DISTRIBUCIONES DE PROBABLIDAD

Slide 1
Distribuciones de probabilidad
Slide 2
Distribuciones discretas Una variable discreta asume cada uno de sus valores con
una cierta probabilidad. La mayora de las veces se representan con una frmula tod
as las probabilidades de una variable aleatoria. Esta frmula debe ser una funcin d
e los valores numricos de X, que se expresa generalmente por f(x) y se define com
o distribucin de probabilidad de la variable aleatoria.
Slide 3
Distribucin binomial
Slide 4
Ejemplo Usted es un vendedor con muchos aos de experiencia. Sabe que realiza la v
enta en el 30% de los casos. Todos los das visita 10 prospectos de venta. Este po
rcentaje se ha mantenido constante a lo largo de mucho tiempo. Generalmente cada
cliente no tiene contacto con los dems.
Slide 5
Proceso de Bernoulli Si dice que un proceso cuyos resultados sean variables alea
torias discretas y que cumple con las suposiciones presentadas a continuacin, es
un proceso de Bernoulli: Existen solamente dos resultados posibles en cada ensay
o, llamados, arbitrariamente, xitos y fracasos. Existe un nmero fijo n de intentos
o ensayos. La probabilidad de un xito, representada por p, permanece constante e
n todos los intentos. Todos los n intentos repetidos son independientes.
Slide 6
Es la situacin del vendedor anterior un proceso de Bernoulli? Variables aleatorias
discretas? Dos resultados posibles en cada ensayo? Nmero fijo de intentos? La probab
ilidad de un xito permanece constante en todos los intentos? Todos los intentos so
n independientes? S S S S S
Slide 7
Distribucin binomial La distribucin de probabilidad de la variable aleatoria X es:
Donde X es el nmero establecido de xitos n el nmero de ensayos u observaciones p l
a probabilidad de xito q la probabilidad de fracaso: q = 1 p
Slide 8
Distribucin binomial La expresin anterior puede ser escrita como: Para la distri
bucin binomial, su media y su desviacin estndar corresponden a: = np
Slide 9
Ejemplo Al probar una cierta clase de neumtico en un terreno escabroso se encontr
que el 25% de los vehculos terminaban la prueba con los neumticos daados. Encuentre
la probabilidad de que de 10 vehculos que participan en la prueba, exactamente 3
tengan los neumticos daados. por lo menos 3 tengan los neumticos daados. menos de 6
tengan los neumticos daados. a lo ms 5 no tengan los neumticos daados. ms de 7 no ten
gan los neumticos daados.
Slide 10
Pregunta 1: Exactamente 3 tengan los neumticos daados Datos: n = 10 x = 3 p = 0,25
q = 0,75 Solucin: Respuesta: La probabilidad de que exactamente 3 vehculos tengan
los neumticos daados es de 25,03%.
Slide 11
Pregunta 2: Por lo menos 3 tengan los neumticos daados Datos: n = 10 x = 3 p = 0,2
5 q = 0,75 Solucin: Respuesta: La probabilidad de que por lo menos 3 vehculos teng
an los neumticos daados es de 47,44%. P(x > 3) = 1 0.0563 0.1877 0.2816 = 0.4744
Slide 12
Pregunta 3: menos de 6 tengan los neumticos daados Datos: n = 10 x < 6 p = 0,25 q
= 0,75 Solucin: Respuesta: La probabilidad de que menos de 6 vehculos tengan los n
eumticos daados es de 98,03%. P(x < 6) = 0.0563 + 0.1877 + 0.2816 + 0.2503 + 0.146
0 + 0.0584 = 0.9803
Slide 13
Pregunta 4: a lo ms 5 no tengan los neumticos daados Datos: n = 10 x = 5 p = 0,75 q
= 0,25 Solucin: Respuesta: La probabilidad de que a lo ms 5 vehculos no tengan los
neumticos daados es de 7,81%. P(x = 5) = 0.0781
Slide 14
Pregunta 5: ms de 7 no tengan los neumticos daados Datos: n = 10 x > 7 p = 0,75 q =
0,25 Solucin: Respuesta: La probabilidad de que ms 7 vehculos no tengan los neumtic
os daados es de 52,56%. P(x > 7) = 1 P(x = 7) = 1 0.4744 = 0.5256
Slide 15
Ejercicio Si la probabilidad de que cierto componente falle ante una carga axial
especfica es de 5%, calcule la probabilidad de que entre 16 de tales componentes
: fallen entre 2 y 5 no fallen como mximo 12
Slide 16
En Minitab Introducir primero en una columna los valores de los X buscados. Men C
alc -> Distribuciones de probabilidad:
Slide 17
En Minitab Men Calc Distribuciones de probabilidad Binomial Completar cuadro de d
ilogo Probabilidad Nmero de ensayos (n) Probabilidad del evento (p) Columna de ent
rada (X) Aceptar
Slide 18
En Minitab Resultado: Sesin Suma los valores: 0,1463 + 0,0359 + 0,0061 + 0,0007 =
P(2 = X = 5) = 0.1891
Slide 19
Solucin a) Se tiene que n = 16 y que xito es fallar, as que entonces p = 0,05 y q =
0,95: P(2 = X = 5) = 0.1891 b) Si xito es no fallar, entonces p = 0,95 y q = 0
,05: P(X = 12) = 0.0071
Slide 20
Distribucin hipergeomtrica
Slide 21
Distribucin hipergeomtrica Se aplica a situaciones similares a aquellas en que se
aplica la distribucin binomial. La diferencia: en la binomial los eventos deben d
e ser independientes y en la hipergeomtrica no. Si la binomial se aplica al muest
reo de un lote, debe hacerse con reemplazo para obtener la independencia y mante
ner as constante la probabilidad de cada elemento. Si el muestreo se hace sin ree
mplazo, los eventos no son independientes y la probabilidad no es constante.
