Trabajo D Probabilidad

Valor Creativo
ValorCreativo.blogspot.com
2018
Valor Creativo
Valor Creativo
Título 1
Título 2
Título 3
Normal
Contendo
Título 1 ..................................................................................................................................................................2
Título 2 ..............................................................................................................................................................2
Título 3 ..........................................................................................................................................................2
Autor: sebastianedcz@outlook.com 2
Valor Creativo
CAPITULO 6
DISTRIBUCIONES EN VARIABLE ALEATORIA CONTINUA

Las distribuciones en variable aleatoria continua más importantes son:
DISTRIBUCION UNIFORME: Sise que una variable aleatoria está distribuida

uniformemente, si tiene como función de densidad
1
p(x) 𝑠𝑖 𝑎 ≤ 𝑥 ≪ 𝑏
𝑏−𝑎
0 en otro caso
Función De Distribución
𝒙
𝟏 𝒙
𝒑(𝒙) = ∫ 𝒅𝒙 =
𝒂 𝒃−𝒂 𝒙−𝒂
0 si x≤ a
𝒙−𝒂
p(x)= 𝒔𝒊 𝒂 ≤ 𝒙 ≤ 𝒃
𝒂
𝟏 𝒔𝒊 𝒙 > 𝒃
Valor Creativo
El Valor Promedio Esperado
𝑎+𝑏
𝜇=
2
DISTRIBUCION EXPONENCIAL: Una variable aleatoria x se distribuye exponencialmente

con un parámetro λ, si tiene como función de densidad
p(x) = 𝜆𝑒 −𝜆𝑥 𝑠𝑖 𝑥 ≥ 0
0 si x ˂ 0
La Función De Distribución
𝒙
𝒑(𝒙) = ∫ 𝜆𝑒−𝜆𝑥 𝑑𝒙 = −𝑒 −𝜆𝑥 + 1
𝟎
0 si x≤ 0
p(x)= 𝜆𝑒−𝜆𝑥 si x ≥ 0
El Valor Promedio Esperado:
1
𝜇=
𝜆
La Varianza:
1
𝜃2 =
𝜆2
Valor Creativo
El parámetro λ está íntimamente ligado al parámetro de la distribución de Poisson que

representa el promedio de eventos por unidad de medida:
Si el denominada F (t) a la función de probabilidad de falla de un mecanismo o maquinaria

en un tiempo t ≤ T, entonces:
F(𝑡) = 𝑃(𝑡 ≤ 𝑇) = 1 − ℮−𝜆𝑇
La probabilidad de una falla en el mismo periodo T es el complemento:
R (t) = P (t ≥ T)= 1- P (t ≤ T)
R(𝑡) = 1 − (1 − ℮−𝜆𝑇 )
R(𝑡) = ℮−𝜆𝑇
Ejemplo 1
Considerar unos focos producidos por una máquina, de los que sabemos, la duración x en
horas, de un foco producido por las maquinas siendo una variable aleatoria con una
distribución exponencial y media de 1000 horas
a) Cuál es la probabilidad de que una muestra aleatoria de que 5 focos no contenga

focos con duración menor que 1020 horas
b) Supongamos ahora que la muestra de 5 focos se coloca en una caja. Si se
selecciona aleatoriamente un foco de la caja ,cual es la probabilidad de que el foco
seleccionado tenga una duración mayor a 1020 horas
Solución:
X = Duración en horas del foco
𝜇 = 1000 𝐻𝑟.
1 1
𝜇= 𝜆=
𝜆 1000
Valor Creativo
1
1 − 𝑥
p(x) = 𝑒 1000 si x ≥ 0
100
0 si x < 0
Hallamos la probabilidad con la duración menor a 1020 hrs.
a)
1
𝑝(𝑥 < 1020) = 1 − 𝑒 −1000∗1020
𝑝(𝑥 < 1020) = 0,64

