Cap4 Mokyukyukdelosyukyuk Probabilístigyjjgjgjyjyucos SP

Modelos Probabilsticos
Mg. Eduardo Alarcon Bustamante

edalarcon@utalca.cl
Septiembre de 2014
Indice I
1 Modelos probabilsticos de variables aleatorias discretas
Distribucion de probabilidad de Bernoulli
Distribucion de probabilidad Binomial
Distribucion de probabilidad Binomial Negativa
Distribucion de probabilidad Geometrica
Distribucion de probabilidad Hipergeometrica
Distribucion de probabilidad de Poisson
Ejercicios
2 Modelos probabilsticos de variables aleatorias continuas
Distribucion Uniforme
Distribucion Normal
Interpretacion geometrica
Uso de la tabla de Distribucion Normal Estandar
Distribucion Gamma
Distribucion Exponencial
3 Ejercicios del captulo
Ejercicio 1
Ejercicio 2
Ejercicio 3
Ejercicio 4
Ejercicio 5
Indice II
Ejercicio 6
Modelos probabilsticos de variables aleatorias discretas
Se lanza un dado de 6 caras no cargado una vez y se mide la

probabilidad de obtener un 5. Los captulos anteriores nos permiten
afirmar que dicha probabilidad es 1/6.
Formalicemos esta intuicion en terminos de Obtener un 5 (que

llamaremos exito) y No obtener un 5 (que llamaremos fracaso)
Denotaremos por 1 al exito y por 2 al fracaso

Introduzcamos una variable X , tal que

1 si ocurre exito (1 )
X =
0 si ocurre fracaso (2 )
La distribucion de probabilidad de la variable aleatoria Bernoulli,
nombrada as por el cientfico suizo Jakob Bernoulli (1654-1705),
denota el resultado de un experimento aleatorio con dos posibles
resultados denominados comunmente exito (1 ) y Fracaso (2 ),
con una probabilidad de ocurrencia asociada a cada uno de los
resultados (P(1 ) = p y P(2 ) = q = 1 p), tal que
x 1x
p q si x = 0, 1
P(X = x) =
0 e.o.c
E(X ) = p; V (X ) = pq
Del ejemplo anterior se obtiene lo siguiente

X 1 = Obtener un 5 al lanzar el dado
X 2 = No obtener un 5 al lanzar el dado
X p = 1/6
X q = 5/6

1 si un obtengo 5
X =
0 si no obtengo un 5
Ademas
px q 1x

si x = 0, 1
P(X = x) =
0 e.o.c
As
P(X = 1) = (1/6)1 (5/6)0 = 1/6

R: La probabilidad de obtener un 5 al lanzar un dado de 6 caras no
cargado una vez es 1/6.
Suponga ahora que lanza el mismo dado anterior 7 veces y desea saber la
probabilidad de obtener 3 veces el numero 5 en estos 7 lanzamientos.
Pensando en la distribucion de Bernoulli, esto es realizar el experimento

Bernoulli 7 veces donde se requiere obtener 3 exitos (1 =Obtener un 5) y 4
fracasos (2 =No obtener un 5).
En terminos estadsticos:
Sea la variable aleatoria X que define a continuacion
X =Numero de veces que se obtiene el numero 5 de un total de 7

lanzamientos.
X = 3 {1 1 1 2 2 2 2 }
X = 3 {1 1 2 1 2 2 2 }
X = 3 {1 1 2 2 1 2 2 }
..
.
X = 3 {2 2 2 2 1 1 1 }
Observacion: requiere obtener 3 exitos y 4 fracasos pero no se considera el

orden en que se obtienen estos.

7
Por la observacion anterior se tienen = 35 formas de obtener 3
3
exitos en 7 lanzamientos.
As
P(X = 3) = 35 P(1 1 1 2 2 2 2 )
Como las pruebas (lanzamientos) son independientes, entonces:
P(X = 3) = 35 P(1 ) P(1 ) P(1 ) P(2 ) P(2 ) P(2 ) P(2 )

3
P(X = 3) = 35 (P(1 )) P(2 )4 = 35 (1/6)3 (5/6)4 = 0, 07814
R: La probabilidad de obtener 3 veces el numero 5 en 7 lanzamientos
es 0,07814 (7,814%)
La distribucion de probabilidad de la variable aleatoria binomial esta

dada por
n x nx
p q si x = 0, 1, . . . , n
P(X = x) = x
0 e.o.c
Donde
X X representa el numero de exitos en n ensayos Bernoulli.
X p representa la probabilidad de exito (P(1 )) de una prueba
Bernoulli.
X q = 1 p representa la probabilidad de fracaso (P(2 )) de una
prueba Bernoulli.
X n representa el numero de ensayos Bernoulli.
X E(X ) = np, V (X ) = npq
Notacion: X B(n, p)
Ejemplo
Una maquina fabrica 300 piezas, de las cuales 9 son defectuosas. Calcular
la probabilidad de que al examinar 80 piezas, solo 2 sean defectuosas.
X : Numero de piezas defectuosas de un total de 80.

