Semana 15.1

Descargar como pptx, pdf o txt
Descargar como pptx, pdf o txt
Está en la página 1de 26

Aplicaciones del Cálculo y

Estadística

Variablas Aleatorias II
Introducción
• Para esta parte del curso conoceremos las variables aleatorias
continuas y su respectiva función de distribución. También
recordaremos las propiedades de la media como la varianza
aprendida en los primeros temas del curso.
Capacidad general:
Reconoce resuelve casos con una variable aleatoria
contínua, interpreta su función de distribución de
probabilidad y calcula las probabilidades.

Capacidades específicas:
Identifica y diferencia entre una variable aleatoria
discreta y continua.
Relaciona la función de distribución y de probabilidad
según el tipo de variable aleatoria.
Calcula probabilidades de una variable aleatoria
contínua.
Tipos de variable aleatoria
• Discreta: si su rango es un conjunto finito o
infinito numerable. Ejemplo:
• Número de circuitos electrónicos producidos por una
empresa que cumplen con las especificaciones técnicas.
• Número de llamadas que recibe una central telefónica.

• Continua: si su rango es un conjunto infinito


no numerable. Ejemplo:
• Resistencia a la ruptura de un material plástico (MPa).
• Resistencia transversal de los ladrillos fabricados por una
empresa (MN/m2).
Función de distribución de densidad
(probabilidad)
Si X es una v.a. Discreta Si X es una v.a. Continua
FX ( x)   PX (t ) Area bajo la función f (x) de
t
donde la suma se toma densidad de X en el intervalo
sobre todos los x en el [x1, x2]
rango de X

Ejemplo: (VA Discreta)


Una compañía de materiales químicos envía cierto disolvente en tambores
de diez galones. Sea la variable aleatoria X: Nº de tambores pedidos por un
cliente elegido aleatoriamente. Suponga que X tiene la siguiente distribución
de probabilidad:

a)Determine la probabilidad que se pierdan 2 tambores.


b)Determine la probabilidad que se pierdan entre 3 y 5 tambores (inclusive).
c)Determine la probabilidad que se pierdan a lo más 3 tambores.
Ejemplo (VA Contínua)

La vida útil en meses de un objeto es una v.a. X


cuya fdp f(x) es definida por la gráfica:
C
f(x)

X
24
a) Obtenga el valor de la constante
m c y luego la
es
f.d.p. de X. es
b) ¿Qué probabilidad hay de 44 que el objeto dure
más de un año?, ¿dure entre(a 6 y 18 meses?
ño
Variable aleatoria
continua
• La función que permite obtener las
probabilidades se llama la función de
densidad.
• El área bajo la grafica de la función de densidad
corresponde a un intervalo determinado y da la
probabilidad cuando la variable aleatoria
continua se encuentra entre esos dos valores.
Función de densidad
 La función de densidad de probabilidad f (x)
o simplemente, función de probabilidad para
una variable aleatoria continua X, es la
función que satisface:
f  x  0


 f  x  dx  1


Pr  a  X  b   f ( x)dx
b

a
Ejercicio 1

a) Halle el valor de “a”


b) Calcule la probabilidad de P(X < 4)
c) Calcule la probabilidad de P(2,0 < X < 4,5)
Ejercicio 2

a) Halle el valor de “c”


b) Grafique
c) Calcule la probabilidad de P(2,0 < X < 4,5)
Ejercicio 3
Ejemplo
Suponga que el costo mensual en energía eléctrica, en miles de
unidades monetarias (u.m) de una compañía, es una variable
aleatoria X con función de densidad:
4kx, 0  x 1
f ( x)  
k (5  x), 1 x  5
a) Determinar la constante k
b) Grafique la función de densidad
c) Halle la probabilidad que el costo mensual de esta compañía este
entre 500 y 3,000 u.m.
d) Calcule la probabilidad de que el costo mensual no supere las 2
mil u.m.
Aplicaciones del Cálculo y
Estadística