Muestra n=5
y= cantidad de focos con duración ˂1020 hrs.
5 0 𝑦 5−𝑦 5 0
𝑝(𝑦) = ( ) ∗ 𝑝 ∗ 𝑞 𝑝(𝑦 = 0) = ( ) ∗ 0,640 ∗ (1 − 0,64)5−0
𝑦 0
𝒑(𝒚 = 𝟎) = 𝟎, 𝟑𝟔𝟓
1
b) 𝑝(𝑥 > 1020) = 𝑒 −1000∗1020 𝐩(𝐱 > 𝟏𝟎𝟐𝟎) = 𝟎, 𝟑𝟔
DISTRIBUCION NORMAL: Se dice que una variable aleatoria x con media y varianza está
distribuida normalmente, si responde a la función de densidad:
1 1 𝑥−𝜇
− ( )²
𝑝(𝑥 ) = 𝑒 2 𝜃 Si −∞ < 𝑥 < ∞
𝜃 √2𝜋
La función de distribución:
x 1 x−μ 2
1 − ( )
𝑃(x) = ∫ e 2 θ dx
−∞ θ√2π
Valor Creativo
El valor promedio esperado es: 𝛍
La varianza es: 𝛉𝟐
Generalmente se utiliza un desfase de la variable aleatoria x de tal forma que se utiliza el

cambio:
x−μ
z= Variable Normal Estándar
σ
Propiedad De Esperanza:
E(ax + b) = aE(x) + b
𝐱−𝛍 𝟏 𝛍
𝛍𝐳 = 𝛍 (
𝛔
) = 𝛔𝛍 − 𝛔 μz = 0 Estandarizada
Propiedad De La Varianza:
𝐕𝐚𝐫(𝐚𝐱 + 𝐛) = 𝐚𝟐 𝐕𝐚𝐫(𝐱)
1
Var(ax + b) = a2 Var(x) = 𝜎2 ∗ σ2 σ2 = 1
La variable normal Z se distribuye con 𝜇𝑧 = 0 y 𝜎𝑧2 = 1
𝟏
𝟏 − ∗𝐳 𝟐
𝐩(𝐳) = ∗𝐞 𝟐 𝐬𝐢 − ∞ < 𝐳 < ∞
√𝟐𝛑
La función de distribución es:
𝑍
1 1 2
𝑝(𝑧 ≤ 𝑧0 ) = 𝑃(𝑍0 ) = ∫ 𝑒 −2𝑍 𝑑𝑧
−∞ √2𝜋
Valor Creativo
En función de ello se ha guardado la distribución normal:
Entonces 𝑃(𝑧 ≤ 1,57) = 0,9413 en tablas
Ej. 𝑃(𝑧 ≤ 𝑧0 ) = 0,7123 Hallar: 𝑧0
𝑧0 = 0,56 Pero: 𝑥−𝜇

𝑧0 =
𝜎
Cuando 𝑃(𝑧 ≤ 𝑧0 ) no este con exactitud en la tabla lo que se hace es interpolar entre dos
valores próximos que contengan a 𝑧0 . Utilizamos la interpolación de LaGrange:
𝑷(𝒛) Z
𝒑(𝒛 ≤ 𝒛𝟏 ) 𝑧1 𝑝(𝑧 ≤ 𝑧0 ) − 𝑝(𝑧 ≤ 𝑧1 )
𝑧0 = 𝑧1 + ቆ ቇ ∗ (𝑧2 − 𝑧1 )
𝒑(𝒛 ≤ 𝒛𝟎 ) 𝑧0 =? 𝑝(𝑧 ≤ 𝑧2 ) − 𝑝(𝑧 ≤ 𝑧1 )
𝒑(𝒛 ≤ 𝒛𝟐 ) 𝑧2
Valor Creativo
PROPIEDAD REPRODUCTIVA: Si se tienen 𝑥1 , 𝑥2 , 𝑥3 , … … … , 𝑥𝑘 variables aleatorias

normales cada una con:
𝜇1 , 𝜇2 , 𝜇3 , … … … , 𝜇𝑘 Y 𝜎 21 , 𝜎 2 2 , 𝜎 2 3 , … … … , 𝜎 2 𝑘
Entonces la variable aleatoria:
𝑦 = ∑ 𝑥𝑖 = 𝑥1 + 𝑥2 + 𝑥3 + ⋯ ⋯ + 𝑥𝑘
𝑖=1
También se distribuye normalmente con:

