Procesos industriales rea manufactura.

Estadstica.
Ejemplos de distribuciones de probabilidad.
Leonardo Garca Lamas.

Grupo y seccin: 2 a
Distribucin de Bernoulli con 5 ejemplos
1) Tenemos cartas que estn enumeradas del 1 al 9 Cul es la probabilidad
de sacar la carta 9?

La probabilidad de que obtengamos la carta 9.

P(x=1) = (1/9) 1 * (8/9) 0 = 1/9 = 0.111

La probabilidad de que NO obtengamos la carta 9.

P(x=0) = (1/9)0 * (8/9)1 = 8/9 = 0.888

2) Una maestra enumera a sus alumnos del 1 al 16, para as poder darles un
premio, pero la maestra los seleccionar con los ojos cerrados, Cual es la
probabilidad de que salga el alumno numero 16?

La probabilidad de que seleccione al alumno numero 16.

P(x=1) = (1/16) 1 * (15/16) 0 = 1/16 = 0.0625

La probabilidad de que NO seleccione al alumno numero 16.

P(x=0) = (1/9)0 * (15/16)1 = 15/16 = 0.9375

3) Hay una urna con 342 boletos, para ganar un automvil, al momento de
sacar alguno de ellos que probabilidad hay para que pueda salir premiado el
boleto nmero 342?

La probabilidad de que saque el boleto nmero 342.

P(x=1) = (1/342) 1 * (341/342) 0 = 1/342 = 0.00292

La probabilidad de que NO seleccione al alumno numero 342.

P(x=0) = (1/342)0 * (341/342)1 = 341/342 = 0.99707

4) "Lanzar una moneda, probabilidad de conseguir que salga cruz".

Se trata de un solo experimento, con dos resultados posibles: el xito (p) se

considerar sacar cruz. Valdr 0,5. El fracaso (q) que saliera cara, que vale (1 -
p) = 1 - 0,5 = 0,5.

La variable aleatoria X medir "nmero de cruces que salen en un

lanzamiento", y slo existirn dos resultados posibles: 0 (ninguna cruz, es decir,
salir cara) y 1 (una cruz).

Por tanto, la v.a. X se distribuir como una Bernoulli, ya que cumple todos los
requisitos.
 La probabilidad de obtener cruz.

P(x=1) = (0.5) 1 * (0.5) 0 = 0.5 = 0.5

La probabilidad de no obtener cruz.

P(x=0) = (0.5)0 * (0.5)1 = 0.5 = 0.5

Distribucin de binomial con 5 ejemplos
Ejemplo 1:

Supongamos que se lanza un dado 50 veces y queremos la probabilidad de

que el nmero 3 salga 20 veces. En este caso tenemos una X ~ B(50, 1/6) y la
probabilidad sera P(X=20):

Ejemplo 2:

La ltima novela de un autor ha tenido un gran xito, hasta el punto de que el

80% de los lectores ya la han ledo. Un grupo de 4 amigos son aficionados a la
lectura:

1. Cul es la probabilidad de que en el grupo hayan ledo la novela 2

personas?

B(4, 0.2) p = 0.8 q = 0.2

2. Y cmo mximo 2?
Ejemplo 3:

Un agente de seguros vende plizas a cinco personas de la misma edad y que

disfrutan de buena salud. Segn las tablas actuales, la probabilidad de que una
persona en estas condiciones viva 30 aos o ms es 2/3. Hllese la
probabilidad de que, transcurridos 30 aos, vivan:

1. Las cinco personas.

B(5, 2/3) p = 2/3 q = 1/3

2. Al menos tres personas.

3. Exactamente dos personas.

Ejemplo 4: Se lanza una moneda cuatro veces. Calcular la probabilidad de que

salgan ms caras que cruces.

B(4, 0.5) p = 0.5q = 0.5

Ejemplo 5:

La probabilidad de que un hombre acierte en el blanco es 1/4. Si dispara 10

veces cul es la probabilidad de que acierte exactamente en tres ocasiones?
Cul es la probabilidad de que acierte por lo menos en una ocasin?

