SlideShare uma empresa Scribd logo
1 de 19
María del Carmen López Hidalgo.
Grupo 2.
SEMINARIO 8: LA DISTRIBUCIÓN
NORMAL
EJERCICIO 1
La media de los pesos de 150 estudiantes de un colegio
es 60 kg y la desviación típica 3 kg. Suponiendo que los
pesos se distribuyen normalmente, hallar cuántos
estudiantes pesan:
1.Entre 60 kg y 75 kg.
2.Más de 90 kg.
3.Menos de 64 kg.
4.64 kg.
5.64 kg o menos.
DISTRIBUCIÓN NORMAL.
En la mayoría de los casos, la curva normal (también
denominada campana de Gauss) es la forma que adopta la
distribución de frecuencias en las variables continuas.
En ella coinciden la media, la mediana y la moda.
DISTRIBUCIÓN NORMAL
Esta distribución se basa en:
◦ Teorema del límite central: al extraer repetidas
muestras aleatorias simples de tamaño N a partir de una
población distribuida de media y desviación típica.
◦ La ley de los grandes números: si el tamaño N de la
muestra es lo suficientemente grande, las medias tienden a
distribuirse normalmente.
Para realizar este ejercicio, tenemos que utilizar la
fórmula de la distribución normal:
Hay que tener en cuenta que la media es 60 kg, la
desviación típica es 3 y la muestra total de
estudiantes es 500.
1. Entre 60 y 75 kg.
A continuación, miramos los resultados en la tabla. El cero
coincide con 0,50 y el 5 con 1.
Por tanto, se puede concluir que el 50% de los estudiantes
tienen un peso entre 60 y 75 kg.
2. Más de 90 kg.
Al mirar en la tabla el resultado es 1.
Por tanto, no hay estudiantes que pesen más de 90 kg.
3. Menos de 64 kg.
El 86,43% de los estudiantes pesan menos de 64 kg.
0.8643
0,9032 0,8346
0,9032
La tabla que he utilizado para mirar
los datos es:
La tabla que he utilizado
para ver los resultados de la
distribución normal es:
EJERCICIO 2
La probabilidad de tener un accidente de tráfico es de
0,02 cada vez que se viaja, si se realizan 300 viajes.
¿Cual es la probabilidad de tener 3 accidentes?
MODELO DE POISSON
Esta distribución es una de las más importantes
distribuciones de variable discreta.
Con este modelo podemos determinar el número de
eventos que suceden en un intervalo, siendo
independiente de los eventos que puedan ocurrir en
otro intervalo.
La fórmula del modelo de Poisson es:
Establezco que el número de éxitos (x) es 3; el tamaño de
la muestra es 300 y la probabilidad de éxito es 0,02.
Antes de sustituir en la fórmula, tenemos que calcular
landa.
A continuación voy a sustituir en la fórmula para obtener
el resultado:
La probabilidad de tener 3 accidentes es 8,92%
EJERCICIO 3
La última película de un director de cine famoso ha
tenido un gran éxito, hasta el punto de que el 80% de
los espectadores potenciales ya la han visto. Un grupo
de 4 amigos son aficionados al cine:
1.¿Cuál es la probabilidad de que en el grupo hayan
visto la película 2 personas?
2.¿Y cómo máximo 2?
PROBABILIDAD BINOMIAL
 Con la distribución binomial logramos expresar la probabilidad con que
un resultado específico ocurra en un número de pruebas
independientes.
 La fórmula de la probabilidad binomial es:
N =número de éxitos
P = probabilidad de éxito
N = tamaño
q = fracaso
Ejercicio 3.1
• Número de éxito (x) es igual 2.
• Probabilidad de éxito (p) es 0,8.
• Tamaño de la muestra es 4.
• Probabilidad de fracaso (q) se calcula de la
siguiente forma: 1-p=1-0,8=0,2
Utilizamos la fórmula de la probabilidad binomial (que
hemos expuesto en la diapositiva anterior) y sustituimos
los resultados.
La probabilidad de que dos personas del grupo hayan
visto la película es 15. 36%
Ejercicio 3.2
Seminario 8

Mais conteúdo relacionado

Mais procurados

Tarea 16 de probabilidad y estadistica con respuestas
Tarea 16 de probabilidad y estadistica  con respuestasTarea 16 de probabilidad y estadistica  con respuestas
Tarea 16 de probabilidad y estadistica con respuestasIPN
 