Distribuciones Discretas
Especiales
Distribución Binomial
Se denomina experimento binomial a:
 Cada repetición es independiente, es decir el
resultado de cualquier repetición particular no es
afectado por el resultado de otra repetición.
 El experimento aleatorio consiste en obtener
sólo dos resultados posibles mutuamente
excluyentes: éxito (E) o fracaso (F).
 La probabilidad de éxito p es invariante
(Extracciones con devolución)
 Se define la variable aleatoria binomial:
X: Número de éxitos que ocurren en las n pruebas
Distribución Binomial
X: Número de esferas verdes con tres repeticiones (n = 3)
Probabilidad de
P(Éxito)=3/5
E E
obtener una esfera
verde
E P(Fracaso)=2/5
F F
Repeticiones
1 2 3 1 2 3 1 2 3
P(X=0)= (2/5)3
F F F
P(X=1)= 3(3/5) (2/5)2 E F F F E F F F E

P(X=2)= 3(3/5)2 (2/5) E E F E F E F E E

P(X=3)= (3/5)3 E E E
Distribución Binomial
• Función de probabilidad:
La función de probabilidad de obtener k éxitos en n pruebas es:

P( X  x)  Cxn p x (1  p ) n  x x  0,1, 2,..., n

 Notación: X  B(n, p)

 Esperado: E(X)= n p
 Varianza: V(X)= n p (1-p)
Ejemplo 1
Un examen de estadística consiste en 10 preguntas de
alternativas múltiples, cada una con cinco posibles respuestas.
Se aprueba el examen si se contesta correctamente por lo
menos seis de las 10 preguntas. Para alguien que contesta al
azar todas las respuestas:
a) Calcule la probabilidad de que conteste exactamente seis
preguntas correctamente.
b) Determine la probabilidad de aprobar.
c) Calcule e interprete el valor esperado de la variable en
estudio.
Ejemplo
El supervisor de la zona A ha determinado que un coordinador
entrega los pedidos a tiempo alrededor del 90% de las veces. El
supervisor ha hecho 12 pedidos a ese coordinador.
a. Calcular la probabilidad de que el coordinador entregue por
lo menos 11 pedidos a tiempo.
b. Calcular la probabilidad de que el coordinador entregue más
de 2 pero 5 pedidos o menos a tiempo.
c. Calcular la probabilidad de que el coordinador entregue tres
pedidos fuera de plazo.
Ejercicio
En un proceso de fabricación se intenta producir unidades
precoladas con un porcentaje pequeño de unidades defectuosas.
Todos los días se someten a prueba 10 unidades seleccionadas al
azar de la producción diaria. Si existen fallas en una o más de
estas unidades se detiene el proceso de producción y se las
somete a un examen cuidadoso. ¿Cuál es la probabilidad de
detener el proceso si el porcentaje de unidades defectuosas
producidas es del 1%?
Ejercicio

Un fabricante de piezas para automóviles


garantiza que cada caja de piezas fabricadas por
su empresa contiene como máximo 3 piezas
defectuosas. Si cada caja contiene un total de 20
piezas y la experiencia ha mostrado que en el
proceso de manufactura se produce el 2% de las
piezas defectuosas. ¿Cuál es la probabilidad de
que cada caja de piezas satisfaga esta garantía?
Uso de calculadora CLASWIZZ 991 LAX
Uso de calculadora CLASWIZZ 991 LAX
Bibliografía
• Box, George (2008). Estadística para investigadores.
Diseño, innovación y descubrimiento. Barcelona :
Reverté (519.2/B78)
• Robert D. Mason, Doglas Lind, Willian Marchall.
Estadística para Administración y Economía. 10°
Edición.
• Lincoln, Chao. Estadística para las ciencias
Administrativas. 3° Edición
• Máximo Mitacc Meza. Tópicos de Inferencia
Estadística.

También podría gustarte