Escolar Documentos
Profissional Documentos
Cultura Documentos
1 / 69
Estructura
1
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
2 / 69
Modelo Uniforme
Denicin 1.1
Se dice que una v.a. X est uniformemente distribuida en un intervalo [, ] si su funcin de densidad de probabilidad est dada por
f (x) =
1
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
si x e.o.c.
3 / 69
Modelo Uniforme
Denicin 1.1
Se dice que una v.a. X est uniformemente distribuida en un intervalo [, ] si su funcin de densidad de probabilidad est dada por
f (x) =
Notacin:
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
si x e.o.c.
X U (, ).
4 / 69
Modelo Uniforme
Denicin 1.1
Se dice que una v.a. X est uniformemente distribuida en un intervalo [, ] si su funcin de densidad de probabilidad est dada por
f (x) =
Notacin:
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
si x e.o.c.
X U (, ).
( )2 12 .
Teorema 1.1
Si X U (, ) entonces E [X ] =
+ 2
y V [X ] =
5 / 69
Modelo Uniforme
Denicin 1.1
Se dice que una v.a. X est uniformemente distribuida en un intervalo [, ] si su funcin de densidad de probabilidad est dada por
f (x) =
Notacin:
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
si x e.o.c.
X U (, ).
( )2 12 .
Teorema 1.1
Si X U (, ) entonces E [X ] =
Dem.
+ 2
y V [X ] =
6 / 69
Modelo Uniforme
Denicin 1.1
Se dice que una v.a. X est uniformemente distribuida en un intervalo [, ] si su funcin de densidad de probabilidad est dada por
f (x) =
Notacin:
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
si x e.o.c.
X U (, ).
( )2 12 .
Teorema 1.1
Si X U (, ) entonces E [X ] =
Dem.
Usar la denicin.
+ 2
y V [X ] =
7 / 69
Modelo Uniforme
Funcin de distribucin acumulada (FDA)
Si
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
X U (, ),
entonces
F (X ) = P (X x)
x
f (y )dy 0 1
si si si
x <x< x .
Nota: La
F (x)
P (X a)
P (X < a),
siendo
una
8 / 69
Modelo Uniforme
Ejemplo 1.1
Unos autobuses llegan a una parada determinada a intervalos de 15 minutos a partir de las 7 de la maana. Es decir, llegan a las 7:00, 7:15, 7:30, 7:45, etc. Si un pasajero llega a la parada en un momento que est distribuido uniformemente entre las 7:00 y 7:30, encuentre la probabilidad que espere el autobus a) menos de 5 minutos, b) por lo menos 12 minutos
Solucin
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
9 / 69
Modelo Uniforme
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
10 / 69
Modelo Uniforme
a)
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
Sea X el tiempo en minutos que transcurre despus de las 7:00 y hasta la llegada del pasajero a la parada. Como X es una variable aleatoria uniforme en el intervalo (0, 30), tenemos que el pasajero tendra que esperar menos de 5 minutos si llega entre las 7:10 y las 7:15 o entre las 7:25 y las 7:30. Por tanto, la probabilidad buscada es
P (10 < X < 15) + P (25 < X < 30) = 5 1 5 + = . 30 30 3
11 / 69
Modelo Uniforme
a)
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
Sea X el tiempo en minutos que transcurre despus de las 7:00 y hasta la llegada del pasajero a la parada. Como X es una variable aleatoria uniforme en el intervalo (0, 30), tenemos que el pasajero tendra que esperar menos de 5 minutos si llega entre las 7:10 y las 7:15 o entre las 7:25 y las 7:30. Por tanto, la probabilidad buscada es
P (10 < X < 15) + P (25 < X < 30) = 5 1 5 + = . 30 30 3
b)
De manera similar, tendr que esperar por lo menos 12 minutos si llega entre las 7:00 y las 7:03, o entre las 7:15 y las 7:18, y, por lo tanto, la probabilidad que se pide aqu es
P (0 < X < 3) + P (15 < X < 18) = 3 3 1 + = . 30 30 5
12 / 69
Ejemplo 1.2
La concentracin de cierto contaminante del agua se considera con distribucin uniforme entre 4 y 20 partes por milln (ppm). Si se considera como txica una concentracin de 15 ppm o ms a) Qu probabilidad hay de que al tomar una muestra sta sea txica? b) Si se toma una muestra y resulta que la concentracin es no txica qu probabilidad hay de que tenga una concentracin menor de 10 ppm?
