You are on page 1of 18

Procesos industriales área manufactura.

Estadística.
Ejemplos de distribuciones de probabilidad.

Leonardo García Lamas.

Grupo y sección: 2 “a”


Distribución de Bernoulli con 5 ejemplos
1) Tenemos cartas que están enumeradas del 1 al 9 ¿Cuál es la probabilidad
de sacar la carta 9?

° La probabilidad de que obtengamos la carta 9.

P(x=1) = (1/9) 1 * (8/9) 0 = 1/9 = 0.111

° La probabilidad de que NO obtengamos la carta 9.

P(x=0) = (1/9)0 * (8/9)1 = 8/9 = 0.888

2) Una maestra enumera a sus alumnos del 1 al 16, para así poder darles un
premio, pero la maestra los seleccionará con los ojos cerrados, ¿Cual es la
probabilidad de que salga el alumno numero 16?

° La probabilidad de que seleccione al alumno numero 16.

P(x=1) = (1/16) 1 * (15/16) 0 = 1/16 = 0.0625

° La probabilidad de que NO seleccione al alumno numero 16.

P(x=0) = (1/9)0 * (15/16)1 = 15/16 = 0.9375

3) Hay una urna con 342 boletos, para ganar un automóvil, al momento de
sacar alguno de ellos ¿que probabilidad hay para que pueda salir premiado el
boleto número 342?

° La probabilidad de que saque el boleto número 342.

P(x=1) = (1/342) 1 * (341/342) 0 = 1/342 = 0.00292

° La probabilidad de que NO seleccione al alumno numero 342.

P(x=0) = (1/342)0 * (341/342)1 = 341/342 = 0.99707

4) "Lanzar una moneda, probabilidad de conseguir que salga cruz".

Se trata de un solo experimento, con dos resultados posibles: el éxito (p) se


considerará sacar cruz. Valdrá 0,5. El fracaso (q) que saliera cara, que vale (1 -
p) = 1 - 0,5 = 0,5.

La variable aleatoria X medirá "número de cruces que salen en un


lanzamiento", y sólo existirán dos resultados posibles: 0 (ninguna cruz, es decir,
salir cara) y 1 (una cruz).

Por tanto, la v.a. X se distribuirá como una Bernoulli, ya que cumple todos los
requisitos.
° La probabilidad de obtener cruz.

P(x=1) = (0.5) 1 * (0.5) 0 = 0.5 = 0.5

° La probabilidad de no obtener cruz.

P(x=0) = (0.5)0 * (0.5)1 = 0.5 = 0.5


Distribución de binomial con 5 ejemplos
Ejemplo 1:

Supongamos que se lanza un dado 50 veces y queremos la probabilidad de


que el número 3 salga 20 veces. En este caso tenemos una X ~ B(50, 1/6) y la
probabilidad sería P(X=20):

Ejemplo 2:

La última novela de un autor ha tenido un gran éxito, hasta el punto de que el


80% de los lectores ya la han leído. Un grupo de 4 amigos son aficionados a la
lectura:

1. ¿Cuál es la probabilidad de que en el grupo hayan leído la novela 2


personas?

B(4, 0.2) p = 0.8 q = 0.2

2. ¿Y cómo máximo 2?
Ejemplo 3:

Un agente de seguros vende pólizas a cinco personas de la misma edad y que


disfrutan de buena salud. Según las tablas actuales, la probabilidad de que una
persona en estas condiciones viva 30 años o más es 2/3. Hállese la
probabilidad de que, transcurridos 30 años, vivan:

1. Las cinco personas.

B(5, 2/3) p = 2/3 q = 1/3

2. Al menos tres personas.

3. Exactamente dos personas.

Ejemplo 4: Se lanza una moneda cuatro veces. Calcular la probabilidad de que


salgan más caras que cruces.

B(4, 0.5) p = 0.5q = 0.5


Ejemplo 5:

La probabilidad de que un hombre acierte en el blanco es 1/4. Si dispara 10


veces ¿cuál es la probabilidad de que acierte exactamente en tres ocasiones?
¿Cuál es la probabilidad de que acierte por lo menos en una ocasión?

