Modelos analíticos de fenómenos aleatorios discretos.

Páginas: 28 (6961 palabras) Publicado: 27 de noviembre de 2010
Distribución Normal.

La Distribución de Probabilidad Continua más Importante de la Estadística.

Su grafica es una curva acampanada llamada “Curva Normal” deriva la distribución de conjuntos de datos que ocurra en la naturaleza, industria e investigación.

Abraham Moiure (1733): desarrollo expresión matemática base de la estadística inductiva.

Karl Frigdrich Gauss (1777): dedujola ecuación Af la curva a partir de errores en mediciones repetidas.

Curva o distribución Caussiana.

Variable Aleatoria Normal.

La v.a. continúa x que tiene la distribución, su forma acampanada depende de los parámetros µ y σ.

Se designan los valores de la función de densidad de x (f d p) por n(x, µ, σ).

n(x,μ,σ)=1/(σ√2π) e^(-1/2) [((x-σ))/σ]²,-∞λ× z1) = 0.9Z = 1.96

Dada una distancia normal determine “k” de modo que:

P(z < k) = 0.0427
K = - 1.72

P(z > k) = 0.2946


P (z > x) = 1 – P (z < k)= 1 – 0.2946 = 0.7054
Z = 0.54

P (-0.93 < z < k) = 0.7235
P (z < k) – P (z < -0.93) = 0.7235
P (z < k) - 0.1762 = 0.7335
P (z < k) = 0.7235 + 0.1762 = 0.9013
Z = 1.29

Dada una distancia normal con µ = 30 y r = 6 obtener el área bajo la curva normal.

A la derecha de x = 17.
A la izquierda de x = 22.
Entre x = 33 y x = 41.
El valor de“x” que tiene el 80% del área bajo la curva normal a la izquierda.
Los dos valore de “x” contienen un intervalo regular de 75% alrededor de la media.

Datos

µ = 30
σ = 6 a) x= 17 z"1"=(x-μ)/σ=(17-30)/6=-13/6=-2.16
P (z > -2.16) = 1- p (Z< -2.16) = 1 –0.0154
= 0.9843
= 98.43%

X = 22
z"2"=(x-μ)/σ=(22-30)/6=-3/6=-1.33
P (z < z2) = P(z <-1.33) = 0.0918 = 9.18%

X = 41
P (x1 < x < x2) = P (32 < x < 41) =
z"1"=(32-30)/6=2/6=0.33

z"2"=(41-30)/6=11/6=1.83

P (32 < x < 41)= P (0.33 < z < 1.83)= P (z2 < 1.83) – P (z1 < 0.33)
= 0.9664 - 0.6293
= 0.3371
= 33.71%

P (z < k) = 0.80
K = 0.84Z = 0.84

z=(x-μ)/σ X = Zσ + µ
= 0.84 (6) + 30
= 5.04 + 30
= 35.04

P(-x1 < x < x1) = P (-z1 < z < z1) = 0.80
1 – P (-z1 < z < z1) = 0.20

P (z < -z1) = 0.1 z = 1.28
P (z > +z1) = 0.1 z= -1.28

z=(x-μ)/σ x = zσ + µ
-x = -1.28 (6) +30 = 22.32...
Leer documento completo

Regístrate para leer el documento completo.

Estos documentos también te pueden resultar útiles

  • Fenómeno Aleatorio
  • Fenómenos Aleatorios
  • Ejemplos variable aleatoria discreta
  • Modelos Aleatorios
  • Variable Aleatoria Discreta
  • variable aleatoria continua y discreta
  • variable aleatoria, discreta y continua
  • variable aleatoria discreta

Conviértase en miembro formal de Buenas Tareas

INSCRÍBETE - ES GRATIS