Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DEPARTAMENTO DE MATEMATICAS
AREA DE ESTADISTICA
PROBABILIDAD Y ESTADISTICA
El modelo Exponencial suele utilizarse para variables que describen el “tiempo que
transcurre hasta que se produzca un determinado suceso o evento”. Estamos hablando
de una variable aleatoria de tipo continuo que se distribuye exponencialmente. La
distribución Exponencial tiene muchas aplicaciones en diferentes campos, por ejemplo:
en control de calidad nos puede interesar medir el tiempo de duración de un lote de
bombillas eléctricas, el tiempo que transcurre hasta que un paciente sea atendido en el
servicio de urgencias de un hospital, tiempo entre las llamadas en una línea telefónica
de emergencia, el tiempo que transcurre hasta que ocurra una falla en un componente
electrónico presentan un comportamiento exponencial. La distribución Exponencial es
un caso especial de la distribución Gamma. Esta distribución, junto con la distribución
Gamma, juegan un papel importante en la investigación de teoría de colas como en
problemas de confiabilidad. Por ejemplo, una aplicación de teoría de colas en una
entidad financiera, estos modelos se utilizan como herramienta para el mejoramiento
de los procesos de atención al cliente. En este tipo de problemas, las características
operativas de los sistemas de colas están determinadas en gran parte por dos
propiedades estadísticas (distribución de los tiempos entre llegadas de cada cliente y
distribución de los tiempos de servicio a cada cliente).
e x para x 0 y 0
f ( x) (1)
0 en cualquier otro caso
x2
x2
P( x1 x x2 ) e x dx e x e x1 e x2 (2)
x1
x1
Función de Distribución
x x
F ( x) P( X x) f (t )dt f (t )dt
0
x x
F ( x) e t dt e t 1 e x (3)
0 0
F ( x) 1 e x si x 0
La media ( ) y la varianza (
2
) del modelo de probabilidad Exponencial se pueden
calcular con la siguiente formula:
1
E ( x) (4)
1
2 V ( x) (5)
2
Actividades a desarrollar
1 , donde 1
Se tiene una media de 400 horas, es decir, E ( X ) 400 400 .
400
Entonces, X ~ Exponencial ( 1 ) . Ahora su función de densidad es:
400
La probabilidad de que pase más de 500 horas hasta que una bombilla eléctrica falle es
del 28,65%.
¿Cuál es la probabilidad que pase menos de 300 horas hasta que una
bombilla eléctrica falle?
La probabilidad de que pase menos de 300 horas hasta que una bombilla eléctrica falle
es del 52,76%.
¿Cuál es la probabilidad que pase entre 500 y 650 horas hasta que una
bombilla eléctrica falle?
Ahora,
F (650) F (500) (1 e (1 / 400)650 ) (1 e (1 / 400)500 ) 0,803088 0,713495 0,089592
La probabilidad de que pase entre 500 y 650 horas hasta que una bombilla eléctrica
falle es del 8,95%.
Si una bombilla eléctrica ha durado 500 horas, quiere decir que el tiempo que
transcurre hasta que falle es mayor de 500 horas; es decir, x 500 . Entonces, podemos
definir los siguientes eventos:
Evento A = {el tiempo que transcurre hasta que falle una bombilla eléctrica es máximo
560 horas}, evento B = {el tiempo que transcurre hasta que falle una bombilla eléctrica
es mayor de 500 horas}
P x 560
x 500
P(500 x 560) F (560) F (500)
P( x 500)
1 F (500)
Entonces:
Ahora, P x 560
x 500
0,0286505
,0399
0,139264
Si el tiempo que transcurre hasta que falle una bombilla eléctrica es mayor de 500
horas, la probabilidad de que pase menos de 560 horas hasta que falle es del 13,92%.