B(10, 1/4) p = 1/4q = 3/4

Distribución de Poisson con 5 ejemplos

Ejemplo.- 1 Si ya se conoce que solo el 3% de los alumnos de contabilidad


son muy inteligentes ¿Calcular la probabilidad de que si tomamos 100 alumnos
al azar 5 de ellos sean muy inteligentes:

n= 100

P=0.03

=100*0.03=3

x=5

Ejemplo2.- La producción de televisores en Samsung trae asociada una


probabilidad de defecto del 2%, si se toma un lote o muestra de 85 televisores,
obtener la probabilidad que existan 4 televisores con defectos:

n=85

P=0.02

P(x5)=(e^-17)(1.7^4)/4!=0.0635746

X=4

=1.7
Ejemplo3.- una jaula con 100 pericos 15 de ellos hablan ruso calcular la
probabilidad de que si tomamos 20 al azar 3 de ellos hablan ruso:

n=20

P=0.15 P (x=3)=(e^-8)(3^3)/3!=0.2240418

X=3

=3

Ejemplo4.- El 8% de los registros contables de una empresa presentan algún


problema, si un auditor toma una muestra de 40 registros ¿Calcular
probabilidad de que existan 5 registros con problemas?

n=40

P=0.08 P(X=5)(e^3.2)(3.2^5)/5!=0.1139793

=3.2

X=5

Ejemplo.-5 Se calcula que la ciudad el 20% de las personas tiene defecto de la


vista si tomamos una muestra de 50 personas al azar ¿Calcular Probabilidad
que existan 5 registros con problemas?

n=40

P=0.08

=10
Distribución normal con 5 ejemplos

1.- Una población normal tiene una media de 80 una desviación estándar
de 14.0
µ = 80
σ = 14
z

a) Calcule la probabilidad de un valor


localizado entre 75.0 y 90.0
p (75 ≤ x ≤ 90) 75 80 90
Probabilidad μ

acumulada.
z = 0.7611

z = 0.3594

p (75 ≤ x ≤ 90) = 0.7611 – 0.3594 = 0.4017

b) Calcule la probabilidad de un valor de 75.0 ó menor.


p(x ≤ 75)
Probabilidad
acumulada.
z 0.3594

p(x ≤ 75) = 0.3594


75 80
μ
c) Calcule la probabilidad de un valor localizado entre 55.0 y 70.0
p (55 ≤ x ≤ 70)
Probabilidad
acumulada.
z = 0.2389

z = 0.0367

p (55 ≤ x ≤ 70) = 0.2389 – 0.0367= 0.2022 55 70


μ
80
2.-Los montos de dinero que se piden en las solicitudes de préstamos en
Down River Federal Savings tiene una distribución normal, una media de
$70,000 y una desviación estándar de $20,000. Esta mañana se recibió
una solicitud de préstamo. ¿Cuál es la probabilidad de que:

µ= $70,00
σ =$20,0 z

a) El monto solicitado sea de $80,000 o superior?


p(x ≥ 80,000)
Probabilidad
acumulada.
z = 0.6915

p(x ≥ 80,000) = 1 – 0.6915= 0.3085


70000 80000
μ

b) El monto solicitado oscile entre $65,000 y $80,000?


p(65,000 ≤ x ≤ 80,000)
Probabilidad
acumulada.
z = 0.6915

z = 0.4013

65000 70000 80000


μ
p(65,000 ≤ x ≤ 80,000) = 0.6915 – 0.4013 = 0.2902

c) El monto solicitado sea de $65,000 o superior.


p(x ≥ 65,000)
Probabilidad
acumulada.
z = 0.4013

p(x ≥ 65,000) = 1 –0.4013 = 0.5987


65000 70000
μ
3.-Entre las ciudades de Estados Unidos con una población de más de
250,000 habitantes, la media del tiempo de viaje de ida al trabajo es de
24.3 minutos. El tiempo de viaje más largo pertenece a la ciudad de
Nueva York, donde el tiempo medio es de 38.3 minutos. Suponga que la
distribución de los tiempos de viaje en la ciudad de Nueva York tiene
una distribución de probabilidad normal y la desviación estándar es de
7.5 minutos.

µ = 38.3 min.

σ = 7.5 min. z

a) ¿Qué porcentaje de viajes en la ciudad de Nueva York consumen


menos de 30 minutos?
p( x ≤ 30)
Probabilidad
acumulada.
z = 0.1335

p( x ≤ 30) = 0.1335 = 13.35% 30 38.3


μ

b) ¿Qué porcentaje de viajes consumen entre 30 y 35 minutos?


p(30 ≤ x ≤ 35)
Probabilidad
acumulada.
z = 0.3300

z = 0.1335
30 35 38.3
μ

p(30 ≤ x ≤ 35) = 0.3300 – 0.1335 = 0.1965 = 19.65%

c) ¿Qué porcentaje de viajes consumen entre 30 y 40 minutos?


