import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import scipy.stats as stats
import math
# 1
binomials = np.random.binomial(9, 0.1, size=6)
print(binomials)
sns.distplot(binomials, hist=True, kde=True, label="binomial")
plt.show()
Tiene una probabilidad del 0.8 de poder aprobar las respuestas.
# 2
lambd = 2
k = 5
prob_acumulada = sum([(math.exp(-lambd) * lambd**i) / math.factorial(i) for i in range(k+1)])
prob_mas_5 = 1 - prob_acumulada
print("1. La probabilidad que llegen más de 5 carros en 3 mins es :", prob_mas_5)
lambd_half = lambd / 2
k_half = 3
prob_acumulada_half = sum([(math.exp(-lambd_half) * lambd_half**i) / math.factorial(i) for i in range(k_half+1)])
resulst02 = 1 - prob_acumulada_half
print("2. La probabilidad que en medio minuto más de 3 cars es :", resulst02)
# 3
med = 12
dv = 2
nota_aprobatoria = 11
prob_aprobados = 1 - stats.norm.cdf(nota_aprobatoria, med, dv)
num_estudiantes_aprobados = prob_aprobados * 400
num_estudiantes_aprobados = round(num_estudiantes_aprobados)
print("1. Número de estudiantes que aprobaran el curso es de :", num_estudiantes_aprobados)
nota = 14
prob_nota_14 = stats.norm.pdf(nota, med, dv)
print("2. La probabilidad de que un alumno haya sacado 14 es de :", prob_nota_14)