Ejercicio de introducción a la estadística inferencial
Ejercicio de introducción a la estadística inferencialEjercicio de introducción a la estadística inferencial
Ejercicio de introducción a la estadística inferenciallucia96pedrera
 
Tiempo de rll eación mecánica
Tiempo de rll eación mecánicaTiempo de rll eación mecánica
Tiempo de rll eación mecánicadavicito1994
 
Ejerciciosdeintervalosdeconfianza 120418005752-phpapp01
Ejerciciosdeintervalosdeconfianza 120418005752-phpapp01Ejerciciosdeintervalosdeconfianza 120418005752-phpapp01
Ejerciciosdeintervalosdeconfianza 120418005752-phpapp01Rojo Alvarez
 
Introduciéndonos a los intervalos de confianza.
Introduciéndonos a los intervalos de confianza. Introduciéndonos a los intervalos de confianza.
Introduciéndonos a los intervalos de confianza. dannyconye
 
Intervalos de confianza ejemplo 5.2
Intervalos de confianza ejemplo 5.2Intervalos de confianza ejemplo 5.2
Intervalos de confianza ejemplo 5.2Alan Hdz
 
Intervalos de confianza.
Intervalos de confianza.Intervalos de confianza.
Intervalos de confianza.José De Leon
 
Intervalos de confianza.
Intervalos de confianza.Intervalos de confianza.
Intervalos de confianza.Cesarhdz19
 
Intervalos de confianza.
Intervalos de confianza.Intervalos de confianza.
Intervalos de confianza.AleIbarra012
 
Practica probabilidad
Practica probabilidadPractica probabilidad
Practica probabilidadCesar-Sanchez
 
2. Inferencia: tamaño error
2. Inferencia: tamaño error2. Inferencia: tamaño error
2. Inferencia: tamaño errorSebastian Munuera
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianzakaremlucero
 

Mais procurados (20)

Tarea 16 de probabilidad y estadistica con respuestas
Tarea 16 de probabilidad y estadistica  con respuestasTarea 16 de probabilidad y estadistica  con respuestas
Tarea 16 de probabilidad y estadistica con respuestas
 
Ejercicio de introducción a la estadística inferencial
Ejercicio de introducción a la estadística inferencialEjercicio de introducción a la estadística inferencial
Ejercicio de introducción a la estadística inferencial
 
Tiempo de rll eación mecánica
Tiempo de rll eación mecánicaTiempo de rll eación mecánica
Tiempo de rll eación mecánica
 
Ejerciciosdeintervalosdeconfianza 120418005752-phpapp01
Ejerciciosdeintervalosdeconfianza 120418005752-phpapp01Ejerciciosdeintervalosdeconfianza 120418005752-phpapp01
Ejerciciosdeintervalosdeconfianza 120418005752-phpapp01
 
Introduciéndonos a los intervalos de confianza.
Introduciéndonos a los intervalos de confianza. Introduciéndonos a los intervalos de confianza.
Introduciéndonos a los intervalos de confianza.
 
Intervalos de confianza ejemplo 5.2
Intervalos de confianza ejemplo 5.2Intervalos de confianza ejemplo 5.2
Intervalos de confianza ejemplo 5.2
 
Probabilidad De Poison
Probabilidad De PoisonProbabilidad De Poison
Probabilidad De Poison
 
Intervalos de confianza.
Intervalos de confianza.Intervalos de confianza.
Intervalos de confianza.
 
Intervalos de confianza.
Intervalos de confianza.Intervalos de confianza.
Intervalos de confianza.
 
Intervalos de confianza.
Intervalos de confianza.Intervalos de confianza.
Intervalos de confianza.
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
 
Practica probabilidad
Practica probabilidadPractica probabilidad
Practica probabilidad
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 
2. Inferencia: tamaño error
2. Inferencia: tamaño error2. Inferencia: tamaño error
2. Inferencia: tamaño error
 
Distribución normal
Distribución normalDistribución normal
Distribución normal
 
Seminario 7
Seminario 7Seminario 7
Seminario 7
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 7
Seminario 7Seminario 7
Seminario 7
 
Unidad 4b
Unidad 4bUnidad 4b
Unidad 4b
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 

Destaque

Emas dan permata
Emas dan permataEmas dan permata
Emas dan permataDiyan Diyan
 
PROGETTI ALTERNANZA SCUOLA LAVORO
PROGETTI ALTERNANZA SCUOLA LAVOROPROGETTI ALTERNANZA SCUOLA LAVORO
PROGETTI ALTERNANZA SCUOLA LAVOROGiorgio Bertini
 
