28/11/23, 23:53 Taller2_FMSA315 (1)

Taller 2 - Probabilidades
Problema 1:

La vida útil, en días, para frascos de cierta medicina de prescripción es una variable aleatoria que tiene la siguiente
función de densidad:

⎪ 20000
⎧
si x>0
f(x) = ⎨ (x + 100)3
⎩
⎪
0 si en otro caso

Calcule la probabilidad de que un frasco de esta medicina tenga una vida útil de:

1. Represente graficamente la función de densidad asociada a la variable aleatoria.

2. al menos 200 días.
3. cualquier lapso entre 80 y 120 días.
4. La vida útil esperada para cualquier frasco de medicina.
5. La varianza asociada a este modelo.
Problema 2:

Un técnico de laboratorio realiza, diariamente, un cierto tipo de experimento las veces que sean necesarias hasta
que consigue el resultado esperado (registra los experimentos fallidos). La variable X representa el número de
veces que diariamente repite el experimento, cuya función de probabilidad está dada por:

X = [0,1,2,3,4,5]

P(X=x) = [0.05, 0.1, 0.4, 0.3, 0.1, 0.05]

1. Represente graficamente la función de cuantía.

2. ¿Cuál es la probabilidad de que un día realice a lo más 3 veces el experimento?
3. Determine en promedio, el número de repeticiones diarias que el técnico realiza del experimetno.
4. Determine la desviación estándar de X.
In [2]: import matplotlib.pyplot as plt

# Datos proporcionados
valores_x = [0, 1, 2, 3, 4, 5]
probabilidades = [0.05, 0.1, 0.4, 0.3, 0.1, 0.05]

# Gráfico de barras para la función de cuantía

plt.bar(valores_x, probabilidades, color='blue', alpha=0.7)

# Etiquetas y título
plt.xlabel('Número de repeticiones diarias (X)')
plt.ylabel('Probabilidad P(X)')
plt.title('Función de Cuantía')

# Mostrar el gráfico
plt.show()

localhost:8888/nbconvert/html/taller_mc/Taller2_FMSA315 (1).ipynb?download=false 1/5

28/11/23, 23:53 Taller2_FMSA315 (1)

In [… # Definir la variable aleatoria X y su función de probabilidad

valores_x = [0, 1, 2, 3, 4, 5]
probabilidades = [0.05, 0.1, 0.4, 0.3, 0.1, 0.05]

# Calcular la probabilidad de X <= 3

probabilidad_hasta_3 = sum(probabilidades[:4])

print(f"La probabilidad de realizar a lo más 3 veces el experimento es: {probabilidad_hast

La probabilidad de realizar a lo más 3 veces el experimento es: 0.8500000000000001

In [4]: # Valores de X
x_values = [0, 1, 2, 3, 4, 5]

# Probabilidades correspondientes
probabilities = [0.05, 0.1, 0.4, 0.3, 0.1, 0.05]

# Calcular el valor esperado

expected_value = sum(x * p for x, p in zip(x_values, probabilities))

print("El número promedio de repeticiones diarias es:", expected_value)

El número promedio de repeticiones diarias es: 2.4499999999999997

In [6]: # Valores de X
x_values = [0, 1, 2, 3, 4, 5]

# Probabilidades correspondientes
probabilities = [0.05, 0.1, 0.4, 0.3, 0.1, 0.05]

# Calcular el valor esperado

localhost:8888/nbconvert/html/taller_mc/Taller2_FMSA315 (1).ipynb?download=false 2/5
28/11/23, 23:53 Taller2_FMSA315 (1)
expected_value = sum(x * p for x, p in zip(x_values, probabilities))

print("El número promedio de repeticiones diarias es:", expected_value)

El número promedio de repeticiones diarias es: 2.4499999999999997

In [7]: import numpy as np

# Definir los valores de X y sus probabilidades

X = np.array([0, 1, 2, 3, 4, 5])
probabilidades = np.array([0.05, 0.1, 0.4, 0.3, 0.1, 0.05])

# Calcular la desviación estándar de X

desviacion_estandar = np.std(X, weights=probabilidades)

print(f"La desviación estándar de X es: {desviacion_estandar}")

---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
Cell In[7], line 8
5 probabilidades = np.array([0.05, 0.1, 0.4, 0.3, 0.1, 0.05])
7 # Calcular la desviación estándar de X
----> 8 desviacion_estandar = np.std(X, weights=probabilidades)
10 print(f"La desviación estándar de X es: {desviacion_estandar}")