B(10, 1/4) p = 1/4q = 3/4

Distribucin de Poisson con 5 ejemplos

Ejemplo.- 1 Si ya se conoce que solo el 3% de los alumnos de contabilidad

son muy inteligentes Calcular la probabilidad de que si tomamos 100 alumnos
al azar 5 de ellos sean muy inteligentes:

n= 100

P=0.03

=100*0.03=3

x=5

Ejemplo2.- La produccin de televisores en Samsung trae asociada una

probabilidad de defecto del 2%, si se toma un lote o muestra de 85 televisores,
obtener la probabilidad que existan 4 televisores con defectos:

n=85

P=0.02

P(x5)=(e^-17)(1.7^4)/4!=0.0635746

X=4

=1.7
Ejemplo3.- una jaula con 100 pericos 15 de ellos hablan ruso calcular la
probabilidad de que si tomamos 20 al azar 3 de ellos hablan ruso:

n=20

P=0.15 P (x=3)=(e^-8)(3^3)/3!=0.2240418

X=3

=3

Ejemplo4.- El 8% de los registros contables de una empresa presentan algn

problema, si un auditor toma una muestra de 40 registros Calcular
probabilidad de que existan 5 registros con problemas?

n=40

P=0.08 P(X=5)(e^3.2)(3.2^5)/5!=0.1139793

=3.2

X=5

Ejemplo.-5 Se calcula que la ciudad el 20% de las personas tiene defecto de la

vista si tomamos una muestra de 50 personas al azar Calcular Probabilidad
que existan 5 registros con problemas?

n=40

P=0.08

=10
 Distribucin normal con 5 ejemplos

1.- Una poblacin normal tiene una media de 80 una desviacin estndar
de 14.0
= 80
= 14

a) Calcule la probabilidad de un valor

localizado entre 75.0 y 90.0
p (75 x 90)
75 80 90

Probabilidad
acumulada.
z = 0.7611

0.3594
z =

p (75 x 90) = 0.7611 0.3594 = 0.4017

b) Calcule la probabilidad de un valor de 75.0 menor.

p(x 75)

Probabilidad
acumulada.
z
0.3594

p(x 75) = 0.3594

75 80

c) Calcule la probabilidad de un valor
localizado entre 55.0 y 70.0
p (55 x 70)

Probabilidad
acumulada.
z =
0.2389

0.0367
z =

p (55 x 70) = 0.2389 0.0367= 0.2022

55 70 80

2.-Los montos de dinero que se piden en las solicitudes de prstamos en
Down River Federal Savings tiene una distribucin normal, una media de
$70,000 y una desviacin estndar de $20,000. Esta maana se recibi
una solicitud de prstamo. Cul es la probabilidad de que:

= $70,00

=$20,0 z

a) El monto solicitado sea de $80,000 o superior?

p(x 80,000)

Probabilidad
acumulada.
z = 0.6915

p(x 80,000) = 1 0.6915= 0.3085

70000 80000

b) El monto solicitado oscile entre $65,000 y $80,000?

p(65,000 x 80,000)

Probabilidad
acumulada.
z =
0.6915

0.4013
z =

p(65,000 x 80,000) = 0.6915 0.4013 = 0.2902 65000 70000 80000

c) El monto solicitado sea de $65,000 o superior.

p(x 65,000)

Probabilidad
acumulada.
0.4013
z =

p(x 65,000) = 1 0.4013 = 0.5987

65000 70000

3.-Entre las ciudades de Estados Unidos con una poblacin de ms de

250,000 habitantes, la media del tiempo de viaje de ida al trabajo es de
24.3 minutos. El tiempo de viaje ms largo pertenece a la ciudad de
Nueva York, donde el tiempo medio es de 38.3 minutos. Suponga que la
distribucin de los tiempos de viaje en la ciudad de Nueva York tiene una
distribucin de probabilidad normal y la desviacin estndar es de 7.5
minutos.

= 38.3 min.

= 7.5 min. z

a) Qu porcentaje de viajes en la ciudad de Nueva York consumen

menos de 30 minutos?
p( x 30)

Probabilidad
acumulada.
z =
0.1335

p( x 30) = 0.1335 = 13.35%

30 38.3
b) Qu porcentaje de viajes consumen entre 30 y 35 minutos?
p(30 x 35)

Probabilidad
acumulada.
z =
0.3300

0.1335
z =
30 35 38.3

 p(30 x 35) = 0.3300 0.1335 = 0.1965 = 19.65%

c) Qu porcentaje de viajes consumen entre 30 y 40 minutos?

p(30 x 40)

Probabilidad
acumulada.
z ==1,200
1,200 0.5910
==225
225
0.1335
Probabilidad
Probabilidad z
acumulada.
acumulada.
5%
5%== .0500
.0500

z =

p(30 x 40) = 0.5910 0.1335 = 30 38.3

0.4575 = 45.75%

4.- Las ventas mensuales de silenciadores en el rea de Richmond,

Virginia, tiene una distribucin normal, con una media de $1,200 y una
desviacin estndar de $225. Al fabricante le gustara establecer niveles
de inventario de manera que solo haya 5% de probabilidad de que se
agoten las existencias. Dnde se deben establecer los niveles de
inventario?