Solucin
Sea
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
de contaminante (ppm),
13 / 69
Ejemplo 1.2
La concentracin de cierto contaminante del agua se considera con distribucin uniforme entre 4 y 20 partes por milln (ppm). Si se considera como txica una concentracin de 15 ppm o ms a) Qu probabilidad hay de que al tomar una muestra sta sea txica? b) Si se toma una muestra y resulta que la concentracin es no txica qu probabilidad hay de que tenga una concentracin menor de 10 ppm?
Solucin
Sea
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
(ppm),
14 / 69
Ejemplo 1.2
La concentracin de cierto contaminante del agua se considera con distribucin uniforme entre 4 y 20 partes por milln (ppm). Si se considera como txica una concentracin de 15 ppm o ms a) Qu probabilidad hay de que al tomar una muestra sta sea txica? b) Si se toma una muestra y resulta que la concentracin es no txica qu probabilidad hay de que tenga una concentracin menor de 10 ppm?
Solucin
Sea
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
(ppm),
P (X<10X<15) P (X<15) 6 11 .
P (X<10) P (X<15)
=
15 / 69
6/16 11/16
Modelo Exponencial
Denicin 1.2
Una v.a. continua cuya funcin de densidad de probabilidad est dada, para algn > 0, por
f (x) = ex si x 0 0 si x < 0
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
16 / 69
Modelo Exponencial
Denicin 1.2
Una v.a. continua cuya funcin de densidad de probabilidad est dada, para algn > 0, por
f (x) = ex si x 0 0 si x < 0
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
X Exp().
17 / 69
Modelo Exponencial
Denicin 1.2
Una v.a. continua cuya funcin de densidad de probabilidad est dada, para algn > 0, por
f (x) = ex si x 0 0 si x < 0
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
X Exp().
1
Teorema 1.2
Si X Exp(), entonces E [X ] = y V [X ] =
1 . 2
18 / 69
Modelo Exponencial
Denicin 1.2
Una v.a. continua cuya funcin de densidad de probabilidad est dada, para algn > 0, por
f (x) = ex si x 0 0 si x < 0
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
X Exp().
1
Teorema 1.2
Si X Exp(), entonces E [X ] =
Dem.
y V [X ] =
1 . 2
19 / 69
Modelo Exponencial
Denicin 1.2
Una v.a. continua cuya funcin de densidad de probabilidad est dada, para algn > 0, por
f (x) = ex si x 0 0 si x < 0
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
X Exp().
1
Teorema 1.2
Si X Exp(), entonces E [X ] =
Dem.
Usar la denicin.
y V [X ] =
1 . 2
20 / 69
X Exp()
entonces
F (x) = P (X x)
21 / 69
X Exp()
entonces
F (x) = P (X x)
x
=
0
ey dy
22 / 69
X Exp()
entonces
F (x) = P (X x)
x
=
0
ey dy x0
= 1 ex ,
23 / 69
X Exp()
entonces
F (x) = P (X x)
x
=
0
ey dy x0
= 1 ex ,
En la prctica, la distribucin exponencial se presenta con frecuencia como la distribucin de la cantidad de tiempo que pasa hasta que ocurre un evento especco.
24 / 69
Modelo Exponencial
Ejemplo 1.3
Un fabricante de un monitor de televisin comercial garantiza el cinescopio por un ao (8760 horas). Los monitores se utilizan en terminales de aeropuerto para programas de vuelo y estn encendidos en uso continuo. La vida media de los tubos es de 20000 horas, y siguen una densisdad de tiempo exponencial. El costo de fabricacin, venta y entrega es de USD 3000 y el monitor se vende en el mercado en USD 4000. Cuesta USD 1500 reemplazar el cinescopio cuando falla, incluyendo material y mano de obra. El fabricante no tiene obligacin de sustituir el cinescopio si ya ha habido una primera sustitucin. Cul es la utilidad esperada por el fabricante?
Solucin
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
25 / 69
Modelo Exponencial
Solucin
Sea
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
la utilidad y
1000 500
si si
Finalmente:
La utilidad
26 / 69
EST 103
no tiene memoria.
27 / 69
EST 103
La propiedad clave de una v.a. Exponencial es que no tiene Decimos que una v.a. no negativa no tiene memoria si:
memoria.
para toda s, t 0.
28 / 69
EST 103
La propiedad clave de una v.a. Exponencial es que no tiene Decimos que una v.a. no negativa no tiene memoria si: Esta condicin es equivalente a:
memoria.
para toda s, t 0.