1 =La pieza esta defectuosa
2 =La pienza no esta defectuosa
p = P(1 ) = 0, 03
q = P(2 ) = 0, 97
X B(n = 80; p = 0, 03)

!
n x
P(X = x) = p (1 p)nx
x
Reemplazando
!
80
P(X = 2) = 0, 032 (1 0, 03)802 = 0, 26431
2
R: La probabilidad de que solo hayan 2 piezas defectuosas al inspeccionar

80 piezas es 0,26431 (26,431%)
(Caractersticas que definen una variable aleatoria binomial)
El experimento consiste en n ensayos identicos e

independientes.
Cada ensayo tiene inicamente dos posibles resultados:
Llamaremos exito al punto 1 y fracaso al punto 2 .
P(1 ) = p y P(2 ) = q se mantienen constantes a lo largo de
todos los ensayos. Ademas p + q = 1.
X = Numero de exitos en n ensayos.
Suponga ahora que desea calcular la probabilidad de que se hayan

necesitado 7 lanzamientos para observar el tercer exito (Obtener el
numero 5).
Se define la variable aleatoria X como sigue:
X =Numero de ensayos necesarios para obtener por tercera vez el

numero 5.
X = 7 {1 1 2 2 2 2 1 }
X = 7 {1 2 1 2 2 2 1 }
X = 7 {2 1 2 1 2 2 1 }
..
.
X = 7 {2 2 2 2 1 1 1 }
Observacion: El septimo lanzamiento siempre es exito, en los 6

lanzamientos anteriores se requiere obtener 2 exitos pero sin
considerar el orden en que se obtienen estos.

6
Por la observacion anterior existen = 15 formas de obtener los
2
otros dos exitos en los 6 lanzamientos anteriores.
As
P(X = 7) = 15 P(1 1 2 2 2 2 1 )
Como las pruebas (lanzamientos) son independientes, entonces:
P(X = 7) = 15 P(1 ) P(1 ) P(2 ) P(2 ) P(2 ) P(2 ) P(1 )

3
P(X = 7) = 15 (P(1 )) P(2 )4 = 15 (1/6)3 (5/6)4 = 0, 033489
R: La probabilidad de que hayan sido necesarios 7 lanzamientos
para obtener por tercera vez el numero 5 es 0,033489 (3,3489%)
La distribucion de probabilidad de la variable aleatoria binomial

negativa esta dada por
x1 r xr
P(X = x) = r 1 p q si x = r , r + 1, r + 2 . . .
0 e.o.c
Donde
X X representa el numero de ensayos Bernoulli necesarios para
observar el r -esimo exito.
X p representa la probabilidad de exito (P(1 )) de una prueba
Bernoulli.
X q = 1 p representa la probabilidad de fracaso (P(2 )) de una
prueba Bernoulli.
rq
X E(X ) = pr , V (X ) = p2
Notacion: X BN (r , p)
Ejemplo
Una empresa exportadora tiene una banda transportadora que produce un 7% de
piezas defectuosas y toda la produccion de esta banda se revisa para determinar si las
piezas resultaron buenas (B) o defectuosas (D). El experimento concluye una vez que
se han encontrado 3 piezas defectuosas. Entonces, el proceso se detiene y la banda
es ajustada.
Calcule la probabilidad de que el experimento se concluya en la quinta pieza.
Solucion:
X =Numero de piezas necesarias a inspeccionar hasta encontrar la tercera pieza
defectuosa.
1 =La pieza inspeccionada esta defectuosa.
2 =La pieza inspeccionada no esta defectuosa.
p = 0, 07; q = 0, 93
X BN (r = 3; p = 0, 07)
x 1
P(X = x) = pr q xr
r 1
Reemplazando
5 1
P(X = 5) = 0, 073 (1 0, 07)53 = 0, 00177
31
R: La probabilidad de que el experimento concluya en la quinta pieza es 0,00177
(0,177%)
(Caracteresticas que definen una variable aleatoria binomial

negativa)
El experimento consiste ensayos identicos e independientes.

