Probabilidad y Estadistica. Trabajo Final

UNIVERSIDAD CATÓLICA BOLIVIANA “SAN PABLO”
UNIDAD ACADÉMICA REGIONAL COCHABAMBA

DEPARTAMENTO DE INGENIERÍA Y CIENCIAS EXACTAS
Trabajo final
Alumno: Andrés Urzúa Zabalaga

Docente: Roberto Iriarte Noya
Sucesos o Experimentos de Bernoulli
El experimento de Bernoulli es un término que describe un tipo específico de experimento

aleatorio que tiene dos resultados posibles: éxito o fracaso. Estos resultados no pueden ocurrir
simultáneamente y cubren todas las posibilidades.
En este tipo de experimento, se realiza una sola prueba o ensayo, y se observa si ocurre o no un
evento específico. Por ejemplo, lanzar una moneda, donde el resultado puede ser cara (éxito) o
cruz (fracaso), o tirar un dado y observar si sale un número impar (éxito) o par (fracaso).
Cada ensayo en un experimento de Bernoulli tiene una probabilidad constante de éxito, denotada
como (p), y una probabilidad de fracaso, que es (1 - p). Los resultados de un experimento de
Bernoulli pueden usarse para modelar y comprender eventos simples y son la base de otras
distribuciones de probabilidad más complejas, como la distribución binomial.
Distribución Binomial
La distribución binomial es una herramienta estadística que se usa para modelar el número de
éxitos en un número fijo de ensayos independientes, donde cada ensayo tiene únicamente dos
resultados posibles: éxito o fracaso.
Para que un conjunto de ensayos siga una distribución binomial, deben cumplirse cuatro
condiciones:
1. Cada ensayo debe tener dos resultados posibles: éxito o fracaso.
2. La probabilidad de éxito en cada ensayo debe ser constante.
3. Los ensayos deben ser independientes entre sí.
4. Se debe realizar un número fijo de ensayos.

Esta distribución es útil en situaciones donde se repiten pruebas con solo dos resultados posibles y
se busca comprender la probabilidad de obtener un cierto número de éxitos en esos ensayos,
como en pruebas médicas, análisis de calidad de productos o estudios de mercado.
Distribución de Poisson
La distribución de Poisson es un modelo que describe la probabilidad de un número dado de

eventos que ocurren en un intervalo fijo de tiempo o espacio, cuando los eventos suceden de
manera independiente a una tasa promedio conocida y constante.
Se utiliza en situaciones donde se observa el número de veces que un evento específico ocurre en
un intervalo fijo, como la cantidad de llamadas que recibe un centro de atención al cliente en una
hora, los accidentes de tráfico en una intersección en un día o el número de errores tipográficos
por página en un libro.
Las características principales de la distribución de Poisson son:
1. Modela eventos que ocurren de forma independiente.
2. La tasa promedio de ocurrencia de eventos, denotada como \(λ\) (lambda), debe ser constante
en el tiempo o espacio.
3. Puede representar un número ilimitado de eventos.
La distribución de Poisson es útil cuando se quiere modelar la ocurrencia de eventos raros pero
que suceden de manera constante en un intervalo específico. Se utiliza ampliamente en áreas
como la investigación científica, la gestión de operaciones y la ingeniería para predecir eventos
poco comunes pero relevantes en un tiempo o espacio determinado.
Distribucion Hipergeometrica
La distribución hipergeométrica es un modelo estadístico utilizado para calcular la probabilidad de

obtener un cierto número de éxitos en una muestra sin reemplazo, extrayendo elementos de un
conjunto finito que tiene dos tipos distintos de elementos (éxitos y fracasos).
Se aplica en situaciones en las que se realiza una selección aleatoria sin reemplazo de elementos
de un conjunto finito, y se desea conocer la probabilidad de obtener un número específico de
éxitos en la muestra seleccionada.
Las características clave de la distribución hipergeométrica son:
1. No hay reemplazo: Los elementos seleccionados no se devuelven al conjunto.
2. El conjunto total consta de un número finito de elementos.
3. El interés está en el número de éxitos obtenidos en la muestra.
La distribución hipergeométrica se utiliza en diversas áreas, como la inspección de calidad, la

biología (por ejemplo, en la genética para modelar cruces genéticos), y en problemas de muestreo
no aleatorio, donde es crucial tener en cuenta la ausencia de reemplazo en la selección de
elementos de un conjunto.
Distribución de variable continua
Las distribuciones de variables continuas se refieren a conjuntos de datos donde los valores que
pueden tomar son infinitos e incontables dentro de un rango específico. A diferencia de las
distribuciones discretas, como la distribución binomial o la distribución de Poisson, en las
distribuciones continuas, los resultados pueden tomar cualquier valor dentro de un intervalo.
La distribución normal (o gaussiana) es un ejemplo clave de una distribución de variable continua.

