You are on page 1of 10

Cecilia Larran Modelos de probabilidad continuos Pgina 1

ALGUNOS MODELOS CONTINUOS DE DISTRIBUCIN DE


PROBABILIDAD


Vamos a estudiar con ms detalles algunos modelos de probabilidad de
variables aleatorias continuas que sern de gran utilidad en la prctica.
Debemos seleccionar un modelo o funcin de probabilidad ya existente en la
literatura estadstica para describir el comportamiento de una variable aleatoria
real, ya que es muy difcil elaborar un modelo en forma exacta de un problema
concreto.
Con mtodos estadsticos se puede validar si el modelo utilizado es adecuado
para describir nuestros datos.

DISTRIBUCIN UNIFORME

La funcin de densidad uniforme se define como:

X ~ U[a , b]

1
; a x b
f(x)=
b - a
0 ; en o.c.

s s


Donde a y b son constante reales
con a < b.



Media y varianza de la distribucin Uniforme
b
x=a
1 a + b
E(X) = x dx=
b - a 2
| |
|
\ .
}

Lo que es obvio por simetra
2
b 2
2
x=a
1 a + b (b - a)
V(X) = x dx - =
b - a 2 12
| | | |
| |
\ . \ .
}


Funcin de distribucin: F(X) = P(X < x)

P(X x)
0 ; x<a
x - a
F(X) = ; a x < b
b - a
1 ; x b
s

>





Cecilia Larran Modelos de probabilidad continuos Pgina 2

Ejemplo: Las utilidades (Mill $) de una empresa se comportan segn la siguiente
funcin: Y = 0,2X 500.
La variable aleatoria X expresa la cantidad de unidades vendidas del producto
que fabrica la empresa. Esta variable se distribuye segn una U[2000 , 7000]

(a) Cul es la probabilidad de que la utilidad sea por lo menos $100.000.000?
(b) Cul es la probabilidad de tener prdidas?
(c) Determine la utilidad esperada.
DISTRIBUCIN EXPONENCIAL

La funcin de densidad uniforme se define como:
X ~ Exp()

-x
e ; x > 0
f(x)=
0 ; en o.c.


> 0





Media y varianza de la distribucin Exponencial
-x
x=0
1
E(X) = x e dx=

}


2

2 -x
2
x=0
1 1
V(X) = x e dx - =

| |

|
\ .
}


Funcin de distribucin: F(X) = P(X < x)

-x
F(x) = 1- e , x > 0


Obs.: Se dice que la distribucin exponencial no tiene memoria
P(X < t + h / X > h) = P(X < t)




Cecilia Larran Modelos de probabilidad continuos Pgina 3

Ejemplo: La vida en miles de horas de un instrumento electrnico se distribuye
exponencialmente con media 1.
a. Determine P(X < 0,7)
b. El costo de fabricacin estos instrumentos es de $4000 y se venden en
$9000. Calcule la utilidad esperada, si en la venta se garantiza la devolucin
del dinero si la duracin es menor a 500 horas.


La distribucin Normal
Muchas variables como el peso, estatura, edad, presin arterial, puntaje de un
test psicolgico, mediciones de calidad en muchos procesos industriales, , se
distribuyen Normal. Este modelo se caracteriza por tener un recorrido terico que
es el eje de todos los nmeros reales y una funcin de densidad que tiene un
grfico acampanado y que se individualiza mediante dos parmetros:
representa a la media y
2
que corresponde a la varianza de la variable
aleatoria


Cecilia Larran Modelos de probabilidad continuos Pgina 4


Algunas caractersticas de la distribucin N(,
2
) (E(X) = , V(X) =
2
)
- La funcin de densidad es simtrica, mesocrtica y unimodal:
P(X < ) = P(X > ) = 0,5

- Media, mediana y moda coinciden
- Entre la media y una desviacin estndar hay aproximadamente un 68,2% de
probabilidad. P( |X | < ) = 0,682 P(- < X < +) = 0,682
- Entre la media y dos desviaciones estndar hay aproximadamente un 95,4% de
probabilidad P( |X | < 2) = 0,954
- Entre la media y tres desviaciones estndar hay aproximadamente un 99,7% de
probabilidad P( |X | < 3) = 0,997
- Entre todos los modelos normales existentes destaca aquel que tiene media = 0 y
varianza
2
= 1 conocido como distribucin normal estndar (o normal tpica) para la cual
existen tablas (de probabilidades) muy completas.
Si la v.a. tiene distribucin N(,
2
)
entonces la v.a.
X -
Z =

tiene distribucin nomal estandar.