p(30 ≤ x ≤ 40)
Probabilidad
acumulada.
z = 0.5910

z = 0.1335

30 38.3
μ
p(30 ≤ x ≤ 40) = 0.5910 – 0.1335 = 0.4575 = 45.75%
4.- Las ventas mensuales de silenciadores en el área de Richmond,
Virginia, tiene una distribución normal, con una media de $1,200 y una
desviación estándar de $225. Al fabricante le gustaría establecer niveles
de inventario de manera que solo haya 5% de probabilidad de que se
agoten las existencias. ¿Dónde se deben establecer los niveles de
inventario?
µ = 1,200
σ = 225
Probabilidad
acumulada. z
5% = .0500
1 - 0.0500 = 0.9500
Valor z = 1.65

5% ó 0.0500
z 1.65

X=
x = 1,571.25 1,571.25

5.-En 2004 y 2005, el costo medio anual para asistir a una universidad
privada en Estados Unidos era de $20,082. Suponga que la distribución
de los costos anuales se rigen por una distribución de probabilidad
normal y que la desviación estándar es de $4,500. El 95% de los
estudiantes de universidades privadas paga menos de ¿Qué cantidad?

µ = 20,082 z
σ = 4,500
Probabilidad Valor
acumulada. de z
95% = .9500 =

1.64
z 95% ó 0.9500

x = 27,462. X=
27,462
75
Distribución gamma 5 ejemplos
La distribución gamma se puede caracterizar del modo siguiente: si se está
interesado en la ocurrencia de un evento generado por un proceso de Poisson
de media lambda, la variable que mide el tiempo transcurrido hasta obtener n
ocurrencias del evento sigue una distribución gamma con parámetros a= n
lambda(escala) y p=n (forma). Se denota
Gamma(a,p).

Por ejemplo, la distribución gamma aparece cuando se realiza el estudio de la


duración de elementos físicos (tiempo de vida).
Esta distribución presenta como propiedad interesante la “falta de memoria”.
Por esta razón, es muy utilizada en las teorías de la fiabilidad, mantenimiento y
fenómenos de espera (por ejemplo en una consulta médica “tiempo que
transcurre hasta la llegada del segundo paciente”).

Ejercicio 1
El número de pacientes que llegan a la consulta de un médico sigue una
distribución de
Poisson de media 3 pacientes por hora. Calcular la probabilidad de que
transcurra menos de una hora hasta la llegada del segundo paciente.
Debe tenerse en cuenta que la variable aleatoria “tiempo que transcurre hasta
la llegada del segundo paciente” sigue una distribución Gamma (6, 2).
Solución:

Cálculo de probabilidades. Distribuciones continuas

Gamma (a
p)
a : Escala 60000
p : Forma 20000
Punto X 10000

Cola Izquierda Pr[X<=k] 0,9826


Cola Derecha Pr[X>=k] 0,0174
Media 0,3333
Varianza 0,0556
Moda 0,1667

La probabilidad de que transcurra menos de una hora hasta que llegue el


segundo paciente es 0,98.
Ejercicio 2
Suponiendo que el tiempo de supervivencia, en años, de pacientes que son
sometidos a una cierta intervención quirúrgica en un hospital sigue una
distribución Gamma con parámetros a=0,81 y p=7,81, calcúlese:

1. El tiempo medio de supervivencia.


2. Los años a partir de los cuales la probabilidad de supervivencia es menor
que 0,1.

Cálculo de probabilidades. Distribuciones continuas

Gamma (a,p)
a : Escala 0,8100
p : Forma 7,8100

Cola Izquierda Pr [X<=k] 0,9000


Cola Derecha Pr [X>=k] 0,1000
Punto X 14,2429
Media 9,6420
Varianza 11,9037
Ejerc
icio
Distribución t- student con 5 ejemplos
1. Un fabricante de focos afirma que su producto durará un promedio de
500 horas de trabajo. Para conservar este promedio esta persona
verifica 25 focos cada mes. Si el valor y calculado cae entre –t 0.05 y t
0.05, él se encuentra satisfecho con esta afirmación. ¿Qué conclusión
deberá él sacar de una muestra de 25 focos cuya duración fue?:

520 521 511 513 510 µ=500 h

513 522 500 521 495 n=25

496 488 500 502 512 Nc=90%

510 510 475 505 521 X=505.36

506 503 487 493 500 S=12.07

SOLUCIÓN.

t= x -μ

SI n α = 1- Nc = 10%

v = n-1 = 24

t = 2.22

Enseguida se muestra la distribución del problema según el grafico sig.


2. El profesor Pérez olvida poner su despertador 3 de cada 10 días.
Además, ha comprobado que uno de cada 10 días en los que pone el
despertador acaba no levantándose a tiempo de dar su primera clase,
mientras que 2 de cada 10 días en los que olvida poner el despertador,
llega a tiempo hadar su primera clase.

