Unidad 3

Probabilidades

3.2 Distribución de probabilidades

Probabilidad y estadística
Ingeniería Comercial
≤ ≤

∑ 𝑃(𝑋 = 𝑥𝑖 ) = 1
𝑖=1
 ≤

𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) ∀𝑥 ∈ 𝐼𝑅

≥
 𝜇 = 𝐸(𝑥) = ∑ 𝑥𝑖 𝑃(𝑋 = 𝑥𝑖 )
𝑅𝑒𝑐(𝑋)

𝐸(𝑥) = 0 ∙ 0,25 + 1 ∙ 0,5 + 2 ∙ 0,25 = 1

𝜎 = √𝑉𝑎𝑟(𝑋) = √𝐸(𝑋 − 𝜇)2 = √ ∑ (𝑥𝑖 − 𝜇)2 𝑃(𝑋 = 𝑥𝑖 ) = √𝐸(𝑋 2 ) − 𝐸 2 (𝑋)
𝑅𝑒𝑐(𝑋)
✓

✓
✓

𝑛! 𝑛
𝑃(𝑋 = 𝑥) = 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 = ( ) 𝑝 𝑥 𝑞𝑛−𝑥
𝑥! (𝑛 − 𝑥)! 𝑥

𝑞 =1−𝑝

𝜇 =𝑛∗𝑝 𝐸(𝑥) = 𝑛 ∙ 𝑝
𝜎 = √𝑛𝑝𝑞
𝑛 = 23; 𝑝 = 0,435; 𝑞 = 1 − 0,435 = 0,565
𝑋~𝐵(𝑛 = 23; 𝑝 = 0,435)

P(𝑥 ≤ 3) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3)

𝑃(𝑥 ≤ 3) = 0,0019363

  −
= =   = 
 
  −
= =   = 
 
  −
= =   = 
 
  −
= =   = 
 

𝑋~𝐵𝑖𝑛(𝑛 = 15; 𝑝 = 0,565)

𝑃(3 < 𝑥 < 7) = 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6)

15
𝑃(𝑥 = 4) = ( ) ∙ 0,5654 ∙ 0,43511 = 0,014679
4
15
𝑃(𝑥 = 5) = ( ) ∙ 0,5655 ∙ 0,43510 = 0,041945
5
15
𝑃(𝑥 = 6) = ( ) ∙ 0,5656 ∙ 0,4359 = 0,090802
6

𝑃(3 < 𝑥 < 7) = 0,014679 + 0,041945 + 0,090802

𝑃(3 < 𝑥 < 7) = 0,147426
 𝑋~𝐵𝑖𝑛(𝑛 = 28; 𝑝 = 0,565)
𝐸(𝑋) = 𝑛 ∙ 𝑝
𝐸(𝑋) = 28 ∙ 0,565
𝐸(𝑋) = 15,82

𝜎 = √𝑛 ∙ 𝑝 ∙ 𝑞
𝜎 = √28 ∙ 0,565 ∙ 0,435
𝜎 = 2,623

## Distirbución Binomial
# a) realice una representación gráfica de la distribución de probabilida
des,
x <- 0:20 # Recorrido de la variable
n <- 20 # muestra
p <- 0.2 # probabilidad de éxito
prob <- dbinom(x,n,p)
df.binom <- as.data.frame(cbind(x,prob))

library(ggplot2)
q <- ggplot(df.binom, aes(x,prob))
q+geom_col(fill="orange", color="black")

#b) la probabilidad de que más de 5 estén defectuosos.

x <- 6:20
sum(dbinom(x,n,p))

## [1] 0.1957922

#c) la probabilidad de que de 3 a 6 amortiguadores estén defectuosos.

x <- 3:6
sum(dbinom(x,n,p))

## [1] 0.7072228

•
 •

𝜇 𝑥 𝑒 −𝜇
𝑃(𝑋 = 𝑥) =
𝑥!

𝐸(𝑥) = 𝜇
𝜎2 = 𝜇

𝜇=3
𝑃(𝑥 = 4) =?

34
𝑃(𝑥 = 4) = 𝑒 −3 ∙ = 0,168
4!

𝜇 = 12
𝑃(𝑥 = 4) =?

124
𝑃(𝑥 = 4) = 𝑒 −12 ∙ = 0,005308
4!
 3∗3
𝜇= = 1,28
7
𝑃(𝑥 = 4) =?

(1,28)4
𝑃(𝑥 = 4) = 𝑒 −1,28 ∙ = 0,031098
4!