Esta propiedad facilita el clculo de probabilidades




Ejemplo: El CI en seres humanos est distribuido normal con media 100 y desviacin estndar
10. Si una persona es elegida al azar:
a. cul es la probabilidad de que su CI sea inferior a 115?

X = CI de un sujeto
P(X < 115) =
115 100
10
X -

P = P(Z < 1,5) = 0,93319




Cecilia Larran Modelos de probabilidad continuos Pgina 5

b. Cul es la probabilidad de que su CI supere 118 puntos

c. Determine la probabilidad de que su CI se encuentre entre 95 y 110 puntos.

d. Si se sabe que el sujeto seleccionado supera los 105 puntos de CI, determine
la probabilidad de que su CI sea inferior a 120

Aplicaciones de modelos continuos a ingeniera

Modelo Parmetros
Funcin de densidad
f(x)
Media Varianza
Uniforme
a , b
b > a
1
; a x b
f(x)=
b - a
0 ; en o.c.

s s


a + b

2

2
(b - a)
12

Exponencial > 0
-x
e , x > 0
f(x)=
o , en o.c


2
1


Normal
,
> 0
e
2
1
2
1
f(x) =
2
x
e
- < x <

2

Ejercicio 1
En cierta industria textil, las ventas diarias se distribuyen normal con una media
de 1,5 millones de pesos y una desviacin estndar de 0,3 millones de pesos.
La industria decide realizar una campaa de promocin de sus productos,
estimando que sus ventas aumentan en un 10%. Cul es la probabilidad que
las ventas en un da cualesquiera, despus de la campaa, supere los 2
millones de pesos?

Ejercicio 2
El tiempo de duracin de los chips producidos por un fabricante de
semiconductores es una variable aleatoria cuya distribucin es
aproximadamente normal con media 510
6
horas y desviacin estndar 510
5

horas.

a. Un fabricante de computadores est dispuesto a comprar una gran
cantidad de chips siempre que al menos el 95% del lote tenga un tiempo
de vida superior a 410
6
. Qu decisin debera tomar en vista de la
informacin disponible?
b. Determine entre que valores (duraciones) se encuentra el 50% central de
la variable.

Cecilia Larran Modelos de probabilidad continuos Pgina 6

Ejercicio 3
La resistencia a la traccin de un papel esta modelada por una distribucin
Normal con media 35 libras por pulgada cuadrada y desviacin estndar de 2
libras por pulgada cuadrada.
a. Las especificaciones requieren que la resistencia se encuentre en un
intervalo centrado en la media y de amplitud dos desviaciones estndar.
Qu porcentaje de las hojas de papel sern rechazadas por no cumplir
las especificaciones?
b. Cul es la resistencia mnima del 60% de los papeles que tienen mayor
resistencia a la traccin?
Ejercicio 4
La duracin ininterrumpida de un equipo electrnico tipo A es una variable
aleatoria distribuida normalmente con media 1400 horas y varianza 800 horas
2
,
y la duracin ininterrumpida de un equipo tipo B se distribuye exponencialmente
con media 1500 horas.
Qu tipo de equipo es ms conveniente elegir si se necesita realizar un
proceso que dure al menos 1340 horas, sin interrupcin?


Ejercicio 5 (modelo exponencial)
Una empresa suministra una serie de componentes con una vida media de
3000 horas. El riesgo de rotura de los mismos crece a lo largo del tiempo segn
una funcin exponencial ( = 1/3000)

a. Determine la probabilidad de que un componente se rompa antes de llevar
1000 horas de funcionamiento. (resp.: 0,2835)
b. Si los componentes tienen una garanta de un mes, calcule la probabilidad de
que un componente se rompa estando en garanta. (resp.: 0,.2133)
c. En un lote de 50 componentes, cuntas se esperan que se devuelvan
estando en garanta (un mes la garata? (resp.: 11)
d. Suponga que la empresa desea garantizar solamente un 5% de los
componentes Cuntas horas de uso estara garantizado? (Resp: hasta 153, 88 h)
Ejercicio 6
En una distribucin normal el 31% de los elementos estn bajo de 45 y el 8%
sobre 64. Determine , o y P
65.

Ejercicio 7
En cierta comuna el 12,10% de las familias tienen un consumo de energa
elctrica superior a 260 kwh y el 2,28% de las familias gastan a lo ms 4089 um
mensuales en electricidad. Si el consumo mensual de energa elctrica, por
familia es una v.a. con distribucin normal y la compaa elctrica cobra 16,4 um
por kwh ms un costo adicional fijo de 317 um , qu porcentaje de las familias
de la comuna gasta ms de 4100 um mensuales en energa elctrica?