Slide 22
Distribucin hipergeomtrica La distribucin de probabilidad hipergeomtrica es: Muestra
aleatoria n seleccionada sin reemplazo de un total de N resultados. De N pueden
clasificarse como xitos a resultados y como fracasos N a resultados.
Slide 23
Ejemplo Se tiene un lote de 60 componentes electrnicos de los cuales 4 estn defect
uosos. Si se extrae al azar, sin reposicin, una muestra de 8 de tales componentes
, determine las siguientes probabilidades: Exactamente un componente salga defec
tuoso. Por lo menos dos componentes salgan defectuosos. Como mnimo 7 piezas salga
n buenas.
Slide 24
Pregunta 1: Exactamente un componente salga defectuoso Datos: a = 4 x = 1 N = 60
n = 8 Solucin: Respuesta: La probabilidad de que exactamente un componente salga
defectuoso es de 36,26%.
Slide 25
Pregunta 2: Por lo menos dos componentes salgan defectuosos Datos: a = 4 x = 2 N
= 60 n = 8 Solucin: Respuesta: La probabilidad de que por lo menos dos component
es salgan defectuosos es de 8,22%.
Slide 26
Pregunta 3: Como mnimo 7 piezas salgan buenas Datos: a = 56 x = 7 N = 60 n = 8 So
lucin: Respuesta: La probabilidad de que salgan como mnimo 7 piezas buenas es de 9
1,78%.
Slide 27
Ejercicio Los lotes de 40 componentes se consideran aceptables si contienen como
mximo tres defectuosos. El procedimiento de muestreo del lote consiste en selecc
ionar aleatoriamente 5 componentes y rechazar el lote si se encuentra un solo co
mponente defectuoso. Determine la probabilidad de aceptacin del lote.
Slide 28
En Minitab Introducir primero en una columna los valores de los X buscados. Men C
alc -> Distribuciones de probabilidad:
Slide 29
En Minitab Men Calc Distribuciones de probabilidad Hipergeomtrica Completar cuadro
de dilogo Probabilidad Tamao de poblacin (N) Conteo de eventos en la poblacin (M =
a) Tamao de muestra (n) Columna de entrada (X) Aceptar
Slide 30
En Minitab Resultado: Sesin P(X = 0) = 0.6625
Slide 31
Distribucin de Poisson
Slide 32
Distribucin de Poisson Representa el nmero de resultados que ocurren en un interva
lo de tiempo dado o en un rea o volumen especfico. La probabilidad se obtiene por
medio de: X: nmero establecido de xitos ?: media e ? 2,7183
Slide 33
Ejemplo En una interseccin de carreteras ocurren en promedio 3 accidentes de trnsi
to por mes. Calcule las siguientes probabilidades: en un mes cualquiera ocurran
exactamente 6 accidentes. en 4 meses de comportamiento similar ocurran entre 5 y
15 accidentes.
Slide 34
Pregunta 1: ocurran exactamente 6 accidentes Datos: x = 6 ? = 3 Solucin: Respuest
a: La probabilidad de que ocurran exactamente 6 accidentes es de 5,04%.
Slide 35
Pregunta 1: en 4 meses ocurran entre 5 y 15 accidentes Datos: 5 = x = 15 ? = 4 *
3 = 12 Solucin: Respuesta: La probabilidad de que ocurran exactamente 4 accident
es es de 83,68%.
Slide 36
Ejercicio El nmero de fallas en la superficie de un calentador de cierto tipo sig
ue una distribucin de Poisson. El nmero medio de fallas por calentador es de 5. De
termine la probabilidad de que al seleccionar un calentador al azar: menos de 5
fallas. tenga ms de 2 fallas.
Slide 37
En Minitab Introducir primero en una columna los valores de los X buscados. Men C
alc -> Distribuciones de probabilidad:
Slide 38
En Minitab Men Calc Distribuciones de probabilidad Poisson Completar cuadro de dil
ogo Probabilidad Media (?) Columna de entrada (X) Aceptar
Slide 39
En Minitab Resultado: Sesin P(x < 5) = 0.4405 Respuesta 2: P(x > 2) = 1 - P(x = 0
) - P(x = 1) - P(x = 2) = 0.8753
Slide 40
Distribucin multinomial
Slide 41
Distribucin multinomial Cuando un experimento binomial tiene ms de dos resultados
posibles se convierte en un experimento multinomial. Por ejemplo: artculos que se
clasifican como rechazados; no perfecto pero aceptable y perfectos. Cada uno de
estos eventos es independiente y sus probabilidades se mantienen constantes al
realizar los muestreos con reemplazo.
Slide 42
Distribucin multinomial Si un ensayo puede resultar en cualquiera de k posibilida
des E1, E2, ... , Ek, cada uno con probabilidades p1, p2, ... , pk, entonces la
distribucin multinomial dar la probabilidad de que E1 ocurra x1 veces, de que E2 o
curra x2 veces, ... , y de que Ek ocurra xk veces, en n intentos independientes,
est dada por. n = x1 + x2 + ... + xk
Slide 43
Ejemplo Un fabricante sabe que cierto tipo de refrigeradores tienen una probabil
idad de 0,8 de clasificarse como aceptable, una probabilidad de 0,15 de ser clas
ificados como con defectos secundarios y de 0,05 de ser clasificados como con de
fectos mayores. Si se revisan seis refrigeradores, escogidos al azar, calclese la
probabilidad de que tres sean aceptables, 2 tengan defectos menores y 1 tenga d
efecto mayor.
Slide 44
Solucin Datos: p1 = P(A) = 0,80 p2 = P(S) = 0,15 p3 = P(M) = 0,05 x1 = 3
x2 = 2 x3 = 1 n = 6 Solucin:
Slide 45
Ejercicio En una encuesta de intencin de voto se obtuvo que el candidato A obtend
ra el 35% de los votos, el candidato C el 45% y el candidato B el restante 20%. S
i se toma una muestra de 10 personas, cul es la probabilidad de que la mitad desee
n votar por el candidato A, dos quintas partes por el candidato B y el resto por
C?