Si una bombilla eléctrica ha durado 400 horas, quiere decir que el tiempo que
transcurre hasta que falle es mayor de 400 horas; es decir, x 400 . Si una bombilla
eléctrica ha durado 400 horas, entonces que dure más de 100 horas más significa que
dure más de 500 horas; es decir, x 400 100 x 500. Entonces podemos definir los
siguientes eventos:
Evento A = {el tiempo que transcurre hasta que falle una bombilla eléctrica es mayor
de 500 horas}, evento B = {el tiempo que transcurre hasta que falle una bombilla
eléctrica es mayor de 400 horas}
Entonces: P x 400 100
x 400
PP((xx 500)
400)
P x 400 100
x 400
PP((xx 500) 1 F (500)
400) 1 F (400)
Si el tiempo que transcurre hasta que falle una bombilla eléctrica es mayor de 400
horas, la probabilidad de que pase menos de 500 horas hasta que falle es del 77,88%.
1
E( X ) E ( X ) 400 . Se espera que el tiempo promedio de duración de cierta
bombilla eléctrica hasta que falle sea de 400 horas.
1 1
Aplicando la formula (5) tenemos que: 2 400. La desviación estándar
2
es igual a 400 horas.
Actividades a desarrollar
Si después de 10 años de uso falla, quiere decir que el tiempo que transcurre hasta que
falle es mayor de 10 años; es decir, x 10 .
Ahora, F (10) F (8) (1 e (1 / 8)10 ) (1 e (1 / 8)8 ) 0,71349 0,63212 0,08137
Definamos los siguientes eventos: Evento A = {el tiempo que transcurre hasta que falle
un televisores Sony BRAVIA es máximo 10 años}, evento B = {el tiempo que
transcurre hasta que falle un televisores Sony BRAVIA es mayor de 8 años}
P x 10
x 8
P(8P(x x810
)
) F (10) F (8)
1 F (8)
Entonces:
Si el tiempo que transcurre hasta que falle un televisor Sony BRAVIA es mayor de 8
años, la probabilidad de que pase máximo 10 años hasta que falle es del 22,1186%.
Definamos los siguientes eventos: Evento A = {el tiempo que transcurre hasta que falle
un televisores Sony BRAVIA es mayor de 8 años}, evento B = {el tiempo que
transcurre hasta que falle un televisores Sony BRAVIA es máximo 12 años}
Ahora, P x 8 x 12
P(P8(x x 12
12)
)
P x 8
x 12
P(P8(x x 12
12)
)
F (12) F (8)
F (12)
Entonces:
Ahora, P x 8 x 12
F (12F)(12F)(8) 00,,144749
776869
0,186323
Si el tiempo que transcurre hasta que falle un televisor Sony BRAVIA es máximo 12
años, la probabilidad de que pase más de 8 años hasta que falle es del 18,6323%.
1
E( X ) E ( X ) 8 . Se espera que el tiempo promedio de duración de un televisor
Sony BRAVIA hasta que presente una falla sea de 8 años.
X t0 t
P P( X t ) F (t ) 1 e t
X t 0
X t0 t
P P( X t ) 1 F (t ) e t
X t 0
Problema 3. Un empleado del Banco Davivienda Sucursal la 14 Valle del Lili recibe en
promedio tres solicitudes de préstamo cada hora durante su jornada laboral.
Actividades a desarrollar
La variable aleatoria X describe el tiempo (horas) que transcurre hasta que el empleado
del banco reciba una solicitud de préstamo, X es una variable que se Distribuye
Exponencial con parámetro . Se tiene que la media del modelo Poisson ( 3 / hora ) es
igual a , es decir, 3 . Entonces, X ~ Exponencial ( 3 ).
3e 3 x para x 0
f ( x)
0 en cualquier otro caso
La función de distribución es F ( x) 1 e 3 x si x 0
Ahora, para calcular la probabilidad que pase más de dos horas hasta que esta persona
reciba una solicitud de préstamo realizamos el siguiente planteamiento:
La probabilidad de que pase más de dos horas hasta que el empleado del banco reciba
una solicitud de préstamo es del 0,25%.
La probabilidad de que pase entre 1 y 3 horas hasta que el empleado del banco reciba
una solicitud de préstamo es del 4,96%.
Si ya han pasado dos horas y el empleado del banco no ha recibido ninguna solicitud de
préstamo, quiere decir que el tiempo que transcurre hasta que reciba una solicitud de
préstamo es mayor de 2 horas; es decir, x 2 .
