Professional Documents
Culture Documents
|
.
|
\
|
16
=
+
=
|
.
|
\
| k n
q
k
p
k
k n n n
k n
q
k
p
k
n
!
) 1 ( ) 1 (
=
a
e
k
k
a
k
n
n
a
n
n
n
a
k
n
k
n
a
k
n
k
n n
k
n
|
.
|
\
|
|
.
|
\
|
|
.
|
\
|
|
.
|
\
|
|
.
|
\
|
!
1
1
!
1
1
2
1
1
1
Ejemplos
Se distribuyen al azar n bolillas entre n cajas. Cual es la probabilidad de encontrar k
bolillas en una dada caja ?
C(n,k) (1/n)
k
(1 1/n)
nk
~ e
1
/ k!
Durante la segunda guerra mundial cayeron sobre Londres 537 bombas voladoras. El rea
afectada fu dividida en 576 sectores iguales. Sea N
k
el nmero real de sectores en los
cuales cayeron k bombas. Suponiendo que las bombas cayeron al azar, el nmero esperado
de bombas por sector es 537/576= 0.932. La probabilidad que caigan k bombas en un
sector, segn la aproximacin Poisson , es P
k
= e
0.932
(0.932)
k
/ k! La tabla adjunta muestra
la comparacin entre real y terico:
k 0 1 2 3 4
>
5
N
k
22
9
21
1
9
3
3
5
7 1
576
P
k
22
6
21
1
9
9
3
1
7 2
CALCULOS MATEMATICOS
1. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin
fondos en cualquiera de dos das consecutivos?
Solucin:
a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da
cualquiera = 0, 1, 2, 3, .., etc, etc.
l = 6 cheques sin fondo por da
e = 2.718
17
b) x= variable que nos define el nmero de cheques sin fondo que llegan al banco en dos
das consecutivos = 0, 1, 2, 3, , etc., etc.
l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das consecutivos
Nota: l siempre debe de estar en funcin de x siempre o dicho de otra forma, debe hablar
de lo mismo que x.
2. En la inspeccin de hojalata producida por un proceso electroltico continuo, se
identifican 0.2 imperfecciones en promedio por minuto. Determine las probabilidades de
identificar a) una imperfeccin en 3 minutos, b) al menos dos imperfecciones en 5 minutos,
c) cuando ms una imperfeccin en 15 minutos.
Solucin:
a) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3
minutos = 0, 1, 2, 3, ., etc., etc.
l = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata
b) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5
minutos = 0, 1, 2, 3, ., etc., etc.
l = 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata
=1-(0.367918+0.367918) = 0.26416
c) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 15
minutos = 0, 1, 2, 3, .., etc., etc.
l = 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata
CONCLUSIONES
Entendimos que es una poderosa herramienta estadstica que bien aplicada nos podr
ayudar a facilitar los clculos para la solucin de problemas. Lo cual contina con el
propsito esencial: Ahorro de costos y mejora contina en cualquier mbito en que nos
desarrollemos. Aprendimos que no es limitativa el rea en que nos desempeemos en
nuestro trabajo ya que tanto en Ingeniera como Materiales, en Recursos Humanos como en
un Negocio Propio, en Comercio o en Industria, o bien por puro pasatiempo en el panorama
de la probabilidad estadstica, estas herramientas sern siempre de gran utilidad.
Para esta presentacin aprendimos la aplicacin y manejo de las Distribuciones de
18
Probabilidades ms comunes, la Binomial, la de Poisson y finalmente la distribucin
Normal.
Una de las distribuciones tericas mejor estudiadas en los textos de bioestadstica y ms
utilizada en la prctica es la distribucin normal, tambin llamada distribucin
gaussiana2,3,4,5. Su importancia se debe fundamentalmente a la frecuencia con la que
distintas variables asociadas a fenmenos naturales y cotidianos siguen, aproximadamente,
esta distribucin. Caracteres morfolgicos (como la talla o el peso), o psicolgicos (como
el cociente intelectual) son ejemplos de variables de las que frecuentemente se asume que
siguen una distribucin normal. No obstante, y aunque algunos autores6,7 han sealado
que el comportamiento de muchos parmetros en el campo de la salud puede ser descrito
mediante una distribucin normal, puede resultar incluso poco frecuente encontrar variables
que se ajusten a este tipo de comportamiento.
BIBLIOGRAFIA
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_hipergeom%C3%A9trica
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
http://www-ljk.imag.fr/membres/Bernard.Ycart/emel/cours/mp/node13.html
http://www.bioestadistica.uma.es/libro/node58.htm
19
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal
http://www.vadenumeros.es/sociales/aproximacion-binomial-normal.htm
http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/guia_estadistica/modulo_7.htm
www.dm.uba.ar/materias/optativas/procesos.../ProcesoPoisson.doc
http://www.mitecnologico.com/Main/AproximacionDeBinomialPorDePoisson