p =Probabilidad de un exito.
q = 1 p = Probabilidad de fracaso.
X : Numero de ensayos necesarios para que se presente el
r -esimo exito.
Suponga ahora que desea calcular la probabilidad de que se hayan necesitado 7

lanzamientos para obtener el primer exito (Obtener el numero 5).
Observe que este caso es un el caso particular de la distribucion binomial negativa

con r = 1, esta distribucion recibe el nombre de Distribucion de probabilidad
geometrica. Cuya distribucion de probabilidad esta dada por
x1
pq si x = 1, 2, 3 . . .
P(X = x) =
0 e.o.c
Donde
X X representa el numero de ensayos Bernoulli necesarios para observar el primer
exito.
X p representa la probabilidad de exito (P(1 )) de una prueba Bernoulli.
X q = 1 p representa la probabilidad de fracaso (P(2 )) de una prueba Bernoulli.
1 q
X E(X ) = p
, V (X ) = p2
Notacion: X G(p)
Ejemplo
Una empresa requiere realizar una auditora interna; sin embargo desea que la
empresa que lo audite cobre a lo mas $800.000 por realizar el trabajo, de las
empresas chilenas solo el 24% cumple con este requisito. Si se llama a licitacion
publica Cual es la probabilidad de que el gerente deba revisar 6 empresas para
encontrar la primera que cobre a lo mas $800.000?
Solucion:
X =Numero de empresas necesarias a revisar para encontrar la primera que cobre

menos de $800.000.
1 =La empresa cobra a lo mas $800.000
2 =La empresa cobra mas de $800.000
p = 0, 24; q = 0, 76
X G(p = 0, 24)
P(X = x) = pq x1
Reemplazando
P(X = 6) = 0, 24 0, 765 = 0, 0608
R: La probabilidad de que el gerente deba inspeccionar 6 empresas para encontrar la
primera que cobre menos de $800.000 es de 0,0608 (6,08%)
(Caractersticas que definen una variable aleatoria geometrica)
El experimento consiste ensayos identicos e independientes.

p =Probabilidad de un exito.
q = 1 p = Probabilidad de fracaso.
X : Numero de ensayos necesarios para que se presente el
primer exito.
Suponga que se tiene una urna con N bolas identicas, excepto porque M bolas son
rojas y N M son verdes. Se seleccionan aleatoriamente k bolas SIN REEMPLAZO,
entonces si X es una v.a que denota el numero de bolas rojas en la muestra de
tamano k. La probabilidad de que X tome el valor x, se deduce de la siguiente forma.
Sabemos que, segun Laplace,
Numero de casos favorables correspondientes a X = x

P(X = x) =
Numero de casos posibles
Numero de casos posibles: Necesitamos una muestra de tamano k proveniente de

N
una poblacion de tamano N, por lo que tenemos formas de escoger esta muestra.
k
Numero de casos favorables a X = x: De las k bolas necesitamos obtener x rojas y
M
k x verdes, el numero de formas de obtener x rojas esta dado por y el numero
N M x
de formas de obtener k x bolas verdes esta dado por , as el numero de
k x
casos favorables esta dado por
M N M

x k x
Esta distribucion es denominada Distribucion de probabilidad

Hipergeometrica y se denota por
X H(N, M, k )
donde, del analisis anterior se obtiene que
M NM

x k x
P(X = x) = N
; x {0, , k }
k
Ademas:
M M N M N k
E(X ) = k ; V (X ) = k
N N N N 1
Ejemplo
Cuando la semilla de maz viene contaminada con chamico, el precio
de esta semilla es inferior. Para determinar el precio que debe pagar
por un determinado lote, un Ingeniero decide examinar 20 de 500
bolsas de semillas de maz. Considere que 50 de las 500 de las
bolsas de semilla estan contaminadas con chamico.
Identifique la variable.
Encuentre la distribucion de probabilidad de la variable.
Considerando las 20 bolsas de semillas seleccionadas al azar,
cual es la probabilidad de que ninguna de ellas esta
contaminada?
Solucion:
X = Numero de bolsas contaminadas, de un total de 20 bolsas.
Tomando k = 20, N = 500 y M = 50 en la funcion
hipergeometrica, se tiene:
50
450
x 20x
P(X = x) = 500
, si x = 0, 1, . . . , 20.
20
La probabilidad de que ninguna de las bolsas de la muestra se