(a) Identifica y da nombre a los sucesos que aparecen en el enunciado.

(b) ¿Cual es la probabilidad de que el profesor Pérez llegue a tiempo a dar su


primera clase?

Solución: En primer lugar conviene identificar el experimento aleatorio que


estamos realizando. Este consiste en tomar un día al azar en la vida del
profesor Pérez y analizarlo en base a los siguientes sucesos.

(a) Para un día al azar decimos que se ha dado el suceso:

O ≡ cuando el profesor ha olvidado poner el despertador

T ≡ cuando el profesor ha llegado tarde a su primera clase.

Notemos que tanto {O, O} como {T, T} forman un sistema completo de sucesos.
A continuación traducimos en términos de probabilidad de los sucesos
anteriores todos los datos que nos dan en el enunciado.

P(O) = , P (T |O) = , P(O) = , P(T |O) = .

(b) El suceso “llegar a tiempo a su clase” es el complementario de T , por tanto


nos piden que calculemos P(T¯). Puesto que {O, O} es un sistema completo de
sucesos, podemos aplicar la formulas de la probabilidad total, de donde
tenemos que:

P (T¯) = P (T |O¯) P(O) + P (T | ¯ O¯) P (O¯).

En la expresión anterior aparecen varios de los datos que nos ha


proporcionando el enunciado, sin embargo no conocemos directamente el valor
de P(T |¯ O¯). Para calcularlo utilizamos que

P (T |¯ O¯) = 1 − P(T |O¯) = 1 − = De esta forma, la expresión anterior se

puede escribir como: P(T¯) = + =0.69


3. La longitud de los tornillos fabricados en una fábrica tienen media μ=10
mm y desviación s=1 mm, calcular la probabilidad de que en una
muestra de tamaño n=25, la longitud media del tornillo sea inferior a 20.5
mm:

P (μ<20.5)

Estandarizamos T=(X-μ)/(s/√n) que sigue una distribución t de n-1 grados de


libertad

T=(20.5-20)/(1/√25) = 2.5

P (μ<20.5) --> P (T<2.5) ~ t(24)

P (T<2.5) = 0.9902

P (μ<20.5)=0.9902

La probabilidad que la longitud media de la muestra de 25 tornillos sea inferior


a 20.5 mm es del 99.02%

4. Calcular el percentil w0=95 y w0=25 en cada uno de los siguientes


casos:

1. En una distribución t-Student con 3 grados de libertad.

2. En una distribución t-Student con 30 grados de libertad.

Solución.

1. Recordemos que w0=95 es aquel número real que verifica:

S [W · w0=95] = 0=95

Para encontrar este valor en la tabla de la distribución t-Student bastará:

- ) Localizar en la primera columna los grados de libertad, en este caso: 3.

- ) Localizar en la primer fila la probabilidad acumulada, en nuestro caso:


0=95=

- ) Movernos horizontal y verticalmente desde las posiciones anteriores hasta


cruzarnos en el punto w0=95.
Por tanto el percentil w0=95, en una t-Student con 3 grados de libertad será el
valor:

w0=95 = 2=3534

Es decir, si desde el valor 2.3534 nos movemos horizontalmente hasta la


primera columna, llegaremos al valor 3 (grados de libertad), y si lo hacemos
verticalmente hacia la primera fila la llegaremos al valor 0.95 (probabilidad
acumulada).

5. Como en la tabla únicamente tenemos tabulada la t-Student para colas


probabilísticas que van desde 0=75 hasta 0=999, para calcular el
percentil w0=25, tendremos que realizar la siguiente consideración:

S [W · w0=25] = 1 ¡ s[W ¸ w0=25]

Como la distribución t-Student es simétrica, se verifica:

w0=25 = ¡w0=75

Y resulta: s[W · w0=25] = 1 ¡ s[W · w0=75]

Por tanto, buscando en la tabla con los datos:

Grados de libertad: 3

Cola de probabilidad: 0.75

Tenemos: w0=25 = ¡w0=75 = ¡0=7649

2. En el caso de 30 grados de libertad actuaremos de modo similar al caso


anterior, pero buscando en la fila 30 de la tabla. Resultando:

w0=95 = 1=6973

Y w0=25 = ¡w0=75 = ¡0=6828

Calcular los percentiles I8>7;0=99 y I8>7;0=01

Solución.

Para buscar en la tabla de la F-Snedecor el percentil I8>7; 0=99 hemos de


tener en cuenta que:

df_1 = 8 (1d Fila de la tabla)

df_2 = 7 (1 d Columna de la tabla)

0=99 = Probabilidad acumulada (Última columna de la tabla)

El valor donde se cruzan todos estos datos será el percentil buscado.