29 / 69
EST 103
La propiedad clave de una v.a. Exponencial es que no tiene Decimos que una v.a. no negativa no tiene memoria si: Esta condicin es equivalente a:
P (X > s + t, X > t) = P (X > s) P (X > t )
memoria.
para toda s, t 0.
o
P (X > s + t, X > t) = P (X > s)P (X > t).
30 / 69
EST 103
La propiedad clave de una v.a. Exponencial es que no tiene Decimos que una v.a. no negativa no tiene memoria si: Esta condicin es equivalente a:
P (X > s + t, X > t) = P (X > s) P (X > t )
memoria.
para toda s, t 0.
o
P (X > s + t, X > t) = P (X > s)P (X > t).
31 / 69
EST 103
La propiedad clave de una v.a. Exponencial es que no tiene Decimos que una v.a. no negativa no tiene memoria si: Esta condicin es equivalente a:
P (X > s + t, X > t) = P (X > s) P (X > t )
memoria.
para toda s, t 0.
o
P (X > s + t, X > t) = P (X > s)P (X > t).
32 / 69
EST 103
La propiedad clave de una v.a. Exponencial es que no tiene Decimos que una v.a. no negativa no tiene memoria si: Esta condicin es equivalente a:
P (X > s + t, X > t) = P (X > s) P (X > t )
memoria.
para toda s, t 0.
o
P (X > s + t, X > t) = P (X > s)P (X > t).
33 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
34 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
= 1/10.
Luego, la probabilidad
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
no es
uso antes de que se inicie el viaje. Es decir, si la distribucin no es exponencial se requiere informacin adicional calcular la probabilidad deseada.
(t),
para
36 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
37 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
38 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
x,
x,
P (m n(X1 , X2 , . . . , Xn ) > x) = P (X1 > x, X2 > x, . . . , Xn > x) = P (X1 > x)P (X2 > x) P (Xn > x) = e1 x e2 x en x = e
n i=1 i .
39 / 69
n i=1
i x
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
40 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
n i=1
i t
41 / 69
Modelo Normal
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
42 / 69
Modelo Normal
Denicin 1.3
Se dice que una v.a. est normalmente distribuida con parmetros y 2 si su densidad es
(x)2 1 f (x) = e 2 2 , 2
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
< x < +.
43 / 69
Modelo Normal
Denicin 1.3
Se dice que una v.a. est normalmente distribuida con parmetros y 2 si su densidad es
(x)2 1 f (x) = e 2 2 , 2
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
< x < +.
Notacin:
X N (, 2 )
44 / 69
Modelo Normal
Denicin 1.3
Se dice que una v.a. est normalmente distribuida con parmetros y 2 si su densidad es
(x)2 1 f (x) = e 2 2 , 2
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
< x < +.
Notacin:
X N (, 2 )
Si
45 / 69
Modelo Normal
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
46 / 69
Modelo Normal
Teorema 1.3
Si X N (, 2 ) entonces E [X ] = y V [X ] = 2 .
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
47 / 69
Modelo Normal
Teorema 1.3
Si X N (, 2 ) entonces E [X ] = y V [X ] = 2 .
Dem.:
No es fcil y escapa a los intereses del curso.
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
48 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
49 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
es una v.a. Normal con media 0 y varianza 1. Se dice que Z es una v.a. Normal Estandar.
50 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
es una v.a. Normal con media 0 y varianza 1. Se dice que Z es una v.a. Normal Estandar.
Denicin 1.5
Sea () la funcin de distribucin de Z :
1 (x) = 2
x
y2 2
dy
51 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
estandarizar.
52 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
estandarizar.
53 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
estandarizar.
54 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
estandarizar.
55 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
estandarizar.
56 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
estandarizar.
()
57 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
estandarizar.
()
58 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
estandarizar.
()
59 / 69
Si X es una v.a. normal con = 3 y varianza a) P (X < 11). b) P (X > 1). c) P (2 < X < 7).
= 16
, encuentre:
60 / 69
Si X es una v.a. normal con = 3 y varianza a) P (X < 11). b) P (X > 1). c) P (2 < X < 7).
Ejemplo 1.7
= 16
, encuentre:
El tiempo medio en realizar una misma tarea por parte de los empleados de una empresa se distribuye segn una distribucin normal, con media de 5 das y desviacin estndar 1 da. a) Calcular el porcentaje de empleados que realizan la tarea en un tiempo medio inferior a 7 das. b) Calcular el tiempo medio que realizan el 95% de los empleados.