Slide 46
Distribucin geomtrica
Slide 47
Distribucin geomtrica Cuando en una sucesin de pruebas queremos saber el nmero de la
prueba en que ocurre el primer xito y si se cumple que: Existen solamente dos re
sultados posibles en cada ensayo, llamados arbitrariamente, xitos y fracasos. La
probabilidad de un xito, representada por p permanece constante en todos los inte
ntos. Todos los n intentos repetidos son independientes. Se cumplen las mismas s
uposiciones de la distribucin binomial, excepto que n no es fijo.
Slide 48
Distribucin geomtrica Si en pruebas independientes repetidas puede resultar un xito
con una probabilidad p y en un fracaso con una probabilidad q = 1 - p. Entonces
la distribucin de probabilidad de la variable aleatoria X (nmero de la prueba en
la cual ocurre el primer xito) es la distribucin geomtrica:
Slide 49
Ejemplo Si la probabilidad de que un tirador experto d en el blanco es del 95%. Cul
es la probabilidad de que falle por primera vez en su decimoquinto disparo?
Slide 50
Pregunta: probabilidad de que falle por primera vez en su decimoquinto disparo D
atos: x = 15 p = 0,05 Solucin: Respuesta: La probabilidad de que falle por primer
a vez en su decimoquinto disparo es 2,44%.
Slide 51
En Minitab Introducir primero en una columna los valores de los X buscados. Men C
alc -> Distribuciones de probabilidad:
Slide 52
En Minitab Men Calc Distribuciones de probabilidad Geomtrica Completar cuadro de d
ilogo Probabilidad del evento Columna de entrada (X) Aceptar
Slide 53
En Minitab Resultado: Sesin P(x = 15) = 0,0243
Slide 54
Ejercicios
Slide 55
Ejercicio Un equipo de ingenieros est probando un nuevo material en una construcc
in. Segn el fabricante existe una probabilidad de 95% de que el material supere ci
ertas condiciones extremas. Los ingenieros estn realizando 10 pruebas y desean sa
ber la probabilidad de que, de las diez pruebas: Exactamente en dos casos el mat
erial no supere la prueba. En cinco casos o ms casos el material supere prueba. E
n todos los casos el material supera la prueba.
Slide 56
Ejercicio Doce de los 20 ingenieros que laboran en una empresa estn insatisfechos
su salario. Si una muestra aleatoria de cuatro ingenieros es interrogada sobre
el salario, determine la probabilidad de que exactamente dos ingenieros se muest
ren satisfechos con su salario.
Slide 57
Ejercicio El jefe de un departamento de recursos humanos de una empresa grande,
estudia con frecuencia el grado de satisfaccin de los trabajadores dentro de la e
mpresa, y ha encontrado que 5 de cada 12 empleados se siente insatisfecho con su
salario. Esta proporcin se ha mantenido constante durante mucho tiempo. Si se se
leccionan aleatoriamente 8 personas Cul es la probabilidad de que exactamente 5 de
ellas se sientan insatisfechas con su salario?
Slide 58
Ejercicio Durante el plazo de inscripcin para una actividad, la oficina encargada
procesa aproximadamente 75 solicitudes por hora, en promedio, de acuerdo con un
proceso de Poisson. Cul es la probabilidad de que este proceso de ms de 80 solici
tudes de una hora escogidos al azar? R/ 0,0235
Slide 59
Ejercicio Durante el plazo de inscripcin para una actividad, la oficina encargada
procesa aproximadamente 75 solicitudes por hora, en promedio, de acuerdo con un
proceso de Poisson. Cul es la probabilidad de que pasen 3 minutos entre la llega
da de dos solicitudes de inscripcin? R/ 0,2589
Slide 60
Ejercicio Cuando un cliente llama a la Lnea de Ayuda en ABC Informtica Software, C
o., la cantidad de tiempo que un cliente debe esperar en suspenso hasta que algu
ien responde a la lnea y ayuda a que el cliente siga un distribucin exponencial co
n media de 7,5 minutos. Cul es la probabilidad de que un cliente espera ms de 10 mi
nutos para recibir ayuda? R/ 0,2636
Slide 61
Ejercicio La distribucin de probabilidad que se aplica en un experimento de acuer
do con un proceso de Bernoulli y tiene ms de dos resultados posibles se llama: (
) Binomial ( ) Hipergeomtrica ( ) Multinomial ( ) Poisson R/ Multinomi
al
Slide 62
Ejercicio La distribucin de probabilidad que representa el nmero de resultados que
ocurren en un intervalo de tiempo dado o en un rea o volumen especfico se llama:
( ) Binomial ( ) Hipergeomtrica ( ) Multinomial ( ) Poisson R/ Poisson
Slide 63
Ejercicio La distribucin de probabilidad que se emplea en una sucesin de pruebas y
se quiere saber el nmero de la prueba en que ocurre el primer xito se llama: ( )
Binomial ( ) Hipergeomtrica ( ) Geomtrica ( ) Poisson
Slide 64
Ejercicio La distribucin de probabilidad que se emplea en una situacin similar a u
n proceso de Bernoulli, pero con un muestreo sin reemplazo, se llama: ( ) Binomi
al ( ) Hipergeomtrica ( ) Geomtrica ( ) Poisson
Slide 65
Ejercicio Un fabricante de medicamentos sostiene que cierta medicina cura una en
fermedad para la sangre en el 80% de los casos. Para verificarlo los inspectores
del gobierno utilizan una muestra de 100 individuos y deciden aceptar la afirma
cin si se curan por lo menos 75 de ellos. Cul es la probabilidad de que lo que dice
sea rechazado, si efectivamente la probabilidad de curacin es del 80%? R/ 0.0838
Slide 66
Ejercicio Un fabricante sabe que cierto tipo de refrigeradores tienen una probab
ilidad de 0,8 de clasificarse como aceptable, una probabilidad de 0,15 de ser cl
asificados como con defectos secundarios y de 0,05 de ser clasificados como con
defectos mayores. Si se revisan seis refrigeradores, escogidos al azar, Cul es la
probabilidad de que tres sean aceptables, 2 tengan defectos menores y 1 tenga de
fecto mayor? R/ 0,0346
Slide 67
Ejercicio Se tiene un cargamento de 60 alarmas contra robo el cual contiene 9 de
fectuosas. Cul es la probabilidad de que salgan exactamente 2 defectuosas en una m
uestra de 5 alarmas? R/ 0,1373
Slide 68
Distribuciones continuas
Slide 69
Distribuciones continuas Las distribuciones de probabilidad de variables aleator
ias continuas aparecen cuando se trabaja con cantidades que se miden en una esca
la continua. Ejemplos: Peso de paquetes de harina Tiempo de revelado de copias f
otogrficas Dimetro, la longitud o el espesor de una pieza Vida til de un producto,
etc.
