Escolar Documentos
Profissional Documentos
Cultura Documentos
1.VARIABLE ALEATORIA
Se llama variable aleatoria (v.a.) a toda aplicacin o funcin que asocia a cada elemento del
espacio muestral () de un experimento, un nmero real.
Ejemplo 1:
Consideremos el experimento que consiste en revisar tres componentes de una bomba
centrfuga, que pueden ser defectuosos (D) y no defectuosos (N)
= Revisar tres componentes de una bomba centrfuga, el espacio muestral ser:
=
EX x px
Continuas si dado un intervalo (a,b) la variable puede tomar todos los valores comprendidos
entre a y b.
X : Variable que nos define la concentracin en gramos de plata de algunas muestras de
mineral (14.8 gr, 12.1,10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8, ,)
PROPIEDADES DE UNA VARIABLE ALEATORIA CONTINUA (X)
p(x) 0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores
o iguales a cero. Dicho de otra forma, la funcin de densidad de probabilidad deber tomar solo
valores mayores o iguales a cero.
El rea definida bajo la funcin de densidad de probabilidad deber ser de 1
pg. - 2 -
1. Un ingeniero, jefe de una planta de produccin, sabe que todos los aos tienen
supervisiones generales de los procesos de produccin para detectar fallas y realizar
correcciones. Por la experiencia acumulada durante aos sabe que el nmero de
supervisiones anuales se distribuye con arreglo, segn la Tabla N 1:
a) Calcular el valor de A.
Tabla N 1
b) Calcular
el
nmero
2
3
4
5
esperado
de N de supervisiones 1
Probabilidad
(A-3)/15 A/15 1/15 3/15 (A-1)/15
supervisiones anuales.
c) Calcular la varianza y la desviacin tpica del nmero de supervisiones anuales.
d) Probabilidad de que en un ao elegido al azar se celebren ms de 3 supervisiones.
e) Probabilidad de que en un ao elegido al azar se celebren menos de 2 supervisiones.
f) Probabilidad de que en un ao elegido al azar se celebren por lo menos 4 supervisiones.
g) Probabilidad de que en un ao elegido al azar se celebren a lo ms 2 supervisiones.
h) Probabilidad de que en un ao elegido al azar se celebren por lo menos 2 y a lo ms 4
supervisiones.
2. A partir del experimento aleatorio consistente en lanzar tres monedas a la vez,
consideramos la variable aleatoria X = n de caras obtenidas.
a) Determina la distribucin de probabilidad de la variable.
b) Calcula P( X 2) , P( X 3) , P(1 X 2,5)
c) Calcular la probabilidad P 1 X 3
d) Determine el nmero esperado de caras y su desviacin estndar.
3. Sea X el nmero de defectos diarios de artculos industriales que produce una Fbrica.
La funcin de probabilidad para X es:
N de defectos
Probabilidad
3k
K+0.2
0.2
Calcule:
a) El valor de la constante K sabiendo que la distribucin es de probabilidad.
b) La probabilidad de que el nmero de defectos diarios en los artculos sea menor a 3.
c) La probabilidad de que el nmero de defectos diarios en los artculos sea a lo ms 2.
d) La probabilidad de que el nmero de defectos diarios en los artculos sea ms de 2.
e) La probabilidad de que el nmero de defectos diarios en los artculos no sea a lo ms
3.
f) La probabilidad de que el nmero de defectos diarios en los artculos sea por lo
menos 1 y a lo ms 4.
g) Determine el nmero esperado de defectos diarios y su desviacin estndar.
pg. - 3 -
Probabilidad
0,01
0,4
0.2
0,1
0,09
Calcule:
a) El valor de a.
b) La probabilidad de que el nmero de fallas es 3.
c) La probabilidad de que el nmero de fallas es a lo ms 4
d) La probabilidad de que nmero de fallas es por lo menos 2.
e) La probabilidad de que nmero de fallas como mximo es 3.
f) Hallar el n esperado de accidentes mensuales y su desviacin estndar.
5.
