Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado por:
Daniel Alejandro Bonilla Rodríguez - 2195560
Paula Andrea Velásquez Mancilla - 2194598
Presentado a:
Ing. Carlos Felipe Orduz Suárez
Grupo O1
I. Introducción
En la vida cotidiana es necesario en algunos casos, intentar predecir algún evento en específico,
para ello podemos usar la probabilidad, a continuación, podremos evidenciar la aplicación de la
probabilidad en un caso que puede ocurrir en la vida real.
II. Marco teórico
2.1 Variable aleatoria
Una variable aleatoria es una función que asocia un número real con cada elemento del espacio
muestral. Es decir, si quiero saber la probabilidad de obtener un variable en todos los posibles resultados
de un espacio muestral, se le puede asignar una descripción numérica. Por ejemplo, si tengo tres
lapiceros y deseo sabe cual es la probabilidad de que obtenga uno, dos o tres defectuosos (D) o no
defectuoso (N).
De esta forma, a cada punto en el espacio muestral se le asignará un valor numérico de 0, 1, 2 o 3. Estos
valores son, por supuesto, cantidades aleatorias determinadas por el resultado del experimento. Se
pueden ver como valores que toma la variable aleatoria X.
Una variable aleatoria continua tiene una probabilidad 0 de adoptar exactamente cualquiera de sus
valores. Por ejemplo, si consideremos una variable aleatoria cuyos valores son las estaturas de todas las
personas mayores de 21 años de edad. Entre cualesquiera dos valores, digamos 163.5 y 164.5
centímetros, o incluso entre 163.99 y 164.01 centímetros, hay un número infinito de estaturas, una de las
cuales es 164 centímetros. La probabilidad de seleccionar al azar a una persona que tenga exactamente
164 centímetros de estatura en lugar de una del conjunto infinitamente grande de estaturas tan cercanas a
164 centímetros que humanamente no sea posible medir la diferencia es remota, por consiguiente,
asignamos una probabilidad 0 a tal evento. Sin embargo, esto no ocurre si nos referimos a la
probabilidad de seleccionar a una persona que mida al menos 163 centímetros, pero no más de 165
centímetros de estatura. Aquí nos referimos a un intervalo en vez de a un valor puntual de nuestra
variable aleatoria.
2
Universidad Industrial de Santander
Escuela de Ingeniería Civil
Estadística Aplicada a la Ingeniería
Una función de densidad de probabilidad se construye de manera que el área bajo su curva limitada por el eje
x sea igual a 1, cuando se calcula en el rango de X para el que se define f (x). Como este rango de X es un
intervalo finito, siempre es posible extender el intervalo para que incluya a todo el conjunto de números reales
definiendo f (x) como cero en todos los puntos de las partes extendidas del intervalo. En la figura 1 la
probabilidad de que X tome un valor entre a y b es igual al área sombreada bajo la función de densidad entre
las ordenadas en x = a y x = b, y a partir del cálculo integral está dada por
La función f (x) es una función de densidad de probabilidad (fdp) para la variable aleatoria continua X,
definida en el conjunto de números reales, si
1. f ( x ) ≥0 , para toda x ϵ R
∞
2. ∫ f ( x ) dx=1
−∞
b
3. P ( a< X < b )= ∫ f ( x ) dx
a
La función de distribución acumulativa F(x), de una variable aleatoria continua X con función de
densidad f(x), es
x
F ( x )=P ( X ≤ x ) =∫ f ( t ) dt , para−∞ < x< ∞
−∞
Como consecuencia inmediata de la definición se puede escribir los dos resultados,
dF ( x )
P ( a< X < b )=F ( b )−F ( a ) y f ( x ) =
dx
Si existe la derivada.
La mediana es el valor que ocupa el lugar central de todos los datos cuando éstos están ordenados de
menor a mayor. se representa por M x y es igual al espacio muestral por una variable x.
3
Universidad Industrial de Santander
Escuela de Ingeniería Civil
Estadística Aplicada a la Ingeniería
∞
M x =E ( x )= ∫ xf ( x ) dx ecuación1
−∞
{
−a ( e −1 ) → 0< x ≤15
−x
1 1
−a ( e −1 ) + b ln ( 2 )−c −
−15
x 30 ( )
→ 30< x ≤ 75
{
a e−x → 0< x ≤15
b
→ 15< x ≤ 30 Q1=15.65 h=0.25
f ( x )= x
−c
→ 30< x ≤ 75
x
4
Universidad Industrial de Santander
Escuela de Ingeniería Civil
Estadística Aplicada a la Ingeniería
0 15 30 75 ∞
10 15 x 30 x
−5
4.5094 ¿10 ( a ) +0.6931 ( b )−0.0166 ( c ) =0.7714
{ } ( )
0.9999 a+ 0.0424 b=0.2500 a=0.20 88
0.9999 a+0.6931 b−0.02 c=1 b=0.9 7 3 0
−5
4.5094∗10 a+ 0.6931b−0.0166 c=0.7714 c=−5. 8428
Mediana:
∞
M x =E ( x )= ∫ xf ( x ) dx
−∞
15 30 75
x x
M x =E ( x )=a∫ x e dx +b ∫ dx−c ∫ 2 dx M x =E ( x )=a(0.9999)+b(14.595)−c (0.9163)
−x
0 15 x 30 x
M x =E ( x )=20.1575[h]
3) Probabilidad de que el tiempo de vida útil de la luminaria sea mayor a 20h
30 75
1 1
P ( x>20 h )=b ∫ dx−c ∫ 2 dx P ( x>20 h )=0 .3945−(−0.1168)P ( x>20 h )=0. 5113
20 x 30 x
4) Probabilidad de que el tiempo de vida útil de la luminaria sea entre 12h y 35h
15 30 35
1 1
P ( 12 [ h ] ≤ x ≤ 35 [ h ] ) =a ∫ e dx +b ∫ dx−c ∫ 2 dx
−x
12 15 x 30 x
0 15 x
Bibliografía
RONALD E. WALPOLE, RAYMOND H. MYERS,
5
Universidad Industrial de Santander
Escuela de Ingeniería Civil
Estadística Aplicada a la Ingeniería
Novena edición