Vous êtes sur la page 1sur 6

Universidad de San Carlos de Guatemala

Facultad de Ingeniera
rea de Estadstica
Estadstica 1 Secc: A

Inga. Lady Elas


Aux. Liliana Gonzlez

RESOLUCIN DEL CORTO 3


1. Suponga que los motores de un avin operan de forma independiente y que tienen
una probabilidad de falla de 0.4. Se supone que un avin tiene un vuelo seguro si
funcionan al menos la mitad de sus motores. Si un avin tiene 4 motores y otro tiene
2, Cul de los dos tiene la probabilidad ms alta de un vuelo exitoso?
La probabilidad de que falle un motor es de 0.4 o sea de que no falle es de 0.6
Como tiene un vuelo seguro si funcionan al menos la mitad de sus motores:
Para el avin de 4 motores deben de funcionar: 2 motores o 3 motores o los 4
motores para que el vuelo sea seguro.
Para el avin de 2 motores deben de funcionar: 1 motor o los 2 motores para que
el vuelo sea seguro.
Para el avin de 4 motores es:
( ) = [( )] = .
Para el avin de 2 motores es:
( ) = [( = )] = .
EL AVIN QUE TIENE MAS POSIBILIDADES DE XITO ES EL QUE TIENE DOS
MOTORES, PORQUE SU PROBABILIDAD DE QUE EL VUELO SEA EXITOSO ES DEL 84%
MIENTRAS QUE EL DE CUATRO ES DE 82%
Para este problema es una distribucin binomial.
Concepto de distribucin binomial:
1. El experimento consta de ensayos repetidos.
2. Cada ensayo produce un resultado que se puede clasificar como xito o fracaso.
3. La probabilidad de un xito, que se denota con p, permanece constante de un
ensayo a otro.
4. Los ensayos repetidos son independientes.
NOTA: COMO SE LOS HE VENIDO DICIENDO LEAN EL CONCEPTO, APRENDAN EL
CONCEPTO CON ESO YA PUEDEN IDENTIFICAR Y RESOLVER EL PROBLEMA. ESO SI
EN ESTE PROBLEMAS LES INDICA QUE LOS MOTORES OPERAN

INDEPENDIENTEMENTE, PERO HAY PROBLEMAS QUE NO LO DICEN, USTEDES


TIENEN QUE DEDUCIRLO.
2. Una urna contiene 3 bolas verdes, 2 azules y 4 rojas. Calcule la probabilidad de que,
en una muestra aleatoria de 5 bolas, se seleccionen las 2 bolas azules y al menos una
roja.
SE RESUELVE USANDO HIPERGEOMETRICA
3 bolas verdes, 2 azules y 4 rojas, TOTAL DE BOLAS DE COLORES:
++=
Y se quiere sacar una muestra aleatoria de 5 bolas, se seleccionen las 2 bolas azules
y al menos 1 roja.
Las combinaciones en que podemos sacar las 5 bolas son:
Primera: Fijo debe de ser siempre 2 bolas azules, nos quedan 3 espacios, para esos
pueden ser 1 roja y 2 verdes (porque tomamos en cuenta los verdes?, porque en
esta combinacin es que nos sale solo 1 bola roja).
Otra: 2 azules, 2 rojas, 1 verde
Y la ltima es: 2 azules, 3 rojas, o verdes.
Se preguntaran porque no est la probabilidad de 4 rojas y es que solo nos
permiten sacar 5 bolas, y como fijo son 2 azules no podemos sacar 4 rojas porque
sacaramos 6 bolas y la muestra solo nos permite 5.
azules rojas verdes
()()() ()()() ()()()
+
+

La probabilidad de que saquemos en la muestra 2 bolas azules y al menos 1 roja


es de: 0.2698 o sea el 26.98%
CONCEPTO DE HIPERGEOMETRICA.
La manera ms simple de ver la diferencia entre la distribucin binomial de la y la
distribucin hipergeomtrica consiste en observar la forma en que se realiza el
muestreo. Los tipos de aplicaciones de la distribucin hipergeomtrica son muy
similares a los de la distribucin binomial. Nos interesa el clculo de
probabilidades para el nmero de observaciones que caen en una categora
especfica. Sin embargo, la distribucin binomial requiere que los ensayos sean
independientes. Por consiguiente, si se aplica esta distribucin binomial, el
muestreo se debe efectuar reemplazando cada artculo despus de observarlo. Por
otro lado, la distribucin hipergeomtrica no requiere independencia y se basa en
el muestreo que se realiza sin reemplazo.