Una variable aleatoria X puede tomar los valores 30, 40,50 y 60 con probabilidades
0.40; 0.20; 0.10 y 0.30. Represente en una tabla su funcin de probabilidad y
determine las siguientes probabilidades.
a)
P(X60)
b)
P(X<40)
c)
P(30X)
d)
P(50X)
e)
P(40<X)
f)
P( 40 X
60)
Estimado Estudiante
Desarrollar del libro de Probabilidad y Estadstica de Wallpolle, los ejercicios 3.1 al
3.16 de las pginas 88 89.
pg. - 4 -
2.
DISTRIBUCIONES DE PROBABILIDAD:
2.1. Distribuciones de Probabilidad Discreta
En una distribucin de probabilidad de la variable aleatoria discreta podemos calcular la
probabilidad de que la variable aleatoria tome un determinado valor
- Distribucin Bernoulli
- Distribucin Binomial
- Distribucin Poisson
2.2. Distribuciones de Probabilidad Continua
En una distribucin de probabilidad de la variable aleatoria continua podemos calcular la
probabilidad de que la variable pueda asumir cualquier valor dentro de un intervalo de
la recta numrica o de un conjunto de intervalos
- Distribucin Normal
- Distribucin Normal Estndar
- Distribucin t de Student
- Distribucin Chi-cuadrado
- Distribucin F
pg. - 5 -
Varianza:
Experimento Binomial:
Es aquel que consiste en realizar n veces ensayos de Bernoulli, en el cual se debe
cumplir lo siguiente:
a. Cada ensayo tienen solo dos resultados posibles.
b. Los ensayos son independientes.
c. La probabilidad de xito p es constante en cada ensayo.
n
f ( x) P( X x) p x q n x , x 0,1,2,..., n
x
pg. - 6 -
Su notacin es : X
B ( n, p )
Uso de tabla: Para el uso de tabla tener en cuenta lo siguiente
A.
B.
C.
D.
E.
F.
G.
P
P
P
P
P
P
P
(
(
(
(
(
(
(
Xa
X>a
Xa
X=a
aX
aX
a<X
Ejemplo 1:
En una caja de un almacn, hay 12 artculos elctricos de los cuales 3 son defectuosos.
Si se extrae una muestra aleatoria de 5 a partir de los artculos de la caja.
Cul es la probabilidad de que:
Ejemplo 2:
La probabilidad de error de un determinado programa de automatizacin industrial es
0,28. Calcular la probabilidad de que una vez instalado en 15 mquinas:
a) Ninguna tenga error
b) Todos tengan un error
c) Dos de ellas tengan error
pg. - 7 -
P ( X= 0 ) =
b)
P(X= 15) =
c)
P (X = 2) =
15
0
15
15
15
2
0.28
0.28
15
0.28
0.7215 = 0.00724
0.72
0.72
= 5.097.10
13
= 0.11503
-9
Ejemplo 3:
Un ingeniero se presenta a un examen de seleccin mltiple que contiene 8 preguntas
cada una con tres respuestas opcionales. Si el ingeniero est adivinando al responder
cada pregunta y adems se sabe que para aprobar el examen debe responder
correctamente 6 o ms preguntas. Cul es la probabilidad de aprobar el examen?.
Solucin:
1. Definimos la variable aleatoria X tal que:
X = Nmero de respuestas correctas en las 8 preguntas
Rx =
0, 1, 2, 3, 4, 5, 6, 7, 8
2. Puesto que cada pregunta consta de una respuesta correcta y dos respuestas
incorrectas:
P ( E) = 1/3 = p
y
P ( F ) = 2/3 = q
3. Luego la distribucin de probabilidad de X es:
Ejemplo 4:
La probabilidad de que un trabajador tenga un accidente es del 40 por 100.
Hallar:
pg. - 8 -
CASO N 03:
La probabilidad de fallar durante el vuelo para cada uno de los seis motores de un avin es de
0.0005. Suponiendo que los seis motores trabajan independientemente, determine la
probabilidad que en un vuelo determinado:
a) No ocurra ninguna falla de motor
b) No ocurra ms de una falla
c) Ocurra exactamente dos fallas
d) Hallar el valor esperado del nmero de fallas.
CASO N 04:
Cuando se prueban tarjetas de circuitos empleados en la manufactura de reproductores de
discos compactos, a la larga el porcentaje de partes defectuosas es de 5%. Sea X = nmero de
tarjetas defectuosas en una muestra aleatoria de tamao 25. Determine:
a) P ( X 2)
b) P ( X 5)
c) P ( 1 X 4)
d) Cul es la probabilidad de que ninguna de las 25 tarjetas est defectuosa?
e) Calcule el valor esperado y desviacin estndar de X.