1 - 0.0500 = 0.9500
Valor z = 1.65
5% 0.0500

z 1.65

X=
x = 1,571.25 1,571.25
 5.-En 2004 y 2005, el costo medio anual para asistir a una universidad
privada en Estados Unidos era de $20,082. Suponga que la distribucin
de los costos anuales se rigen por una distribucin de probabilidad
normal y que la desviacin estndar es de $4,500. El 95% de los
estudiantes de universidades privadas paga menos de Qu cantidad?

95% 0.9500
z 1.64

x = 27,462.
X=
27,46275

Distribucin gamma 5 ejemplos

La distribucin gamma se puede caracterizar del modo siguiente: si se est
interesado en la ocurrencia de un evento generado por un proceso de Poisson
de media lambda, la variable
que mide el tiempo
==20,082
transcurrido hasta 20,082 obtener n
ocurrencias del ==4,500 z evento sigue
una distribucin 4,500 gamma con
Probabilidad Valor
parmetros a= n Probabilidad
acumulada.
Valor
de z
lambda(escala) y acumulada. de z p=n (forma).
95% = .9500 =
Se denota 95% = .9500 =
Gamma(a,p).

Por ejemplo, la distribucin gamma aparece

cuando se realiza el estudio de la duracin de
elementos fsicos (tiempo de vida).
Esta distribucin presenta como propiedad
interesante la falta de memoria. Por esta
razn, es muy utilizada en las teoras de la
fiabilidad, mantenimiento y fenmenos de
espera (por ejemplo en una consulta mdica tiempo que transcurre hasta la
llegada del segundo paciente).
Ejercicio 1
El nmero de pacientes que llegan a la consulta de un mdico sigue una
distribucin de
Poisson de media 3 pacientes por hora. Calcular la probabilidad de que
transcurra menos de una hora hasta la llegada del segundo paciente.
Debe tenerse en cuenta que la variable aleatoria tiempo que transcurre hasta
la llegada del segundo paciente sigue una distribucin Gamma (6, 2).
Solucin:

Clculo de probabilidades. Distribuciones continuas

Gamma (a
p)
a : Escala 60000
p : Forma 20000
Punto X 10000

Cola Izquierda Pr[X<=k] 0,9826

Cola Derecha Pr[X>=k] 0,0174
Media 0,3333
Varianza 0,0556
Moda 0,1667

La probabilidad de que transcurra menos de una hora hasta que llegue el

segundo paciente es 0,98.

Ejercicio 2
Suponiendo que el tiempo de supervivencia, en aos, de pacientes que son
sometidos a una cierta intervencin quirrgica en un hospital sigue una
distribucin Gamma con parmetros a=0,81 y p=7,81, calclese:

1. El tiempo medio de supervivencia.

2. Los aos a partir de los cuales la probabilidad de supervivencia es menor
que 0,1.

Clculo de probabilidades. Distribuciones continuas

Gamma (a,p)
a : Escala 0,8100
p : Forma 7,8100

Cola Izquierda Pr [X<=k] 0,9000

Cola Derecha Pr [X>=k] 0,1000
Punto X 14,2429
Media 9,6420
Varianza 11,9037
Ejercicio

Distribucin t- student con 5 ejemplos

1. Un fabricante de focos afirma que su producto durar un promedio de
500 horas de trabajo. Para conservar este promedio esta persona
verifica 25 focos cada mes. Si el valor y calculado cae entre t 0.05 y t
0.05, l se encuentra satisfecho con esta afirmacin. Qu conclusin
deber l sacar de una muestra de 25 focos cuya duracin fue?:

520 521 511 513 510 =500 h

513 522 500 521 495 n=25

496 488 500 502 512 Nc=90%

510 510 475 505 521 X=505.36

506 503 487 493 500 S=12.07

SOLUCIN.

t= x -
 SI n = 1- Nc = 10%

v = n-1 = 24

t = 2.22

Enseguida se muestra la distribucin del problema segn el grafico sig.

2. El profesor Prez olvida poner su despertador 3 de cada 10 das.

Adems, ha comprobado que uno de cada 10 das en los que pone el
despertador acaba no levantndose a tiempo de dar su primera clase,
mientras que 2 de cada 10 das en los que olvida poner el despertador,
llega a tiempo hadar su primera clase.

