Mpro1 U3 A1 Guhg

Universidad Abierta y a Distancia de México.
Licenciatura en Matemáticas
Actividad 1. Conceptos
Nombre del alumno: Gustavo Hernandez García
Matricula:ES1821004569
Tema principal: variable aleatoria discreta
Subtema analizado: Definición de variable aleatoria discreta
Recurso revisado : 0625 variables aleatorias defincion, Variables aleatorias discretas.pdf
Una variable aleatoria es una función que asigna un valor, usualmente numérico, al resultado
de un experimento aleatorio. Por ejemplo, los posibles resultados de tirar un dado dos veces:
(1, 1), (1, 2), etc. o un número real , la temperatura máxima medida a lo largo del día en una
ciudad concreta).
Pero en si no encontré nada mas sobre las variable aleatorias en el material sugerido así que
me puse a indagar por mi cuenta y encontré un pdf que nos explica mas a fondo lo que es la
variable aleatoria discreta les comparto el link.
http://www.dm.uba.ar/materias/probabilidades_estadistica_C/2004/1/PyEC03.pdf
el problema es que no tiene autor así que va a ser un poco complicado ponerlo en las fuentes de
consulta.
Tema principal: variable aleatoria discreta
Subtema analizado: Varianza de una variable aleatoria discreta
Recurso revisado : 0625 varianza: definición
la varianza o variancia de una variable aleatoria es una medida de dispersión definida como la
esperanza del cuadrado de la desviación de dicha variable respecto a su media
les comparto la imagen que se me iso mas interesante del video puesto que grafica las funciones :
Tema principal: Modelos discretos de Probabilidad
Subtema analizado: Modelo hipergeométrico
Recurso revisado: 0625 distribución hipergeométrica
El ejmplo qu proponen en al video es muy interesante ya que ahora integran las sumatorias y
funciones para encontrar la probabilidad comparto la imagen del recurso revisado.
Les comparto algunos ejemplos que encontré en la siguiente pagina:
http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/03Ddistr
%20Hipergeometrica.htm
Distribución hipergeométrica
Los experimentos que tienen este tipo de distribución tienen las siguientes características:
a) Al realizar un experimento con este tipo de distribución, se esperan dos tipos de
resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son constantes.
c) Cada ensayo o repetición del experimento no es independiente de los demás.
d) El número de repeticiones del experimento (n) es constante.

Ejemplo:
En una urna o recipiente hay un total de N objetos, entre los cuales hay una
cantidad a de objetos que son defectuosos, si se seleccionan de esta urna n objetos al
azar, y sin reemplazo, ¿cuál es la probabilidad de obtener x objetos defectuosos?
Solución:

Luego;

donde:
p(x,n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados

muestras de n objetos en donde hay x que son defectuosos y n-
x buenos

todas las muestras posibles de seleccionar de n objetos tomadas de
entre N objetos en total = espacio muestral

Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son
defectuosos, si de seleccionan 4 objetos al azar, ¿cuál es la probabilidad de que 2 sean
defectuosos?

Solución:

N = 10 objetos en total
a = 3 objetos defectuosos
n = 4 objetos seleccionados en muestra
x = 2 objetos defectuosos deseados en la muestra

donde:

probabilidad asociada a cada muestra de 4 objetos que se seleccionaron,

con lo que se demuestra que las probabilidades no son constantes

formas o maneras de obtener 2 objetos defectuosos entre los 4 seleccionados =

muestras de 4 objetos entre los que 2 son defectuosos

Como se observa en el desarrollo de la solución del problema, la pretensión es demostrar que
las probabilidades asociadas a cada uno de los resultados no son constantes.

Luego la probabilidad de obtener 2 objetos defectuosos entre los 4 seleccionados al azar sería:

Tema principal: Modelos discretos de Probabilidad
Subtema analizado: Modelo de Poisson
Recurso revisado: 0625:distribucion de Poisson, Instituto tecnológico de chihuahua
La verdad no le entendí muy bien al video revisado busque y encontré la siguiente información un
poco mas detallada
5) DISTRIBUCIÓN DE POISSON.