CASO N 05:
Se conjetura que hay impurezas en 30% de los pozos de agua potable de cierta comunidad aledaa a una
actividad minera. Para obtener algn conocimiento del problema se determina que debera realizarse algn
tipo de prueba. Es muy costos probar todos los pozos del rea por lo que se eligieron 10 aleatoriamente
para la prueba.
a. Cul es la probabilidad de que exactamente tres pozos tengan impurezas, considerando que la
conjetura es cierta?
b. Cul es la probabilidad de que ms de tres pozos tengan impurezas?
c. Cul es la probabilidad de que ms de dos pozos pero menos o igual a 5 pozos tengan impurezas?
pg. - 9 -
Rx = {0,1,2,3,4,5, .}
3. Su funcin de probabilidad est dada por:
4.
e ( ) x
f ( x) P( X x)
,
x!
x 0,1,2,...
5. Su parmetro es
5. Su notacin es :
Ejemplo 1:
P( )
Si como promedio un tablero electrnico recibe 0.05 llamadas por segundo, Cul es
la probabilidad de que en un determinado minuto:
a. Reciban exactamente dos llamadas.
b. Reciban no ms de dos llamadas.
pg. - 10
-
e 3 32
PX 2
0.224
2! de dos llamadas.
b. Reciban no ms
PX 2 P(X 0) P(X 1) P(X 2)
e 3 30 e 3 31 e 3 32
Ejemplo 2:
Un Jefe sanitario realiza una inspeccin en un centro educativo; sobre la calidad del
agua que consumen los estudiantes y que contiene un promedio de 4 bacterias por
cm3
a) Hallar la probabilidad de que el inspector no encuentre bacteria alguna en 0.5
cm3 de agua.
b) Hallar la probabilidad de que el inspector no encuentre bacteria alguna en 1 cm3
de agua.
c) Hallar la probabilidad de que el inspector encuentre a lo ms 2 bacterias en 1 cm
3 de agua.
Solucin:
Se define a X como el nmero de bacterias en una muestra de 1 cm3 de agua
a) La probabilidad de que el inspector no encuentre bacteria alguna en 0.5 cm 3 de
agua
2 2 0
0!
P(X = 0) =
= 0.1353
4 4 0
0!
P(X = 0) =
= 0.0183
Ejemplo 3:
pg. - 11
-
ESTUDIO DE CASOS
CASO N 01:
En un paradero de mina, se determino que los trabajadores en horas no punta llegan
aleatoriamente a una tasa promedio de 24 trabajadores por hora. Se desea calcular las
siguientes probabilidades:
a. Cul es la probabilidad de que lleguen exactamente 20trabajadores durante esa hora?
b. Cul es la probabilidad de que lleguen ms de 15 trabajadores durante esa hora?
c. Cul es la probabilidad de que lleguen menos de 15 trabajadores durante esa hora?
d. Cul es la probabilidad de que lleguen ms de 18 trabajadores durante esa hora?
CASO N 02:
Un ingeniero Jefe del rea de Control de Calidad de la empresa Coca Cola, realiza un examen
de control respecto al agua que est utilizando para la elaboracin de Gaseosas. Este lquido
contiene ciertas bacterias no nocivas para la salud a razn de 5 bacterias por cm3. Si toma una
muestra de 1 cm3, calcular las siguientes probabilidades
a. Cul es la probabilidad que la muestra no contenga bacteria alguna?
b. Cul es la probabilidad de que en cm 3 haya por lo menos 2 bacteria?
c. Cul es la probabilidad de que en 2 cm3 haya a lo ms 8 caterias?
CASO N 03:
En un estudio por parte del Ministerio de Transporte y Comunicaciones (MTC), se ha
determinado que en la carretera panamericana con destino a Lima, hay en promedio de 18
accidentes por semana (7 das), calcular las siguientes probabilidades:
a. Cul es la probabilidad de que en una semana no haya ningn accidente.
b. Cul es la probabilidad de que en dos semanas haya 10 accidentes.
c. Cul es la probabilidad de que en 1semana ocurra menos de 15 accidentes.