(a) Identica y da nombre a los sucesos que aparecen en el enunciado.

(b) Cual es la probabilidad de que el profesor Prez llegue a tiempo a dar su

primera clase?

Solucin: En primer lugar conviene identicar el experimento aleatorio que

estamos realizando. Este consiste en tomar un da al azar en la vida del
profesor Prez y analizarlo en base a los siguientes sucesos.

(a) Para un da al azar decimos que se ha dado el suceso:

O cuando el profesor ha olvidado poner el despertador

T cuando el profesor ha llegado tarde a su primera clase.

Notemos que tanto {O, O} como {T, T} forman un sistema completo de sucesos.
A continuacin traducimos en trminos de probabilidad de los sucesos
anteriores todos los datos que nos dan en el enunciado.
P(O) = , P (T |O) = , P(O) = , P(T |O) = .

(b) El suceso llegar a tiempo a su clase es el complementario de T , por tanto

nos piden que calculemos P(T). Puesto que {O, O} es un sistema completo de
sucesos, podemos aplicar la formulas de la probabilidad total, de donde
tenemos que:

P (T) = P (T |O) P(O) + P (T | O) P (O).

En la expresin anterior aparecen varios de los datos que nos ha

proporcionando el enunciado, sin embargo no conocemos directamente el valor
de P(T | O). Para calcularlo utilizamos que

P (T | O) = 1 P(T |O) = 1 = De esta forma, la expresin anterior se

puede escribir como: P(T) = + =0.69

3. La longitud de los tornillos fabricados en una fbrica tienen media =10

mm y desviacin s=1 mm, calcular la probabilidad de que en una
muestra de tamao n=25, la longitud media del tornillo sea inferior a 20.5
mm:

P (<20.5)

Estandarizamos T=(X-)/(s/n) que sigue una distribucin t de n-1 grados de

libertad

T=(20.5-20)/(1/25) = 2.5

P (<20.5) --> P (T<2.5) ~ t(24)

P (T<2.5) = 0.9902

P (<20.5)=0.9902
La probabilidad que la longitud media de la muestra de 25 tornillos sea inferior
a 20.5 mm es del 99.02%

4. Calcular el percentil w0=95 y w0=25 en cada uno de los siguientes

casos:

1. En una distribucin t-Student con 3 grados de libertad.

2. En una distribucin t-Student con 30 grados de libertad.

Solucin.

1. Recordemos que w0=95 es aquel nmero real que verifica:

S [W w0=95] = 0=95

Para encontrar este valor en la tabla de la distribucin t-Student bastar:

- ) Localizar en la primera columna los grados de libertad, en este caso: 3.

- ) Localizar en la primer fila la probabilidad acumulada, en nuestro caso:

0=95=

- ) Movernos horizontal y verticalmente desde las posiciones anteriores hasta

cruzarnos en el punto w0=95.

Por tanto el percentil w0=95, en una t-Student con 3 grados de libertad ser el
valor:

w0=95 = 2=3534

Es decir, si desde el valor 2.3534 nos movemos horizontalmente hasta la

primera columna, llegaremos al valor 3 (grados de libertad), y si lo hacemos
verticalmente hacia la primera fila la llegaremos al valor 0.95 (probabilidad
acumulada).

5. Como en la tabla nicamente tenemos tabulada la t-Student para colas

probabilsticas que van desde 0=75 hasta 0=999, para calcular el
percentil w0=25, tendremos que realizar la siguiente consideracin:

S [W w0=25] = 1 s[W w0=25]

Como la distribucin t-Student es simtrica, se verifica:

w0=25 = w0=75

Y resulta: s[W w0=25] = 1 s[W w0=75]

Por tanto, buscando en la tabla con los datos:

Grados de libertad: 3

Cola de probabilidad: 0.75

Tenemos: w0=25 = w0=75 = 0=7649

2. En el caso de 30 grados de libertad actuaremos de modo similar al caso

anterior, pero buscando en la fila 30 de la tabla. Resultando:

w0=95 = 1=6973

Y w0=25 = w0=75 = 0=6828

Calcular los percentiles I8>7;0=99 y I8>7;0=01

Solucin.

Para buscar en la tabla de la F-Snedecor el percentil I8>7; 0=99 hemos de

tener en cuenta que:

df_1 = 8 (1d Fila de la tabla)

df_2 = 7 (1 d Columna de la tabla)

0=99 = Probabilidad acumulada (ltima columna de la tabla)

El valor donde se cruzan todos estos datos ser el percentil buscado.