File <__array_function__ internals>:198, in std(*args, **kwargs)

TypeError: std() got an unexpected keyword argument 'weights'

In [8]: import numpy as np

# Definir los valores de X y sus probabilidades

X = np.array([0, 1, 2, 3, 4, 5])
probabilidades = np.array([0.05, 0.1, 0.4, 0.3, 0.1, 0.05])

# Calcular la media
media = np.sum(X * probabilidades)

# Calcular la desviación estándar

desviacion_estandar = np.sqrt(np.sum(probabilidades * (X - media)**2))

print(f"La desviación estándar de X es: {desviacion_estandar}")

La desviación estándar de X es: 1.116915395184434

In [9]: def funcion_densidad(x):

if x > 0:
return (1/20000) * (x + 100) / 30
else:
return 0

# Ejemplo de uso:
resultado = funcion_densidad(5)
print(resultado)
0.000175

In [… from scipy import integrate

# Definir la función de densidad de probabilidad

localhost:8888/nbconvert/html/taller_mc/Taller2_FMSA315 (1).ipynb?download=false 3/5
28/11/23, 23:53 Taller2_FMSA315 (1)
def pdf(x):
if x > 0:
return (x + 100)**30 / 20000
else:
return 0

# Calcular la probabilidad de que la vida útil sea al menos 200 días

probability, _ = integrate.quad(pdf, 200, float('inf'))

print(f"La probabilidad de que un frasco tenga una vida útil de al menos 200 días es: {pr
La probabilidad de que un frasco tenga una vida útil de al menos 200 días es: 166018
258642131994712994984147637610229099913563170187503339146866188002385751275328413133
C:\Users\Gmo\AppData\Local\Temp\ipykernel_21548\1755462077.py:11: IntegrationWarning
in the extrapolation table. It is assumed that the requested tolerance
cannot be achieved, and that the returned result (if full_output = 1) is
the best which can be obtained.
probability, _ = integrate.quad(pdf, 200, float('inf'))

In [1… from scipy.integrate import quad

# Definir la función de densidad de probabilidad

def pdf(x):
if x > 0:
return (x + 100) / 600000
else:
return 0

# Calcular la probabilidad de que la vida útil esté entre 80 y 120 días

probability, _ = quad(pdf, 80, 120)

print(f"La probabilidad de que la vida útil esté entre 80 y 120 días es: {probability:.4f
La probabilidad de que la vida útil esté entre 80 y 120 días es: 0.0133

In [12]: from scipy.integrate import quad

import numpy as np

# Definir la función de densidad

def f(x):
return (1/20000) * (x + 100)**30 if x > 0 else 0

# Calcular la esperanza matemática

mu, _ = quad(lambda x: x * f(x), 0, np.inf)

print("La vida útil esperada para cualquier frasco de medicina es:", mu)
La vida útil esperada para cualquier frasco de medicina es: 9.393054125102216e+254
C:\Users\Gmo\AppData\Local\Temp\ipykernel_21548\1668653674.py:9: IntegrationWarning:
in the extrapolation table. It is assumed that the requested tolerance
cannot be achieved, and that the returned result (if full_output = 1) is
the best which can be obtained.
mu, _ = quad(lambda x: x * f(x), 0, np.inf)

In [13]: import numpy as np

import matplotlib.pyplot as plt

# Función de densidad
def densidad(x):
if x > 0:
localhost:8888/nbconvert/html/taller_mc/Taller2_FMSA315 (1).ipynb?download=false 4/5
28/11/23, 23:53 Taller2_FMSA315 (1)
return 20000 * (x + 100) / 30
else:
return 0

# Crear datos para graficar

x_vals = np.linspace(-100, 500, 1000)
y_vals = [densidad(x) for x in x_vals]

# Graficar la función de densidad

plt.plot(x_vals, y_vals, label='Función de Densidad')
plt.xlabel('Días')
plt.ylabel('Densidad')
plt.title('Función de Densidad de la Vida Útil de Frascos de Medicina')
plt.legend()

# Guardar la gráfica como un archivo PNG

nombre_archivo = 'tu_inicial_tu_apellido.png'
plt.savefig(nombre_archivo)

# Mostrar la gráfica
plt.show()

In [ ]:

localhost:8888/nbconvert/html/taller_mc/Taller2_FMSA315 (1).ipynb?download=false 5/5