𝑘
𝜇 = ∑ 𝜇𝑖 = 𝜇1 + 𝜇2 + 𝜇3 + ⋯ ⋯ + 𝜇𝑘
𝑖=1
𝜎 2 𝑦 = ∑ 𝜎 2 𝑖 = 𝜎 21 + 𝜎 2 2 + 𝜎 2 3 + ⋯ ⋯ + 𝜎 2 𝑘
𝑖=1
Entonces:
∑𝑘 𝑘
𝑖=1 𝑥𝑖 −∑𝑖=1 𝜇𝑖 𝑥−𝜇
𝑧𝑘 = Como: 𝑧=
𝜎
√∑𝑘
𝑖=1 𝜎
2
En forma general: 𝑘
𝜇𝑦 = ∑ 𝑎𝑖 𝜇𝑖
𝑖=1
𝐲 = ∑𝐤𝐢=𝟏 𝐚𝐢 𝐱 𝐢
𝑘
2
𝜎 𝑦 = ∑ 𝑎2 𝑖 𝜎 2 𝑖
𝑖=1
TEOREMA CENTRAL DEL LÍMITE:
Si se tiene n variables aleatorias normales
𝑥1 , 𝑥2 , 𝑥3 , … … … , 𝑥𝑛 Con 𝜇1 , 𝜇2 , 𝜇3 , … … … , 𝜇𝑛 Y 𝜎 21 , 𝜎 2 2 , 𝜎 2 3 , … … … , 𝜎 2 𝑛
Entonces:
∑ni=1 xi − ∑ni=1 μi
𝑧𝑛 =
√∑ni=1 σi 2
Valor Creativo
Ejemplo 1
Una persona viaje diariamente de su casa a la oficina ya encontrando que el tiempo en el

viaje corresponde una media de 35,5 minutos con una desviación estándar 3,11 minutos.
Si sale de su casa todos los días a las 08:20 y debe estar en su oficina a las 09:00
a) ¿cuantos días al año espera llegar a las 09:00 suponiendo que trabajo 240 días?
b) ¿Cuál la probabilidad de que llegue pasada las 09:00?
c) La probabilidad de que al salir 08:20 llegue antes de cierta hora “x” es 0,85. Hallar la
hora “x”.
Solución: p(x ≤ x0 ) = ϕ(x = x0 )
a) t =40 min 𝑃(𝑡 ≤ 40)

𝑡−𝜇 40−35,5
C.V.: 𝑧= 𝑧= = 1,45 en tablas
𝜎 3,11
P(z ≤ 1,45) = 0,9265 #días = 240(0,9265)
#días = 222 días
b) P(t > 40) = 1 − P(t ≤ 40)

P(t > 40) = 1 − 0,9265
P(t > 40) = 0,0735 𝑷(𝒛) Z

0,8485 1,03
0,85 𝐳𝟎
c) P(z = 𝑧0 ) = 0,85
0,8508 1,04
0,85−0,8485
z0 = 1,03 + (0,8508−0,8485) ∗ (1,04 − 1,03) 𝑧0 = 1,0365
t 0 = 1,0365(3,11) + 35,5 t 0 = 38,723515 min
Entonces la hora seria:

