Escolar Documentos
Profissional Documentos
Cultura Documentos
INTEGRANTES
Guevara Narciso, David
Rodriguez Mori, Andreu
Trujillo - Perú
2019
Facultad de Ingeniería Ingeniería Mecánica
PRÁCTICA N°5:
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
I. FUNDAMENTACIÓN:
Toda distribución de probabilidad es generada por una variable aleatoria x, la que
puede ser de dos tipos:
muestras de mineral: 14.8gramos, 12.0, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0,
20.8
Como se observa en los ejemplos anteriores, una variable continua puede tomar
cualquier valor, entero o fraccionario, una forma de distinguir cuando se trata de una
variable continua es que esta variable nos permite medirla o evaluarla, mientras que
una variable discreta no es medible, es una variable de tipo atributo, cuando se
inspecciona un producto este puede ser defectuoso o no, blanco o negro, cumple con
las especificaciones o no cumple, etc.
II. OBJETIVOS:
Comprender los conceptos teóricos estadísticos.
Clarificar conceptos respecto al cálculo de probabilidades, de las principales
distribuciones Discretas.
III. MATERIAL Y EQUIPO:
Computador.
Software Excel y SPSS
Cuaderno de apuntes.
IV. DESARROLLO:
1. Un agente de seguros vende pólizas a 5 individuos, todos de la misma edad. La
probabilidad de que un individuo viva 30 años más es 3/5. Determina la
probabilidad de que dentro de 30 años vivan:
a. 4 individuos.
b. Como mucho 2.
c. Al menos 3 individuos.
d. Más de 1 y 4 como máximo
Ejercicio 1:
- Solución:
X= número de individuos que vivirían dentro de 30 años.
N=5
Facultad de Ingeniería Ingeniería Mecánica
P=0.6
- Calculamos:
a)
P(x=4) = 𝐶54 ∗ (0.6)4 ∗ (1 − 0.6)5−4
= 0.259
= 0.3174
= 0.6826
= 0.8352
2. El número medio de automóviles que llega a una gasolinera es de 210 por hora.
Si dicha gasolinera solo puede atender a un máximo de 10 automóviles por
minuto,
a. determina la probabilidad de que en un minuto dado lleguen a la gasolinera
más automóviles de los que puede atender;
b. halla la probabilidad de que entre las 10.14 y las 10.15 lleguen 10
automóviles, y al minuto siguiente ninguno.
- Solución:
X = automóviles que llegan a la gasolinera por 1 minuto.
210
“X” tiene distribución de Poisson con media E(X) = λ = = 3.5
60
- Calculamos:
a)
P(X > 10) = 1 - P(X=<10)
(3.5)𝑥
= 1 − ∑10
𝑥=0 𝑒
−3.5
𝑥!
= 0.0010194
b)
P((X = 10) ∩ (X = 0)) = P(X = 10) * P(X = 0)
(3.5)10 (3.5)0
= 𝑒 −3.5 ∗ 𝑒 −3.5
10! 0!
= 0.0000693
Facultad de Ingeniería Ingeniería Mecánica
0 − 25 − 0.5 30 − 25 + 0.5
≈ P( =< 𝑧 =< ) = 0.86493
√25∗0.995 √25∗0.995
0 − 25 30 − 25
≈ P( =< 𝑧 =< )
√25∗0.995 √25∗0.995
= 0.84195
Facultad de Ingeniería Ingeniería Mecánica
- Solución:
X = número de unidades defectuosas producidas en 150 días.
E(X) = λ = 150 * 10 = 1500
a)
P (X >= 1480) = 1 – P (X 6 1479)
= 0.70063
1-CDF.POISSON(1479,1500)
b)
Si usamos la aproximación pedida, entonces μ = λ = 1500 y
σ = √λ = √1500, con lo cual:
P (X >= 1480) = 1 - P(X < 1480)
= 0.7017
Facultad de Ingeniería Ingeniería Mecánica
Solución
20
𝑃(𝑋 = 𝑘) = ( ) 0.2𝑘 0.820−𝑘
𝑘
Y así:
6. Se avienta una moneda 6 veces. Cuando el resultado sea cara, diremos que es un
éxito.
Solución para a:
Por lo tanto, la probabilidad de que se den dos caras (es decir k=2) es de
𝑛
𝑃(𝑋 = 𝑘) = ( ) 𝑝𝑘 𝑞 𝑛−𝑘
𝑘
6
𝑃(𝑋 = 2) = ( ) (0.5)2 (0.5)4
2
15
𝑃(𝑋 = 𝑘) =
64
Solución para b:
∑ 𝑃 (𝑋 = 𝑘𝑖 )
15 3 2 1
= + 𝑥 ( )+
64 32 2 64
22
=
64
Facultad de Ingeniería Ingeniería Mecánica
Solución
Para este caso podemos aplicar la distribución binomial para n=100 y p=0,02
obteniendo como resultado:
𝑛
𝑃(𝑋 = 𝑘) = ( ) 𝑝𝑘 𝑞 𝑛−𝑘
𝑘
100
𝑃(𝑋 = 3) = ( ) (0.02)3 (0.98)97
3
Sin embargo, ya que p es pequeño, usamos la aproximación de Poisson con
λ = n*p = 2. Entonces:
1
𝑃(𝑋 = 𝑘) = (𝑒 −𝜆 𝜆𝑘 )
𝑛!
1
𝑃(𝑋 = 3) = (𝑒 −2 23 )
3!
𝑃(𝑋 = 3) = 0.180
Facultad de Ingeniería Ingeniería Mecánica
V. EVALUACIÓN:
Investigue la distribución de Poisson como aproximación de la Binomial:
Distribución de Poisson
Se dice que una variable aleatoria X tiene distribución de Poisson de parámetro λ
cuando puede tomar los valores enteros positivos 0,1,2,3,… con la siguiente
probabilidad:
1
𝑃(𝑋 = 𝑘) = (𝑒 −𝜆 𝜆𝑘 )
𝑛!
A continuación, una gráfica que representa la función masa de probabilidad para
distintos valores de los parámetros de la distribución Poisson.
Distribución hipergeométrica
(𝑘𝑥)(𝑁−𝑘
𝑛−𝑥
)
𝑃(𝑋 = 𝑥) = , 𝑐𝑜𝑛 𝑥 = 0, 1, 2, … , min{𝑛, 𝑘}
(𝑁𝑛)
a. los 4 exploten?
b. al menos 2 no exploten?
Solución:
Para a:
N = 10 proyectiles en total
a = 7 proyectiles que explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el número de
proyectiles que explotan entre la muestra que se dispara.
(74)(30)
𝑃(𝑥 = 4; 𝑛 = 4) =
(10
4
)
1
= = 0.1667
6
Para b:
N = 10 proyectiles en total
a = 3 proyectiles que no explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2 o 3 proyectiles que no explotan
p (al menos 2 no exploten) =
p (2 o más proyectiles no exploten)
(32)(72) + (33)(71)
𝑃(𝑥 = 2 𝑜 3; 𝑛 = 4) =
(10
4
)
3(21) + 7
=
210
= 0.3333