Slide 70
Distribuciones continuas Al calcular las probabilidades de variables aleatorias
continuas no se puede hablar de la probabilidad de que tome un valor en particul
ar. Se debe hablar de la probabilidad de que la variable tome valores en un inte
rvalo: P(a < x < b). A las funciones de probabilidad de las variables continuas
se les llama funciones densidad y se integran para obtener las probabilidades b
uscadas.
Slide 71
La distribucin normal
Slide 72
La distribucin normal La distribucin continua ms importante es la distribucin normal
. Esta distribucin cuya curva tiene forma de campana, mide en forma muy aproximad
a muchos fenmenos que ocurren en la naturaleza, la industria y la investigacin. En
una fbrica, las mediciones sobre las partes manufacturadas se explican bastante
acertadamente con la distribucin normal.
Slide 73
La distribucin normal La curva de la distribucin es asinttica. El rea bajo la curva
es igual a uno. Es simtrica con respecto a la media aritmtica (?). Queda perfecta
mente determinada si se conocen ? y ?.
Slide 74
La distribucin normal La funcin densidad de la distribucin normal es: para -8 < x <
8 La probabilidad de que x tome valores en el intervalo entre a y b, es:
Slide 75
La distribucin normal La curva normal queda perfectamente determinada si se conoc
en ? y ?. Para cada par de valores de ? y ? existe una curva normal diferente. E
xiste una cantidad infinita de curvas normales. Para resolver este problema se e
mplea una curva normal que tiene = 0 y s = 1, llamada distribucin normal estndar.
La variable aleatoria de la distribucin normal estndar se denota por z.
Slide 76
La distribucin normal La variable aleatoria de la distribucin normal estndar z es:
Los valores de esta distribucin normal estndar se obtienen de una tabla, la cual d
a el valor de probabilidad para cada valor de z. La frmula anterior se emplea par
a convertir de la variable x a z y viceversa, segn se requiera.
Slide 77
Distribucin normal estndar Tiene = 0 y s = 1 Se usa la tabla de la distribucin norm
al estndar. Da valor del rea bajo la curva para valores de z positivos.
Slide 78
Distribucin normal estndar P(z = 1,46) = 0,9279 Si a = 0, P(z = a) = tabla Calcule
: P(z = 0,93) = P(z = 2,74) = P(z = 1,9) = P(z = 2) = P(z = 4,93) = Entero y pri
mer decimal Segundo decimal
Slide 79
Distribucin normal estndar acumulada
Slide 80
Distribucin normal estndar P(z = 1,46) = 1 - P(z = 1,46) = 1 - 0,9279 = 0,0721 Si
a = 0, P(z = a) = 1 - P(z = a) Calcule: P(z = 0,33) = P(z = 2,16) = P(z = 3,2) =
P(z = 3) = P(z = 5,93) = 1,46 rea buscada Equivale a 1 menos el resto del rea: P(
z = 1,46) = 1 - P(z = 1,46)
Slide 81
Distribucin normal estndar P(z = -1,46) = P(z = 1,46) = 0,9279 Si a = 0, P(z = -a)
= P(z = a) Calcule: P(z = -0,73) = P(z = -0,16) = P(z = -3,12) = P(z = -1) = P(
z = -3,93) = -1,46 rea buscada Equivale al resto del rea: P(z = -1,46) = P(z = 1,4
6)
Slide 82
Distribucin normal estndar P(z = -1,46) = 1 - P(z = 1,46) = 1 - 0,9279 = 0,0721 Si
a = 0, P(z = -a) = 1 - P(z = a) Calcule: P(z = -2,75) = P(z = -0,67) = P(z = -3
,2) = P(z = -2) = P(z = -4,12) = -1,46 rea buscada Equivale a uno menos el resto
del rea: P(z = -1,46) = 1 - P(z = 1,46)
Slide 83
Distribucin normal estndar P(1,03 = z = 1,46) = P(z = 1,46) - P(z = 1,03) = 0,9279
0,8485 = 0,0794 Si a = 0, b = 0, P(a = z = b) = P(z = b) - P(z = a) Calcule: P(
1,17 = z = 2,75) = P(-2,15 = z = -0,67) = P(-1,45 = z = 3,2) = P(-2 = z = -2) =
1,46 rea buscada Equivale a la diferencia de las dos reas acumuladas: P(1,03 = z =
1,46) = P(z = 1,46) - P(z = 1,03) 1,03
Slide 84
El dimetro interno de un anillo de pistn est normalmente distribuido con una media
de 10 centmetros y desviacin estndar de 0,03 cm. Calcule las probabilidades de que
un anillo de pistn tenga un dimetro interno: De menos de 10,1 cm. Mayor de 10,07 c
m. Por lo menos de 9,93 cm. Como mximo de 10,09 cm. Entre 9,97 y 10,03 cm. Cul es e
l valor mximo del 15% de los pistones con dimetro ms pequeo? Cul es el valor mximo del
55% de los pistones con dimetro ms pequeo?