encuentre contaminada sera
450

20
P(X = 0) = 500
= 0, 1164.
20
R: La probabilidad de que, de la muestra de 20 bolsas de semillas de

maiz, ninguna esta contaminada con semillas de chamico es 0,1164
(11,64%).
Nota: En concordancia con el problema, el ingeniero encargado de comprar las bolsas
de semillas de trigo tiene un 11,64% de probabilidad de pagar la tarifa completa al
comprar las bolsas.
(Caractersticas que definen una variable aleatoria hipergeometrica)
El experimento consiste en extraer al azar y sin sustitucion k

elementos de un conjunto de N elementos, M de los cuales son
exitos y N M fracasos.
Se sugiere que k represente por lo menos el 5% de N.
Ademas, x M y k x N M.
X representa el numero de exitos en la muestra de k elementos.
Considere la distribucion de probabilidad Binomial

n x nx
P(X = x) = p q
x
n!
= px q nx
(n x)!x!
Suponga que n y p 0, entonces reparametrice de modo tal

que E(X ) = np =
Reemplazando,
x nx
n!
P(X = x) = 1
(n x)!x! n n
n
x

n!
= 1 x
x! n (n x)!nx 1
n
De lo anterior se puede demostrar que

" n #
x n! x
lim 1 x = e
n x! n (n x)!nx 1 n x!

De esta forma, si consideramos la variable aleatoria X que representa el

numero de ocurrencias de cierto evento en un intervalo de tiempo dado
(area, volumen, peso, distancia o cualquier otra unidad de medida).
Entonces, en este caso es util la distribucion de Poisson, la cual fue
descubierta por Simeon-Denis Poisson y dada a conocer en 1838, donde
x
e si x = 0, 1, 2, . . .
P(X = x) = x!
0 e.o.c
Ademas:
X E(X ) =
X V (X ) =
Notacion: X P()
Ejemplo
Considere un operador telefonico que recibe, en promedio, 5
llamadas cada 3 minutos.
Calcule la probabilidad de que:
No hayan llamadas el proximo minuto.
Por lo menos 2 llamadas en el proximo minuto.
Primera parte
X : Numero de llamadas en un minuto.

5
X P =
3
e x
P(X = x) =
x!
Entonces:
P(No hayan llamadas en el proximo minuto) = P (X = 0)

5 0
e 3 53 5
P (X = 0) = = e 3 = 0, 189
0!
R: La probabilidad de que no hayan llamadas en el proximo minuto
es de 0,189 (18,9%)
Segunda parte
X = Numero de llamadas en un minuto.

5
X P =
3
x1
X e i
P(X x) = 1 P(X < x) = 1
i!
i=0
Entonces:
Necesitamos calcular P (X 2), donde
P (X 2) = 1 P (X < 2)
5
i 5
0 5
1
1 e 3 5
e 3 53 e 3 35
X 3
P (X < 2) = = + = 0, 5036
i! 0! 1!
i=0
As
P (X 2) = 1 0, 5036 = 0, 4964
R: La probabilidad de que el numero de llamadas en el proximo minuto sea a lo menos
2 es 0,4964 (49,64%)
(Caractersticas que definen una variable aleatoria Poisson)
X : numero de veces que ocurre un evento, durante una unidad

de tiempo dada (area, volumen, peso, distancia, etc.).
La probabilidad de que un evento ocurra en una unidad dada de
tiempo, es la misma para todas las unidades.
El numero de eventos que ocurren en una unidad de tiempo, es
independiente del numero de los que ocurren en otras unidades.
= Numero medio eventos en una unidad de tiempo.
Si se desea cambiar la escala de tiempo entonces el numero
medio de eventos sera t
Observacion (Relacion Distribucion Binomial - Distribucion Poisson)

Si X B(n, p) con n y p 0, entonces X se aproxima a una
distribucion Poisson con parametro = np
Ejemplo
Un escritor, en promedio, comete un error cada 500 palabras
escritas, comunmente una pagina contiene 300 palabras.
Cual es la probabilidad de que NO cometa mas de dos errores en
cinco paginas?
Mediante distribucion Binomial
X : Numero de errores cometidos en cinco paginas (1500 palabras).

