B3
B3
B3
1) Exponencial :
El suceso de interés es el tiempo entre un éxito
y
el
siguiente .
integra !
# *
Propiedad ; falta
de memoria
.
X X
.
-
X .
-Exp(x)
-
x F(x)
f(x) X 1 2
=
e
= . -
deriva
E(x) =
1
función de supervivencia
X
F(x) =
1 -
F(x) =
P(x)x)
V(X) = 1
X2
Ejemplo :
El tiempo de vida de cierto aparato electrónico puede ser considerado
exponencial
con media 10
.
Calcular prob .
de un aparato viva más que 8 , suponiendo que cierto aparato vive más de 8
¿ Cuál es la prob .
de que viva otras 8 mas ?
=
x n = 1
-
10
f(x) = ix
> 0
F(x) =
1 - 2
1) P(x(8) =
F(8) =
e
2 .
P(x > 16 (xx 8) =
p(xx61xx8) = p(x > 16) =
F(16) =
e t
P(x F(8) =
P(X > 8) > 8 =
e
04 -06-2024
Modelos continuos
2) Normal Cuando :
se tienen muchos individuos con características comparables.
parámetros
·
de interés :
Media
Varianza
-
X -
N(m 5) ,
f(x)
=en
D
1o de máx
y
min
.
*
Sigma determina
X -N(0 1) ,
I Cuando la de
Llega a un máximo indica un cambio de
*
cambio de curratura
.
curvatura
.
-Si derivo me da
↓
⑨
Normal
Puntuaciones
estándar/típica
z).
: z
1
"Campana de Gauss"
z
XM) cualquier estandarización
=
x la medo
llevar a los valores N(0 , 1)
z -N(0 1) ,
E(z)
=
0
V(z) =
1
P(x) 120) =
1 -
p(xx120)
F(g) P(z + 1)
to
0 , 8413 z =
Ej :
=
-
P(zc -
2
,
1) =
0 9856
,
P(X > 120) = p(zy 120-00)
En
general
:
P(zc -z)
=
1 -
P(z(z) =
p(z(()
=
P(2 = 1 ,
33) =
0 .
9082
4(x) 120)
=
1 -
0
,
9082 = 0 . 0918
04 -06-2024
N/M Se Varias
e
X ~
,
=
0. 2 ,
p(x = 540) =
0, 6
En tabla :
P(2c -
0, 4) = 0. 2
Por lo tanto :
-m-o
P(x(540) p(zc
-u) 0 6
=
=
.
Endobla :
P(z < 0, 26) =
0 6
,
0 26
140
-
M ,
=
04 -06 -
2024
166 0 = 1 106
1 S
-
-
,
=
1509
↑
374 -
M = -
0 84 %
.
=
540 -
M =
0 26C 374 m - =
-
0 84 .
-
150 9 ,
.
=
500 756
M ,
X~
N/500 8 ,
150 .
9) l
Modelo
,
.
2 Se pide :
P(X(x) =
0 .
05
P(X(x) =
0 .
95
P(25000) = 09
En tabla :
4(2 = 1 . 65) =
0
.
95
=> X -
500 8 , = 1 .
65
150 , 9
X = 1 65
.
150 9 + 500, 8
=> . ,
&
Et49 ,
8 no
por
encine de esta
sobrevive el 5 % de los personas
dosificación
&
.
%.
plz508)-p25
=
= p(z(0 33) ,
-
4(z70 .
67) resistem
=
0 6293 -
0 . 25M =
0 . 37
+37 % de los personas
.
11 -
06 -
2024
z v
N(0 1) ,
* Esperanzas o momentos
E(z)
"
= 0
viz) =
1
P) -
2(z(2) =
p(z(2) -
p(z) 2) -
=
0
. 97725 -
0
. 02275
=
09545
Ej :
coef· intelectual
CI :
X -N(100 ,
152)
¿ Cuál la probabilidad
es de que un individuo tenga un CI más alejado de dos desviaciones estándar
de la media ?
P((X
-
M))20) =
1 -
P/1X u) -
+S .
2
Para estandarizar :
Z =
XXM
=
1
-
4) -
25 - x -
N( 26)
C
=
(
2-p
=
1 -
p) -
2 -2- 2)
=
1 -
0 9545
,
=
0 04550
.
= 0 05 5 %
.
P de
tinga
5%
CI mas dos veces la desviación del promedio de
que arsona
una un
alijado as un
Za es el percentila
*
Margen de er ror =
fuera de l normalidad .
4(z = z) = x
Ej :
Zo ,
as
es el valor para el cual tenemos una probabilidad acumulada de 0 , 95
Zoas 1 64
=
,
argen
de erroot
Zo as .
0 ,
95
i
z
② 20 9a 33
=
2 ,
,
20 9aa ,
=
3 , 09
"
! /
IIIII//
/ 0 , 25
/
y
/
/
/// 0 , 25
2r " iE
I
-
25
Intervalo de confianza
↓
M . e
M .
