Professional Documents
Culture Documents
PROBABILIDAD
Bibliografía
• Devore, J. L. (2008). Probabilidad y estadística para ingenierías y
ciencias. Cengage Learning Editores.
• Triola, M. F. (2004). Estadística. Pearson educación.
• Mendelhall, W., Beaver, R., & Beaver B. (2002). Introducción a la
probabilidad y estadística. International Thomson Editores.
• Myers, R. H. M., Walpole, S. L., Ronald, E. Y., & Walpole, K. E. (2007).
Probabilidad y estadística para ingeniería y ciencias.
• Quezada, N. (2010). Estadística para ingenieros. Empresa Editora
Macro EIRL.
QUÉ ES UNA DISTRIBUCIÓN DE
PROBABILIDAD
Listado de todos los resultados de un
experimento (espacio muestral) y la probabilidad
asociada con cada resultado.
fórmula, tabla o gráfica
Juego: el que pase las fichas al otro lado
primero
Ejercicio
• Un embarque de 20 computadoras portátiles similares
para una tienda minorista contiene 3 que están
defectuosas. Si una escuela compra al azar 2 de estas
computadoras, calcule la distribución de probabilidad
para el número de computadoras defectuosas que
podría comprar la escuela.
𝑘 𝑁−𝑘
𝑥 𝑛−𝑥
ℎ 𝑥; 𝑁, 𝑛, 𝑘 = 𝑁
𝑛
máx {0, n −(N − k)} ≤ x ≤ min {n, k}.
Ejemplos
• La distribución exponencial es la distribución más usada en confiabilidad,
también se usa en teoría de colas. Por lo general describe los tiempos entre
eventos que ocurren en secuencia. El tiempo de operación antes de
cualquier falla, a menudo sugiere una clase de distribución denominada
distribución exponencial.
Ejemplos
• Distribución de Poisson Se utiliza en situaciones en las que se quiere
determinar el número de eventos de un tipo concreto que ocurren en
un intervalo de tiempo o espacio dado.
𝑒 −λt λt 𝑥
𝑝 𝑥; λt =
𝑥!
X= 0,1,2,…
1 𝑥−µ 2
−
𝑛 𝑥; µ, σ = 𝑒 2 2
2
−∞ < 𝑥 < ∞
Una vez que se especifican μ y σ, la curva normal queda determinada
por completo. donde π = 3.14159. . . y e = 2.71828. . .
Por ejemplo, si μ = 50 y σ = 5, entonces se pueden calcular las alturas
en y con n(x; 50, 5) para diferentes valores de x y dibujar la curva.
La curva normal
µ1 = µ2 𝑦 1 < 2
µ1 < µ2 𝑦 1 = 2
µ1 < µ2 𝑦 1 < 2
Propiedades de la curva normal
• 1. La moda, que es el punto sobre el
eje horizontal donde la curva tiene su
punto máximo, ocurre en x = μ.
• 2. La curva es simétrica alrededor de
un eje vertical a través de la media μ.
• 3. La curva normal se aproxima al eje
horizontal de manera asintótica,
conforme nos alejamos de la media en
cualquier dirección.
• 4. El área total bajo la curva y sobre el
eje horizontal es igual a uno.
Regla empírica
• Si la distribución de la población de
una variable es (aproximadamente)
normal, entonces
• 1. Aproximadamente 68% de los
valores están dentro de 1 de la
media.
• 2. Aproximadamente 95% de los
valores están dentro de 2 de la
media.
• 3. Aproximadamente 99.7% de los
valores están dentro de 3 de la
media.
En realidad es inusual observar un valor de una población normal que esté mucho más lejos de 2 desviaciones estándar de µ.
Cálculo de la probabilidad 𝑃(𝑥1 < X < 𝑥2 )
(área bajo la curva)
𝑥2
1 𝑥2 𝑥−µ 2
−
𝑛 𝑥; µ, 𝜎 𝑑𝑥 = 𝑒 2 2 𝑑𝑥
𝑥1 2 𝑥1
Ó….
Distribución Normal Estándar
• Podemos transformar
todas las observaciones
de cualquier variable
aleatoria normal X en un
nuevo conjunto de
observaciones de una
variable aleatoria normal
Z con media 0 y varianza
1 NORMAL ESTÁNDAR
𝑥2
𝑛 𝑥; µ, 𝜎 𝑑𝑥 𝑋−µ Tablas de la normal estándar
𝑍=
𝑥1
Ejemplo
• Dada una distribución normal estándar, calcule el área bajo la curva
que se localiza
• a) a la derecha de z = 1.84, y
• b) entre z = –1.97 y z = 0.86
Ejercicio
• Dada una distribución normal estándar, calcule el valor de k tal que
• a) P (Z > k) = 0.3015, y
• b) P(k < Z < −0.18) = 0.4197
Ejemplo
• Dada una variable aleatoria X que tiene una distribución normal con
μ= 50 y σ = 10, calcule la probabilidad de que X tome un valor entre
45 y 62.
