1 DISTRIBUCIONES DE PROBABILIDAD Estad í stica Capítulo 5.3.

Slides:



Advertisements
Presentaciones similares
Líneas de Espera: Teoría de Colas
Advertisements

Estadística I. Finanzas Y Contabilidad
Modelo de Colas Simulación.
Distribución Binomial
Estadística Capítulo 5.3 Distribución Poisson
Distribución de poisson
Modelo m/G/1 Teoría de Colas.
Modelo m/Ek/1 Teoría de Colas.
Distribución muestral de la media 2011 – 0
INFERENCIA ESTADÍSTICA
Binomial Poisson Hipergeométrico Modelos Discretos
Medidas de dispersión y variabilidad
Estimación por Intervalos de confianza
Índice Estadística Aplicada Unidad II: Probabilidades
1 M. en C. Gal Vargas Neri. ESTADISTICA I CSH, Tema III TEMARIO.
Distribución de Poisson
Facultad: Turismo Y Hotelería
Universidad Mexicana en Línea Carrera: Administración Pública Asignatura: Estadística Tutor: Leonardo Olmedo Alumno: Alfredo Camacho Cordero Matrícula:
8.3.- APROXIMACIOIN DE LA DISTRIBUCION BINOMIAL A LA NORMAL
Distribuciones Discretas
Variables Aleatorias Unidimensionales
Estadística 2221 Prf. Jorge L. Cotto
Tema 6: Modelos probabilísticos
Estadística Descriptiva continuación
Generación de variables aleatorias
DISTRIBUCIONES DE MUESTREO
Valor que toma la variable aleatoria
Est 15 Desviación estandar
Distribuciones Continuas de Probabilidad
Medida de Dispersión Las medidas de dispersión, también llamadas medidas de variabilidad, muestran la variabilidad de una distribución, indicando por medio.
2. DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN NORMAL
ANALISIS DE FRECUENCIA EN HIDROLOGIA (3)
Estadística Administrativa I Período Distribuciones de probabilidad 1.
Estimación e intervalos de confianza
Universidad Nacional de Colombia Curso Análisis de Datos Cuantitativos.
Simulación Dr. Ignacio Ponzoni
Colas M/M/S M/G/S Simulación
Principales distribuciones discretas
Colas M/M/1 Simulación Simulación- Ing. Ricardo Fernando Otero - Pregrado Ingeniería Industrial – Pontificia Universidad Javeriana Sede Bogotá.
Medidas de dispersión.
ESTADISTICA I CSH M. en C. Gal Vargas Neri.
Líneas de Espera: Teoría de Colas
Teoría de Probabilidad Dr. Salvador García Lumbreras
3. Distribución de probabilidad
DISTRIBUCIONES DE PROBABILIDAD
Sesión 10: Variable Aleatoria
Líneas de Espera: Teoría de Colas
Tema 6: Distribuciones estadísticas
Probabilidad y Estadística X = x Unidad de muestreo Mediremos un atributo Variable aleatoria Valor que toma la variable aleatoria.
Distribuciones probabilísticas discretas
Medidas de Dispersión.
Distribución de Probabilidades
La Distribución Binomial
Probabilidad y Estadística
2.1 DEFINICIONES CARACTERÍSTICAS Y SUPOSICIONES.
Distribuci ó n Binomial Estad í stica Capítulo 5.2.
HAWKES LEARNING SYSTEMS math courseware specialists Copyright © 2010 by Hawkes Learning Systems/Quant Systems, Inc. All rights reserved. Capítulo 7 Distribuciones.
Alicia De Gyves López Licenciatura Tecnologías de la Información y Comunicación 3º. Cuatrimestre Estadística Descriptiva Distribuciones de Probabilidad.
Distribución Binomial
Tema 3: El azar también se distribuye Una distribución: la binomial Imagen de Freddy The Boy bajo licencia Creative CommonsFreddy The Boy.
Medidas de dispersión: Varianza y desviación estándar
USO DE LA DISTRIBUCIÓN MUESTRAL
Inferencia Estadística Conceptos Previos. Conceptos Previos Población: Es la colección de toda la posible información que caracteriza a un fenómeno aleatorio.
FUNCIÓN DE PROBABILIDADES. ENTRE PROBABILIDADES Y FUNCIÓN HAY UNA ESTRECHA RELACIÓN…
REGRESIÓN LINEAL SIMPLE
Laboratorio de Estadística administrativa Distribución Poisson Distribución exponencial Febrero de 2007.
Generación de Variables Aleatorias
La distribución de Poisson Walter López Moreno, MBA, DBA ©Todos los derechos son reservados
1 Distribución de Poisson Cuando en una distribución binomial el número de intentos (n) es grande y la probabilidad de éxito (p) es pequeña, la distribución.
Transcripción de la presentación:

1 DISTRIBUCIONES DE PROBABILIDAD Estad í stica Capítulo 5.3

2 Distribución Poisson

3 Distribuci ó n de Poisson Muchos estudios se basan en el conteo d elas veces que se presenta un evento dentro de un á rea de oportunidad dada. El á rea de oportunidad es una variables continua en donde se puede presentar m á s de un evento.

4 Número de clientes que son atendidos en el banco en una hora Clientes es variable discreta Hora es un rango de tiempo y es variable continua. Sí aplica Poisson

5 Número de personas que viven en Honduras por kilómetro cuadrado Personas es una variable discreta Kilometro cuadrado es superficie y ésta es continua. Sí aplica Poisson

6 Cantidad de chispas que se le pueden colocar a una galleta de chocolate. Chispas de chocolate – variable discreta La galleta de chocolate tiene un área definida – variable continua. Sí aplica Poisson

7 Distribuci ó n de Poisson La distribución de Poisson tiene un parámetro que representa la media. El símbolo para denotar la distribución de poisson es la letra griega Lambda (λ). La media λ es igual que la desviación estándar La media λ es igual que la varianza

8 Distribuci ó n de Poisson e = La fórmula de la distribución es:

9 Si λ=4. ¿ A qu é es igual P(X=2) La probabilidad de que x=2 es del 14.65%

10 Si λ=2.5. ¿ A qu é es igual P(X=4) La probabilidad de que x=4 es del 13.36%

11 En estudios anteriores, en una agencia bancaria, en promedio llegan 3 clientes a una ventanilla para ser atendido durante la hora del almuerzo. Si en la actualidad queremos hacer modificaciones en la ventanillas, una de las preguntas que se pueden hacer los del depto. De Mercadeo es ¿ Cu á l es la probabilidad de que lleguen dos clientes en un minuto dado.

12 En el enunciado el promedio es de 3 clientes por minuto; λ=3 y al preguntar por la probabilidad de que 2 clientes lleguen en un minuto dato se quiere calcular x=2 La probabilidad que lleguen 2 clientes p/minuto es 22.4%

13 Desigualdades en la Distribuci ó n Poisson La probabilidad de que un evento sea menor o igual que 2, se esquematiza así: Cuando la población es infinita, la probabilidad en mayor se convierten en tipo menor, de la siguiente manera:

14 Calcular P(X < 2), si λ=3 La probabilidad de que x<2 es de 19.91%

15 Si λ=3, calcular P(X ≤ 2) La probabilidad de que x ≤ 2 es de 42.32%

16 Si λ=3 y n=5, calcular P(X > 2) La probabilidad de que x ≤ 2 es de 42.32%

17 Si λ=3 y la muestra tiende a infinito, calcular P(X > 2) La probabilidad de que x ≤ 2 es de 42.32%

18 Fin del capítulo 5.3 Continúa el capítulo 5.4