SCEG Solar presentation mik
SCEG Solar presentation mikSCEG Solar presentation mik
SCEG Solar presentation mikJuliasceg
 
Compassionate Parenting Final Draft
Compassionate Parenting Final DraftCompassionate Parenting Final Draft
Compassionate Parenting Final DraftAnnie Brogger
 
‘Where Did My Dreams Go?’♨️The Lake Drain Lounge
‘Where Did My Dreams Go?’♨️The Lake Drain Lounge‘Where Did My Dreams Go?’♨️The Lake Drain Lounge
‘Where Did My Dreams Go?’♨️The Lake Drain LoungeJerry Griffin
 
My cad file
My cad fileMy cad file
My cad fileAshu0711
 
Experiencing technology in early childhood learning
Experiencing technology in early childhood learningExperiencing technology in early childhood learning
Experiencing technology in early childhood learningThe Art of Learning
 
Ebaco tennis court preparation
Ebaco    tennis court preparationEbaco    tennis court preparation
Ebaco tennis court preparationJoshua George
 
District 9 Online Marketing Campaign
District 9 Online Marketing CampaignDistrict 9 Online Marketing Campaign
District 9 Online Marketing CampaignCarlos Reyes
 

Destaque (12)

The Boom Squad
The Boom SquadThe Boom Squad
The Boom Squad
 
Emas dan permata
Emas dan permataEmas dan permata
Emas dan permata
 
PROGETTI ALTERNANZA SCUOLA LAVORO
PROGETTI ALTERNANZA SCUOLA LAVOROPROGETTI ALTERNANZA SCUOLA LAVORO
PROGETTI ALTERNANZA SCUOLA LAVORO
 
ATP V3
ATP V3ATP V3
ATP V3
 
SCEG Solar presentation mik
SCEG Solar presentation mikSCEG Solar presentation mik
SCEG Solar presentation mik
 
Compassionate Parenting Final Draft
Compassionate Parenting Final DraftCompassionate Parenting Final Draft
Compassionate Parenting Final Draft
 
‘Where Did My Dreams Go?’♨️The Lake Drain Lounge
‘Where Did My Dreams Go?’♨️The Lake Drain Lounge‘Where Did My Dreams Go?’♨️The Lake Drain Lounge
‘Where Did My Dreams Go?’♨️The Lake Drain Lounge
 
My cad file
My cad fileMy cad file
My cad file
 
Covatutto 24 Incubator manual old
Covatutto 24 Incubator manual oldCovatutto 24 Incubator manual old
Covatutto 24 Incubator manual old
 
Experiencing technology in early childhood learning
Experiencing technology in early childhood learningExperiencing technology in early childhood learning
Experiencing technology in early childhood learning
 
Ebaco tennis court preparation
Ebaco    tennis court preparationEbaco    tennis court preparation
Ebaco tennis court preparation
 
District 9 Online Marketing Campaign
District 9 Online Marketing CampaignDistrict 9 Online Marketing Campaign
District 9 Online Marketing Campaign
 

Semelhante a Seminario 8 (20)

Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
tema 3.pdf
tema 3.pdftema 3.pdf
tema 3.pdf
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
tema 4.pdf
tema 4.pdftema 4.pdf
tema 4.pdf
 
Estadistica 7
Estadistica 7Estadistica 7
Estadistica 7
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Presentacion diapostvas distribuciones especiales upg
Presentacion diapostvas distribuciones especiales upgPresentacion diapostvas distribuciones especiales upg
Presentacion diapostvas distribuciones especiales upg
 
Teoría de la Estimación
Teoría de la EstimaciónTeoría de la Estimación
Teoría de la Estimación
 
Distribuciones (Estadística)
Distribuciones (Estadística) Distribuciones (Estadística)
Distribuciones (Estadística)
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
13 10 2016 practica distribucion normal
13 10 2016 practica distribucion normal13 10 2016 practica distribucion normal
13 10 2016 practica distribucion normal
 

Mais de maricarmenlopezhidalgo (13)

