Professional Documents
Culture Documents
Trabajo escrito
UNIVERSIDAD LIBRE
FACULTAD DE INGENIERIA
INGENIERIA INDUSTRIAL 4 SEMESTRE
BARRANQUILLA
2016
ndice
1. INTRODUCCION 6
2. OBJETIVOS 7
2.1. OBJETIVOS GENERALES . . . . . . . . . . . . 7
2.2. OBJETIVOS ESPECIFICOS . . . . . . . . . . . . 7
4. CONCLUSIONES 79
5. BIBLIOGRAFIA 80
1. INTRODUCCION
9
Figura 2: DISTRIBUCION CONTINUA
3.1.1. EJERCICIO 1.
Z 4 1 1
P (X > 3) = .dx = x (1)
3 4 4
Evaluar de 4 a 3
1
(4 3) = 0, 25 (2)
4
10
Figure 3: Distribucion Continua
3.1.2. EJERCICIO 2.
11
X: Cantidad de cafe diaria en litros que sirve una maquina
en un aeropuerto. X Uniforme : (A=7 , B=10)
a) a lo sumo 8.8 litros :
Evaluar de 7 a 8,8
1
(8.8 7) = 0, 6 (3)
3
En un 60% de los casos los que una maquina de cafe sirva
a lo mucho 8,8 litros de cafe diariamente en un vestibulo
de cafe.
12
b) Mas de 7.4 litros, pero menos de 9.5 litros.
x U nif orme.
A = 7, B = 10
R 9,5 1
P(7,4<X<9,5 ) = = 7,4 3 dx
1
(9, 5 7, 4) = 0, 7 (4)
3
En un 70% de los casos es posible que una maquina de
cafe sirva entre 7,4 y 9,5 litros diariariamente.
c) al menos 8.5 litros.
x U nif orme.
A = 7, B = 10
R 2,5 1
P(x>8,5 ) = 10 3 dx
1
(1.5) = 0, 5 (5)
3
En un 50% de los casos es posible que una maquina de cafe
sirva al menos 8,5 diariamente en un vestibulo de cafe.
13
la variable normal depende de los dos parmetros y , su
media y su desviacin estndar, respectivamente. Por ello,
denotamos los valores de la densidad de X por n(x; , ).
14
La dificultad que se enfrenta al resolver las integrales de
funciones de densidad normal exige tabular las reas de
la curva normal para una referencia rpida. Sin embargo,
seria intil tratar de establecer tablas separadas para cada
posible valor de y . Por fortuna, podemos transformar
todas las observaciones de cualquier variable aleatoria nor-
mal X en un nuevo conjunto de observaciones de una va-
riable aleatoria normal Z con media 0 y varianza 1.
X
Z= (6)
3.3.1. EJERCICIO DISTRIBUCION NORMAL ESTANDAR
X:
X N ormal( = , =)
a) a la derecha de z = 1.84, y
15
El sigma es el ancho de la campana y es en Normal Estan-
dar Z es 1 y 0 el
P(ZZ1,84)= 1-0,9671 = 0,0329
b) entre z = 1.97 y z = 0.86.
Encontramos la desviacion estandar de cada una esto es
igual a z=-1,97 es 0,8051 y z=0,89 es 0,0244
P(Z<0,86)-P(Z<-1,97)
= 0,8050-0,0244
= 0,7807
16
3.3.3. EJERCICIO 3. DISTRIBUCION NORMAL
17
3.3.4. EJERCICIO 4. DISTRIBUCION NORMAL
18
En un 8 % de los casos es posible que una bateria escogida
dure menos de 2,3 aos.
P(X<1) = 0,00003
19
La curva normal tiene forma de campana y un punto
central en la distribucin
La media , la mediana y la moda son iguales y se
localizan en el punto central.
Esta distribucion es simetrica alrededor de su media.
la curva se acerca cada vez ms al eje X pero jams
llega a tocarlo.