HORA ≅ 8: 59 [min]
Valor Creativo
Ejemplo 2
Suponga que los pesos de los pasajeros que viajan en los vuelos establecidos que parten
de un gran aeropuerto sirven una distribución normal con media de 78 kg y desviación
estándar de 10kg. Encuentre los límites simétricos alrededor de la media de tal manera que
el 95% de los pasajeros tenga un peso límite dentro de estos valores.
¿Cuál es la probabilidad de que el peso total de una muestra al azar de 100 pasajeros
exceda los 800kg?
Solución:
𝜇 = 78 𝑘𝑔 ; 𝜎 = 10𝑘𝑔
a) límites simétricos 95%tenga un peso límite
b) W muestra de 100 pasajeros excede los 8000kg
a) P(−𝑧0 ≤ 𝑧 ≤ 𝑧0 ) = 0,45
P(z ≤ 𝑧0 ) − P(z ≤ −𝑧0 )
Pero: P(z ≤ 𝑧0 ) = P(z ≤ −𝑧0 )
P(z ≤ 𝑧0 ) − P(z ≤ −𝑧0 ) = 0,95
P(z ≤ 𝑧0 ) − 1 + P(z ≤ 𝑧0 ) = 0,95
2P(z ≤ 𝑧0 ) = 0,95
P(z ≤ 𝑧0 ) = 0,95 En tablas 𝑧0 = 1,96
x1 = 1,96(10) + 78 x1 = 197,6 [kg]
Valor Creativo
x2 = 78 − 19,6 x2 = 58,4 [kg]
P(58,4 ≤ 𝑥 ≤ 97,6) = 0,95
b) Propiedad reproductiva:
100 100
WT = ∑ Wi → μT = ∑ μi = 100(78) = 7800[kg]
i=1 i=1
100
2
σ T = ∑ σ2 i = 100(10)2 [kg] → σ2 T = 104 σ = 100 kg
i=1
P(𝑊𝑇 > 8000) = 1 − P(𝑊𝑇 < 8000)
8000 − 7800
P(WT > 8000) = 1 − P (z0 < )
100
𝑃(𝑊𝑇 > 8000) = 1 − 0,9772 𝑃(𝑊𝑇 > 8000) = 0,0228
Ejemplo 3
El 40% de un vendedor resultan ventas, si el desea hacer 60 ventas en esta semana. cuál
es la probabilidad de que haga más de 165 llamadas?
Solución:
El 40% de las llamadas ventas
60 ventas en la semana
Sea 𝑦 = 𝑥1 + 𝑥2 + 𝑥3 +, … … … , +𝑥60
μy = 60 σ2 y = 60σ2 σy = √60σ
xi = corresponde el # de llamadas efectuadas

60
Cantidad mínima de llamadas = = 150 llamadas
0,40
P(#llamadas > 165) = 1 − P(#llamadas < 165)

165 − 100 60
P(#llamadas > 165) = 1 − P (z < ) Desviación 60% = = 100
0,6
√100
Valor Creativo
P(#llamadas > 165) = 1 − P(z = 1,5) P(#llamadas > 165) = 1 − 0,9332
P(#llamadas > 165) = 0,0668
APROXIMACIONES A LA NORMAL: Todas las distribuciones discretas se pueden

