Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Docente:
M.Sc. FRANCISCO JOSE NARVAEZ MONTANO
PUNTO 1
Los tiempos de vida de las baterías en cierta aplicación se distribuyen normalmente con media de
50 horas y desviación estándar de cinco horas. Determine la probabilidad de que se elija
aleatoriamente una batería que dure entre 42 y 52 horas.
Solución:
El ejercicio plantea un problema con variables aleatorias continuas, donde se requiere obtener la
probabilidad acumulada de un suceso en un rango o periodo de tiempo comprendido entre 42 y 52
horas. Los datos que ofrece son los siguientes:
𝜇 = 50 ℎ/𝑏𝑎𝑡𝑒𝑟í𝑎
𝜎 = 5ℎ/𝑏𝑎𝑡𝑒𝑟í𝑎
42 ≤ 𝑋 ≤ 52
Para encontrar la solución, primero se debe obtener el valor de la variable aleatoria normalizada (Z)
en los dos puntos extremos del intervalo a evaluar: X = 42 y X = 52. Esto se logra aplicando la ecuación
de Distribución de Probabilidad Normalizada.
𝑋 − 𝜇 42 − 50
𝑍1 = = = −1.6
𝜎 5
𝑋 − 𝜇 52 − 50
𝑍2 = = = 0.4
𝜎 5
Con estos valores de Z y haciendo uso de las tablas de distribución normal estándar, se obtienen los
valores de la probabilidad acumulada en los extremos del intervalo. (Ver el anexo de tablas al final
del documento).
𝑃(42 ≤ 𝑋 ≤ 52) = 𝑃(𝑍 ≤ 0.4) − 𝑃(𝑍 ≤ −1.6) ≈ 0.6554 − 0.0548 ≈ 0.6006 ≈ 60.06%
Este resultado se puede comprobar haciendo uso de la aplicación móvil “Probability Distributions”
de Madiyar Aitbayev, Imagen 1. La cual, desde su opción de Distribución de probabilidad “Normal”,
permite calcular la probabilidad acumulada ingresando los datos iniciales de media, desviación
estándar y el valor o rango de la variable aleatoria continua:
De esta manera se ha determinado la probabilidad de elegir aleatoriamente una batería que dure
entre 42 y 52 horas, la cual es del 60.06% en promedio.
PUNTO 2
Solución:
A diferencia del punto anterior, este ejercicio incluye una variable aleatoria discreta. Esta se puede
evaluar por medio de la Distribución de Probabilidad de Poisson para hallar la probabilidad de
ocurrencia. Los datos que ofrece este planteamiento son los siguientes:
𝜆 = 4 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠/𝑠𝑒𝑚𝑎𝑛𝑎
𝑥 = 6 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠/𝑠𝑒𝑚𝑎𝑛𝑎
𝑒 −𝜆 𝜆𝑥 (𝑒 −4 )(46 )
𝑃(𝑋 = 𝑥) = = ≈ 0.104196 ≈ 10.4196%
𝑥! 6!
Una vez más, haciendo uso de las herramientas tecnológicas, se procederá a validar el resultado
obtenido. En esta ocasión desde la Aplicación móvil “Probability Distributions” de Matthew Bognar,
Imagen 3, en su opción de distribución de probabilidad “Poisson”.
Se ingresa los valores iniciales de tasa media de elementos y la variable aleatoria discreta a evaluar
para el calculo de la probabilidad de ocurrencia del evento planteado. Imagen 4.
Imagen 4. Solución del punto 2 en la App Probability Distributions.
Por lo tanto, se puede afirmar que la probabilidad de que en una semana ocurran 6 accidentes en la
entrada a la Universidad del Magdalena es de 10.42% en promedio.
PUNTO 3
Solución:
Una vez más, el ejercicio contempla una variable aleatoria discreta, la cual se puede abordar desde
la Distribución de Probabilidad de Poisson. Los datos que ofrece el problema son los siguientes:
𝜆 = 4 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠/𝑠𝑒𝑚𝑎𝑛𝑎
𝑥 = 6 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠/𝑠𝑒𝑚𝑎𝑛𝑎
𝑒 −𝜆 𝜆𝑥 (𝑒 −4 )(46 )
𝑃(𝑋 = 𝑥) = = ≈ 0.104196 ≈ 10.4196%
𝑥! 6!
Este valor es el mismo calculado en el punto 2, ya que los valores de tasa media de eventos y la
variable aleatoria discreta son los mismos. Esta solución se puede verificar de acuerdo con los
resultados arrojados por la App Probability Distributions observados en la Imagen 4.
Así pues, se puede determinar que la probabilidad de que entren 6 partículas al contador en un
milisegundo dado es de 10.42% en promedio.
PUNTO 4
El diámetro de una varilla de acero que se encuentra en observación por parte de un grupo de
investigadores se distribuye normalmente con una media de 8 cm y una desviación estándar de 0.5
cm. ¿Cuál es la probabilidad de obtener una varilla con más de 9 cm de diámetro?
Solución:
El problema involucra una variable aleatoria continua. Los datos iniciales dados en el enunciado son
los siguientes:
𝜇 = 8 𝑐𝑚/𝑣𝑎𝑟𝑖𝑙𝑙𝑎
𝜎 = 0,5 𝑐𝑚/𝑣𝑎𝑟𝑖𝑙𝑙𝑎
𝑋 > 9 cm/varilla
𝑋−𝜇 9−8
𝑍= = =2
𝜎 0,5
Esta probabilidad acumulada corresponde a la región menor a Z. Para poder obtener la probabilidad
deseada se procede de la siguiente manera:
𝑃(𝑋 > 9 ) = 𝑃(𝑍 > 2) = 1 − 𝑃(𝑍 ≤ 2) = 1 − 0,9772 ≈ 0,0228 ≈ 2.28%
Se procede ahora a verificar este valor haciendo uso de la App “Probability Distributions”, usada en
el punto 2.
Diligenciamos los valores de media, desviación estándar y variable aleatoria continua (datos
iniciales) para obtener lo siguiente:
Con esto, se puede concluir que la probabilidad de obtener una varilla con más de 9 cm de diámetro
es del 2.28% en promedio.
PUNTO 5
Una empresa del sector minero sabe que los accidentes laborales, en un sector de esta, se distribuye
normalmente con una media igual a 800 horas y una desviación estándar de 40 horas. Calcule la
probabilidad de que un accidente se presente antes de 834 horas.
Solución:
𝑋 − 𝜇 834 − 800
𝑍= = = 0.85
𝜎 40
Con el nuevo valor de variable aleatoria normalizada (Z), se busca el valor de la probabilidad
acumulada en las tablas de distribución normal estándar (Ver anexos).
Se procede ahora a verificar este valor, haciendo uso de la App “Probability Distributions”. Se insertan
los valores de media, desviación estándar y variable aleatoria continua (datos iniciales) Imagen 6.
De esta manera se concluye que la probabilidad de que un accidente se presente antes de 834 horas,
en la empresa del sector minero mencionada es de 80.23% en promedio.
Imagen 6. Solución del punto 5 en la App Probability Distributions.
________________________________________________________________________________
Leyenda de colores en las tablas de valores de probabilidad acumulada para la Distribución Normal
Estándar: