ESTADISTICA Y PROBABILIDAD

UNIDAD 3 FASE 3 DISEÑO Y CONSTRUCCION

PRESENTADO POR:
LEIDYJOHANNA RIOS ORTIZ
1.088E+09
PRESENTADO A:
JORGE FERNANDO VARGAS
GRUPO: 211622A-14

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA-UNAD

TECNOLOGIA EN REGENCIA DE FARMACIA
PEREIRA RISARDA NOVIEMBRE 2019
CIA-UNAD
1 Distribución binomial – Anexo 1

La secretaria de salud frente a la contaminación en la ciudad de

Medellín determino que la variable PM10 tiene una probabilidad de
aceptación del 27%. Construya una tabla con valores entre el 0 y
10 aplicando la distribución Binomial.
1. ¿Cuál es la probabilidad de que exactamente 8 µg/m3?

4.30%

2 Distribución de Poisson – Anexo 2

Mediante una inspección de los contaminantes en algunas veredas
del país, se determina que el SO2 presenta un promedio de 5 µg/m3
por hora. Realice una tabla de distribución de Poisson para k entre
0 y 12
1. Que no presente contaminación
3 Distribución normal – Anexo 3
Los resultados detectados en el laboratorio del IDEAM el
contaminante de monóxido de carbono (CO) en las ciudades
principales se distribuye normalmente. Calcule las siguientes
probabilidades:
1. ¿Cuál es la probabilidad de que CO se encuentre entre 4500 y
6100?

4 Distribución Uniforme Continua – Anexo 4

El análisis de las pruebas de laboratorio determina que el ozono
(O3) tiene un comportamiento uniformemente continuo. Determine
las siguientes probabilidades:
1. La probabilidad que el grado de ozono este entre 50 y 120

5 Distribución Hipergeométrica – Anexo 5

En las ciudades principales los mayores contribuyentes a la
contaminación del aire es provocado por Dióxido de nitrógeno
(NO2) procedente de los camiones de carga. Se detecta que en
una flota de 20 camiones hay 4 de ellos por encima de los niveles
permisibles.
1. Si se sacan de forma aleatoria 8 camiones. ¿Cuál es la
probabilidad de determinar 2?
probabili exactas p(8) 8
numero de ensayos n 10
probabilidad p 0.27

variable aleatoria P(x)

0 4.30%
1 15.90%
2 26.46%
3 26.09%
4 16.89%
5 7.50%
6 2.31%
7 0.49%
8 0.07%
9 0.01%
10 0.00%

valor p(x) x
0 5 0.67%
1 5 3.37%
2 5 8.42%
3 5 14.04%
4 5 17.55%
5 5 17.55%
6 5 14.62%
7 5 10.44%
8 5 6.53%
9 5 3.63%
 10 5 1.81%

mediana 5068
desviacion estandar 4500
probabilidad 6100 56.72%

0.9867413 U(1)
100.4583555407 U(0,200)
304.1854554397 U(50,120)
63 entre 50,119
58 entre 51,120

N= 20
n= 4
a= 8
x= 2
38.14%
Distribución de Poisson

La distribución de Poisson se especifica por un parámetro: lambda (λ). Este parámetro es igual a la media

Utilice la distribución de Poisson para describir el número de veces que un evento ocurre
en un espacio finito de observación. Por ejemplo, una distribución de Poisson puede
describir el número de defectos en el sistema mecánico de un avión o el número de
llamadas a un centro de llamadas en una hora. La distribución de Poisson se utiliza con
frecuencia en el control de calidad, los estudios de fiabilidad/supervivencia y los seguros.

Una variable sigue una distribución de Poisson si se cumplen las siguientes condiciones:

Los datos son conteos de eventos (enteros no negativos, sin límite superior).

Todos los eventos son independientes.La tasa de ocurrencia es igual a la media (λ)
dividida entre la dimensión del espacio de observación. Es útil para comparar conteos
de Poisson recolectados en diferentes espacios de observación. Por ejemplo, la central
telefónica A recibe 50 llamadas telefónicas en 5 horas y la central telefónica B recibe 80
llamadas en 10 horas. Usted no puede comparar directamente estos valores, porque
sus espacios de observación son diferentes. Debe calcular la tasa de ocurrencia para
comparar estos conteos

ejemplo

una compañía de telefonos recibe cuatro llamadas por minutos

calcular
a= recibe 2 llamadas por minutos
b= no recibe ninguna llamada por minuto
c= recibe menos de tres llamada por minuto
d= recibe mas de 3 llamadas

promedio de llamadas =
segundos =
x

recibe 2 llamdas por minuto

metro es igual a la media y la varianza. Cuando lambda aumente a valores lo suficientemente grandes, la distribución normal (λ,

4
60
0

2%
des, la distribución normal (λ, λ) podría utilizarse para aproximar la distribución de Poisson.
WIKILIBROS
https://es.wikibooks.org/wiki/Estad%C3%ADstica/Distribuci%C3%B3n_de_Poisson
3n_de_Poisson