Está en la página 1de 8

UNIVERSIDAD NACIONAL DE TRUJILLO

Facultad de Ingeniería
Escuela Profesional de Ingeniería Mecánica

PRACTICA 6: DISTRIBUCIÓN DE PROBABILIDAD


CONTINUA

Estadística Aplicada a la Ingeniería Mecánica


AUTORES : GONZALEZ GONZAEZ, Dennis Armando
IPARRAGUIRRE SOBERÓN, Luis Alberto
FLORES PAREDES, Robert Guillermo
CASTILLO OBESO, Wilson Roger
SERNAQUÉ NUNURA, Ángel Jesús
DOCENTE : Ing. RODRIGUEZ OCHOA, Jairo Javier
CICLO : III

Trujillo, Perú
2019
PRACTICA 6:
DISTRIBUCIÓN DE PROBABILIDAD CONTINUAD
I. INTRODUCCIÓN:
Toda distribución de probabilidad es generada por una variable aleatoria x, la
que puede ser de dos
tipos:
Variable aleatoria discreta (x): Se le denomina variable porque puede tomar
diferentes valores,
aleatoria, porque el valor tomado es totalmente al azar y discreta porque solo
puede tomar valores
enteros y un número finito de ellos.
Ejemplos:
 Variable que nos define el número de burbujas por envase de vidrio
que son generadas en un proceso dado: 0, 1, 2, 3, 4, 5, etc, etc.
burbujas por envase
 Variable que nos define el número de productos defectuosos en un lote
de 25 productos.: 0, 1,2, 3,....,25 productos defectuosos en el lote
 Variable que nos define el número de alumnos aprobados en la materia
de probabilidad en un grupo de 40 alumnos: 0, 1, 2, 3, 4, 5,....,40
alumnos aprobados en probabilidad
Con los ejemplos anteriores nos damos cuenta claramente que los valores de
la variable x siempre
serán enteros, nunca fraccionarios.
Variable aleatoria continua (x). Se le denomina variable porque puede tomar
diferentes valores,
aleatoria, porque los valores que toma son totalmente al azar y continua
porque puede tomar tanto
valores enteros como fraccionarios y un número infinito de ellos.
Ejemplos:
 Variable que nos define el diámetro de un engrane en pulgadas: 5.0”,
4.99, 4.98, 5.0, 5.01, 5.0, 4.96
 Variable que nos define la longitud de un cable o circuito utilizado en
un arnés de auto: 20.5cm, 20.1, 20.0, 19.8, 20,6, 20.0, 20.0
 Variable que nos define la concentración en gramos de plata de
algunas muestras de mineral:
14.8gramos, 12.0, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8
Como se observa en los ejemplos anteriores, una variable continua puede
tomar cualquier valor, entero o fraccionario, una forma de distinguir cuando
se trata de una variable continua es que esta variable nos permite medirla o
evaluarla, mientras que una variable discreta no es medible, es una variable
de tipo atributo, cuando se inspecciona un producto este puede ser defectuoso
o no, blanco o negro, cumple con las especificaciones o no cumple, etc.

II. DESARROLLO DE LA PRÁCTICA:


1. Los ingresos de los ingenieros en una empresa están distribuidos
normalmente con una desviación estándar de S/. 1 200. Se piensa
hacer un recorte de personal, por lo que los empleados que ganan
menos de S/. 28 000 serán despedidos. Si el despido representa al 10%
de tales ingenieros. ¿Cuál es el salario medio actual del grupo de
ingenieros?
DESARROLLO
Si el 10% de los salarios están por debajo de S/. 28 000, entonces 40%
(o 0,4000) están entre S/.28 000 y la media µ. La tabla de la
distribución normal indica que z=-1,28 que es el puntaje normal que
ocurre cuando x=28000. Al aplicar la formula puede encontrarse el
valor de µ: -1.28=(2800-u)/1200
𝝁 = 𝑺/. 𝟐𝟗𝟓𝟑𝟔

Es decir, el salario actual de los ingenieros es de S/. 29 536

2. El tiempo de espera x del banco “INTERBANK” tiene una


distribución normal con una media de 3,7 minutos y una desviación
estándar de 1,4. Encuentre la probabilidad de que un cliente elegido de
forma aleatoria haya tenido que esperar menos de 2,0 minutos.