aproximar a la distribución normal tomando los correspondientes parámetros de media y
desviación estándar.
Si n es menor a 120 se utiliza un factor de correlación de ±0,5 para cualquier modelo.
APROXIMACION DE LA BINOMIAL A LA NORMAL:
Sabemos que:
x−u
𝑍=
σ
Pero de la binomial 𝜇 = 𝑛𝑝
𝜎 2 = 𝑛𝑝𝑞
En consecuencia:
𝑥0 +0,5−𝑛𝑝
P(x ≤ x0 ) = 𝜙 (z = )
√𝑛𝑝𝑞
𝑥0 +0,5−𝑛𝑝
𝑃(x ≥ x0 ) = 1 − 𝜙 (z = )
√𝑛𝑝𝑞
𝑥0 −0,5−𝑛𝑝
𝑃(x < x0 ) = 𝜙 (z = )
√𝑛𝑝𝑞
1 1
𝑃(a ≤ x ≤ b) = 𝜙 (a − ≤ x ≤ b + )
2 2
𝑏+0,5−𝑛𝑝 𝑎−0,5−𝑛𝑝
𝑃(a ≤ x ≤ b) = 𝜙 (z = ) − 𝜙 (z = )
√𝑛𝑝𝑞 √𝑛𝑝𝑞
APROXIMACION DE POISSON A LA NORMAL:
𝑀 𝑀 𝑀 𝑁−𝑛
𝜇 = 𝑛( ) 𝜎 2 = 𝑛 ( ) (1 − ) ( )
𝑁 𝑁 𝑁 𝑁−1
𝑀 Valor Creativo
𝑥0 ± 0,5 − 𝑛 ( )
𝑧= 𝑁
√𝑛 (𝑀) (1 − 𝑀) (𝑁 − 𝑛)
𝑁 𝑁 𝑁−1
Ejemplo 1
Se utiliza la siguiente regla para controlar el funcionamiento de una máquina que produce
cierto tipo de artículos. Se selecciona una muestra aleatoria de 400 artículos cada hora. Si
el número de artículos defectuosos es 1,2 o más, se detiene la maquina; si el número de
artículos defectuosos es inferior a 12 se deja que la maquina siga funcionando. Cual Esla
probabilidad de:
Detener la maquina si está produciendo un 2% de artículos defectuosos en

promedio
P(x > 12) = 1 − P(z ≤ 12)
a)
b) Dejar que la maquina siga funcionando si está produciendo un 4% de defectuosos
en promedio
Solución:
2 2
a) λ = 2% = 100 nλ = 400 100 = 8 art.
12+0,5−8
P(x > 12) = 1 − P(z ≤ 12) P(x > 12) = 1 − ϕ (z ≤ )
√8
P(x > 12) = 1 − ϕ(z = 1,59) P(x > 12) = 1 − 0,9449
P(x > 12) = 0,0559 = 5,59%
4 4
b) λ = 4% = nλ = 400 = 16 art.
100 100
12+0,5−16
P(x > 12) = 1 − P(z ≤ 12) P(x > 12) = 1 − ϕ (z ≤ )
√16
P(x > 12) = 1 − ϕ(z = −1,125) P(x > 12) = 1 − 0,8686
P(x > 12) = 0,1314 = 13,14%
Ejemplo 2
Valor Creativo
Tornillos de hierro de media pulgada fabricados por cierta empresa ocasionalmente no

tiene ranuras. Esto ocurre al azar y la probabilidad de este hecho de que escape a la
inspección es 0,02. En una remesa de 2500 tornillos. Cuál es la probabilidad que:
a) 64 o más carezcan de ranuras

b) 36 o menos
c) Entre 36 y 64 inclusive
Solución:
n=2500 tornillos
p=0,02 no tenga ranura y pase la inspección
q=0,98
a)
64+0,5−2500(0,02)
P(x ≥ 64) = 1 − P(x ≤ 64) P(x ≥ 64) = 1 − ϕ (z ≤ )
√2500(0,02)(0,98)
P(x ≥ 64) = 1 − ϕ(z = 2,07)

P(x ≥ 64) = 0,0197
64+0,5−2500(0,02)
b) P(X ≤ 36) = ϕ (z = ) P(x ≥ 64) = ϕ(z = −1,93)
√2500(0,02)(0,98)
𝑃(x ≤ 36) = 0,0268

Trabajo D Probabilidad

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Trabajo D Probabilidad

Transféré par

Droits d'auteur :

Formats disponibles

Valor Creativo

DISTRIBUCIONES EN VARIABLE ALEATORIA CONTINUA

DISTRIBUCION UNIFORME: Sise que una variable aleatoria está distribuida

El Valor Promedio Esperado

DISTRIBUCION EXPONENCIAL: Una variable aleatoria x se distribuye exponencialmente

El Valor Promedio Esperado:

El parámetro λ está íntimamente ligado al parámetro de la distribución de Poisson que

Si el denominada F (t) a la función de probabilidad de falla de un mecanismo o maquinaria

F(𝑡) = 𝑃(𝑡 ≤ 𝑇) = 1 − ℮−𝜆𝑇

La probabilidad de una falla en el mismo periodo T es el complemento:

a) Cuál es la probabilidad de que una muestra aleatoria de que 5 focos no contenga

X = Duración en horas del foco

𝑝(𝑥 < 1020) = 0,64

y= cantidad de focos con duración ˂1020 hrs.