NOTA: LEAN CONCEPTO


3. Se sabe que 3% de las personas a las que se les revisa el equipaje en un aeropuerto
lleva objetos cuestionables. Cul es la probabilidad de que una serie de 15 personas
cruce sin problemas antes de que se atrape a una con un objeto cuestionable? Cul
es el nmero esperado de personas que pasarn antes de que se detenga a una?
DISTRIBUCIN A UTILIZAR: GEOMETRICA.
Vemos que es un ensayo de que pasen 15 personas, si se dan cuenta la prueba es
independiente repetidas, ahora la persona 16 tiene el objeto cuestionable,
entonces:
= .
g(x;0.03)= ( = ) = (. )( . ) = .
La probabilidad de que 15 personas crucen sin problemas es de 0.0190 o 1.9%
Se preguntaran porque (1-0.03). Porque es la probabilidad de que las persona no
lleven objetos cuestionables.
Cul es el nmero esperado de personas que pasarn antes de que se detenga a
una?
El nmero esperado, es igual a la esperanza, la media, entonces:

=. = . este es el numero esperado de que la detengan, pero estn


preguntando antes de que se detenga. Entonces:
1-=1-33.33= 32.33
EL Nmero esperado es de 32.33 personas antes que se detengan pero como las
personas no se pueden partir, entonces 32 personas.
CONCEPTO DE GEOMETRICA:
Si consideramos el caso especial de la distribucin binomial negativa, donde k = 1,
tenemos una distribucin de probabilidad para el nmero de ensayos que se
requieren para un solo xito. Un ejemplo sera lanzar una moneda hasta que salga
una cara. Nos podemos interesar en la probabilidad de que la primera cara resulte
en el cuarto lanzamiento. Las pruebas independientes repetidas.

4. Se supone que el nmero de clientes que llegan por hora a ciertas instalaciones
de servicio automotriz sigue una distribucin de Poisson con media = 7.

a) Calcule la probabilidad de que lleguen ms de 10 clientes en un periodo de dos


horas.(De que lleguen ms de 10 clientes quiere decir que lleguen 11, 12,13 hasta
el infinito)
= = 7 2 = 14
Entonces:
( > 10; 14) =
1 [( = 0) + ( = 1) + ( = 2) + ( = 3) + ( = 4) +
( = 5) + ( = 6) + ( = 7) + ( = 8) + ( = 9) + ( = 10)]=
1-0.1756=0.8243
La probabilidad de que lleguen ms de 10 personas es de 0.8243 u 82.43%
b) Cul es el nmero medio de llegadas durante un periodo de 2 horas?
Numero medio, esperanza media son sinnimos.
=7*2=14
El nmero medio de llegadas es de 14 personas.

Distribucin de Poisson y proceso de Poisson

Los experimentos que producen valores numricos de una variable aleatoria X, el nmero
de resultados que ocurren durante un intervalo de tiempo determinado o en una regin
especfica, se denominan experimentos de Poisson. El intervalo de tiempo puede ser de
cualquier duracin, como un minuto, un da, una semana, un mes o incluso un ao. Por
ejemplo, un experimento de Poisson podra generar observaciones para la variable aleatoria
X que representa el nmero de llamadas telefnicas por hora que recibe una oficina, el
nmero de das que una escuela permanece cerrada debido a la nieve durante el invierno
o el nmero de juegos suspendidos debido a la lluvia durante la temporada de bisbol. La
regin especfica podra ser un segmento de recta, una rea, un volumen o quiz una pieza
de material. En tales casos X podra representar el nmero de ratas de campo por acre, el
nmero de bacterias en un cultivo dado o el nmero de errores mecanogrficos por pgina.
Un experimento de Poisson se deriva del proceso de Poisson y tiene las siguientes
propiedades:

Propiedades del proceso de Poisson


1. El nmero de resultados que ocurren en un intervalo o regin especfica es independiente
del nmero que ocurre en cualquier otro intervalo de tiempo o regin del espacio disjunto.
De esta forma vemos que el proceso de Poisson no tiene memoria.
2. La probabilidad de que ocurra un solo resultado durante un intervalo de tiempo muy
corto o en una regin pequea es proporcional a la longitud del intervalo o al tamao de la
regin, y no depende del nmero de resultados que ocurren fuera de este intervalo de
tiempo o regin.
3. La probabilidad de que ocurra ms de un resultado en tal intervalo de tiempo corto o
que caiga en tal regin pequea es insignificante.

LEAN CONCEPTO COMPAEROS, LES DESEO EXITOS EN EL 3ER PARCIAL