Slide 85
Respuesta 1: De menos de 10,1 cm Datos: = 10,00 s = 0,03 P(x = 10,1) Solucin: P(z
< 3,33) = 0.9996 Respuesta: La probabilidad de que un anillo de pistn tenga un d
imetro interno de menos de 10,1 cm es 99,96%.
Slide 86
Respuesta 2: Mayor de 10,07 cm Datos: = 10,00 s = 0,03 P(x = 10,07) Solucin: P(z
= 2,33) = 1 - 0.9901 = 0.0099 Respuesta: La probabilidad de que un anillo de pis
tn tenga un dimetro interno de ms de 10,07 cm es 0,99%.
Slide 87
Respuesta 3: Por lo menos de 9,93 cm Datos: = 10,00 s = 0,03 P(x = 9,93) Solucin:
P(z = -2,33) = 0.9901 Respuesta: La probabilidad de que un anillo de pistn tenga
un dimetro interno de ms de 9,93 cm es 99,01%.
Slide 88
Respuesta 4: Como mximo de 10,09 cm Datos: = 10,00 s = 0,03 P(x = 10,09) Solucin:
P(z = 3) = 0.9987 Respuesta: La probabilidad de que un anillo de pistn tenga un d
imetro interno de menos de 10,09 cm es 99,87%.
Slide 89
Respuesta 5: Entre 9,97 y 10,03 cm Datos: = 10,00 s = 0,03 P(9,97= x =10,09) Sol
ucin: Respuesta: La probabilidad de que un anillo de pistn tenga un dimetro interno
entre 9,97 y 10,03 cm es 68,26%.
Slide 90
Respuesta 6: Valor mximo del 15% de los pistones con dimetro ms pequeo Datos: = 10,0
0 s = 0,03 P(x = ?) 15% menor, z = ? Solucin: z = -1,04 Respuesta: El valor mximo
del 15% de los pistones con dimetro ms pequeo es 9,97 cm.
Slide 91
Respuesta 7: Valor mximo del 55% de los pistones con dimetro ms pequeo Datos: = 10,0
0 s = 0,03 P(x = ?) 55% menor, z = ? Solucin: z = 0,125 Respuesta: El valor mximo
del 55% de los pistones con dimetro ms pequeo es 10,004 cm.
Slide 92
En Minitab Para estandarizar: Introducir valores de X en una columna Men Calc Est
andarizar Completar cuadro de dilogo: Columna de entrada Almacenar resultado Acep
tar
Slide 93
En Minitab Resultado: Aparece en la columna establecida en la hoja de trabajo
Slide 94
En Minitab Para calcular probabilidad: Introducir valores de X en una columna Me
n Calc Distribuciones de probabilidad Normal Completar cuadro de dilogo: Columna d
e entrada Almacenar resultado Aceptar
Slide 95
En Minitab Resultado: Aparece en la columna establecida en sesin Usar resultados
para obtener probabilidades deseadas
Slide 96
En Minitab Para calcular valores de X: Men Calc Distribuciones de probabilidad No
rmal Completar cuadro de dilogo: Distribucin acumulada inversa Media y desviacin es
tndar Constante de entrada Aceptar
Slide 97
En Minitab Resultado: Aparece en la columna establecida en sesin
Slide 98
Ejercicio Una persona dura de su casa al trabajo un promedio de 26 minutos. Se p
uede suponer que la distribucin del tiempo de los viajes es normal. La desviacin e
stndar es de 3,5 minutos. De cunto es la probabilidad de que llegue tarde a una reu
nin programada para 8:50 a.m. si ese da sali de su casa a las 8:35? Cuntas veces de l
as 120 que viaj el ltimo semestre lleg a tiempo, si debe estar en su oficina a las
9:00 a.m. y acostumbra salir de su casa a las 8:30? Encuentre el tiempo mximo que
le tom el 62% de los viajes ms rpidos.
Slide 99
Respuesta 1: probabilidad de que llegue tarde Datos: = 26 s = 3,5 P(x = 15) Solu
cin: Usando Minitab: P(z = -3,14) = 0.9992 Respuesta: La probabilidad de que lleg
ue tarde es 99,92%.
Slide 100
Respuesta 2: nmero de veces que lleg temprano Datos: = 26 s = 3,5 P(x = 30) 120 vi
ajes Solucin: Usando Minitab: P(z = 1,14) = 0.8729 Nmero de veces: 0,8729 x 120 =
104,75 Respuesta: Se espera que haya llegado a tiempo 104,75 veces.
Slide 101
Respuesta 3: tiempo mximo que le tom el 62% de los viajes ms rpidos Datos: = 26 s =
3,5 P(x = ?) 62% menor, z = ? Solucin: z = 0,31 Respuesta: El tiempo mximo del 62%
de los viajes ms rpidos es 27,09 minutos.
Slide 102
Distribucin Gamma
Slide 103
Distribucin Gamma En estadstica la distribucin gamma es una distribucin de probabili
dad continua con dos parmetros alfa y beta cuya funcin de densidad para valores x
> 0 es: Aqu e es el nmero e y ? es la funcin gamma. Para valores ? = 1, 2, la aquel
la es ?(?) = (? - 1)!
Slide 104
Distribucin Gamma Se utilizan a menudo para modelar datos asimtricos positivamente
cuando las variables aleatorias son superiores a 0. Por ejemplo, la distribucin
gamma puede describir el tiempo que transcurre para que un componente elctrico fa
lle. La mayora de los componentes elctricos de un tipo determinado fallar aproximad
amente en el mismo momento, mientras que pocos tardarn ms en fallar. La distribucin
gamma se utiliza comnmente en estudios de supervivencia de confiabilidad.