Características:
En este tipo de experimentos los éxitos buscados son expresados por unidad
de área, tiempo, pieza, etc, etc,:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefónicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por día, mes, etc, etc.
Para determinar la probabilidad de que ocurran x éxitos por unidad de
tiempo, área, o producto, la fórmula a utilizar sería:

donde:
p(x, ) = probabilidad de que ocurran x éxitos, cuando el número promedio
de ocurrencia de ellos es 
 = media o promedio de éxitos por unidad de tiempo, área o producto
 = 2.718
x = variable que nos denota el número de éxitos que se desea que ocurra

Hay que hacer notar que en esta distribución el número de éxitos que
ocurren por unidad de tiempo, área o producto es totalmente al azar y que
cada intervalo de tiempo es independiente de otro intervalo dado, así como
cada área es independiente de otra área dada y cada producto es
independiente de otro producto dado.

Ejemplos:
1. Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un día dado, b) 10
cheques sin fondos en cualquiera de dos días consecutivos?

Solución:
a) x = variable que nos define el número de cheques sin fondo que
llegan al banco en un día cualquiera = 0, 1, 2, 3, ....., etc, etc.
 = 6 cheques sin fondo por día
 = 2.718

b)
x= variable que nos define el número de cheques sin fondo que
llegan al banco en dos días consecutivos = 0, 1, 2, 3, ......, etc., etc.
 = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco
en dos días consecutivos
Nota:  siempre debe de estar en función de x siempre o dicho de
otra forma, debe “hablar” de lo mismo que x.

2. En la inspección de hojalata producida por un proceso electrolítico continuo, se
identifican 0.2 imperfecciones en promedio por minuto. Determine las
probabilidades de identificar a) una imperfección en 3 minutos, b) al menos
dos imperfecciones en 5 minutos, c) cuando más una imperfección en 15
minutos.
Solución:
a) x = variable que nos define el número de imperfecciones en la
hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc.
 = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en
la hojalata

b) x = variable que nos define el número de imperfecciones en la
hojalata por cada 5 minutos = 0, 1, 2, 3, ...., etc., etc.
 = 0.2 x 5 =1 imperfección en promedio por cada 5 minutos en la
hojalata

=1-(0.367918+0.367918) = 0.26416

c) x = variable que nos define el número de imperfecciones en la
hojalata por cada 15 minutos = 0, 1, 2, 3, ....., etc., etc.
 = 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos
en la hojalata

=
0.0498026 + 0.149408 = 0.1992106
Fuentes de consulta:
Luis Rincón. (Agosto 2014). Introducción a la probabilidad. México DF: DGAPA.

Luis Rincón. (2014). probabilidad I. 2017, de Facultad de ciencias UNAM Sitio
web: http://lya.fciencias.unam.mx/lars/0625

Mpro1 U3 A1 Guhg

Cargado por

Copyright:

Formatos disponibles

Mpro1 U3 A1 Guhg

Cargado por

Información del documento

Descripción original:

Título original

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

Mpro1 U3 A1 Guhg

Cargado por

Copyright:

Formatos disponibles

Universidad Abierta y a Distancia de México.

Nombre del alumno: Gustavo Hernandez García

Subtema analizado: Definición de variable aleatoria discreta

Recurso revisado : 0625 variables aleatorias defincion, Variables aleatorias discretas.pdf

Tema principal: variable aleatoria discreta

Subtema analizado: Varianza de una variable aleatoria discreta

Recurso revisado : 0625 varianza: definición

Subtema analizado: Modelo hipergeométrico

Recurso revisado: 0625 distribución hipergeométrica

probabilidad asociada a cada muestra de 4 objetos que se seleccionaron,

formas o maneras de obtener 2 objetos defectuosos entre los 4 seleccionados =

Tema principal: Modelos discretos de Probabilidad

Subtema analizado: Modelo de Poisson

Recurso revisado: 0625:distribucion de Poisson, Instituto tecnológico de chihuahua

Luis Rincón. (Agosto 2014). Introducción a la probabilidad. México DF: DGAPA.

También podría gustarte