Tema 3.4.4 Mtodo de Transformacin directa.

Haga clic para Integrantes: modificar el estilo de subttulo del patrn Mendez de la Cruz Aracely Scagno de Aquino Lady Laura

6/13/12

6 Semestre Grupo B Ingeniera Industrial

Generacin de variables aleatorias discretas

Haga clic para modificar el estilo de subttulo del patrn
6/13/12

DISTRIBUCION POISSON
Haga clic para modificar el estilo de subttulo del patrn
6/13/12

6/13/12

Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc, etc,: - # de defectos de una tela por m2 - # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc. - # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.

6/13/12

Para determinar la probabilidad de que ocurran x x xitos por unidad de tiempo, p( x , ) = rea, o producto, la frmula a x! utilizar sera:

donde:

Ejemplos:

6/13/12

Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos?

Solucin:

a)

( 6 )4 ( 2.718 )6 ( 1296 )( 0.00248) p( x = 4 , = 6 ) = = = 0.13392 4! 24

x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da cualquiera

6/13/12

b)

x= variable que nos define el nmero de cheques sin fondo que llegan al banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.

= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das consecutivos

Nota: siempre debe de estar en funcin de x siempre o dicho de otra ( 12 )10 (de718 )12 2. lo mismo que x. ( 6.1917364 )( 0.000006151 ) 10 forma, debe = p( x = 10 , = 12 ) hablar = = 0.104953

10 !

3628800

DISTRIBUCIN BINOMIAL
Haga clic para modificar el estilo de subttulo del patrn
6/13/12

6/13/12

Las caractersticas de esta distribucin son:

a) En los experimentos que tienen este tipo de distribucin, siempre se esperan dos tipos de resultados, eje. Defectuoso, no defectuoso, pasa, no pasa, etc, etc., denominados arbitrariamente xito (que es lo que se espera que ocurra) o fracaso (lo contrario del xito).

b) Las probabilidades asociadas a cada uno de estos resultados son constantes, es decir no cambian.

c) Cada uno de los ensayos o repeticiones del experimento son independientes entre s.

d) El nmero de ensayos o repeticiones del experimento (n) es constante.

6/13/12

Luego la frmula de la distribucin Binomial sera:

donde:

p( n , x , p )= n C n x p x q n x

p(x, n, p) = probabilidad de obtener en n ensayos x xitos, cuando la =P probabilidad de xito es p n

Media

Donde:

n = nmero de ensayos o repeticiones del experimento P = probabilidad de xito o la probabilidad referente al evento del

= nPQ

6/13/12 Si la probabilidad de que el vapor se condense en un tubo de aluminio de cubierta delgada a 10 atm de presin es de 0.40, si se prueban 12 tubos de ese tipo y bajo esas condiciones, determine la probabilidad de que: a) el vapor se condense en 4 de los tubos, b) el vapor se condense exactamente en 5 tubos.

Solucin:

a) n =12

x = variable que nos define el nmero de tubos en que el vapor se condensa

x = 0, 1, 2, 3,...,12 tubos en el que el vapor se condensa

p =p(se condense el vapor en un tubo de Al a 10 atm)= 0.40

= 0.22703

= 0.22703

6/13/12 a)
p( x = 4,n = 12 , p = 0.40 )=12 C4 ( 0.40 )4 ( 0.60 )12 4 = ( 495 )( 0.0256 )( 0.016796) =

= 0.21284

p( x = 5,n = 12 , p = 0.40 )=12 C5 ( 0.40 )5 ( 0.6 )12 5 = ( 792 )( 0.01024 )( 0.0279936 ) =

b)

= 0.22703

DISTRIBUCION GEOMETRICA
Haga clic para modificar el estilo de subttulo del patrn
6/13/12

6/13/12 Esta distribucin es un caso especial de la Binomial, ya que se desea que ocurra un xito por primera y nica vez.

Formula:

p( x ) = q x 1 p

Donde:

p(x) = probabilidad de que ocurra un xito en el ensayo x por primera y nica vez

p = probabilidad de xito

Ejemplo:

6/13/12

S la probabilidad de que un cierto dispositivo de medicin muestre una desviacin excesiva es de 0.05, cul es la probabilidad de que; a) el sexto de estos dispositivos de medicin sometidos a prueba sea el primero en mostrar una desviacin excesiva?, b) el sptimo de estos dispositivos de medicin sometidos a prueba, sea el primero que no muestre una desviacin excesiva?.

