Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ma460 - 202302 - Cuaderno - de - Trabajo - Semana 10 - Sesión 2 - Con Apuntes de Clase
Ma460 - 202302 - Cuaderno - de - Trabajo - Semana 10 - Sesión 2 - Con Apuntes de Clase
Distribución uniforme
Función de densidad
{
1
a≤x ≤b
f ( x )= b−a
0 en otro caso
{
0 x<a
x−a
F ( x )= a ≤ x ≤b
b−a
1 x >b
Conclusión:
P(X≤ a)=F(a )
P(X≥ b)=1- F(b )
P(a ≤ X≤ b)= F(b ) - F(a )
Ejemplo adicional:
Si el tiempo de atención en minutos en una caja es una variable aleatoria que sigue una distribución
uniforme con parámetros 2 y 6.
X U (a=2 , b=6)
{
1
2≤ x ≤ 6
f ( x )= 4
0 en otro caso
Estadística Descriptiva 2023 02 187
{
0 x< 2
x−2
F ( x )= 2 ≤ x ≤6
4
1 x> 6
Conclusión:
P(X≤ a)=F(a )
P(X≥ b)=1- F(b )
P(a ≤ X≤ b)= F(b ) - F(a )
Halle:
a. La probabilidad de que un cliente sea atendido en menos de 4 minutos.
Usando la función de densidad f(x):
4
1
P(X<4)= ∫ dx =¿ 0.5 ¿
2 4
Usando la función de probabilidad acumulada F(x):
4−2
P(X<4)=F(4)= =0.5
4
Halle la mediana:
Estadística Descriptiva 2023 02 188
x−2
=0.5 → x=4 Mediana=4
4
Ejemplo 52
En ciertos experimentos, el error cometido al determinar la densidad de una sustancia es una variable
aleatoria cuya distribución es uniforme con a = -0,025 y b = 0,025.
Solución
Solución
X U (a=−0,025 ,b=0,025)
{
1
−0,025 ≤ x ≤ 0,025
f ( x )= 0,025− (−0,025 )
0 en otro caso
{
1
−0,025 ≤ x ≤ 0,025
f ( x )= 0 , 05
0 en otro caso
P ( 0,010 ≤ X ≤ 0,015 )
Integrando la función de densidad f (x) o calculándola a partir del área del rectángulo.
Estadística Descriptiva 2023 02 189
0,015
1
P ( 0,010 ≤ X ≤ 0,015 )= ∫ dx=0 ,10
0,010 0,050
Estadística Descriptiva 2023 02 190
b. ¿Cuál es el error esperado cometido?
Solución
La variable
X U (a=−0,025 ,b=0,025)
( a+ b ) (−0,025+0,025 )
μ= = =0
2 2
Ejemplo 53
De una muestra de 10 empleados, calcule la probabilidad de que cuatro de ellos hayan llegado entre
las 8:15 y 8:20 AM.
Solución
Sea X:= tiempo, en minutos, desde las 8 AM hasta la hora de llegada de los empleados al centro de
trabajo, luego:
X U (0 ,25)
La función de densidad es :
{
1
0 ≤ x ≤25
f ( x )= 25
0 en otro caso
Se define la variable:
Y :=¿ número de empleados que llegan al centro de trabajo entre 8:15 y 8:20 AM.
Y B ( n=10 ; p=? )
Debe calcularse la probabilidad de éxito p de que un empleado llegue al centro de trabajo entre 8:15 y
8:20 AM esto es:
25
1
p=P ( 15< X <25 )=∫ dx=0 , 20
15 25
Estadística Descriptiva 2023 02 191
Entonces:
10 y 10− y
P ( Y = y ) =f ( y )=C y 0 ,20 (1−0 , 20) y=0 , 1 , … ,10
10 4 10−4
P ( Y =4 ) =f ( 4 )=C 4 0 , 20 (1−0 ,20) =0,0881
Ejercicios
163. El tiempo, en minutos, que demora un servicio de delivery en entregar una pizza puede modelar-
se por una variable aleatoria uniforme con parámetros 5 y 35 minutos. Si la pizza se tarda más de
30 minutos en ser entregada, el cliente no la pagará.
a. Si una familia pide una pizza, calcule la probabilidad de que le salga gratis.
