.9) ^2 (0.5) + (19.2) ^2 (0.3)

    Operación
    E (X^2) = (13.5) ^2 (0.2) + (15.9) ^2 (0.5) + (19.2) ^2 (0.3)
    E (X^2) = 182.25 (0.2) + 252.81 (0.5) + 368.64 (0.3)
    E (X^2) = 36.45 + 126.405 + 110.592
    E (X^2) = 273.447
    V(X) = 273.447- (16.41) ^2
    V(X) = 273.447 – 269.2881
    V(X) = 4.1589

    b) 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?

    E(C) = E (25X − 8.5)

    25 E (X) − 8.5

    25 (16.41) − 8.5

    Resultado: E(C) = 401.75


    c) ¿Cuál es la varianza del precio 25x‐8.5 pagado por el cliente?

    V (C) = V (25X − 8.5)

    (25) ^2 V (X)

    (25) ^2 * (3.9936)

    Resultado: V (C) = 2,496

    d) Suponga que mientras la capacidad nominal de un congelador es x, la capacidad real es h(x)= x – 0.01 x2. ¿Cuál es la
    capacidad real esperada del congelador comprado por el siguiente cliente?

    E (h(X))

    E(X − 0.01X^2)

    E(X) − 0.01 E(X^2)

    16.41 − (0.01) (273.447)


    16.41 – 2.73447

    Resultado: E (h(X)) 13.26553


    Bibliografía

    Wayne, Daniel W. (2008). “Distribuciones de probabilidad” en Bioestadística: Base para el


    Análisis de las ciencias de la salud. México: Limusa Wiley, pp. 83-123.

    También podría gustarte