REGLA: (aproximacin de la distribucin Binomial a la distribucin Poisson)
Si en una distribucin binomial, n es grande (n 100) y la probabilidad de ocurrencia es pequea
(p 0.05), aproximar la distribucin Binomial a la distribucin Poisson, calculando ( = np).
pg. - 12
-
CARACTERSTICAS
1. Tiene como parmetros a y
2. Su funcin de probabilidad est dada por:
f ( x)
1 X
X
pg. - 13
Donde:
- < < +
>0
= 68.3%
2. 2 =
3. 3 =
95.5%
99%
pg. - 14
-
1
2
f ( z)
e2
c.
P( x a ) P(
) P( Z
P( x a ) 1 P( x a ) 1 P(
P ( a x b) P (
) 1 P( Z
Ejemplo 1:
Las calificaciones de los 500 aspirantes presentados a un examen para contratacin laboral,
se Distribuye normalmente con media 6,5 y varianza 4.
a.
8)
pg. - 15
-
c. Cuntos aspirantes
P ( 5 X 7.5 )
P(5
obtuvieron
calificaciones
comprendidas
entre
7,5
puntos?
X 7.5 ) = P ( X 7.5 ) - P ( X 5 ) =
pg. - 16
-
ESTUDIO DE CASOS
CASO N 01:
El tiempo de duracin de los focos de alumbrado elctrico producidos por una compaa
elctrica tiene una distribucin normal con una media de 1000 horas y una desviacin estndar
de 250 horas. Determinar la probabilidad de que:
a. Un foco tomado al azar se queme antes de las 990 horas de funcionamiento
b. Un foco se que queme entre 980 y 1120 horas de funcionamiento.
c. Un foco dure ms de 998 horas
CASO N 02:
NEUMA Per, es una empresa que produce llantas para automviles en nuestro pas. La vida til
de estas llantas se distribuye aproximadamente como una normal con media y desviacin
estndar iguales a 32000 y 1000 millas respectivamente. Esta empresa quiere exportar estas
llantas por lo que empieza a hacer ciertos clculos acerca de la calidad de estas llantas, para lo
cual se hace las siguientes preguntas:
a. Cul es la probabilidad de una llanta producida por esta empresa tenga una vida til de
31900 millas.
b. Cul es la probabilidad de una llanta producida por esta empresa tenga una vida til desde
31000 y 33000 millas.
c. Si las empresa fija una garanta de 30000 millas. Qu porcentaje de esta produccin
necesitar ser reemplazada?
CASO N 03:
El tiempo requerido para realizar una pregunta de examen es una variable aleatoria cuya
distribucin es aproximadamente normal con media 12.9 minutos y una desviacin estndar de
2.0 minutos. Cules son las probabilidades de que un alumno resuelva una pregunta del
examen en?
a. Al menos 11.5 minutos.
b. Entre 11.0 y 14.8 minutos. A lo ms 12 minutos. Entre 10 y 13 minutos.
CASO N 04:
Una COMPAA recibe importante cargamento de pernos. Estos se utilizaran en una aplicacin
que necesita de una torsin de 100J. Antes de que se acepte el cargamento, un ingeniero
especialista en control de calidad sacara una muestra de 12 pernos y medir la torsin para
romper a cada uno de ellos. El cargamento ser aceptado si el ingeniero concluye que menos de
1% de los pernos tiene torsin de ruptura menor a 100 J.
a) Si los doce valores son: 107, 109, 111, 113, 113, 114, 114, 115, 117, 119, 122, 124,
calcule la media y la desviacin estndar muestral.
b) Suponga que se saca una muestra de 12 valores de una poblacin normal, y suponga
que la media y la desviacin estndar muestrales calculadas en el inciso a) son
realmente la media y desviacin estndar de la poblacin. Calcule la proporcin de
pernos cuya torsin de ruptura es a lo ms 100 J. Sera aceptado el cargamento?
pg. - 17
-
pg. - 18
-
pg. - 19
-
Sea X una variable que sigue una distribucin Chi cuadrado con 10 gl. Hallar a
siguientes probabilidades
pg. - 20
-
divididas a su vez, por sus correspondientes grados de libertad tendremos que la funcin F
corresponde a una distribucin F de Snedecor con m y n grados de libertad ; es decir una
pg. - 21
-