Sea la variable X := tiempo, en minutos, que demora el delivery en entregar una pizza
X U ( 5 , 35 )
35
1
P ( X >30 )=∫ dx=¿ 0,1667 ¿
30 35−5
b. Una familia pidió una pizza hace 25 minutos y aún no ha llegado, ¿cuál es la probabilidad de
que le salga gratis?
35
1
∫ 35−5
P ( X ≥ 30 ) 30
dx
0,1667
P ( X ≥30 / X ≥25 )= = = =0 ,50
P ( X ≥ 25 ) 35 1 0,3333
∫ 35−5 dx
25
c. Calcule el tiempo mínimo de entrega para estar en el 20% de los pedidos que más se demoran.
El tiempo mínimo de entrega para estar en el 20% de los pedidos que más se demoran es el
percentil 80.
P ( X ≤ P 80) =0 , 80
1
( P80−5 ) × 30 =0 , 80
P80=29
1/30
0,80 0,20
0 5 P80 35
Estadística Descriptiva 2023 02 193
d. Si la familia pide una pizza diaria durante diez días seguidos, calcule la probabilidad de que por
lo menos una de ellas le salga gratis.
Calculemos el valor de p.
35
1
p=P ( éxito )=P ( X >30 )=∫ dx=0,1667
30 35−5
Y B ( n=10 ; p=0,1667 )
10
¿ ∑ C 10 y 10− y
y 0 , 2857 ( 1−0,2857 ) =0,99579
y=1
164. Para un servicio de taxis por aplicativo, se define la variable X :=¿ diferencia entre el tiempo
programado por el aplicativo y el tiempo real de llegada del taxi a su destino, en minutos.
Los parámetros de X son -5 a 15, donde el signo negativo indica que el vehículo llegó antes del
tiempo programado y el valor positivo indica que demoró más del tiempo programado.
f ( x )= {k0 −5 ≤ x ≤ 15
otro caso
a. Calcule la probabilidad que uno de estos servicios haya tenido un retraso mayor a cinco minu-
tos. Rpta: 0,50
b. Se elige aleatoriamente a diez de estos servicios, calcule la probabilidad de que cuatro lleguen
antes del tiempo programado.
165. La variable X se distribuye uniformemente con media igual a 24 y varianza igual a 12, calcular los
parámetros de la función de densidad. Rpta: a = 18, b = 30
Estadística Descriptiva 2023 02 194
( a+ b )
μ= =24
2
( b−a )2
σ 2= =12
12
( b−( 48−b ) )2
=12
12
( 2 b−48 )2=122
a=18
b=30
166. La función de Excel =ALEATORIO() genera un número con distribución uniforme con parámetros a
igual a cero y b igual a uno. Sea X una variable aleatoria definida como el número generado por
dicha función.
a. Calcule la probabilidad de que la función genere un número aleatorio entre 0,2 y 0,7.
X U ( 0 , 1)
0 ,7
P ( 0 , 2< X <0 , 7 ) =∫ 1 dx=¿ 0 ,5 ¿
0 ,2
b. Use la función de distribución acumulada F ( x )para calcular P(0 , 15< X <0 , 55).
0 ,55
P ( 0 , 15< X <0 , 55 ) = ∫ 1 dx=¿ 0 , 45 ¿
0 ,15
Estadística Descriptiva 2023 02 195
167. El tiempo en el que un avión llega a su destino con respecto a su hora programada se modela con
una variable aleatoria uniforme de parámetros -15 y 30. De tal manera que los valores negativos
indican que el avión llegó antes de la hora programada y los valores positivos indican que el avión
llegó después de la hora programada.
a. Si la probabilidad de que un avión llegue con un retraso mayor a 10 minutos es mayor al 20%,
se revisarán los protocolos de salida de un avión. Indique lo que se hará.