Cecilia Larran Modelos de probabilidad continuos Pgina 7

Ejercicio 8
Una cajera de supermercado demora en promedio 100 segundos en atender a
un cliente. Si se establecen como vlidos los supuestos de Poisson:

Cul es la probabilidad que la cajera atienda a ms de 20 cliente en 25
minutos? (Utilice Excel)

Ejercicio 9
La duracin X en minutos de las conexiones a un servidor web sigue una
distribucin Normal de la que se sabe:
P(X < 9) = 0,879 P(X < 2,32) = 0,015
a. Determinar la probabilidad de que una conexin dure ms de 4 minutos
b. Qu valor (minutos) supera el 30% de las conexiones ?
c. Determinar la probabilidad de que en 10 conexiones elegidas aleatoriamente,
al menos dos duren menos 5 minutos

Ejercicio 10
Cierto tipo de transistor deber utilizarse en cierta aplicacin por lo menos
durante 50 horas. Se dispone de dos marcas de transistores. La duracin de un
transistor marca I tiene una distribucin normal con media 46 hr. y desviacin
estndar de 6 hr, en cambio la duracin de los transistores marca II tienen un
comportamiento normal con media 40 hr. y desviacin estndar de 14 horas.
a. Qu marca de transistor recomendara Ud.? Justifique su respuesta.
b. Se seleccionan al azar y en forma independiente cinco transistores de la
marca II. Cul es la probabilidad de que por lo menos uno dure ms de 50
horas?
c. Si un transistor de la marca I lleva funcionando ms de 50 h, cul es la
probabilidad de que dures menos de 65 horas?


Ejercicio 11
La resistencia de un cable elctrico de alta tensin se considera una variable
aleatoria con distribucin normal con una media de 36 (ohmios) y una varianza
de 0,64 (ohmios)
2
. Un cable se considera defectuoso si su resistencia es inferior
a 35 (ohmios).
a. De los cables que tienen una resistencia superior a 34 (ohmios) Qu
proporcin de cables se consideran defectuosos?

Sol: X = resistencia de un cable elctrico de alta tensin
X ~ N( = 36 ,
2
= 0,64)
P(X < 35 / X > 34) =
P(34 < X < 35)
P(X > 34)
=
Z Z
Z
F (-1,25) - F (-2,5)
1 - F (-2,5)
=
0,1057 0,0062
1 0,0062



= 0,1001
b. Se eligen al azar y en forma independiente 10 cables, Cul es la probabilidad que
ms de 2 cables resulten defectuosos?

Cecilia Larran Modelos de probabilidad continuos Pgina 8


Sol: Y = n de cables defectuosos en la muestra

Y ~ B(n = 10 , p = 0,1057) p = P(X < 35) = 0,1057 q = 0,8943
10
10
( ) (0,1057) (0,8943) ; y = 0,1,2, ...,10
y y
p y
y

| |
=
|
\ .


P(Y > 2) = 1 P(Y < 2)
= 1 [P( Y = 0) + (P = 1) + P(Y = 2)]
= 1 (0,3272 + 0,3867 + 0,2057)
= 1 0,9186
= 0,0814

Problema 12
La velocidad de los microprocesadores de una determinada marca fabricados en una
planta es una variable aleatoria que se distribuye segn una normal de media 3 GHz,
adems el 97,725% de los microprocesadores tienen velocidad inferior a 3,03 GHz .
Para poder proceder a su venta, se consideran aceptables los microprocesadores que
tienen una velocidad mayor que 2,98 GHz y menor que 3,05 GHz

a. Determine la probabilidad de que un microprocesador elegido al azar sea
aceptable.
X = velocidad de un microprocesador GHz
X ~ N( = 3 ,
2
= ?)
Calculo de : P(X < 3,03) = 0,97725

3,03 - 3
P

| |
|
\ .
= 0,97725
3,03 - 3
= 2 = 0,015

| |

|
\ .


P(aceptable) = P(2,98 < X < 3,05) = P(-1,33 < Z < 3,33)
= F
Z
(3,33) F
Z
(-1,33)
= 0,99957 0,09176
= 0,90781
b. Si se toma una muestra aleatoria al azar de cuatro microprocesadores, cul es
la probabilidad de que por lo menos uno no sea aceptable?

Y = Nmero de microprocesadores no aceptable en la muestra

Y ~ B(n = 4 , p =0,09219) p = P(2,98 < X < 3,05)
C

= 1- 0,90781
= 0,09219 q = 0,90781

P(pedida) = P(Y > 1) = 1 - P(Y = 0)


Cecilia Larran Modelos de probabilidad continuos Pgina 9


0 4
4
= 1- (0,09219) (0,90781)
0
| |
|
\ .

= 1- 0,6791
= 0,32083

Ejercicio 13
En la red informtica de una empresa hay 3 sistemas multiusuario, que se
identificarn como S1, S2 y S3. Las peticiones de conexin que se realizan a
estos equipos se reparten de forma que, el 60% se efectan sobre S1, el 30%
sobre S2 el 10% sobre S3.
Los tiempos de respuestas a estas peticiones son variables aleatorias,
expresadas en segundos, tal que:
i) El tiempo (X
1
) de respuesta de S1, en segundos, se distribuye
exponencialmente en media 5 seg.
ii) El tiempo (X
2
) de respuesta de S2, se segundos, tiene una distribucin
normal con media 6 seg y desviacin estndar de 2 seg.
iii) El tiempo (X
3
) de respuesta de S3, en segundos, se distribuye uniforme
entre 4 seg. y 8 seg.
Si el tiempo de respuesta de una peticin de conexin supera los 7
segundos, se dice que la peticin es fallida, y en otro caso se considera
peticin atendida.
a) Calcule la probabilidad de que una peticin seleccionada aleatoriamente
sea fallida. Resp.: 0,2655
b) En 10 peticiones de conexin al sistema S2, seleccionadas
aleatoriamente y de forma independiente entre s, determine la
probabilidad de que resulten al menos una peticin de las que se
consideran atendidas. Resp.: 0,999

PROPIEDAD REPRODUCTIVA DE LA DISTRIBUCIN NORMAL

Sea X
1
, X
2
, X
n
n variables aleatorias independientes idnticamente
distribuidas f(x) con E(X) = y V(X) =
2

Entonces X
1
+ X
2
+ + X
n
se aproxima a una distribucin N(n , n
2
)
cuando n
f(x) puede ser modelo discreto o contnuo
El valor de n para aproximaciones buenas depende de la distribucin de partida









Cecilia Larran Modelos de probabilidad continuos Pgina 10

TALLER (modelos)

Problema 1
Ciertos tornillos son clasificado como defectuosos si su largo (X) o su radio (Y)
estn fuera de los lmites de tolerancia especificado a continuacin:
19,80 mm < largo < 20,20 mm y 4,78 mm < radio < 5,22 mm.
Basados en la historia se determin que:
X ~ N(
2
X X
( 20; = 0,02) = , Y ~ N(
2
Y Y
( 5 ; ) = y el 97,725% de los tornillos
tienen radios inferior a 5,36 mm.
Si se asume que X e Y son variables aleatoria estadsticamente independientes,
a. Calcule la probabilidad de que un tornillo elegido al azar sea defectuoso
b. Determine la probabilidad de que en una muestra de 10 tornillos, elegidos
de distintos lotes, resulten ms de tres con los radios fuera del lmite de
tolerancia.
c. Determine e interprete el valor de x
0
tal que la P( X < x
0
) = 0,975

Problema 2
La longitud de ciertas vigas de madera es una variable aleatoria distribuida
normal con media 5 metros y desviacin estndar de 0,2 metros.
a. Qu longitud es excedida por el 92 % de las vigas
b. Se eligen al azar y en forma independiente una muestra de 5 vigas, Cul es
la probabilidad de que ms de tres vigas, tengan longitud entre 4,63 y 5,15 m.
Problema 3
Un trasportista cuando llega a la fbrica tiene que descargar el material
transportado. El tiempo de espera, en horas, hasta que es atendido (X) es una
variable aleatoria distribuida uniforme en el intervalo (0 , 1). El tiempo que tarda
en descargar el material, en horas (Y) se puede modelar en forma exponencial
con parmetro 2. Los tiempos X e Y son independientes.
3.a. Sea T el tiempo total que emplea el transportista, es decir la suma de del
tiempo de espera y del tiempo de descarga. Determine el tiempo total
esperado y la variabilidad de ese tiempo.
3.b. Cul es la probabilidad que el tiempo que demoren en descargar el
material sea superior a 90 minutos?

Problema 4
El ancho X en cm y el largo Y en cm en centmetros de cierta pieza metlica
rectangular son variables aleatorias independientes distribuidas normal con
parmetros:

X
= 2
Y
= 5
X
= 0,1
Y
= 0,2
Se extraen al azar y en forma independiente 15 piezas, cul es la
probabilidad de que a lo ms 13 piezas tengan permetros inferior a 14,5 cm.

You might also like