1
X B n = 1500, p =
500
x
X n
P(X x) = pi (1 p)ni
i
i=0
Reemplazando
2 i 1500i
X 1500 1 499
P(X 2) = = 0, 4230
i 500 500
i=0
R:La probabilidad de que el escritor no cometa mas de 2 errores en 5

paginas es 0,423 (42,3%)
Mediante distribucion Poisson:
X : Numero de errores cometidos en cinco paginas (1500 palabras).

1
X P = 1500 =3
500
x
X e i
P(X x) =
i!
i=0
Reemplazando
2
X e3 3i e3 30 e3 31 e3 32
P(X 2) = = + + = 0, 4232
i! 0! 1! 2!
i=0
R:La probabilidad de que el escritor no cometa mas de 2 errores en 5

paginas es 0,4232 (42,32%)
Ejercicios
1 El 10% de los discos de computador producidos por un nuevo proceso salen

defectuosos. Si hay 20 discos en una caja:
i) Cuantos esperara usted que salieran defectuosos?
ii) Cual es la probabilidad de que el numero de discos defectuosos
sea igual al numero esperado que usted determino en su respuesta
anterior?
2 Aquellas empresas no certificadas con la norma ISO9001 presentan una tasa de
accidentes de trabajo de 1,2 accidentes mensualmente. Cual es la probabilidad
de que en 3 meses ocurran menos de 5 accidentes en una empresa no
certificada con la norma ISO9001?
3 Una compana auditora asegura que la probabilidad de tener accidentes de
trabajo en una empresa donde se implemento la norma chilena NCH2909 es del
12%.
i) Calcule la probabilidad de que se deban inspeccionar mas de 4
empresas para encontrar la primera donde algun trabajador haya
sufrido accidentes de trabajo.
ii) Calcule la probabilidad de que se deban inspeccionar menos de 5
empresas para encontrar la tercera empresa donde algun trabajador
haya sufrido accidentes de trabajo.
Ejercicios
4 Usted tiene cinco monedas en su bolsillo; dos de un peso, dos de cinco pesos y
una de diez pesos, donde las monedas de igual valor son distinguibles. Tres
monedas son extradas al azar. Sea X la cantidad extrada (en pesos).
Encuentre:
i) La funcion de probabilidad de X
ii) P(X 10|X 15)
5 Un basquetbolista efectua repetidos lanzamientos desde una lnea de tiros libres.
Suponga que sus lanzamientos son ensayos de Bernoulli independientes con
probabilidad de acertar de 0,7.
i) Cual es la probabilidad que le tome menos de cinco lanzamientos
para efectuar un segundo acierto?
ii) Cual es la probabilidad que le tome menos de cinco lanzamientos
para efectuar su primer acierto?
iii) Cual es el numero esperado de lanzamientos para lograr su cuarto
acierto?
6 En cierta area rural, una extrana enfermedad esta afectando a uno de cada 100
ninos. Ademas se observa que en promedio, aparece un caso cada 30 das.
Ejercicios
i) Se tiene la informacion que en el sector existen un total de 300

ninos, determine la probabilidad que la extrana enfermedad afecte
tan solo a 2 de ellos. Hacerlo de dos formas diferentes.
ii) Determine la probabilidad que en un perodo de 15 das se observe
2 casos como mnimo.
7 Un comite de 3 integrantes se forma aleatoriamente seleccionado de entre 4
doctores y dos enfermeras. (se eligen uno a uno las personas y estas no se
vuelve a considerar en el siguiente paso)
i) Escriba la funcion de probabilidad para la variable aleatoria X que
representa el numero de doctores en el comite.
ii) Encuentre P(X 4)
8 El numero de infracciones expedidas por un lector de parqumetro puede
modelarse mediante un modelo de Poisson con una tasa de cinco infracciones
por hora.
i) Cual es la probabilidad de que exactamente cuatro infracciones se
expidan durante una hora en particular?
ii) Cual es la probabilidad de que por lo menos cuatro se expidan
durante una hora en particular?
Ejercicios
iii) Cuantas infracciones se espera expedir durante un perodo de 45