Solución
Interpretación
Determinar si se revisarán los protocolos de salida de un avión.
Representación
Variable: Tiempo en el que un avión llega a su destino con respecto a su hora programada.
Herramienta estadística: Distribución uniforme.
X U (a=−15 , b=30)
Cálculo
Función de densidad f(x):
{
1
−15≤ x ≤ 30
f ( x )= 45
0 en otro caso
Función de probabilidad acumulada F(x):
{
0 x←15
x+15
F ( x )= −15 ≤ x ≤30
45
1 x >30
Se pide: P(X>10)
Usando la función de densidad f(x):
30
1 4
P ( X >10 ) =∫ dx = =0,4444=44 , 44 %
10 45 9
Usando la función de probabilidad acumulada F(x):
P(X≥ b)=1- F(b )
10+15 5 4
P ( X >10 ) =1−F ( 10 )=1− =1− = =0,4444=44 , 44 %
45 9 9
Usando el Excel:
P ( X >10 ) =0,44444=44,444 %
Análisis y argumentación
La probabilidad de que un avión llegue con un retraso mayor a 10 minutos es 44,44%, lo cual es
mayor al 20%.
Sí se revisarán los protocolos de salida de un avión, ya que la probabilidad de que llegue con más
de 10 minutos de retraso es mayor al 20%.
Se pide: P(X>6)
Estadística Descriptiva 2023 02 196
Usando la función de densidad f(x):
30
1 8
P ( X >6 )=∫ dx= =0,5333
6 45 15
Usando la función de probabilidad acumulada F(x):
P(X≥ b)=1- F(b )
6 +15 7 8
P ( X >6 )=1−F ( 6 )=1− =1− = =0,5333
45 15 15
Usando el Excel:
P ( X >6 )=0,5333
c. Si se escoge al azar 20 vuelos, calcule la probabilidad de que, como máximo, se tenga un vuelo
con retraso mayor a ocho minutos.
W: Número de vuelos que tienen un retraso mayor a 8 minutos en una muestra de tamaño 20.
n=20 p=0,4889 W~B(n=20; p=0,4889)
P(W≤1)=0.000030
Pregunta adicional 1:
Si X ~ U (a=-15, b=30), halle P(X<5)=¿?
Usando el Excel:
P(X<5)=0,4444
Pregunta adicional 2:
Si X ~ U (a=-15, b=30), halle P(5<X<15)
Usando el Excel:
P(5<X<15)=0,2222
Pregunta adicional 3:
Si X ~ U (a=-15, b=30). Halle el tiempo mínimo (X) para que el avión esté en el 20% de los aviones
que llegan más tarde.
|----------------------------80%-------------------------|-----20%------|
|-----------------------------------------------------------------------------|
-15 k=P80 30
Pregunta adicional 4:
Si X ~ U (a=-15, b=30). Halle el tiempo máximo (X) para que el avión esté en el 10% de los aviones
que llegan más temprano.
|---10%---|
|-----------------------------------------------------------------------------|
-15 k=P10 30
Distribución exponencial
En variables que representan los tiempos de vida útil, tiempos de sobrevivencia, en tiempos de ocu -
rrencia en procesos de Poisson se suele utilizar la distribución exponencial.
La variable aleatoria X tiene una distribución exponencial con parámetro β (β >0) .
Función de densidad:
{
−x
1 β
e x≥0
f (x)= β
0 otro caso
F (x)= {
1−e
0
−x / β
x <0
x≥0
β >0
Conclusión:
P(X≤ a)=F(a )
P(X≥ b)=1- F(b )
P(a ≤ X≤ b)= F(b ) - F(a )
Nota: Las respuestas serían las mismas si se incluye o no la igualdad
Características
La variable puede tomar valores de 0 a +, no toma valores negativos.
La gráfica es descendente con sesgo a la derecha.
Existe una curva para cada valor de β .
