Taller 2 Final - Jesica Mendoza
Taller 2 Final - Jesica Mendoza
Taller 2 Final - Jesica Mendoza
Taller No. 02
Funciones de masa y densidad de
probabilidad, y funciones de distribución de probabilidad
Presentado por:
Jesica Juliana Mendoza Ramírez
Presentado a:
Ing. Andrés Arturo Beltrán Riveros
Bogotá – Colombia
Septiembre 22 de 2017
DISTRIBUCION BERNOULLI
Siendo la distribución de Bernoulli una distribución de probabilidad discreta y teniendo en cuenta que un experimento a
menudo consiste en pruebas repetidas, cada una con dos resultados posibles, los cuales se pueden marcar como éxito o
fracaso. Observamos a coninuacion la siguientes propiedades que nos caracteriza la distribucion de Bernoulli:
FUNCION DE DISTRIBUCION
1.2
0.8
F(x)
0.6
0.4
0.2
0
0 1
x
DISTRIBUCION UNIFORME DISCRETA
La distribución Uniforme discrta es el modelo (absolutamente) continuo más simple de todas las distribuciones de
probabilidad discreta, es aquella donde la variable aleatoria toma cada uno de sus valores con una probabilidad idéntica.
Es decir, es 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. También puede expresarse
como el modelo probabilístico correspondiente a tomar un número al azar dentro de un intervalo (a, b).
REF: Probabilidad & Estadistica para ingenieria & ciencias. Octava edicion. Wolpole Myers Myers Ye.
Tabla de distribución
X Px Fx
FUNCION DE MASA
0.1 0.794328235 0.79432823
0.2 0.630957344 1.42528558 0.9
0.8
0.3 0.501187234 1.92647281
0.7
0.4 0.398107171 2.32457998
0.6
0.5 0.316227766 2.64080775
0.5
P(X)
Tabla de distribución
FUNCION DE MASA
X Px Fx
0.12
1 2.41493E-07 2.4149E-07
2 2.39079E-06 2.6323E-06 0.1
0.06
5 0.000290903 0.00038491 0.04
6 0.000921193 0.0013061
0.02
7 0.002474062 0.00378017
8 0.005752193 0.00953236 0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
9 0.01176004 0.0212924
X
10 0.021403273 0.04269567
11 0.035023537 0.07771921
12 0.05195158 0.12967079
13 0.070334447 0.20000524 FUNCION DE DISTRIBUCION
14 0.087415669 0.28742091 1.2
15 0.100236634 0.38765754
16 0.106501424 0.49415896 1
17 0.105248466 0.59940743 0.8
18 0.097062474 0.6964699
F(X)
p X p1 p
x 1 p q= 0.833333333
1 p P(x)= 2.1977E-05
X2
p2 mx= 6.00000000
2
σ= 30
Tabla de distribución
X Px Fx
1 0.166666667 0.16666667 FUNCION DE MASA
2 0.138888889 0.30555556
0.18
3 0.115740741 0.4212963
0.16
4 0.096450617 0.51774691
0.14
5 0.080375514 0.59812243
0.12
6 0.066979595 0.66510202
0.1
P(X)
0.6
22 0.003622785 0.98188607
0.4
23 0.003018988 0.98490506
0.2
24 0.002515823 0.98742088
0
25 0.002096519 0.9895174 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33
26 0.001747099 0.9912645 X
27 0.001455916 0.99272042
28 0.001213263 0.99393368
29 0.001011053 0.99494474
30 0.000842544 0.99578728
31 0.00070212 0.9964894
32 0.0005851 0.9970745
33 0.000487583 0.99756208
34 0.000406319 0.9979684
DISTRIBUCION POISSON
La distribución de Poisson es una distribución de probabilidad discreta que expresa, la probabilidad de que ocurra un
determinado número de eventos durante un intervalo dado o en una región específica. Concretamente, se especializa en
la probabilidad de ocurrencia de sucesos con probabilidades muy pequeñas, o sucesos "raros".
PROPIEDADES DEL PROCESO DE POISSON:
1. El número de resultados que ocurren en un intervalo o región específica es independiente del número que ocurre en
cualquier otro intervalo o región del espacio disjunto. De esta forma vemos que el proceso de Poisson no tiene memoria.
2. La probabilidad de que ocurra un solo resultado durante un intervalo muy corto o en una región pequeña es
proporcional a la longitud del intervalo o al tamaño de la región, y no depende del número de resultados que ocurren
fuera de este intervalo o región.
3. La probabilidad de que ocurra más de un resultado en tal intervalo corto o que caiga en tal región pequeña es
insignificante.
El número X de resultados que ocurren durante un experimento de Poisson se llama variable aleatoria de Poisson y su
distribución de probabilidad se llama distribución de Poisson.
