FACULTAD DE INGENIERA

PROBABILIDAD Y ESTADSTICA
ING. FREDDY GIRN

TAREA 12
1. DISTRIBUCIN NORMAL
a) Qu % de los valores de pureza esperara que estuvieran entre 99.5 y 99.7?
Z =
(99.5-99.61)/0.08=
=DISTR.NORM.ESTAND(- 1.375)

-1.375
0.08457

Z =
(99.7-99.61)/0.08=
=DISTR.NORM.ESTAND( 1.125)

1.125
0.8697

P = 0.7852
b) Qu valor de pureza esperara que excediera exactamente el 5% de la poblacin?
=DISTR.NORM.ESTAND.INV(0.95)=
1.6449
X = 1.6449*0.08 + 99.61 = 99.7416
2. DISTRIBUCIN UNIFORME
a) A lo ms 8.8 litros
b) Ms de 7.4 litros pero menos de 9.5 litros
c) Al menos 8.5 litros

3. DISTRIBUCIN NORMAL

0.3446< p < 0.7881=0.4435

ESTE RESULTADO ES PARA UN DA, COMO JUNIO TIENE 30
DAS

0.4435 * 30 = 13.3 DAS

4. BINOMIAL
=DISTR.BINOM(2,150,0.02,VERDADERO)= 0.4209
5. DISTRIBUCIN HIPERGEOMTRICA

Debe contratar 10 (muestra) de un total de 30 (poblacin) o sea el 33%, NO USAR BINOMIAL.

Los 22 que tienen ttulo universitario = r, equivale a tener xito, los otros 8 no tienen ttulo
universitario.
P(X) = la probabilidad de que 5 de los de la muestra tengan ttulo (sean universitarios, tengan
la caracterstica de xito):
N = tamao de la poblacin = 30
r = nmero de xitos en la poblacin = 22
n = tamao de la muestra = 10

x = nmero de xitos en la muestra = 5

=DISTR.HIPERGEOM(5,10,22,30)=

0.04908

6. DISTRIBUCIN GEOMTRICA
La probabilidad de obtener el primer xito en el x-simo ensayo est dada por
P(x) = p(1-p)x-1,
donde p es la probabilidad de xito en cualquier ensayo individual.
p = probabilidad de xito en cualquier ensayo = 30% (Suponga que 30% de solicitantes de empleo en una
industria estn capacitados en programacin de computadoras). Estar o no estar capacitado
x = ensayo en que aparecer el primer xito = 5 (en la quinta entrevista)
P(x) = p(1-p)x-1 = 0.3(0.7)5-1 = 0.072
7. DISTRIBUCIN BINOMIAL NEGATIVA

Nos interesa la probabilidad de encontrar 3 operarios con xito (resultado positivo), r = 3

X = los operarios que habra que examinar para encontrar los 3 con xito
P(x = 10) =

=NEGBINOM.DIST(7,3,0.4,FALSO)= 0.06450
8. DISTRIBUCIN EXPONENCIAL
PORQU EXPONENCIAL Y NO POISSION? VER DIAPOSITIVAS 11 Y 12 DE LA PRESENTACIN
DE LA CLASE 24 DISTRIBUCIONES UNIFORME Y EXPONENCIAL, ESPECIALMENTE:
A diferencia de la de Poisson, la distribucin exponencial es una distribucin continua. Mide el
paso del tiempo entre tales ocurrencias.
Mientras que la distribucin de Poisson describe las tasas de llegada dentro de algn periodo
dado, la distribucin exponencial estima el lapso entre tales arribos (el tiempo que pasa entre
la llegada de un cliente y otro).

= TASA PROMEDIO DE OCURRENCIA = 1 MARCAPASOS EN 16 AOS = 0.0625 MARCAPASOS /AOS

t = LAPSO DE TIEMPO =
20 AOS

- (0.0625*20)

P ( X 20 HORAS ) =

1-e

P ( X 20 HORAS ) =

1 - POTENCIA (2.7183,-0.0625*20)
0.7135

TAMBIN CON EXCEL

P ( X 20 HORAS ) =

=DISTR.EXP(x,lambda,acum)

P ( X 20 HORAS ) =

=DISTR.EXP(20,0.0625,VERDADERO)=

0.7135