Media
μ x =E ( X )= β
Varianza
2 2
σ X =β
Cálculo de un percentil k
Para el percentil k , se cumple que:
P ( X ≤ P k )=0 , k
Estadística Descriptiva 2023 02 199
Con el Excel: Por ejemplo, si se quiere calcular el percentil 90, P90 =INV.GAMMA(0.9;1;beta).
−x
β
F ( x )=P ( X ≤ x )=1−e
Se cumple que:
−Pk
β
1−e =k
− Pk
β
e =1−k
ln ( e )=ln (1−k )
−Pk
β
−Pk
=ln ( 1−k )
β
Pk =−β ln ( 1−k )
−P90
β
1−e =0 , 9
0,90
P90
P90=−β ln ( 1−0 ,9 )
Pk =INV.GAMMA(k/100;1;beta)
Ejemplo 54
El ingeniero de planta de una línea aérea sabe que la duración promedio de los neumáticos de las avio-
netas es de 1,5 años. Si la duración de los neumáticos tiene una distribución exponencial.
Solución
−1, 6
1 ,5
P ( X ≤1 , 6 ) =F ( 1 ,6 )=1−e =0,6558
Solución
P ( X >2 ) =1−P ( X ≤2 )
( )
−2
¿ 1−F ( 2 )=1− 1−e 1, 5 =0,2636
c. La gerencia de la línea aérea está evaluando la posibilidad de cambiar de proveedor si el tiempo
mínimo del 25% de los neumáticos que tienen una mayor duración es menor a 1,8 años.
Solución
Interpretación
Determinar si se va a cambiar de proveedor.
Representación
Se debe calcular el percentil 75 de la variable <duración de neumáticos de las avionetas>.
Cálculo
El tiempo mínimo del 25% de los neumáticos que tienen una mayor duración lo representamos por
t min.
P ( X >t min )=0 , 25
Estadística Descriptiva 2023 02 202
P ( X >t min )=1−P ( X ≤ t min )
( )
−t min
−t min
1, 5
¿e =0 ,25
−t min
Tomamos logaritmo neperiano a ambos lados de la ecuación 1, 5
e =0 ,25
−t min
=−1,3863
1 ,5
Análisis y argumentación
El tiempo mínimo del 25% de los neumáticos que tienen una mayor duración es mayor a 1,8 años
(2,08 > 1,8). Por tanto, no se va a cambiar de proveedor.
Vamos a establecer la relación que existe entre una variable Poisson y una variable exponencial.
X Poisson ( λ=5 )
Rx={0; 1; 2; … }
Dicha variable T se modela con una distribución exponencial con media β , es decir:
Estadística Descriptiva 2023 02 203
T exp ( β=2 )
RT=[0; +∞[
Se cumple que la relación entre los parámetros de las distribuciones Poisson y exponencial es:
¿ 1 1
λ = lo que equivale a β = ¿
β λ
X Poisson ( λ¿ =1/2 )
P(X=0)=0.6065 =POISSON.DIST(0;0.5;0)
T exp ( β=2 )
P(T>1)=1-F(1)=0.6065 =1-DISTR.EXP.N(1;1/2;1)
Ejemplo 55
X ≔ número de clientes que llegan a una farmacia por minuto con media λ=2
X P ( λ=2 )
Dicha variable T se modela con una distribución exponencial con media β . Se cumple que la relación
entre los parámetros es:
1
λ=2=
β
Por lo tanto, podemos conocer el valor del parámetro β de la distribución exponencial, a partir del
valor del parámetro λ de la distribución Poisson.
( 12 )
T exp β=
0 T
Estadística Descriptiva 2023 02 204
Con ello, podemos calcular la probabilidad de que el primer cliente llegue antes de los 45 segundos, es
decir:
P ( T < 0 ,75 )
Para calcular esta probabilildad podemos usar diversos métodos, como por ejemplo, usar la función de
−x
distribución acumulada F ( x )=1−e β .