Slide 105
Ejemplo Suponga que cierta pieza metlica se romper despus de sufrir dos ciclos de e
sfuerzo. Si estos ciclos ocurren de manera independiente a una frecuencia promed
io de dos por cada 100 horas. Obtener la probabilidad de que el intervalo de tie
mpo se encuentre hasta que ocurre el segundo ciclo. Dentro de una desviacin con r
especto del tiempo promedio. A ms de dos desviaciones por encima de la media.
Slide 106
Respuesta 1: Dentro de una desviacin con respecto del tiempo promedio Datos: X: L
apso (hrs) ? = 2 ? = 1/50 Solucin: Respuesta: La probabilidad de que el intervalo
de tiempo se encuentre hasta que ocurre el segundo ciclo sea dentro de una desv
iacin con respecto del tiempo promedio es 73.75%
Slide 107
Respuesta 2: A ms de dos desviaciones por encima de la media Datos: X: Lapso (hrs
) ? = 2 ? = 1/50 Solucin: Respuesta: La probabilidad de que el intervalo de tiemp
o se encuentre hasta que ocurre el segundo ciclo sea a ms de dos desviaciones por
encima de la media es 4.66%
Slide 108
En Minitab Para calcular probabilidad: Introducir valores de X en una columna Me
n Calc Distribuciones de probabilidad Gamma Completar cuadro de dilogo: Probabilid
ad acumulada Parmetro de forma: alfa Parmetro de escala: beta Columna de entrada A
ceptar
Slide 109
En Minitab Resultado: Aparece en la columna establecida en sesin
Slide 110
En Minitab Para calcular probabilidad: Introducir valores de X en una columna Me
n Calc Distribuciones de probabilidad Gamma Completar cuadro de dilogo: Probabilid
ad acumulada Parmetro de forma: alfa Parmetro de escala: beta Columna de entrada A
ceptar
Slide 111
En Minitab Resultado: Aparece en la columna establecida en sesin
Slide 112
Ejercicio Suponga que el tiempo, en horas, que toma reparar una bomba es una var
iable aleatoria x que tiene una distribucin gamma con parmetros alfa = 2 y beta =
1/2. Cul es la probabilidad de que en el siguiente servicio tome: cuando mucho 1 h
ora reparar la bomba? al menos se requieren 2 horas para reparar la bomba?
Slide 113
En Minitab Para calcular probabilidad: Introducir valores de X en una columna Me
n Calc Distribuciones de probabilidad Gamma Completar cuadro de dilogo: Probabilid
ad acumulada Parmetro de forma: alfa Parmetro de escala: beta Columna de entrada A
ceptar
Slide 114
En Minitab Resultado: Aparece en la columna establecida en sesin: P = 0.5934 0 =
0.5934
Slide 115
Ejercicio En cierta ciudad el consumo diario de energa elctrica, en millones de ki
lovatios por hora, puede considerarse como una variable aleatoria con distribucin
GAMMA de parmetros alfa = 3 y beta = 2. La planta de energa de esta ciudad tiene
una capacidad diaria de 10 millones de KW/hora. Cul es la probabilidad de que este
abastecimientos sea: Insuficiente en un da cualquiera? Se consuman entre 3 y 8 m
illones de K. W./Hora?
Slide 116
Solucin en Minitab Busca P(X > 10) = 1 P(X = 10) Para calcular probabilidad: Intr
oducir valores de X en una columna Men Calc Distribuciones de probabilidad Gamma
Completar cuadro de dilogo: Probabilidad acumulada Parmetro de forma: alfa Parmetro
de escala: beta Columna de entrada Aceptar
Slide 117
Solucin en Minitab Resultado: Aparece en la columna establecida en sesin: P(X > 10
) = 1 P(X = 10) = 1 0.8753 = 0.1247
Slide 118
Solucin en Minitab Busca P(3 < X < 8) = P(X = 8) P(x = 3) Para calcular probabili
dad: Introducir valores de X en una columna Men Calc Distribuciones de probabilid
ad Gamma Completar cuadro de dilogo: Probabilidad acumulada Parmetro de forma: alf
a Parmetro de escala: beta Columna de entrada Aceptar
Slide 119
Solucin en Minitab Resultado: Aparece en la columna establecida en sesin: P(3 < X
< 8) = P(X = 8) P(x = 3) = 0.7619 0.1912 = 0.5707
Slide 120
Distribucin exponencial
Slide 121
Distribucin exponencial Si un evento ocurre en el contexto de un proceso de Poiss
on, entonces la extensin temporal o espacial entre dos eventos sucesivos sigue un
a distribucin exponencial de probabilidad. Esta distribucin se emplea para determi
nar la probabilidad de ocurrencia de un evento dado en un intervalo de tiempo da
do o en un rea o volumen especfico.
Slide 122
Distribucin exponencial Si ? es el nmero promedio de ocurrencias en el plazo de in
ters, entonces la probabilidad exponencial de que el primer evento ocurra en el i
ntervalo temporal o especial determinado es: Y la probabilidad exponencial de qu
e el primer evento no ocurra en el intervalo temporal o especial determinado es:
Slide 123
Ejemplo Un promedio de seis personas por hora hacen uso de un cajero automtico de
un banco durante una hora pico: Cul es la probabilidad de que pasen al menos diez
minutos entre la llegada de dos clientes? Cul es la probabilidad de que tras la s
alida de un cliente, llegue otro en al menos 20 minutos?
Slide 124
Respuesta 1: que pasen al menos diez minutos entre la llegada de dos clientes Da
tos: ? = 6 pers/hr. Pero como son 10 minutos: ? = 1 P(no ocurra) Solucin: Respues
ta: La probabilidad de que pasen al menos diez minutos entre la llegada de dos c
lientes es 36,79%.