El valor promedio esperado es: 𝛍

Generalmente se utiliza un desfase de la variable aleatoria x de tal forma que se utiliza el

La variable normal Z se distribuye con 𝜇𝑧 = 0 y 𝜎𝑧2 = 1

La función de distribución es:

En función de ello se ha guardado la distribución normal:

Entonces 𝑃(𝑧 ≤ 1,57) = 0,9413 en tablas

Ej. 𝑃(𝑧 ≤ 𝑧0 ) = 0,7123 Hallar: 𝑧0

𝑧0 = 0,56 Pero: 𝑥−𝜇

PROPIEDAD REPRODUCTIVA: Si se tienen 𝑥1 , 𝑥2 , 𝑥3 , … … … , 𝑥𝑘 variables aleatorias

Entonces la variable aleatoria:

También se distribuye normalmente con:

TEOREMA CENTRAL DEL LÍMITE:

Si se tiene n variables aleatorias normales

Una persona viaje diariamente de su casa a la oficina ya encontrando que el tiempo en el

Solución: p(x ≤ x0 ) = ϕ(x = x0 )

a) t =40 min 𝑃(𝑡 ≤ 40)

P(z ≤ 1,45) = 0,9265 #días = 240(0,9265)

#días = 222 días

b) P(t > 40) = 1 − P(t ≤ 40)

P(t > 40) = 0,0735 𝑷(𝒛) Z

t 0 = 1,0365(3,11) + 35,5 t 0 = 38,723515 min

Entonces la hora seria:

a) límites simétricos 95%tenga un peso límite

b) W muestra de 100 pasajeros excede los 8000kg

P(z ≤ 𝑧0 ) − P(z ≤ −𝑧0 )

Pero: P(z ≤ 𝑧0 ) = P(z ≤ −𝑧0 )

P(z ≤ 𝑧0 ) − P(z ≤ −𝑧0 ) = 0,95

P(z ≤ 𝑧0 ) − 1 + P(z ≤ 𝑧0 ) = 0,95

P(z ≤ 𝑧0 ) = 0,95 En tablas 𝑧0 = 1,96

x1 = 1,96(10) + 78 x1 = 197,6 [kg]

x2 = 78 − 19,6 x2 = 58,4 [kg]

P(58,4 ≤ 𝑥 ≤ 97,6) = 0,95

P(𝑊𝑇 > 8000) = 1 − P(𝑊𝑇 < 8000)

𝑃(𝑊𝑇 > 8000) = 1 − 0,9772 𝑃(𝑊𝑇 > 8000) = 0,0228

El 40% de las llamadas ventas

xi = corresponde el # de llamadas efectuadas

P(#llamadas > 165) = 1 − P(#llamadas < 165)

P(#llamadas > 165) = 1 − P(z = 1,5) P(#llamadas > 165) = 1 − 0,9332

P(#llamadas > 165) = 0,0668

APROXIMACIONES A LA NORMAL: Todas las distribuciones discretas se pueden

Si n es menor a 120 se utiliza un factor de correlación de ±0,5 para cualquier modelo.

APROXIMACION DE LA BINOMIAL A LA NORMAL:

APROXIMACION DE POISSON A LA NORMAL:

Detener la maquina si está produciendo un 2% de artículos defectuosos en

P(x > 12) = 1 − ϕ(z = 1,59) P(x > 12) = 1 − 0,9449

P(x > 12) = 0,0559 = 5,59%

P(x > 12) = 1 − ϕ(z = −1,125) P(x > 12) = 1 − 0,8686

P(x > 12) = 0,1314 = 13,14%

Tornillos de hierro de media pulgada fabricados por cierta empresa ocasionalmente no