−0 , 75
1
2
P ( T < 0 ,75 )=1−e =0,7769
X P ( λ)
Dicha variable T se modela con una distribución exponencial con media β , es decir:
T exp ( β )
1
λ=
β
Ejemplo 56
X ≔ número de clientes que llegan a una farmacia en un minuto con media λ=2
X P ( λ=2 )
Dicha variable T se modela con una distribución exponencial con media β . Se cumple que la relación
entre los parámetros es:
1
λ=2=
β
Estadística Descriptiva 2023 02 205
Por lo tanto, podemos conocer el valor del parámetro β de la distribución exponencial, a partir del
valor del parámetro λ de la distribución Poisson.
T exp β= ( 12 )
0 T1 T2
Con ello, podemos calcular la probabilidad de que el tiempo que transcurre entre la llegada de un
cliente y el siguiente sea mayor a 15 segundos, es decir:
P ( T > 0 ,25 )
Para calcular esta probabilidad podemos usar diversos métodos, como por ejemplo, usar la función de
−x
distribución acumulada F ( x )=1−e β .
( )
−0 , 25
1
P ( T > 0 ,25 )=1− 1−e 2
=0,6065
Estadística Descriptiva 2023 02 206
Ejercicios
164. En un servicio de entrega de paquetes a domicilio, se estima que el tiempo de entrega se modela
con una variable exponencial. El tiempo promedio de entrega de un paquete es de 30 minutos.
𝑋~ 𝐸𝑥𝑝 (𝛽 = 30)
Nota: En la distribución exponencial μ x =E ( X )= β
−25
P(X<25)= F ( 25 )=1−e 30
=0.5654
En Excel, =DISTR.EXP.N(25;1/30;1)=0.5654
Pregunta adicional: Calcule la probabilidad de que un paquete sea entregado en más de 35 minutos.
−35
P(X>35)=1-F(35)=1-(1−e 30
¿=0.3114
En Excel, =1-DISTR.EXP.N(35;1/30;1)=0.3114
b. Calcule el tiempo mínimo para estar en el 20% de los paquetes con mayor tiempo de entrega.
20%
|------------------------------------------------------------|------------|
P80
Se busca el P80:
−x
1−e 30 =0.80 → x=48.2831 (Con el SOLVE de la calculadora)
X exp ( β=? )
X exp ( β=2 )
+∞ −x
P (X >3)
∫ 12 e 2
dx
3 0,2231
P ( X >3 / X ≥ 2 )= = = =0,6064
P( X ≥ 2) +∞ 1 −x 0,3679
∫ 2 e 2 dx
2
170. El número de mensajes de WhatsApp que le llegan a una persona se modela con una variable
Poisson con una media de tres mensajes por minuto. Calcule la probabilidad de que el tiempo que
transcurre entre un mensaje y el siguiente sea mayor a 20 segundos.
X P ( λ=3 )
Dicha variable T se modela con una distribución exponencial con media β . Se cumple que la rela-
ción entre los parámetros es:
1
λ=3=
β
Por lo tanto, podemos conocer el valor del parámetro β de la distribución exponencial, a partir
del valor del parámetro λ de la distribución Poisson.
( 13 )
T exp β=
Estadística Descriptiva 2023 02 208
La probabilidad pedida es la probabilidad de que el tiempo que transcurre entre un mensaje y el
siguiente sea mayor a 20 segundos, es decir:
P ( T > 0,3333 )
Para calcular esta probabilidad podemos usar diversos métodos, como por ejemplo, usar la fun-
−x
ción de distribución acumulada F ( x )=1−e β .
( )
−0,3333
1
P ( T > 0,3333 )=1−P ( T ≤ 0,3333 )=1− 1−e 3
=0,3679
171. La vida de un vino rojo antes de perder su calidad se modela con una variable exponencial con
una vida media de 12 años. Calcule la probabilidad de que un vino rojo dure al menos 14 años
antes de perder su calidad.