Definamos los siguientes eventos: Evento A = {el tiempo que transcurre hasta que un
empleado del banco recibe una solicitud de préstamo es menor de 4 horas, evento B =
{el tiempo que transcurre hasta que un empleado del banco recibe una solicitud de
préstamo es mayor de 2 horas}
Px4
x2
P(P2(x x 2)4) F1(4) FF(2()2)
Entonces:
Ahora, P x 4
x2
F1(4) FF(2()2) 00,,0024787
0024726
0,9975 = 99,75%
Px4
x2
P x (2 2) x 2 P( x 2) F (2) (1 e ( 3) 2
) 0,9975 = 99,75%
Si el tiempo que transcurre hasta que un empleado del banco recibe una solicitud de
préstamo es mayor de 2 horas, la probabilidad de que pase menos de 4 horas hasta
que reciba una solicitud de préstamo es del 99,75%.
La probabilidad de que pase máximo 45 minutos hasta que el empleado del banco
reciba una solicitud de préstamo es del 89,46%.
Definamos los siguientes eventos: Evento A = {el tiempo que transcurre hasta que un
empleado del banco recibe una solicitud de préstamo es mayor de 45 minutos, evento B
= {el tiempo que transcurre hasta que un empleado del banco recibe una solicitud de
préstamo es mayor de 30 minutos}.
Ahora, P x 45
x 30
PP(( xx 30
45)
)
P x 45
x 30
PP(( xx 30
45) 1 F (45)
) 1 F (30)
Entonces:
Ahora, P x 45
x 30
11 FF ((30
45)
)
0,105399
0,22313
0,4723
P x 45
x 30
P x (30 15) x 30 1 P( x 15) 1 F (15) 1 (1 e ( 0, 05)15
) 0,4723
Si el tiempo que transcurre hasta que un empleado del banco recibe una solicitud de
préstamo es mayor de 30 minutos, la probabilidad de que pase más de 45 minutos
hasta que reciba una solicitud de préstamo es del 47,22%.
1 1 1
Aplicando la formula (5) tenemos que: 2 . La desviación estándar
2
3
es igual a 0,33 horas.
Actividades a desarrollar
La probabilidad de que pase más de 10 minutos hasta que esta persona reciba un
mensaje por WhatsApp es del 8,208%.
La probabilidad de que pase entre cinco y diez minutos hasta que el estudiante reciba
un mensaje por WhatsApp es del 20,442%.
Definamos los siguientes eventos: Evento A = {el tiempo que transcurre hasta que el
estudiante recibe un mensaje por WhatsApp es mayor de 8 minutos, evento B = {el
tiempo que transcurre hasta que el estudiante recibe un mensaje por WhatsApp es
mayor de 3 minutos}.
P x 8
x3
PP(( xx 83)) 11 FF ((83))
Entonces:
Ahora, P x 8
x3
11 FF ((83)) 00,,13534
47237
0,2865
Si el tiempo que transcurre hasta que el estudiante recibe un mensaje por WhatsApp
es mayor de 3 minutos, la probabilidad de que pase más de 8 minutos hasta que reciba
un mensaje es del 28,65%.
La probabilidad que pase más de 50 segundos hasta que esta persona reciba el
siguiente mensaje por WhatsApp es del 81,194%.
La probabilidad que pase menos de 40 segundos hasta que esta persona reciba el
siguiente mensaje por WhatsApp es del 15,35%.
Definamos los siguientes eventos: Evento A = {el tiempo que transcurre hasta que el
estudiante recibe un mensaje por WhatsApp es máximo 10 minutos, evento B = {el
tiempo que transcurre hasta que el estudiante recibe un mensaje por WhatsApp es
mayor de 8 minutos}.
F ( x) 1 e 0, 25x si x 0
Ahora, P x 10
x8
P(8P(x x810
)
)
P x 10
x 8
P(8 x 10) F (10) F (8)
P( x 8)
1 F (8)
Entonces:
Ahora, P x 10
x 8
F (110)F(F8)(8) 00,,13534
05325
0,39345
Si el tiempo que transcurre hasta que el estudiante recibe un mensaje por WhatsApp
es mayor de 8 minutos, la probabilidad de que pase máximo 10 minutos hasta que
reciba un mensaje es del 39,345%.