DESARROLLO
Recordemos que en la distribución normal estandar
𝑥− 𝜇
𝑧=
𝜎
Luego del enunciado
𝜇 = 3.7
𝜎 = 1.4
x=2.0
Entonces reemplazando, z= -1.21
Luego P(z<=-1.21) = 0.112319319

Entonces la probabilidad de que un cliente tenga que esperar menos de


2 minutos es de 11,23%

3. Dada una distribución normal basada en 2100 casos sobre el peso de


un electrodoméstico en TIENDAS EFE, con una media de 51
kilogramos y una varianza de 60,84 kg2.Determinar la proporción del
área y el número de casos entre la media y la calificación 69Kg.
DESARROLLO
Del enunciado tenemos lo siguiente

ÍTEM
X 69
Varianza 60.84
u 51
Desv.est. 7.8
Z 2.30769231
Casos 2077.93293

Entonces de la fórmula para distribución normal

La probabilidad será de 0.98949187 es decir, el 98,95%

4. Se ha determinado que la vida útil de la marca de llantas GOODYEAR


PERU tiene una distribución normal con media de 35 000 Km y una
desviación estándar de 2 500 Km. Si un distribuidor hace un pedido de
400 llantas, ¿aproximadamente cuántas llantas durarán más de 41 000
Km?

5. Las calificaciones de 10 aspirantes presentados a un examen para


contratación laboral, se distribuye normalmente con media 6,55 y
varianza
a. Calcule y grafique la probabilidad de que un aspirante obtenga más
de 8 puntos.
b. Determine la proporción de aspirantes con calificaciones inferiores
a 5 puntos.
c. ¿Cuál es la probabilidad de los aspirantes que obtuvieron
calificaciones comprendidas entre 5 y 7,5 puntos?

DESARROLLO

Para la pregunta A: se le resta 1 menos la probabilidad que pide


Para la pregunta B: Simplemente se ingresan los datos para la
probabilidad deseada
Para la pregunta C: Se restan las probabilidades de 7.55 menos la de 5.
Usando la formula =DISTR.NORM. N(x, u ,desv.est; acumulado)
tenemos las siguientes respuestas

6. La empresa PHIPLIPS instala en una ciudad 20 000 focos para su


iluminación. La duración de una distribución normal con media de 300
días y desviación típica de 35 días. Calcular: ¿Cuántas duraran más de
350 días?
DESARROLLO
Tipificamos el valor 350 → t = (350 - 300) /35 = 1.43
- Luego
P (X > 350) = P (t >1.43) = 1- P (t ≤1,43) = 1 – 0.9236 = 0.0764
Entonces el 7,64% de las lámparas, es decir 20.000 * 0.0764 = 1528
bombillas durarán más de 350 días.
- Nos basamos en la tabla de distribución normal.
- Comprobando nuestros datos obtenidos en Excel:
7. Las precipitaciones anuales en una región alcanzan, de media, los
1500 mm, con una desviación típica de 200mm. Calcula, suponiendo
que siguen una distribución normal, la probabilidad de que en un año
determinado la lluvia:
a. No supere los 1200 mm
b. Supere los 1500 mm.
c. Esté entre 1700 y 2300 mm.
d. Deseamos seleccionar el 25% de los años más lluviosos, ¿a partir de
qué cantidad de agua hemos
de escogerlos? ¿Y si deseáramos seleccionar los menos lluviosos?

DESARROLLO:
Del enunciado tenemos:
u=1500mm
desv.est=200mm
a. Se nos pide x<=1200, entonces reemplazamos en la fórmula de
z=(x-u) /desv.est
Luego, z=-1.5 y p(z<=-1.5) por tabla es 0.066807201
Por tanto, la probabilidad de que en un año determinado la lluvia no
supere los 1200mm es de 6.68%

b. Se nos pide x>=1500; de manera similar al ejercicio anterior


z=0; donde p(z>=0) =1-p(z<=0) =1-0.5=0.5
La probabilidad de que en un año la lluvia supere los 1500mm es
del 50%
c. Se pide hallar 1700<=x<=2300, primero hallaremos el z de
x<=1700 y luego el z de x<=2300
z1=1 y z2= 4, por tanto la probabilidad seria p(1<=z<=4)=p(z<=4)-
p(z<=1)= 0.999968329- 0.841344746= 0.158623583

La probabilidad de que la lluvia supere los 1700mm, pero menos de


2300mm en un año determinado es del 15.86%

8. EJEMPLO ADICIONAL
Para El tiempo empleado, en horas, en hacer un determinado producto
sigue una distribución N(10, 2) . Se pide la probabilidad de que ese
producto se tarde en
a. Menos de 7 horas
b. Entre 8 y 13 horas

DESARROLLO

De los datos, u=10; desv.est=2

a. x<=7; entonces z<=-1.5


Luego p(z<=-1.5) = 0.066807201
Entonces la probabilidad de que el tiemplo empleado para
hacer cierto producto en menos de 7 horas es del 6.68%

b. 8<=x<=13 luego hallamos el z1 cuando x<8 y el z2 cuando


x<=13
Entonces z1<=-1 y z2<=1.5

Luego P(-1<=z<=1.5) =p(z<=1.5)-p(z<=-1) = 0.933192799-


0.158655254= 0.774537545

Entonces la probabilidad de hacer en producto en menos de 13


horas, pero en más de 8 horas es del 77,45%