X exp ( β=? )
El valor del parámetro beta β es igual a la media que es 12, por lo tanto,
X exp ( β=12 )
+∞ +∞ −x
1 12
P ( X >14 )=∫ f ( x ) dx =∫ e dx=0,3114
14 14 12
14
En Excel se usa =1-DISTR.EXP.N(14;1/12;1).
Estadística Descriptiva 2023 02 209
172. El tiempo, en días, que transcurre desde la adquisición de un vehículo nuevo hasta que se presen -
ta la primera falla mecánica se modela con una variable aleatoria exponencial con media de 500
días.
Variable X: Tiempo, en días, que transcurre desde la adquisición de un vehículo nuevo hasta que
se presenta la primera falla mecánica.
𝑋~ 𝐸𝑥𝑝 (𝛽 = 500)
Nota: En la distribución exponencial μ x =E ( X )= β
−x /500
F ( x )=1−e
( )=e
−600 −600
P(X>600)=1-F(600)=1− 1−e 500 500
=0.3012
En Excel, =1-DISTR.EXP.N(600;1/500;1)=0.3012
b. Calcule e interprete el cuartil 3 del tiempo que transcurre desde la adquisición de un vehículo
nuevo hasta que se presenta la primera falla mecánica. Rpta: 693,14 días
Q3=P75
−x
1−e 500 =0.75 (Con el SOLVE de la calculadora)
Q3=P75=693.1472
Para el 75% de vehículos nuevos, el tiempo máximo que transcurre hasta que se presenta la
primera falla mecánica es de 693,1472 días.
c. Se elige al azar un vehículo, se observa que han pasado 300 días y no se ha presentado ningu-
na falla mecánica, calcule la probabilidad de que pasen como máximo 200 días más antes de
que se presente la primera falla mecánica. Rpta: 0,3297
_________|_____________________|__________________
300 500
P( X≤500 /X>300) =
P ( X ≤500 ∩ X >300) P(300 < X ≤500) F ( 500 )−F (300) 0,1809
= = = =0,329 7
P (X >300) P ( X >300) 1−F(300) 0,5488
Estadística Descriptiva 2023 02 210
P ( 300< X ≤ 500 )=F (500 )−F ( 300 )=DISTR .exp . N ( 500 ; 1/500; 1 )−DISTR .exp . N (300 ; 1/500 ; 1)=0.1809
P ( X >300 )=1−F ( 300 )=1−DISTR . exp . N (300 ; 1/500; 1)=¿ 0.5488
173. La vida útil, en meses, de un artefacto eléctrico es una variable aleatoria con distribución expo-
nencial con parámetro β . Se sabe que el 80% de estos artefactos eléctricos tiene una vida útil
mayor a 60 meses. Calcule la probabilidad de que la vida útil de uno de estos artefactos eléctricos
sea mayor a 300 meses.
Definamos la variable aleatoria X := vida útil, en meses, de un artefacto eléctrico.
X exp (β=?)
La condición es:
P ( X >60 )=0 , 80
−60
β
e =0 , 80
−60
Tomamos logaritmo neperiano a ambos lados de la ecuación e β
=0 , 80 .
ln ( e )=ln ( 0 ,80)
−60
β
−60
=−0,2231
β
β=269
La probabilidad pedida es la probabilidad de que la vida útil de uno de estos artefactos eléctricos
sea mayor a 300 meses, es decir:
P ( X >300 )=0,3278
174. El tiempo entre llegadas de clientes a un local sigue una distribución exponencial con una me -
dia de seis minutos. ¿Cuál es la probabilidad de que el tiempo entre dos llegadas consecutivas sea
mayor a ocho minutos?
X exp ( β=? )
Estadística Descriptiva 2023 02 211
El valor del parámetro beta β es igual a la media que es 6, por lo tanto,
X exp ( β=6 )
La probabilidad pedida es la probabilidad de que el tiempo entre dos llegadas consecutivas sea
mayor a ocho minutos, es decir:
+∞ +∞ −x
1
P ( X >8 )=∫ f ( x ) dx=∫ e 6
dx=0,2636
8 8 6