1
E( X ) E ( X ) 4 . El estudiante debe esperar un tiempo promedio de 4 minutos
0,25
para recibir un mensaje por WhatsApp.
Suponga que en la vía Jamundí frente a la UAO ocurren 3 accidentes por día.
¿Cuál es la probabilidad que pase más de tres días hasta que se presente
un accidente en la vía Jamundí frente a la UAO?
Función de Densidad
1 x
x e para x 0 y , 0
f ( x) ( ) (6)
0 en cualquier otro caso
( ) x 1e x dx
0
La media ( ) y la varianza (
2
) del modelo de probabilidad Gamma se pueden
calcular con la siguiente formula:
E (x) (7)
2 V ( x) (8)
2
x
1
F ( x, ) y 1e y dy
0
( )
Tabla 1
FUNCION DE LA GAMMA INCOMPLETA
x
1 2 3 4 5 6 7 8 9 10
1 0,632 0,264 0,080 0,019 0,004 0,001 0,000 0,000 0,000 0,000
2 0,865 0,594 0,323 0,143 0,053 0,017 0,005 0,001 0,000 0,000
3 0,950 0,801 0,577 0,353 0,185 0,084 0,034 0,012 0,004 0,001
4 0,982 0,908 0,762 0,567 0,371 0,215 0,111 0,051 0,021 0,008
5 0,993 0,960 0,875 0,735 0,560 0,384 0,238 0,133 0,068 0,032
6 0,998 0,983 0,938 0,849 0,715 0,554 0,394 0,256 0,153 0,084
7 0,999 0,993 0,970 0,918 0,827 0,699 0,550 0,401 0,271 0,170
8 1,000 0,997 0,986 0,958 0,900 0,809 0,687 0,547 0,407 0,283
9 1,000 0,999 0,994 0,979 0,945 0,884 0,793 0,676 0,544 0,413
10 1,000 1,000 0,997 0,990 0,971 0,933 0,870 0,780 0,667 0,542
11 1,000 1,000 0,999 0,995 0,985 0,962 0,921 0,857 0,768 0,659
12 1,000 1,000 0,999 0,998 0,992 0,980 0,954 0,910 0,845 0,758
13 1,000 1,000 1,000 0,999 0,996 0,989 0,974 0,946 0,900 0,834
14 1,000 1,000 1,000 1,000 0,998 0,994 0,986 0,968 0,938 0,891
15 1,000 1,000 1,000 1,000 0,999 0,997 0,992 0,982 0,963 0,930
16 1,000 1,000 1,000 1,000 1,000 0,999 0,996 0,990 0,978 0,957
17 1,000 1,000 1,000 1,000 1,000 0,999 0,998 0,995 0,987 0,974
18 1,000 1,000 1,000 1,000 1,000 1,000 0,999 0,997 0,993 0,985
19 1,000 1,000 1,000 1,000 1,000 1,000 0,999 0,998 0,996 0,991
20 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,999 0,998 0,995
21 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,999 0,997
22 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,999 0,998
23 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,999
24 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000
Actividades a desarrollar
¿Cuál es la probabilidad que pase más de 500 horas hasta que un motor
eléctrico presente tres fallas eléctricas?
¿Cuál es la probabilidad que pase más de 100 días hasta que un motor
eléctrico presente ocho fallas eléctricas?
¿Cuál es la probabilidad que pase más de 500 horas hasta que un motor
eléctrico presente tres fallas eléctricas?
Entonces, X ~ Gamma ( 1 , 3 ).
100
La probabilidad que pase más de 500 horas hasta que un motor eléctrico presente tres
fallas eléctricas es del 12,5%.
3
E ( x) 300
(1 / 100)
El tiempo promedio de duración de un motor eléctrico hasta que presente tres fallas
eléctricas es de 300 horas aproximadamente.