REF: Probabilidad & Estadistica para ingenieria & ciencias. Octava edicion. Wolpole Myers Myers Ye.
lx e l mX l Periodo= 75
pX λ= 0.013
x! X2 l x=
P(x)=
1
0.012832094
mx= 0.013
σ2= 0.013
Tabla de distribución
X Px Fx
FUNCION DE MASA
1 0.012832094 0.01283209 0.015
2 8.34086E-05 0.0129155 0.01
P(X)
3 3.61437E-07 0.01291586
0.005
4 1.17467E-09 0.01291586
5 3.05415E-12 0.01291586 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
6 6.61731E-15 0.01291586
X
7 1.22893E-17 0.01291586
8 1.99701E-20 0.01291586
9 2.88457E-23 0.01291586
10 3.74994E-26 0.01291586
FUNCION DE DISTRIBUCION
11 4.43175E-29 0.01291586
12 4.80106E-32 0.01291586 0.01294
0.01292
13 4.80106E-35 0.01291586 0.0129
14 4.45813E-38 0.01291586 0.01288
F(X)
Distribución uniforme
1.2
0.8
f(x)
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
x
Distribución uniforme
1.2
0.8
F(x)
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
x
DISTRIBUCION NORMAL
Para calcular P(a <= X<= b) cuando X es una variable aleatoria normal con parámetros m y s ,
se debe integrar la función de densidad mostrada. La cual se calculo como sumas de riman, teniendo en cuenta que la
integral seria el area bajo la curva de la función de densidad. Se dice que una variable aleatoria continua X tiene una
distribución normal con parámetros m y s, donde -∞<m<∞ y s> o, si la función de densidad de probabilidad de X es:
REF: Probabilidad & Estadistica para ingenieria & ciencias. Octava edicion. Wolpole Myers Myers Ye.
Tabla de distribución
X Px Fx
0 8.80222E-09 0 Función de densidad normal
0.1 9.36211E-09 9.0822E-10 0.06
0.2 9.95638E-09 1.8741E-09 0.04
f(x)
Tabla de distribución
Función de densidad lognormal
X Px Fx
0.8
0 0 0
0.01 0.000990239 4.9512E-06 0.6
0.02 0.009477094 5.7288E-05 0.4
f(x)
DISTRIBUCION EXPONENCIAL
En estadística la distribución exponencial es una distribución de probabilidad continua con un parámetro l >0 cuya
función de densidad es como la mostrada. El parametro l corresponde a una razon entre un numero de eventos
determinados y el periodo en elcual estos ocurren. La función de distribucion fue realizada mediante sumas de riman
teniendo en cuenta que la funcion de distribución corresponde matematicamente, a las areas bajo la función de
densidad.
REF: Probabilidad & Estadistica para ingenieria & ciencias. Octava edicion. Wolpole Myers Myers Ye.
Tabla de distribución
X Px Fx Función Exponencial
0 0.5 0 0.6
0.5
0.01 0.49750624 0.00501247
0.4
0.02 0.495024917 0.00999994
f(x)
0.3
0.03 0.49255597 0.01496253 0.2
0.04 0.490099337 0.01990037 0.1
0.05 0.487654956 0.02481359 0
0 2 4 6 8 10 12
0.06 0.485222767 0.0297023
0.07 0.482802708 0.03456663 x
0.08 0.48039472 0.0394067
0.09 0.477998741 0.04422262
0.1 0.475614712 0.04901453
0.11 0.473242574 0.05378254
Función exponencial
0.12 0.470882267 0.05852677 1.5
0.13 0.468533732 0.06324733 1
f(x)
Tabla de distribución
Función de densidad Gamma
X Px Fx
0.6
0 0 0
0.5
0.01 0.000392079 1.9604E-06 0.4
0.02 0.001537263 1.1607E-05
f(x)
0.3
0.03 0.003390352 3.6245E-05 0.2
0.04 0.005907945 8.2737E-05 0.1
0.05 0.009048374 0.00015752 0
0 2 4 6 8 10 12
0.06 0.012771654 0.00026662
x
0.07 0.017039421 0.00041567
0.08 0.021814881 0.00060995
0.09 0.027062755 0.00085433
0.1 0.03274923 0.00115339
0.11 0.03884191 0.00151135
0.12 0.045309765 0.00193211
0.13 0.052123087 0.00241927 Función de distribución Gamma
0.14 0.059253445 0.00297615
1.5
0.15 0.06667364 0.00360579
0.16 0.074357661 0.00431095 1
F(x)
DISTRIBUCION BETTA
Todas las familias de distribuciones continuas estudiadas hasta ahora, excepto la distribución uniforme, tienen densidad
positiva a lo largo de un intervalo infinito (aunque por lo general la función de densidad se reduce con rapidez a cero más
allá de unas cuantas desviaciones estándar de la media). La distribución beta proporciona densidad positiva sólo para X
en un intervalo de longitud finita. Se dice que una variable aleatoria X tiene una distribución beta con parámetros a,b
(ambos positivos), A y B si la función de densidad de probabilidad de X es general. Para betta estandar A=0 y B=1.
REF: Probabilidad & Estadistica para ingenieria & ciencias. Octava edicion. Wolpole Myers Myers Ye.
DISTRIBUCION WEIBULL
Se dice que una variable aleatoria X tiene una distribución Weibull con parámetros a y b (a> 0, b>0) si la función de
densidad de probabilidad de X es como la mostrada acontinuación. Donde a y b son factores de forma y escala. Como se
ha dicho anteriormente la funcion de distribución que es la integral de la función de densidad fue realizada a partir de
determinar por medio de sumas de riman, el area bajo la curva de la función de densidad.
REF: Probabilidad & Estadistica para ingenieria & ciencias. Octava edicion. Wolpole Myers Myers Ye.
Tabla de distribución
X Px Fx Función de densidad
0 0 0 8
0.001 1.024E-23 5.12E-27
0.002 5.24288E-21 2.6317E-24 6
0.003 2.01554E-19 1.0603E-22 4
0.004 2.68435E-18 1.549E-21
f(x)
F(x)
0.019 3.30432E-12 6.4083E-15
0.4
0.02 5.24288E-12 1.0682E-14
0.2
0.021 8.13343E-12 1.737E-14
0.022 1.23624E-11 2.7618E-14 0