Slide 125
En Minitab Para calcular probabilidad: Introducir valores de X en una columna Me
n Calc Distribuciones de probabilidad Exponencial Completar cuadro de dilogo: Esca
la (1/? = 1/1) Columna de entrada Aceptar
Slide 126
En Minitab Resultado: Aparece en la columna establecida en sesin Usar resultados
para obtener probabilidades deseadas
Slide 127
Respuesta 2: Tras la salida de un cliente llegue otro en al menos 20 minutos Dat
os: ? = 6 pers/hr. Pero como son 20 minutos: ? = 2 P(ocurra) Solucin: Respuesta:
La probabilidad de que tras la salida de un cliente llegue otro en al menos 20 m
inutos es 86,47%.
Slide 128
En Minitab Para calcular probabilidad: Introducir valores de X en una columna Me
n Calc Distribuciones de probabilidad Exponencial Completar cuadro de dilogo: Esca
la (1/? = = 0.5) Columna de entrada Aceptar
Slide 129
En Minitab Resultado: Aparece en la columna establecida en sesin Usar resultados
para obtener probabilidades deseadas
Slide 130
Ejercicio Los clientes de un supermercado llegan en promedio de 1 por minuto. Ha
lle la probabilidad de que transcurran: Por lo menos 3 minutos despus de la llega
da del ltimo cliente y el prximo. Entre 2 minutos y 4 minutos. A lo ms 2 minutos.
Slide 131
En Minitab Busca P(X > 3) = 1 P(X = 3) Para calcular probabilidad: Introducir va
lores de X = 1 en una columna Men Calc Distribuciones de probabilidad Exponencial
Completar cuadro de dilogo: Escala (1/? = 1/3 = 0.3333) Columna de entrada Acept
ar
Slide 132
En Minitab Resultado: Aparece en la columna establecida en sesin: P(X > 3) = = 1
P(X = 3) = 1 0,9502 = 0.0498
Slide 133
En Minitab Busca P(2 < X < 4) = P(X = 4) P(x = 2) Para calcular probabilidad: In
troducir valores de X = 1 en una columna Men Calc Distribuciones de probabilidad
Exponencial Completar cuadro de dilogo: Escala (1/? = 1/2) Columna de entrada Ace
ptar
Slide 134
En Minitab Resultado: Aparece en la columna establecida en sesin: P(2 < X < 4) =
= P(X = 4) P(x = 2) = 0.9817 0.8647 = 0.1170
Slide 135
En Minitab Busca P(X = 2) Para calcular probabilidad: Introducir valores de X =
1 en una columna Men Calc Distribuciones de probabilidad Exponencial Completar cu
adro de dilogo: Escala (1/? = 1/2) Columna de entrada Aceptar
Slide 136
En Minitab Resultado: Aparece en la columna establecida en sesin: P(X = 2) = = 0.
8647
Slide 137
Distribucin T de Student
Slide 138
Distribucin T de Student En la generalidad de los casos, no disponemos de la desv
iacin estndar de la poblacin, sino de una estimacin calculada a partir de una muestr
a extrada de la misma y por lo tanto no podemos calcular Z. En estos casos calcu
lamos el estadstico T: con v: grados de libertad
Slide 139
Ejemplo El gerente de una fbrica de cierto tipo de alimentos asegura que el peso
promedio del producto que elabora es de 165,285 grs. Un inspector toma una muest
ra de 16 paquetes del producto y los pesa. Los resultados fueron los siguientes
(en grs.): 165, 158, 153, 162, 171, 175, 173, 169, 166, 170, 164, 177, 148, 167,
152, 149 Encuentre la probabilidad de que el peso sea menor de 163,6875 grs.
Slide 140
En Minitab Primero hay que calcular la media y la desviacin estndar de la muestra.
Se introducen los datos en la hoja de trabajo.
Slide 141
En Minitab En el men Estadsticas Estadstica bsica Mostrar estadsticas descriptivas Se
selecciona la columna de los datos En el botn estadsticas se selecciona Media y D
esviacin Estndar
Slide 142
En Minitab Luego se calcula el valor de t calculado: ? = 165,285, s = 9,24, n =
16 t =?(?1?6?3?,?6?9?-?1?6?5?,?2?8?5?)?/?(?9?,?2?4?/?R?A?I?Z?(?1?6?)?) t = -0,69
05 Luego se introduce el valor calculado en la hoja de datos. Despus Men Calc Dist
ribuciones de probabilidad t Grados de libertad: 16 1 = 15
Slide 143
En Minitab El resultado aparece en la sesin. La probabilidad de que el peso sea m
enor de 163,6875 grs. es 25,02%.
Slide 144
Distribucin Chi-cuadrada
Slide 145
Distribucin Chi-cuadrada Es una distribucin de probabilidad continua con un parmetr
o v, que representa los grados de libertad. La forma de ?2 depende del nmero de g
rados de libertad. La funcin de densidad es: x > 0, n > 0 donde: v = grados de li
bertad ?= Funcin Gamma e = base del logaritmo natural
Slide 146
Ejemplo Suponga que los tiempos requeridos por un cierto autobs para alcanzar un
de sus destinos en una ciudad grande forman una distribucin normal con una desvia
cin estndar =1 minuto. Si se elige al azar una muestra de 17 tiempos, encuentre la
probabilidad de que la varianza muestral sea mayor que 2.
