Professional Documents
Culture Documents
CAPITULO 3
INTRODUCCION A LA PROBABILIDAD
1.- Señale que es una variable aleatoria y dé un par de ejemplos de variables aleatorias discretas y
otro par de continuas.
Experimento aleatorio.- es aquel que puede proporcionar diferentes resultados aún cuando se repita
siempre de la misma manera.
Variable aleatoria Discreta.- es una variable con un rango finito(o infinito numerable) Ejemplo:
1.-El número de tornillos defectuosos en una muestra aleatoria de tamaño 15
2.- El número de errores de un Operador Industrial.
Variable aleatoria Continua.- Si rango de una variable aleatoria X contiene un intervalo ( finito o infinito)
de números reales ,entonces X es una variable aleatoria Continua .Ejemplos:
Es la descripción del conjunto de valores que puede tomar la variable aleatoria X junto a la probabilidad
asociada a cada uno de estos valores.
3.- ¿Qué es una función de densidad de probabilidades y qué requisitos debe cumplir?
La densidad de probabilidades se usa en el caso de una variable continua .Sus requisitos son:
Si f(x) es una función de densidad de probabilidades de la variable aleatoria continua X, entonces para
cualquier intervalo de números reales [x1, x2], se cumple.
1.- f(x) ≥ 0
3.- P(x1 ≤ X ≥ x2) = (u) du (la probabilidad es igual al área bajo la curva entre x1 y x2)
4. Explique en cada caso qué tipo de variables siguen distribución binomial, de Poisson e
hipergeométrica.
Con x = 0,1,2,…,n.
Una distribución de Poisson proporciona el número de eventos que ocurren por unidad (por unidad de
área, por unidad de volúmen, por unidad de tiempo, etcétera).
La distribución ji-cuadrada para hacer inferencias sobre la desviación estándar de una distribución
normal si se tiene una muestra de tamaño n, entonces el estadístico:
(n 1)S 2
X
2
Estas distribuciones se relacionan porque ambas utilizan números de muestra pequeños (menores iguales
a 30) y las dos utilizan las variables aleatorias continuas.
7. El departamento de compras inspecciona un pedido de 500 piezas eléctricas para ello toma una
muestra aleatoria de 20 de ellas y se prueban. El vendedor asegura que el porcentaje de piezas
defectuosas es solo de 5%, así, suponiendo el peor de los casos según el vendedor, p = 0.05, responda:
20!
P ( X 2) (0.05) 2 (1 0.05) 20 2 0,92451633
2!( 20 2)!
20!
P ( X 1) (0.05)1 (1 0.05) 201 0,73583952
1!( 20 1)!
8. Un proceso de producción de partes trabaja con un porcentaje promedio de defectos de 5%. Cada
hora se toma una muestra aleatoria de 18 artículos y se prueban. Si la muestra contiene más de un
defecto el proceso deberá detenerse.
a) Calcule la probabilidad de que el proceso se detenga debido al esquema de muestreo.
p 5% 0.05
n 18
x 1 artículo defectuoso
n 18
f(x, n, p) p x 1 - p 0.05 1 1 - 0.05
n- x 18 -1
0.7735 77.35%
x
1
Probabilidad que exista menor o igual a 1 defecto = 77,35%
Probabilidad que exista mayor a 1 defecto = 100 - 77,35 = 22,65%
Basándose en los resultados anteriores, se estima que de cada 100 artículos que se tomen, 23 serán
defectuosos, lo cual generará demasiadas interrupciones.
Datos:
n = 250 u. (tamaño de muestra)
x = 25 u. (numero de éxitos del que se quiere obtener la probabilidad)
p = 0.10 (proporción de artículos defectuosos)
Distribución Binomial
n!
P ( X x) p x (1 p ) n x
x!( n x )!
Reemplazando:
250!
P ( X 25) (0.10) x (1 0.10) 250 25 0.0838
25!( 250 25)!
Conclusión:
Por tanto, se espera que un 8.38% de la muestra tendrá 25 unidades defectuosas y no así, el 10%, como
lo afirma el fabricante.
17. Una máquina realiza cortes de manera automática de ciertas tiras metálicas con media μ = 40.1 cm
y una desviación estándar 0.2 cm. La medida óptima de tales tiras debe ser de 40cm con una tolerancia
de ± 0,5 cm. Suponiendo distribución normal, estime el porcentaje de tiras que cumple con las
especificaciones.
Datos:
= 40.1 cm.
= 0.2 cm.
Distribución Normal
X x
P ( X x ) p P( Z z )
Entonces:
40.5 40.1
P ( X 40.5) P Z P ( Z 2) 0.977
0.2
39 . 5 40. 1
P ( X 39.5) P Z P ( Z 3) 1 P ( Z 3) 0.001
0.2
Entonces:
11. Verifique si los siguientes datos se ajustan bien a una distribución normal.
2.51 2.29 2.31 2.19 2.09 2.48 2.65 2.50 2.48 2.27 2.26 2.86
3.73 2.98 1.08 2.25 2.10 3.30 3.15 2.27 2.23 2.61 2.11 5.7
2.31 2.00 2.35 1.76 2.91 1.84 2.09 2.78 2.32 2.59 1.87 2.59
2.07 3.10 2.32 2.59 2.42 2.04 2.13 1.98 2.02 2.18 2.26 2.10
2.69 2.60
Estadísticos
Media 2.4462
Error típ. de la
0.09034
media
Mediana 2.3100
Moda 2.59
Desv. típ. 0.63883
Varianza 0.40810
Asimetría 2,789
Error típ. de
0,337
asimetría
Curtosis 13,450
Error típ. de curtosis 0,662
Rango 4.62
Mínimo 1.08
Máximo 5.70
Datos
30
20
Frecuencia
10
0
1,00 1,50 2,00 2,50 3,00 3,50 4,00 4,50 5,00 5,50
Según los datos, su análisis y el comportamiento que estos tienen se puede decir que tiene una
distribución normal.
Graficando:
Conclusión:
Como se puede apreciar, los puntos no siguen una línea recta, por lo que la grafica de probabilidad en estos casos
estaría detectando que los datos no siguen una distribución normal.