PROBLEMAS GRUPO 4CV4

DISTIBUCION GAMA:
1.- Suponga que las llamadas telefnicas que llegan a un conmutador particular sigue un proceso de Poisson con un promedio de
cinco llamadas que llegan por minuto. Cul es la probabilidad de que pase ms de un minuto hasta que lleguen dos llamas al
conmutador?
Resultado:
El proceso de Poisson se aplica al tiempo que pasa hasta la ocurrencia de dos eventos de Poisson que siguen una distribucin gamma
con =1/5 y =2. Sea la variable aleatoria X el tiempo en minutos que transcurre antes de que lleguen dos llamadas.
La probabilidad que se requiere est dada por:

2.- En un estudio biomdico con ratas se usa una investigacin de respuesta a la dosis para determinar el efecto de la dosis de un
txico en su tiempo de sobrevivencia. El txico es uno que se descarga con frecuencia en la atmsfera desde el combustible de los
aviones. Para ciertas dosis del txico el estudio determina que el tiempo de sobrevivencia, en semanas, tiene una distribucin gamma
con =5 y =10. Cul es la probabilidad de que una rata no sobreviva ms de 60 semanas?
Respuesta:
Sea la variable aleatoria X el tiempo de sobrevivencia (tiempo para morir). La probabilidad que se requiere es:

La integral anterior se puede resolver a travs del uso de la funcin gamma incompleta, que resulta ser la funcin de distribucin
acumulada para la distribucin gamma. Esta funcin se describe como:

Si hacemos y=X/, X=y tenemos

Ntese que esto permite un clculo rpido de las probabilidades para la distribucin gamma. En realidad, para este problema l a
probabilidad de que la rata no sobreviva ms de 60 semanas est dada por:

DISTRIBUCION NORMAL:
1.- En una ciudad se estima que la temperatura mxima en el mes de junio sigue una distribucin normal, con media 23y desviacin
tpica 5. Calcular el nmero de das del mes en los que se espera alcanzar mximas entre 21y 27.



2.- La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviacin tpica 3 kg. Suponiendo que los pesos se
distribuyen normalmente, hallar cuntos estudiantes pesan:
1. Entre 60 kg y 75 kg.



2.Ms de 90 kg.


3.Menos de 64 kg.


4.64 kg.

5.64 kg o menos.

DI STRI BUCI ON NORMAL:
1) Sea x una variable aleatoria continua distribuida uniformemente en el intervalo cerrado (0,x) obtenga el valor de x si se sabe que la
probabilidad p(x<=3)=0.6
x=v-a-c
a=o
b=x?
p(x<=3)=0.6
2)
x: la velocidad de los camiones pasajeros
miu=95km7h
varianza=5km/h
z=x-m/varianza
DISTRIBUCION UNIFORME:
1.- Un punto se elige al azar sobre el segmento de lnea [0, 2]. Cul es la probabilidad de que el punto escogido quede entre 1 y 3/2?
R. () {

( )

4.- El tiempo entre dos pausas en una terminal de edicin en pantalla completa (esto es, el tiempo necesario para que la terminal
procese un comando de edicin y haga las correcciones en la pantalla) se distribuye uniformemente entre .5 y 2.25 segundos
a) Calcule y de Y
b) Qu probabilidad hay de que la terminal procesara un comando de edicin y har las correcciones apropiadas en la pantalla en
menos de 1 seg.

a) ()

()
()

()
b) () {

{



( ) ( )

VARIABLE ALEATORIA CONTINUA:
1.-
( )
( )

=

. c . o . e
X Ke
) x ( f
X
0
0
3

a) Encontrar K.
b) Encontrar F(X).
c) Encontrar el valor de:
P (X < 1/2)
P (1 s X s 1.5)
P (X > 58)
P (X = 10)
P (1/2 < X s 50)
a) Encontrar K

K
e e
K
e
K dX e K dX Ke
X
X X
3
1
3 3 0 3
0
0 0
3
3 3
=
(

+ =

= =




} }
K=3 ; f(X) = 3e
-3X


b) Encontrar F(X).