2
~
& -
%" "
t
2 1 5 2; 5%
I
O J
int confianza
-
1 96 +
1 96
, ,
201975 =
1 ,
96
Intervalo de confianza : Es un intervalo dentro del cuál el parámetro se encuentra con probabilidad 1-2
.
-
42
" x1
1 -
L
/2
2 ,
5
% 95 % 2 5 %
.
Ej :
Construir un I C . .
para u , suponiendo N/M S ,
La confianza es 1-2
. La probabilidad de no cometer errores
.
Si se tiene 1 individuo
P( En zzra)
=
-
1 -
2
P) z1-
(uxziz) =
1 -
Ne
P( z. z1
z) 1 a
8 + x S
M-
-
.
=
-
- -
z
-
P( En z x z z) 1
=
C
x 8 Ma +
8
-
-
1
-
- -
. -
-
(2-1)
.
P(x .
5 .
z . -
=
uz x -
57 + z) =
1 - C
Promedio
↑
P(X- 8 Z re .
M = x
+ 5 .
z1 - z) =
1 - a
-
I C .
Para
n individuos
, puedo calcular un I .
C . considerando el .
promedio X
x v
N(u c) , # Cada vez
que aguego un individuo
z =
N(0 1) ,
disminuyo la variabilidad
.
= =En es
V(x)
S
=
X ~
N/u) -
Modelo para n
individuos
.
I
.C .
IZM)
↑
(X-Z Z
=
,X I .
C .
muestra tamaño
Se sabe
E históricamente
:
que con cierto profesor se obtienen notas * = 5
,
5 con des . est 10
. .
↓ ↓
5 M E
M 5
=
,
8 =
1
Se tiene ahora un
grupo de 30
personas con un
promedio de 4 ,
.
9 A un nivel de confianza
x
1 -
=
0 .
95
I
-
X
=
4
.9 n
=
30
6 =
1
052
1 a
. 95
0
(4 9 1 96
.,
4 a 1
96(
=
- -
+
.
, , ,
975
1- = 0 .
- -
den
20 975
=
1 .
96 /margen
(4
.
.
54
,
5
, 26) sies significativament
&
es que
dif La evidencia
.
-
> el 5 5 no está en el interval
.
f (x1 , ...,
x)
Hipotesis E :
u = * sensible a datos extremos
=
Md
↓
no se ve afectado por dacos ext
.
-
es suficiente
X0
S coract.
=
no -
: k
caract
=
I 5
a
ton
2
no es
= útil para
muestras tiny
* El promedio es normal
G
E(X) =
E(X) =
M
2
to a5 .
=
2 ,
01
z N(0 1)
-
,
20 975 .
= 1 96
.
.C
I para
con d'desconocida a Cuando no se nada
u
.
-
*
An-1
1
-
+
M n 1 2
-
, ,
4 2625
,
S
4 ,
3 18 49 ,
5, 29
2 ,3
4 ,
8 23 , 04
4 18 , 49
, 3
5 0 , 25
3,7 13 , 69
6
,0 36
3 7
13 , 69
,
4 , 2625 153 , 69
-
3169 -
4 , 26752
= 1, 04 =
Sh
52 =
2 = 1
,
19
12
5 =
va
.
5
(t = ,
0 , 9757 :
2 3646
,
tn -
1 ,
0 975
.
3 - 2 364
-
4
09M4 3646
112 = 0 .
95 , ,
,
3 + 2,
X =
0 . 05
* = 0 025 .
2
, 38 =
3
M - 5 , 21
1
E 0 . 975
-
Hay un 95 % p de que
la noto media del curso esté entre
, 38
3
y 5 , 21
mudia
&
Ic para la
M con desconocido n
grande
,
y
2
x
- 21
-
-
+
xvB(n p) ,
E(x) =
m
-
p
V(x mp(1 p
=
-
N(1 p)
I
x -
,
E(x)
=
p senouli o namal (1 ,
P)
v(X) =
p(1 -
p)
p
-
N(p ,
PP))
V(x) =
= V(p =
-
Intervalo de
confiaza la
proporción
8
para
22 E +.... zueX
-
+ +
Ch cuadrado
S =
E-)
-
=
5 =
77 7
0 .
025 ,
2
/
1
2
=
S =
122 ,
1158
19 0 , 975
32 ,
8523P(X(x)
,
1 -
d =
0, 975
2
1
/19 = 8 ,
90652
,
0 .
025
5262
N
·
X2
n 1 1
2
-
-
32 =
xi -
2 Xi = 15544 * =
754 =
77 7
,
52 066 2
1123
=
77 7
.
.
,
-
20
g2 =
116 .
01
20
·
116 , 01 62 > 20 .
116 , 01
=
32 ,
8523 8 90652 ,
↳
25192182 Variana 260 , 505787
8, 903879[d16 ,
140977
-
desviación estándar
(0 .
4 16 .
14)
,