## Distribución Poisson

mu <- 780/80
# la probabilidad de que exactamente 5 clientes lleguen durante la siguie
nte hora laboral
x <- 5
sum(dpois(x,mu))

## [1] 0.04280265

#¿Cuál es la probabilidad de que lleguen dos o menos personas?

x <- 0:2
sum(dpois(x,mu))

## [1] 0.003397486

# ¿Cuál es la probabilidad de que lleguen más de tres personas?

x <- 0:3
sum(dpois(x,mu))

## [1] 0.01240265

1-sum(dpois(x,mu))

## [1] 0.9875974
 

−(𝑥−𝜇)2
1
𝑓(𝑥) = ∙𝑒 2𝜎2 −∞ < 𝑥 < ∞; 𝜎 > 0
√2𝜋𝜎

𝐸(𝑥) = 𝜇
𝑉(𝑥) = 𝜎 2
 𝑘
1 −(𝑥−𝜇)2
𝑃(𝑥 ≤ 𝑘) = ∫ ∙ 𝑒 2𝜎2 𝑑𝑥
∞ √2𝜋𝜎

∞+
∫ 𝑓(𝑥)𝑑𝑥 = 1
∞−

•
•
• 𝑥 =𝜇−𝜎 𝑥 =𝜇+𝜎
•
• ∼ σ
• μ σ ≤μ σ
• μ σ ≤μ σ
• μ σ ≤μ σ

𝑧1 −(𝑥)2
1
𝑃(𝑧 ≤ 𝑧1 ) = ∫ ∙𝑒 2 𝑑𝑥
−∞ √2𝜋
 𝑍~𝑁(𝜇 = 0; 𝜎 = 1) 𝑃(𝑧 ≤ 2,31)

𝑃(𝑧 ≤ 2,31) = 0,9896

## Distribución Normal
#Calcular P(z<=2.31)
pnorm(2.31)

## [1] 0.9895559

σ σ

𝑥−𝜇
𝑧=
𝜎
 𝑥~𝑁(𝜇 = 120; 𝜎 = 15) 𝑃(𝑥 ≤ 97)

𝑥 − 𝜇 97 − 120
𝑃( ≤ ) = 𝑃(𝑧 ≤ −1,53)
𝜎 15

𝑃(𝑧 ≤ −1,53) = 0,0630

## Distribución Normalcon media y desviacion estándar

#Calcular P(x<=97), con mu = 120 ; sd = 15
pnorm(97, mean = 120, sd = 15)

## [1] 0.06259687

𝑥~𝑁(𝜇 = 25; 𝜎 = 4)
𝑃(𝑥 ≤ 𝑎) = 0,2358
 𝑥−𝜇 𝑎−𝜇
𝑃(𝑥 ≤ 𝑎) = 𝑃 ( ≤ ) = 0,2358
𝜎 𝜎
𝑎−𝜇
𝑃(𝑥 ≤ 𝑎) = 𝑃 (𝑧 ≤ ) = 0,2358
𝜎

𝑎−𝜇
= −0,72
𝜎

𝑎 − 25
= −0,72 → 𝑎 = 22,12
4

#Lectura inversa de la tabla normal estándar:

#Si x~N(μ=25;σ=4), determine:
#P(x≤a)=0.2358
qnorm(0.2358, mean = 25, sd = 4)

## [1] 22.12049
𝑁(𝜇 = 125 𝑐𝑚; 𝜎 = 10 𝑐𝑚)
𝑃(𝑥 > 140)

𝑥 − 𝜇 140 − 125
𝑃(𝑥 > 140) = 𝑃 ( > )
𝜎 10
𝑃(𝑥 > 140) = 𝑃(𝑧 > 1,5)
𝑃(𝑧 > 1,5) = 1 − 𝑃(𝑧 < 1,5)
𝑃(𝑧 > 1,5) = 1 − 0,9332
𝑃(𝑧 > 1,5) = 0,0668

𝑃(𝑥 < 𝑑) = 0,95

 𝑥 − 𝜇 𝑥 − 125 𝑥 − 125
𝑃(𝑥 < 𝑑) = 𝑃 ( < ) = 𝑃 (𝑧 < ) = 0,95
𝜎 10 10

𝑥 − 125
= 1,65 ⟹ 𝑥 = 141,5
10
#Ejemplo: Una fábrica produce pistones
mu <- 5
sd <- 0.001
#a) ¿Qué % de pistones servirá? P(4,998 < x < 5,002)
pnorm(5.002, mu, sd)-pnorm(4.998, mu, sd)

## [1] 0.9544997

#b) ¿Qué % será desechado? P(x < 4.998)

pnorm(4.998, mu, sd)

## [1] 0.02275013

#c) ¿Qué % será reprocesado? P(x > 5.002)

pnorm(5.002, mu, sd, lower.tail = FALSE)

## [1] 0.02275013