F(X) =
0 3
3
0
3
0 3
3 3 e e
x
e
dt e
x
t
x
t
+ =
(

}
= 1-e
-3x

c)
P (X < 1/2) = P (0 < X < 1/2) = F () F (0) = ( 1 e
- (1/2) (3)
) 0 = 0.7769
P (1 s X s 1.5) = F (1.5) F (1) = ( 1 e
- (1.5) (3)
) - ( 1 e
- (3)
) = 0.0387
P (X > 58) = P (0 < X < 1/2) = F () F (58) = 1 1 = 0
P (X = 10) = F (10) F (10) = 0
P (1/2 < X s 50) = F (50) F (1/2) = 1 0.7769 = 0.2231

2.-
( )
( )

s s +
=
. C . O . E
X ) x ( c
) x ( f
0
2 0 1
2


d) C = ?
e) F(x)
f) Dibujar f(x) y F(x)
g) Encontrar
P (1/3 s x s1)
P (3/2 > x)
P (3/2 = x)
P (-1 < x <4/2)

a) | |
|
|
.
|

\
|
+
(

+ =
(

+
(

= + = +
} } } }
0 2 0
3
2
0
2
0
2
3
3 3
2
0
2
0
2
2
0
2
0
2
c x c
x
c dx c dx x c cdx dx cx
= 14/3 c = 1 ; c = 3/14 f(x) = 3/14 (x
2
+ 1)
b) F(x) = ( )
|
|
.
|

\
|
+ =
|
|
.
|

\
|
(

+
(

= + = +
} } }
x
x
x
t
x
t
dt dt t dt t
x x x
3 14
3
0 0 3 14
3
14
3
14
3
1
14
3
3 3
0 0
2 2
0


c) Dibujar f (x) y F (x)




3/14 0
f(x) = 6/14 F(x) = 4/14
15/14 1






d) Encontrar :
P(1/3 s x s1)=F (1) F (1/3)=[3/14 (1
3
/3 + 1)][3/14 ( (1/3)
3
/3 + 1)]=0.2116
P (3/2 > x) = P (3/2 > x > 2) = F(2) - F(3/2) = 37/32
P (3/2 = x) = F(3/2) F(3/2) = 0
P (-1 < x <4/2) = F(4/2) F(-1) = 3/14 (2
3
/3 + 2) 0 = 1

T DE STUDENT:
1.- La longitud de los tornillos fabricados en una fbrica tienen media =10 mm y desviacin s=1 mm, calcular la probabilidad de que
en una muestra de tamao n=25 , la longitud media del tornillo sea inferior a 20.5 mm:

P(<20.5)

Estandarizamos T=(X-)/(s/n) que sigue una distribucin t de n-1 grados de libertad

T=(20.5-20)/(1/25) = 2.5

P(<20.5) --> P(T<2.5) ~ t(24)

P(T<2.5) = 0.9902

P(<20.5)=0.9902

La probabilidad que la longitud media de la muestra de 25 tornillos sea inferior a 20.5 mm es del 99.02%
2.- Un fabricante de focos afirma que su producto durar un promedio de 500 horas de trabajo. Para conservar este
promedio esta persona verifica 25 focos cada mes. Si el valor y calculado cae entre t 0.05 y t 0.05, l se encuentra
satisfecho con esta afirmacin. Qu conclusin deber l sacar de una muestra de 25 focos cuya duracin fue?:

Se puede concluir que la media poblacional no es 500, porque la muestra poblacional est por encima de esta, y por lo tanto deber a
estar por encima de 500.