Se caracteriza por su forma de campana y es fundamental en estadística debido al Teorema Central
del Límite, que establece que la distribución de la media de una gran cantidad de variables
aleatorias independientes tiende a ser normal sin importar la distribución original. Otro ejemplo
importante de distribución continua es la distribución uniforme, donde todos los valores dentro de
un rango tienen la misma probabilidad de ocurrir. Esto se ilustra como una línea recta horizontal en
un gráfico de densidad de probabilidad.
Las distribuciones continuas se describen mediante funciones de densidad de probabilidad, que

asignan probabilidades a intervalos en lugar de a valores específicos, ya que la probabilidad de que
una variable continua tome un valor exacto es teóricamente cero.
Estas distribuciones son fundamentales en estadística para modelar fenómenos en los que las
mediciones son variables y pueden tomar un número infinito de valores dentro de un rango
específico, como la estatura de las personas, el tiempo que se tarda en realizar una tarea o la
cantidad de lluvia en una región durante un período dado.
Distribución Normal
La distribución normal, también conocida como distribución gaussiana, es una de las distribuciones
más importantes en estadística y probabilidad. Se caracteriza por su forma de campana simétrica
alrededor de su media, lo que significa que la mayoría de los datos se concentran cerca de la media
y disminuyen gradualmente hacia los extremos.
Sus propiedades clave son:
1. Forma de campana: La distribución normal es simétrica alrededor de su media, con la mitad de

los datos a cada lado de la media.
2. Media y desviación estándar: Está completamente definida por dos parámetros: la media (μ),
que indica el punto central de la distribución, y la desviación estándar (σ), que determina cuánto se
dispersan los datos alrededor de la media.
3. Teorema Central del Límite: Este teorema establece que la media de una muestra grande de
datos se aproximará a una distribución normal, independientemente de la distribución original de
los datos.
La distribución normal es utilizada en muchos campos, desde la ciencia y la ingeniería hasta las
ciencias sociales y económicas, debido a su relación con numerosos fenómenos naturales y
humanos. Se usa en el análisis estadístico, en la modelización de datos y en la inferencia para
comprender la variabilidad y las características de los conjuntos de datos.
Distribución chi-cuadrado
La distribución chi-cuadrado es una distribución de probabilidad que surge en estadística y se

utiliza en diversos análisis, especialmente en pruebas de hipótesis y en la construcción de
intervalos de confianza.
Se caracteriza por valores no negativos y asimetría hacia la derecha. Esta distribución tiene un solo
parámetro, que es el número de grados de libertad (k). La forma de la distribución chi-cuadrado
varía según el valor de (k).
La distribución chi-cuadrado es fundamental en estadística, especialmente en pruebas de bondad

de ajuste (para comparar la distribución observada con una distribución teórica), pruebas de
independencia en tablas de contingencia y en la estimación de intervalos de confianza para la
varianza de una población normalmente distribuida cuando la desviación estándar es desconocida.
Distribución t de student
La distribución t de Student es una distribución de probabilidad que se utiliza comúnmente en

estadística para realizar inferencias sobre las medias de poblaciones pequeñas, cuando la
desviación estándar de la población es desconocida y el tamaño de la muestra es limitado.
Esta distribución se caracteriza por tener forma de campana similar a la distribución normal, pero
con colas más pesadas. Estas colas más pesadas hacen que la distribución t sea más ancha y con
mayor variabilidad en comparación con la distribución normal.
La forma de la distribución t está determinada por un parámetro conocido como grados de libertad
(df). Cuantos más grados de libertad tenga la distribución t, más se aproxima a una distribución
normal estándar.
La distribución t se utiliza en pruebas de hipótesis y en la construcción de intervalos de confianza

cuando se trabaja con muestras pequeñas y la desviación estándar de la población es desconocida.
Además, es esencial en el análisis estadístico cuando se comparan medias de dos muestras y en la
regresión lineal para estimar intervalos de confianza y realizar pruebas sobre coeficientes de
regresión.

Probabilidad y Estadistica. Trabajo Final

Cargado por

Copyright:

Formatos disponibles

Probabilidad y Estadistica. Trabajo Final

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Probabilidad y Estadistica. Trabajo Final

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD CATÓLICA BOLIVIANA “SAN PABLO”

UNIDAD ACADÉMICA REGIONAL COCHABAMBA

Alumno: Andrés Urzúa Zabalaga

El experimento de Bernoulli es un término que describe un tipo específico de experimento

1. Cada ensayo debe tener dos resultados posibles: éxito o fracaso.

2. La probabilidad de éxito en cada ensayo debe ser constante.

3. Los ensayos deben ser independientes entre sí.

4. Se debe realizar un número fijo de ensayos.

La distribución de Poisson es un modelo que describe la probabilidad de un número dado de

Las características principales de la distribución de Poisson son:

1. Modela eventos que ocurren de forma independiente.

3. Puede representar un número ilimitado de eventos.

La distribución hipergeométrica es un modelo estadístico utilizado para calcular la probabilidad de

Las características clave de la distribución hipergeométrica son:

1. No hay reemplazo: Los elementos seleccionados no se devuelven al conjunto.

2. El conjunto total consta de un número finito de elementos.

3. El interés está en el número de éxitos obtenidos en la muestra.

La distribución hipergeométrica se utiliza en diversas áreas, como la inspección de calidad, la

Distribución de variable continua

La distribución normal (o gaussiana) es un ejemplo clave de una distribución de variable continua.

Las distribuciones continuas se describen mediante funciones de densidad de probabilidad, que

Sus propiedades clave son:

1. Forma de campana: La distribución normal es simétrica alrededor de su media, con la mitad de

La distribución chi-cuadrado es una distribución de probabilidad que surge en estadística y se

La distribución chi-cuadrado es fundamental en estadística, especialmente en pruebas de bondad

La distribución t de Student es una distribución de probabilidad que se utiliza comúnmente en

La distribución t se utiliza en pruebas de hipótesis y en la construcción de intervalos de confianza

También podría gustarte