1. Grafique para identificar el área P (45 < X < 62) = P (Z1 < Z < Z2)
que le piden
2. Calcular los valores de Z1 y Z2
3. Con las tablas calcule el área
(probabilidad)
Ejercicio
• En una lechería la producción diaria de leche
por vaca, se distribuye de manera Normal con
media µ=18 y varianza 𝜎 2 =9
Cuál es la probabilidad que una vaca elegida al
azar:
1) produzca menos de 12 litros
2) tenga una producción entre 21 y 24 litros?
3) produzca entre 15 y 22 litros?
4) tenga una producción mayor a 25 litros?
Ejercicio
• El consumo medio anual de cerveza de
los habitantes de un país es de 59
litros, con una varianza de 36. Se
supone que se distribuye según una
distribución normal.
• A) Usted presume de buen bebedor ,
¿cuántos litros de cerveza tendría que
beber al año para pertenecer al 5% de
la población que más bebe?
• Si usted bebe 45 litros de cerveza al
año y su mujer le califica de borracho
¿qué podría argumentar en su
defensa?
Ejercicio
• Suponga que Michelin ha fabricado un nuevo neumático que será
vendido por un almacén de cadena del país. Como este neumático
es un producto nuevo, los directivos de la empresa piensan que la
garantía de duración será un factor importante en la aceptación del
neumático. Antes de definir la póliza, los directivos necesitan
información probabilística acerca de x= duración del neumático en
número de kilómetros.
• De acuerdo con las pruebas realizadas al neumático, los ingenieros
de Michellin estiman que la duración media en kilómetros es µ=
36500 kilómetros y que la desviación estándar es =5000. Además,
los datos recogidos indican que es razonable suponer una
distribución normal.
• ¿Qué porcentaje de los neumáticos se espera que duren más de
40000 kilómetros? En otras palabras ¿cuál es la probabilidad de que
la duración de los neumáticos sea superior a 40000?
Continuación ejercicio llantas
• Ahora suponga que Michelin está
considerando una garantía que de un
descuento en la sustitución del
neumático original si este no dura lo que
asegura la garantía. ¿Cuál debe ser la
duración en kilómetros especificada en
la garantía si Michelin desea que no más
del 10% de los neumáticos alcancen la
garantía?
Ejercicio
En un proceso industrial el diámetro de un
rodamiento es una medida importante.
El comprador establece que las
especificaciones en el diámetro sean 3.0
0.01 cm. Esto implica que no se aceptará
ninguna parte que no cumpla estas
especificaciones.
Se sabe que en el proceso el diámetro de un
rodamiento tiene una distribución normal
con media μ = 3.0 y una desviación estándar
σ=0.005. En promedio, ¿cuántos de los
rodamientos fabricados se descartarán?
DISTRIBUCIÓN t- student
𝑋−µ
𝑍=
Tiene forma de campana y es simétrica
No existe una distribución t, sino una familia. Todas
las distribuciones t tienen una media de 0 y sus
desviaciones estándares difieren de acuerdo con el
tamaño de la muestra n.
La dist t se extiende más y es más plana por el centro
que la normal estándar.
Si el tamaño de la muestra es suficientemente grande,
digamos n ≥ 30, la distribución de T no difiere mucho de la
normal estándar
𝑋−𝜇
𝑇=
𝑆/ 𝑛 v= Grados de Libertad= n-1
Ejercicio t
• Hallar el valor t con 19 grados de libertad, que deja un área de 0.05 a la
derecha
Ejercicio t
• Hallar el valor t con v= 14 grados de libertad que deja un área de 0.025 a la
izquierda
Ejercicio t
• Encuentre la probabilidad de –t0.025 < t < t0.05.
Ejercicio t
Encuentre k tal que P(k < t < -1.761) = 0.045, para una muestra
aleatoria de tamaño 15.
Ejercicio t
Un ingeniero químico afirma que
el rendimiento medio de la
población de cierto proceso en
lotes es 500 gramos/milímetro de
materia prima.
Para verificar esta afirmación
toma una muestra de 25 lotes
cada mes.
Si el valor de t calculado cae entre
–t0.05 y t0.05, queda satisfecho con ¿Qué conclusión extraería de una muestra que
su afirmación. tiene una media de 518 gramos por milímetro y una
𝑋−𝜇 desviación estándar de 40 gramos?
𝑇=
𝑆/ 𝑛
Ejercicio t
Los puntajes de un grupo de estudiantes se comportan de manera
normal con promedio de 50, sin embargo, no se conoce la desviación.
Se tomó una muestra aleatoria de 9 estudiantes encontrando una
varianza de 36 y un promedio de 52. Cuál es la probabilidad de que el
promedio:
• Sea mayor de 54?
• Sea menor que 54?
• Esté comprendido entre 48 y 52 puntos?
𝑋−𝜇
𝑇=
𝑆/ 𝑛
DISTRIBUCIÓN EXPONENCIAL
Se utiliza con frecuencia como modelo
de la distribución de tiempos entre la
ocurrencia de eventos sucesivos, tales
como:
f(x;) = 𝑒 −𝑥/𝛽
ó λ𝑒 −λ𝑥 x ≥ 0 >0
o 𝛽
f(x; λ) =
0 en cualquier otro caso