61 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
Xi N
i=1 i=1
Fcilmente se puede deducir que:
i ,
i=1
2 i
n = X
n i=1 Xi
N n
n i=1 i
n 2 i=1 i n2
62 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
1 = 2 = = n =
n i=1 Xi
2 = 2 = = 2 = 2 1 n 2
(es decir, las medias y las varianzas son todas iguales) entonces
n, n 2 . De este resultado, se 2 n
n = X
n i=1 Xi
n =
Z=
n X
n
63 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
2 ) X N (X , X
2) Y N (Y , Y
son independientes,
entonces la distribucin de la suma o diferencia de ambas variables es tambin normal con las siguientes medias y desviaciones estndar:
2 2 ) X + Y N ( X + Y , X + Y
X Y N ( X Y ,
2 X
2 Y ).
Una generalizacin de estos resultados es el teorema siguiente sobre combinacin lineal de v.a. normales.
Teorema 1.5
Sean las v.a. Xi , i = 1, . . . , n, todas ellas independientes 2 ). Sean los nmeros reales a , tales que Xi N (i , i i i = 1, . . . , n, entonces
n n n
Y =
i=1
ai Xi N
i=1
a i i ,
i=1
2 a2 i i
.
64 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
65 / 69
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
d)
Cul es la probabilidad de que la suma de las ventas de la primera marca y de la tercera superen a las ventas de la segunda marca en ms de 18 mil dlares, en una semana? Cul es la probabilidad de que el promedio de las ventas de las tres marcas sea superior a 50 mil dlares, en una semana?
Ejemplo 1.9
El plstico cuesta 0.5 centavos por gramo. La gaseosa cuesta 40 centavos por litro. La cantidad (en gramos) de plstico necesario para hacer una botella de 21/4 litros tiene distribucin N (100, 102 ). La cantidad de gaseosa (en litros) que se envasa en la botella tiene distribucin N (2, 0.12 ). Cul es la probabilidad de que el costo total de una botella sea menor a 1.20 dlares?.
66 / 69
Ms Ejemplos
Ejemplo 1.10
La duracin (en horas) de cierto transistor de televisor es una variable aleatoria continua T , cuya funcin de densidad es:
f (x) =
150 t2
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
Si un televisor determinado todava funciona despus de 200 horas. Cul es la probabilidad de que dicho transistor dure a lo ms 300 horas? Se instalan tres de tales transistores en un televisor. b) Cul es la probabilidad de que ninguno tenga que ser sustituido en las primeras 200 horas de uso? c) Cul es la probabilidad de que los tres transistores tengan que ser sustituidos durante las 200 primeras horas ?
a)
67 / 69
Ms Ejemplos
d)
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
Cul es la probabilidad de que exactamente 1 tenga que ser sustituido en las 200 primeras horas de uso?
Ejemplo 1.11
La destiladora Concha y Toro produce entre 200 y 300 galones de vino diarios. La distribucion uniforme es la que mejor describe este proceso. a) Cunto vino se produce al da en promedio? b) Cul es la cantidad de variabilidad en el nmero de galones de vino producidos de un da a otro? c) En qu porcentaje de los das puede esperarse que la produccin caiga entre 220 y 270 galones? d) Cul es la probabilidad de que la produccin de maana sea mayor que 280 galones?
68 / 69
Ms Ejemplos
Ejemplo 1.12
Un fabricante utiliza un sistema automtico para llenar cajas de detergente, garantizando 5 kg por caja. Debido a las uctuaciones aleatorias del mecanismo utilizado, el peso de las cajas es una variable aleatoria con distribucin normal. Sabiendo que la probabilidad de que haya ms de 4.5 kg de detergente en la caja es 0.6255 y la probabilidad de que haya ms de 7 kg de detergente en la caja es 0.0051, a) obtener la esperanza y la desviacion estndar de la variable. b) Cul es la probabilidad de que una caja elegida al azar no llegue al peso garantizado?
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
69 / 69
Ms Ejemplos
Ejemplo 1.13
(Para la casa) El chocolate tiene una densidad de 3g/cm3 . El molde que se utiliza para fabricar barras de chocolate produce barras cuyo volumen en cm3 est distribuido normalmente con media 30 y desviacin estndar 5. Si la caja pesa 25g, cul es la probabilidad de que una caja de chocolate pese menos de 120 gramos?
EST 103 Rolando de la Cruz Modelo Uniforme Modelo Exponencial Modelo Normal Ms Ejemplos
70 / 69