Encontrar el valor de F, en cada uno de los siguientes casos:
El rea a la derecha de F, es de 0.25 con V1 =4 y V2=9.
El rea a la izquierda de F, es de 0.95 con V1=15 y V2 =10
El rea a la derecha de F es de 0.95 con con =6 y =8.
CASO 1
Como el rea que da la tabla es de cero a Fisher, se tiene que localizar primero los grados de libertad, dos que son 9, luego un
rea de 0.75 con 4 grados de libertad uno.
CASO 2
En este caso se puede buscar el rea de 0.95 directamente en la tabla con sus respectivos grados de libertad.
CASO 3
Se tiene que buscar en la tabla un rea de 0.05, puesto que nos piden un rea a la derecha de F de 0.95.

COVARIANZA
E J E M P L O:
Los gerentes de proyecto utilizan por lo regular el mtodo llamado PERT ( Program Evaluation and Review Technique) para
coordinar diversas actividades que conforman un gran proyecto. Una suposicin estndar del anlisis PERT es que el tiempo
necesario para realizar cualquier actividad particular, una vez que se haya iniciado, tiene una distribucin Beta con A = tiempo
optimista (s todo va bien) y B = tiempo pesimista (s todo sale mal). Supongamos que en la construccin de una casa, el tiempo X
(en das) necesario para colocar los cimientos tiene una distribucin Beta con A = 2, B= 5, = 2 y = 3.

Entonces , 4 =
+ | o
o
as que E(x) = 2+ (3) (.4)=3.2. Para estos valores de y , la pdf. de x es una funcin polinomial sencilla.
La probabilidad de que se tome a lo sumo tres das para poner los cimientos es:
407 . )
3
5
)(
3
2
(
! 2 ! 1
! 4
*
3
1
) 3 (
2
3
2
=

= s
}
dx
X X
X P

La distribucin B se usa para modelar la variacin en la proporcin o porcentaje de una cantidad que se presenta en muestras
diferentes, tales como la proporcin de horas que duerme un individuo.
Beta. Sirve para el estudio de variaciones, a travs de varias muestras, de un porcentaje que representa algn fenmeno. La
funcin DISTR.BETA del Excel sirve para obtener sus valores; y la funcin DISTR.BETA.INV proporciona los valores inversos de
la funcin, es decir, se utiliza como parmetro la imagen de la funcin y regresa la variable independiente.
1.-Supongamos que una distribucin Beta es definida por n= 11 y r= 5; Cul es la probabilidad de que p sea menor o igual a p
= 0.30?

( ) | | 3 . 0 , 1 11 ; 5 ) 11 ; 5 . 0 ( > = s
B
r P p P
|

= 1- B (4; 10, 0.3)
= 1- 0.84973
= 0.15027
2.-Nuevamente, para la misma distribucin Beta anterior, Cual es la probabilidad de que p sea menor o igual a p = 0.7?

( ) ( ) ( ) ( ) | | 7 . 0 1 , 1 11 ; 5 11 11 , 5 ; 7 . 0 ( = s r P p P
B |

=PB (r<6;10, 0.3)

= 0.95265
E J E M P L O
Los gerentes de proyecto utilizan por lo regular el mtodo llamado PERT ( Program Evaluation and Review Technique)
para coordinar diversas actividades que conforman un gran proyecto. Una suposicin estndar del anlisis PERT es
que el tiempo necesario para realizar cualquier actividad particular, una vez que se haya iniciado, tiene una distribucin
Beta con A = tiempo optimista (s todo va bien) y B = tiempo pesimista (s todo sale mal). Supongamos que en la
construccin de una casa, el tiempo X (en das) necesario para colocar los cimientos tiene una distribucin Beta con A =
2, B= 5, = 2 y = 3.
Entonces , 4 =
+ | o
o
as que E(x) = 2+ (3) (.4)=3.2. Para estos valores de y , la pdf. de x es una funcin polinomial sencilla.
La probabilidad de que se tome a lo sumo tres das para poner los cimientos es:

407 . )
3
5
)(
3
2
(
! 2 ! 1
! 4
*
3
1
) 3 (
2
3
2
=

= s
}
dx
X X
X P