Para indicar que una variable aleatoria (v.a.) sigue una
distribucin normal media y desviacin estndar uti-
lizaremos la expresin:
X ' N (,)
En algunos casos una Distribucin Binomial puede apro-
ximarse por una Distribucin Normal (que tenga la misma
media y varianza).
La distribucin normal se puede utilizar como una aproxi-
macin de distribuciones discretas, en particular cuando el
tamao de la muestra "n" tiende a infinito, p y q cercanos
a 0.5 se puede aproximar a la distribucin binomial, con
resultados altamente satisfactorios.
20
la razn por la que se suma o se resta 1/2 a x es porque
es Este es un factor de correccin debido a que se est
evaluando una variable discreta con una distribucin con-
tinua, por lo que hay que delimitar claramente desde que
punto se va a evaluar la variable, dicho de otra forma, en
que lmite de la barra (inferior o superior) nos debemos po-
sicionar para determinar la probabilidad requerida, cada
barra de probabilidad a evaluar tiene como base la unidad.
Por lo tanto la distribucin aproximada estar dada por:
21
gen (correccin de continuidad o de Yates) sustituyndolos
por un intervalo centrado en el punto y de valor unidad.
Para la probabilidad de que al menos X ocurra, se
utilizar el rea por encima de la curva (X-0,5)
Para la probabilidad de que ocurra ms que X, se uti-
lizar el rea por encima de la curva (X+0,5)
Para la probabilidad de que ocurra X o menos, se uti-
lizar el rea por debajo de la curva (X+0,5)
Para la probabilidad de que ocurra menos de X, se
utilizar el rea por debajo de la curva (X-0,5)
22
= n.p
= 2000 x 0.02
= 40
2 n.p.q) 2 2000 0.02 0.95) =6.26
23
p(x > 12) = p ( Z 12-10/3)
p(Z 0.67) = 0.2514
p ( Z 0,67)= 1-p ( Z 0,67)= = 0,2514
Respuesta : La probabilidad de obtener mas de 12 veces
la bola del cero al realizar 100 extracciones es 0,2514 o lo
que es lo mismo ,al extraer una bola del bombo se estima
que el 25,14% de las veces sale el cero.
24
Aunque para n finito las distribuciones de Poisson y Nor-
mal nocoinciden, es posible aproximar la primera por la
segunda, de acuerdo a la regla siguiente:
10 aproximar a la Normal de media , varianza
< 10 no aproximar, calcular con la variable original
En esta distribucin el nmero de xitos que ocurren por
unidad de tiempo, rea o producto es totalmente al azar
y que cada intervalo de tiempo es independiente de otro
intervalo dado, as como cada rea es independiente de
otra rea dada y cada producto es independiente de otro
producto dado.
[?]]devore2008probabilidad
Se puede aproximar tambin la poisson a travs de la nor-
mal cuando es grande
Poisson () = N (, Cuanto mayor sea mejor ser la
aproximacin
3.5.2. EJERCICIO 1
Solucin:
px=n.px (e)-np x!
px=3=.83 (2.71828)-.8 3!
p(x=3)=0.0383
25
En un 4% es la probabilidad en que exactamente 3 apa-
ratos del hospital del sector de la salud en el estado de
tabasco estn fuera de servicio el mismo dia.
3.5.3. EJERCICIO 2
26
La distribucin gamma deriva su nombre de la conocida
funcin gamma, que se estudia en muchas reas de la ma-
temtica.
La funcin gamma se define como:
: Gamma
=
2 = 2
27
3.6.1. DISTRIBUCION EXPONENCIAL
Funcion de densidad :
=
2 = 2
Tiempo promedio de ocurrencias :
28
X ?
P(T>8) = 1-P(T<8)
P= 1-0,7981 = 0,2019
Distri.exponen x=8 ,
= 1/ = 1/5
En un 0X : Discreta Bernulli n,p P(X>2) = 1-P(X<2)
X Binomial (n=5 , p:0,2019)
Excel Binomial
P(X>2) = 1-P(X<2) = 1-P(X<1)
Numero de exitos : 1
Ensayos : 5
29
Probabilidad : 0,2019
Acomulado : 1
Respuesta :
Respuesta : En un 27% aproximadamente es posible que
al final de 8 aos al menos dos sigan funcionando.