3
V ( x) 30000
2
(1 / 100) 2
La variable aleatoria X representa: “el tiempo (horas) que transcurre hasta que un
motor eléctrico presente cinco fallas eléctricas ( =5), X es una Variable que se
Distribuye Gamma con parámetros 1 y 5 .
100
Entonces, X ~ Gamma ( 1 , 5 ).
100
La probabilidad que pase menos de 300 horas hasta que un motor eléctrico presente
cinco fallas eléctricas es del 18,5%.
Observe que no es probable que pase más de 100 días para que un motor eléctrico
presente ocho fallas eléctricas.
Actividades a desarrollar
La variable aleatoria X representa: “el tiempo (meses) que transcurre hasta que
cinco estudiantes ( =5) viajen fuera del país, X es una Variable que se Distribuye
Gamma con parámetros y . De acuerdo al problema = 2 cada seis meses, es
decir, = (2/6) por mes. Recuerde que =.
Entonces, X ~ Gamma ( 2 , 5 ).
6
La probabilidad que pase más de 9 meses hasta que cinco estudiantes viajen fuera del
país es del 81,5%.
5
E ( x) 15 . Aproximadamente 15 meses es el tiempo promedio que
(2 / 6)
transcurre hasta que cinco estudiantes viajen fuera del país.
5
V ( x) 45 45 6,7
2
(2 / 6) 2
La variable aleatoria X representa: “el tiempo (años) que transcurre hasta que tres
estudiantes ( =3) viajen fuera del país, X es una Variable que se Distribuye Gamma
Entonces, X ~ Gamma ( 4 , 3 ).
La probabilidad que pase menos de 3 años hasta que tres estudiantes viajen fuera del
país es del 99,9%.
Problema 7. En promedio un televisor Sony BRAVIA modelo LCD presenta 2 fallas cada
5 años de uso.
Actividades a desarrollar
La probabilidad que pase más de 10 años hasta que un televisor Sony BRAVIA modelo
LCD presente cinco fallas es del 62,9%.
5
E ( x) 12,5
0,4
Se espera que el tiempo promedio que pasa hasta que un televisor Sony BRAVIA
modelo LCD presente cinco fallas sea de 12,5 años aproximadamente.
5
V ( x) 31,25
2
0,4 2
Entonces:
La probabilidad que pase entre 5 y 10 años hasta que un televisor Sony BRAVIA modelo
LCD presente tres fallas es del 43,9%.
La probabilidad que pase máximo 15 años hasta que un televisor Sony BRAVIA modelo
LCD presente siete fallas es del 39,4%.
Actividades a desarrollar
¿Cuál es la probabilidad que pase máximo tres horas hasta que seis
clientes lleguen a la caja para pagar su pedido?
La variable aleatoria X representa: “el tiempo (meses) que transcurre hasta que
cuatro clientes ( =4) lleguen a la caja para pagar su pedido, X es una Variable que se
Distribuye Gamma con parámetros y . De acuerdo al problema = 5 cada 15
minutos, es decir, = (5/15 = 1/3) por minuto. Recuerde que =.
Entonces, X ~ Gamma ( 1 , 4 ).
3
La probabilidad que pase más de 30 minutos hasta que cuatro clientes lleguen a la caja
para pagar su pedido es del 1%.
4
V ( x) 36
2
(1 / 3) 2
Entonces, X ~ Gamma ( 1 , 7 ).
3
La probabilidad que pase menos de 6 minutos hasta que siete clientes lleguen a la caja
para pagar su pedido es del 0,5%.
¿Cuál es la probabilidad que pase máximo tres horas hasta que seis
clientes lleguen a la caja para pagar su pedido?
La variable aleatoria X representa: “el tiempo (horas) que transcurre hasta que seis
clientes ( =6) lleguen a la caja para pagar su pedido, X es una Variable que se
Distribuye Gamma con parámetros y . Recordemos que = 1/3 por minuto,
entonces = ((1/3)*60) = 20 por hora. Donde =.
Entonces, X ~ Gamma ( 20 , 6 ).
La probabilidad que pase máximo tres horas hasta que seis clientes lleguen a la caja
para pagar su pedido es del 100%.