Slide 147
Ejemplo Primero se encontrar el valor de ji-cuadrada correspondiente a s2=2 como
sigue: El valor de 32 se busca adentro de la tabla en el rengln de 16 grados de l
ibertad y se encuentra que a este valor le corresponde un rea a la derecha de 0.0
1. En consecuencia, el valor de la probabilidad es P(s2>2) es de 1%.
Slide 148
En Minitab El valor calculado de ?2 se introduce en la hoja de trabajo. Despus Me
n Calc Distribuciones de probabilidad Chi-cuadrada Probabilidad acumulada Grados
de libertad: 16 Columna de entrada
Slide 149
En Minitab El resultado aparece en la sesin. La probabilidad de que la varianza m
uestral sea mayor que 2 es 1 0,99 = 0,01.
Slide 150
Ejercicios
Slide 151
Ejercicio En una distribucin exponencial: A. La media de la distribucin equivale a
uno entre lambda B. La variancia de la distribucin equivale a uno entre lambda a
l cuadrado Con respecto a las dos afirmaciones anteriores, es correcto que: ( )
Son verdaderas ambas ( ) Solo B es verdadera ( ) Son falsas ambas ( ) Solo
A es verdadera R/ ambas
Slide 152
Ejercicio Cul de las siguientes es falsa acerca de los datos que sigue la distribu
cin normal? ( ) El promedio es el mismo que el modo ( ) La desviacin estndar es la
misma que la media ( ) La mediana es el mismo que el modo ( ) La mayora de los da
tos est dentro de 3 desviaciones estndar con respecto a la media R/ La desviacin es
tndar es la misma que la media
Slide 153
Ejercicio Cuando un cliente llama a la Lnea de Ayuda en ABC Informtica Software, C
o., la cantidad de tiempo que un cliente debe esperar en suspenso hasta que algu
ien responde a la lnea y ayuda a que el cliente siga un distribucin exponencial co
n media de 7,5 minutos. Cul es la probabilidad de que un cliente espera ms de 10 mi
nutos para recibir ayuda? R/ 0,2636
Slide 154
Respuesta : que un cliente espera ms de 10 minutos para recibir ayuda Datos: 7,5
min => ? = 8 pers/hr. Pero como son 10 minutos: ? = 1,3333 P(no ocurra) Solucin:
Respuesta: La probabilidad de que un cliente espera ms de 10 minutos para recibir
ayuda es 26,36%.
Slide 155
En Minitab Para calcular probabilidad: Introducir valores de X en una columna Me
n Calc Distribuciones de probabilidad Exponencial Completar cuadro de dilogo: Esca
la (1/? = 1/1,3333=0,75) Columna de entrada Aceptar
Slide 156
En Minitab Resultado: Aparece en la columna establecida en sesin Usar resultados
para obtener probabilidades deseadas: 1 0,7364 = 0,2636
Slide 157
Ejercicio La cantidad de tiempo que los estudiantes de una universidad trabaja p
or semana se distribuye con una distribucin normal con media de 18,17 horas y una
desviacin estndar de 12,92 horas. Cul es el percentil 90 para la cantidad de tiempo
que los estudiantes trabajan por semana? R/ 34,7
Slide 158
Ejercicio La distribucin que permite obtener respuesta a preguntas relacionadas c
on la probabilidad de que un evento ocurra en determinado plazo, el tiempo entre
dos eventos sucesivos o el tiempo que transcurre desde un determinado punto tem
poral hasta un primer evento, se llama: ( ) Exponencial ( ) Normal ( ) Geomtrica
( ) Poisson R/ Exponencial
Slide 159
Ejercicio Una empresa productora de cigarrillos solicita que se realice un estud
io a nivel nacional del consumo de cigarrillos. La distribucin nacional del consu
mo de cigarrillos da una media, entre fumadores, de 15 cigarrillos diarios con u
na desviacin estndar de 2.5 cigarrillos. Bajo el supuesto de que el consumo de cig
arrillos sigue una distribucin aproximadamente normal, determine para el fumador:
El porcentaje que fuman ms de 11 cigarrillos. Dibuje el rea de inters bajo la curv
a. La probabilidad de que se fume entre 8 y 20 cigarrillos. Si se considera una
muestra de 1.000 fumadores, cuntos se espera que fumen menos de 17 cigarrillos al
da?. Cul es el nmero mnimo de cigarrillos que fuma un fumador que est dentro del 30 %
de los que ms fuman? Entre qu valores simtricamente opuestos a la media, se encuentr
a el 80% de los fumadores? R. 0.9452, 0.9746, 788.1, 16.3, entre 11.8 y 18.2
Slide 160
Ejercicio Un informe reciente de la revista BusinessWeek, sealaba que 20 de cada
100 de los empleados roban algn artculo de la empresa cada ao. Calcule cada una de
las siguientes probabilidades: Menos de 5 empleados de un total de 12, roben a l
a empresa. Exactamente 12 empleados de 15, no roben a la empresa. Ms de 8 de un t
otal de 14, roben a la empresa. Menos de 6 y ms de 10 de un total de 12, roben a
la empresa. R./ 0.9274, 0.2501, 0.0004, 0.9806
Slide 162
Se ha observado que en promedio 4 personas por mes solicitan va Internet, un cier
to modelo de cmara fotogrfica digital, dada las ventajas tecnolgicas que ofrece est
e medio de compra. Cul es la probabilidad de que en un periodo de: medio mes, exac
tamente 3 personas soliciten ese modelo de cmara? mes y medio, se soliciten menos
de 4 cmaras de ese modelo?. un mes, entre 6 y 12 personas (incluyendo los extrem
os), soliciten ese modelo de cmara? Cuntas cmaras, se espera sean solicitadas en un
periodo de 3 meses?
Slide 163
Las comisiones anuales que percibieron los representantes de ventas de cierta em
presa, siguen una distribucin de probabilidad normal. El monto anual medio percib
ido es de $40000, y la desviacin estndar de $5000. Qu porcentaje de representantes d
e ventas percibe entre $33500 y $47700? Si se pretende premiar al 20% de los rep
resentantes de ventas que perciben mayores comisiones, cul es el monto lmite entre
los que obtienen el premio y los que no?