Solucin:

a) x = 6 que el sexto dispositivo de medicin probado sea el primero que muestre una variacin excesiva

p = 0.05 =probabilidad de que un dispositivo de medicin muestre una variacin excesiva 6 1

( 0.9 5) ( 0.0 5) = 0.0 38 6 9

6/13/12

b) x = 5 que el quinto dispositivo de medicin probado, sea el primero que no muestre una desviacin excesiva

p = 0.95 = probabilidad de que un dispositivo de medicin no muestre una variacin excesiva

q = 0.05 = probabilidad de que un dispositivo de medicin muestre una variacin excesiva

p(x = 5) =( 0.05 )

51

( 0.95 ) = 0.0000059

GENERACION DE VARIABLES Haga clic para modificar el estilo de subttulo del patrn ALEATORIAS CONTINUAS
6/13/12

DISTRIBUCION
Haga clic para modificar el estilo de subttulo del patrn

UNIFORME

6/13/12

La distribucin uniforme es aquella que puede tomar cualquier valor dentro de un intervalo, todos ellos con la misma probabilidad. funcin de densidad, aquella que nos permite conocer la probabilidad que tiene cada punto del intervalo. definida por: f(x) = 1 b-a
6/13/12

Su

Esta

Donde: b: es el extremo superior a: es el extremo inferior Ejemplo:

v

El volumen de precipitaciones estimado para el prximo ao en la ciudad de Sevilla va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular la funcin de distribucin uniforme y la precipitacin media esperada. 1 =0.01 500 - 400
6/13/12

f(x)=

Es decir, que el volumen de precipitaciones est entre 400 y 401 litros tiene un 1% de probabilidad; que est entre 401 y 402 litros.
v

El valor medio de esta distribucin se calcula: E(x)= a + b 2

El valor medio esperado es: E(x)= 400 + 500 2 Es decir, la precipitacin media estimada en Sevilla para el prximo ao es de 450 litros.
6/13/12

=450

DISTRIBUCION EXPONENCIAL
Haga clic para modificar el estilo de subttulo del patrn

6/13/12

 la

distribucin exponencial tiene una gran utilidad prctica ya que podemos considerarla como un modelo adecuado para la distribucin de probabilidad del tiempo de espera entre dos hechos que sigan un proceso de poisson. que la distribucin de Poisson describe las llegadas por unidad de tiempo, la distribucin exponencial estudia el tiempo entre cada una de estas llegadas.

Mientras

6/13/12

 Se

dice que la variable aleatoria continua X tiene distribucin exponencial con parmetro:

6/13/12

 Ejemplo:

El tiempo durante el cual cierta marca de batera trabaja en forma efectiva hasta que falle (tiempo de falla) se distribuye segn el modelo exponencial con un tiempo promedio de fallas igual a 360 das. a)qu probabilidad hay que el tiempo de falla sea mayor que 400 das?. b)Si una de estas bateras ha trabajado ya 400 das, qu probabilidad hay que trabaje ms de 200 das ms? c)Si se estn usando 5 de tales bateras calcular la probabilidad de que6/13/12de dos de ellas ms

Solucin: Sea X=el tiempo que trabaja la batera hasta que falle. El tiempo promedio de falla es de 360 das. Entonces, X ~Exp (=1/360) y su funcin de densidad es:

6/13/12

DISTRIBUCION NORMAL el estilo de Haga clic para modificar

subttulo del patrn

6/13/12

 La

distribucin normal es la distribucin continua mas importante, tanto en la estadstica terica como aplicada.

Si X es una variable aleatoria normal, entonces su funcin de densidad de probabilidades esta dada por:

6/13/12

 Donde

es su media y su desviacin estndar.

Al graficar la funcin f(x) se obtiene una grafica simtrica y unimodal, cuya forma es similar a una campana.

El centro de esta coincide con, y la amplitud esta determinada por . 6/13/12