Seminario 9
Seminario 9Seminario 9
Seminario 9
 
Seminario 9
Seminario 9Seminario 9
Seminario 9
 
Seminario 9
Seminario 9Seminario 9
Seminario 9
 
Seminario 9
Seminario 9Seminario 9
Seminario 9
 
Seminario 9
Seminario 9Seminario 9
Seminario 9
 
Seminario 7
Seminario 7Seminario 7
Seminario 7
 
Seminario 6
Seminario 6Seminario 6
Seminario 6
 
Ejercicio 5.3
Ejercicio 5.3Ejercicio 5.3
Ejercicio 5.3
 
Ejercicio 5.2
Ejercicio 5.2Ejercicio 5.2
Ejercicio 5.2
 
Seminario 5
Seminario 5Seminario 5
Seminario 5
 
Seminario 4
Seminario 4Seminario 4
Seminario 4
 
Seminario 2
Seminario 2Seminario 2
Seminario 2
 
Prueba
PruebaPrueba
Prueba
 

Seminario 8

  • 1. María del Carmen López Hidalgo. Grupo 2. SEMINARIO 8: LA DISTRIBUCIÓN NORMAL
  • 2. EJERCICIO 1 La media de los pesos de 150 estudiantes de un colegio es 60 kg y la desviación típica 3 kg. Suponiendo que los pesos se distribuyen normalmente, hallar cuántos estudiantes pesan: 1.Entre 60 kg y 75 kg. 2.Más de 90 kg. 3.Menos de 64 kg. 4.64 kg. 5.64 kg o menos.
  • 3. DISTRIBUCIÓN NORMAL. En la mayoría de los casos, la curva normal (también denominada campana de Gauss) es la forma que adopta la distribución de frecuencias en las variables continuas. En ella coinciden la media, la mediana y la moda.
  • 4. DISTRIBUCIÓN NORMAL Esta distribución se basa en: ◦ Teorema del límite central: al extraer repetidas muestras aleatorias simples de tamaño N a partir de una población distribuida de media y desviación típica. ◦ La ley de los grandes números: si el tamaño N de la muestra es lo suficientemente grande, las medias tienden a distribuirse normalmente.
  • 5. Para realizar este ejercicio, tenemos que utilizar la fórmula de la distribución normal: Hay que tener en cuenta que la media es 60 kg, la desviación típica es 3 y la muestra total de estudiantes es 500.
  • 6. 1. Entre 60 y 75 kg. A continuación, miramos los resultados en la tabla. El cero coincide con 0,50 y el 5 con 1. Por tanto, se puede concluir que el 50% de los estudiantes tienen un peso entre 60 y 75 kg.
  • 7. 2. Más de 90 kg. Al mirar en la tabla el resultado es 1. Por tanto, no hay estudiantes que pesen más de 90 kg. 3. Menos de 64 kg. El 86,43% de los estudiantes pesan menos de 64 kg. 0.8643
  • 9. La tabla que he utilizado para mirar los datos es:
  • 10. La tabla que he utilizado para ver los resultados de la distribución normal es:
  • 11. EJERCICIO 2 La probabilidad de tener un accidente de tráfico es de 0,02 cada vez que se viaja, si se realizan 300 viajes. ¿Cual es la probabilidad de tener 3 accidentes?
  • 12. MODELO DE POISSON Esta distribución es una de las más importantes distribuciones de variable discreta. Con este modelo podemos determinar el número de eventos que suceden en un intervalo, siendo independiente de los eventos que puedan ocurrir en otro intervalo. La fórmula del modelo de Poisson es:
  • 13. Establezco que el número de éxitos (x) es 3; el tamaño de la muestra es 300 y la probabilidad de éxito es 0,02. Antes de sustituir en la fórmula, tenemos que calcular landa. A continuación voy a sustituir en la fórmula para obtener el resultado: La probabilidad de tener 3 accidentes es 8,92%
  • 14. EJERCICIO 3 La última película de un director de cine famoso ha tenido un gran éxito, hasta el punto de que el 80% de los espectadores potenciales ya la han visto. Un grupo de 4 amigos son aficionados al cine: 1.¿Cuál es la probabilidad de que en el grupo hayan visto la película 2 personas? 2.¿Y cómo máximo 2?
  • 15. PROBABILIDAD BINOMIAL  Con la distribución binomial logramos expresar la probabilidad con que un resultado específico ocurra en un número de pruebas independientes.  La fórmula de la probabilidad binomial es: N =número de éxitos P = probabilidad de éxito N = tamaño q = fracaso
  • 16. Ejercicio 3.1 • Número de éxito (x) es igual 2. • Probabilidad de éxito (p) es 0,8. • Tamaño de la muestra es 4. • Probabilidad de fracaso (q) se calcula de la siguiente forma: 1-p=1-0,8=0,2
  • 17. Utilizamos la fórmula de la probabilidad binomial (que hemos expuesto en la diapositiva anterior) y sustituimos los resultados. La probabilidad de que dos personas del grupo hayan visto la película es 15. 36%