30
P(T>1) = 1-P(T<1)
P(T<1)= 0,9595
1-P(T<1) = 0,040
31
3.7.1. GRAFICO DISTRIBUCION WEIBULL
32
3.7.2. EJERCICIO DE APLICACION
33
3.8. DISTRIBUCIN BETA
(a + b) a1
x (1 x)b1
(a + b)
es una funcin gamma
El valor esperado y la varianza de una variable aleatoria x
con distribucion beta son:
a
E(X) =
a+b
ab
V (X) =
(a + b + 1)(a + b)2
Z 2
B(, ) = x1 (1 x) 1 dx
1
3.8.1. CAMPO DE APLICACIN DE LA DISTRIBUCIN BETA
VARIANZA Y ESPERANZA
Si X es una v.a de erlang con parmetros yr, entonces
la media y varianza de X son:
r
= E(X) =
r
2 = V (X) = 2
n
> 0, 05f inita (15)
N
para escoger con reemplazo:
n
X = = 0, 05 (16)
2
n N
Si es mayor :
N n
X = ( ). (17)
N 1 2n
Resolviendo el ejercio :
X = (18)
2
n
500
X =
2
(19)
40
P(X1 X2 < 5, 6 5, 5)
P (X1 X2 < 0, 1) =?
( 0,48
20 +
0,45 2
24 )
V = 2 2 (21)
( 0,48 ) ( 0,48
20 )
( 2019 + ( 23 )
V=40,07 V= 40
Media: X1 X2 = 1 2
= 0 iguales
Varizada estimada :
v
u 1
X2
= 2 S
u S2
X1 t
+ (22)
n1 N 2
v
2 0, 48 0, 45
u
X2
=
u
X1 t
+ = 0, 21 (23)
20 24
Distribucion T.N = 0,6901
P(X1 X2 < 0, 1) =?
Para tener x en excel debemos convertir a
X1 X2 (24)
En t student debemos estandarizar 0,1.
X2
X1 X1
X2
t= X2
(25)
X1
Estandarizando a 0,1
0, 1 0
= 0, 5(Excel)
0, 2
< A la derecha significa que no restaremos a uno R/ 0,6901
si fuera > seria 1-0,6901.
X2
P( X1 < 0, 1) = P (t < 0, 5) = 0, 6901(26)
En el 69% es posible que la diferencia entre las medias
muestrales de unidades del taller terminadas en taller a y
b sea menor que la observada en el estadio.
3.12. DISTRIBUCIN MUESTRAL DE UNA PROPORCIN
p = p = 0, 2 (27)
v
2 p(1 p)
u
u
p = t
(28)
n
v
2 0, 2(1 0, 2)
u
u
p = t
= 0, 035 = 0, 04 (29)
130
=distribucion.normal.n = 0,1056
x= 0,5
media = 0,2
= 0,04
Acomulado:1
P(P > 0, 15) = 1 0, 1056 = 0, 8944
En un 89,4 de los casos es muy probable que los accionistas
digan que si a los bonos convertibles.
?< <?
Intervalodeconf ianza
Supuestos : F.P desconocida
2 : Desconocida
n : grande
Mirar parametros, diapositiva 14.
Punto Critico :
1. Siempre positvo
0,01
= 0, 01 2 = 2 = Z0, 005(30)
Se necesita el numero y tienes el area es normal inversa.
Z = Z0, 005 = 2, 580, 73 < < 0, 89 (31)
2
Con una confianza del 99% podemos afirmar que la ver-
dadera altura promedio de todos los nios estudiantes de
primer grado de cierca escuela se encuentra entre 0,73 0,89
metros.
q q
p Z P (1 P )/n < p < p + Z P (1 P )/n (32)
2 2
n=140
74
p = 140
R/ H0: 300
H1 : < 300
Una empresa decide aceptar envos de piezas siempre y
cuando no tenga evidencia para sospechar que ms del 4%
son defectuosas.
R/ H0: p 0.04
H1: p > 0.04
R/ H0: 12 = 0
H1 : 12 > 0
Ho : Alternativa
H1 : N ula
Ho : < 4, 8V alorhipotetico
H1 : > 4, 8V endedor
n : 80
X = 4, 87
S = 3, 9
Nivel de significancia alfa = 0,01 , confianza del 99%
Supuestos :
F.P: Desconocida
2 = Desconocida
n = grande
Estadistico de prueba:
X o
Z = (33)
/ n
o = 4, 8
4, 87 4, 8
Z = = 0, 16V.o (34)
3, 9/ 80
Valor observado :
Z Alfa = Z0,001 = 2,33
Si es cola a la derecha.
Analizamos el valor observado
0,16 < 2,33
Decision : No se rechaza Ho.
Interpretacion:
Con una confianza del 99% no hay evidencia estadistica
espeficia suficiente para afirmar la hipotesis del vendedor.
P- VALOR
Alfa: 0,01 No se rechaza H0.
P(Z>0,16)= distrubucion normal estandar inversa.
El excel lo da a la derecha.
1-0,5636 = 0,4364
3.16.1. EJERCICIO PRUEBA DE HIPOTESIS PROPORCION
(6 6.10)2 (7 6.28)2
+ = 1.81V.O (38)
6.10 6.28
P-VALOR = P (X2 (2) > 1.81)
Grados de libertad para la probabilidad Chi-Cuadrado
Gl = 5-1-2 = 2
Distr.chicuad.cd(1,81;2)=0.405
Nivel de significancia es de 0,05
Decisin : No se rechaza Ho
Con una confianza del 95 % no hay evidencia estadistica
suficiente para decir que los aportes economicos realizados
por los estudiantes de fisica electrica de la Universidad Li-
bre seccional Barranquilla no se distribuyen normalmente.
(245)(120)
Eij = = 98 (40)
300
(245)(180)
Eij = = 147 (41)
300
(40)(120)
Eij = = 16 (42)
300
(40)(180)
Eij = = 24 (43)
300
(15)(120)
Eij = =6 (44)
300
(15)(180)
Eij = =9 (45)
300
Inasistencia No gan el curso Gan el curso totales
0-2 110(98) 135(147) 245
3-6 4(16) 36(24) 40
6 o mas 6(6) 9(9) 15
Totales 120 180 300
Estadistico de prueba :
Gl = (2-1)(3-1)=2
Distr.chicuad.cd(17.44;2)=0.00016
Nivel de significancia es de 0,05
Con una confianza del 95 % hay evidencia estadistica sufi-
ciente para decir que la proporcion entre la inasistencia a
clase y el hecho de haber ganado el curso no se mantiene
homogenea con respecto a las calificaciones del curso de
estadistica en cierta universidad. [?]]llinas2006estadistica
(170)(190)
Eij = = 68 (57)
475
(115)(110)
Eij = = 26.6 (58)
475
(115)(175)
Eij = = 42.4 (59)
475
(115)(190)
Eij = = 46 (60)
475
Estatus/puntaje Inferior Medio Superior Total
Medio-Bajo 10(10,4) 15(16,6) 20(18) 45
Medio 35(33,5) 70(53,4) 40(58) 145
Medio-Alto 40(39,3) 60(62,6) 70 (68) 170
Alto 25(26,16) 30(42,4) 60(46) 115
Total 110 175 190 475
Estadistico de prueba :
Decision : Se rechaza Ho
Con una confianza del 99% hay evidencia estadistica sufi-
ciente para decir que los puntajes de las pruebas de estado
son dependientes del estatus social.
3.18.1. EJERCICIO 1.
Ejemplo :
X = INDEPENDIENTE
Y= DEPENDIENTE
3.18.2. EJERCICIO 2.
3.18.3. EJERCICIO 3.
3.18.4. EJERCICIO 4.
3.18.5. EJERCICIO 5.
3.18.7. EJERCICIO 4.
3.18.8. EJERCICIO 5.
References