minutos?
9 Senale Verdadero o Falso. justifique cuando sea falso dando a conocer el
verdadero significado o valor numerico segun corresponda:
i) Si X G(p), entonces X es el numero de la repeticion en la cual se
obtiene exito por tercera vez.
ii) Si X B(n, p), entonces X es el numero de veces que ocurre exito
en una cantidad n de ensayos (n : indefinido).
iii) La v.a. X : numero de ocurrencias en el intervalo o region tiene una
distribucion de Poisson con tasa .
iv) En el modelo Hipergeometrico el tipo de muestreo es con restitucion
(esto es, se toman elementos uno a uno y cada vez que se saca
uno de ellos se devuelve).
Modelos probabilsticos de variables aleatorias continuas
Se dice que una v.a.c. X tiene una distribucion uniforme sobre (a, b)
con a < b. Si su f.d.p. esta dada por:
1
si a < x < b
fX (x) = ba
0 e.o.c
Notacion:X U(a, b)
Esperanza y varianza de una Variable aleatoria

Uniforme
Si X U (a, b), entonces

b
b
x x2 2 2
= b a = a)(b + a) b+a
Z
(b
E(X ) = = =
a ba 2(b a) a
2(b a) 2
(b a) 2
V (X ) = E(X 2 ) [E(X )]2
b
b
x2 x3 3 3
= b a = a)(b2 + ab + a2 )
b2 + ab + a2
Z
(b
E(X 2 ) =

= =
a ba 3(b a) a
3(b a) 3 a)
(b 3
b2 + ab + a2 b+a 2 (b a)2

V (X ) = =
3 2 12
As, si X U (a, b), entonces
b+a (b a)2
E(X ) = , V (X ) =
2 12
El precio de la bencina para el proximo ano se estima que oscile

uniformemente entre $800 y $850.
i) Calcule el valor esperado del precio de la bencina durante el
proximo ano.
ii) Calcule la desviacion estandar del precio de la bencina durante
el proximo ano.
iii) Calcule la probabilidad de que el precio de la bencina durante el
proximo ano se mantenga constante en $820.
iv) Calcule la probabilidad de que el precio de la bencina durante el
proximo ano sea superior a $835
Distribucion Normal
Se dice que una v.a.c X tiene una distribucion Normal con

parametros y si su f.d.p esta dada por
(
1 1 x 2
exp 2 si x, R, R+
fX (x) = 2
0 e.o.c
Notacion:X N (, 2 )
E(X ) = ; V (X ) = 2
Distribucion Normal
La media se puede interpretar como un factor de traslacion.

La desviacion estandar se puede interpretar como un factor de
escala, grado de dispersion.
Distribucion Normal
Teorema (Teorema de estandarizacion)

Dada una variable X N (, 2 ), considere la siguiente
estandarizacion.
X
Z =

, Entonces
x
P(X x) = P Z

Ademas la v.a Z N (0, 1), (distribucion normal estandar) la cual se
encuentran tabuladas sus probabilidades.
Distribucion Normal
Si X N (, 2 ), sabemos que
(
1 x 2
12

exp si x, R, R+
fX (x) = 2
0 e.o.c
Entonces
1 exp 12 z 2

si z R
fZ (z) = 2
0 e.o.c
Distribucion Normal
Considere z un valor, al cual lo llamaremos cuantil correspondiente

a la v.a. normal estandar. Para obtener z , primero se busca la
probabilidad mas cercana a . Luego se toman los valores de la fila y
la columna de la tabla (se puede usar interpolacion). Ademas se
cumple la propiedad de simetra z = z1 .
Distribucion Normal
1 Sea Z una variable aleatoria normal estandarizada. Encuentre

i) P(0 Z 1, 96)
ii) P(Z > 1, 96)
iii) P(1, 96 Z 1, 96)
iv) P(1 Z 1, 96)
2 Si Y tiene una distribucion normal con media igual a 500 y
desviacion estandar igual a 100. Encuentre
i) P(500 Y 696)
ii) P(Y 696)
iii) k tal que P(500 k Y 500 + k ) = 0.6
3 Los ingresos anuales de los egresados de ingeniera de la
Universidad de Talca siguen aproximadamente una distribucion
normal con una media de $18.600.000 y una desviacion
estandar de $2.700.000. Encuentre la probabilidad de que un
ingeniero egresado de la Universidad de Talca seleccionado al
azar
i) Tenga un ingreso anual de inferior a $18.000.000
ii) Tenga un ingreso mayor a $19.000.000.
iii) Tenga un ingreso anual encuentre $17.500.000 y $19.000.000
Distribucion Gamma
Se define la funcion Gamma como sigue

Z
() = t 1 et dt; > 0
0
As Z
1
t 1 et dt = 1; > 0
() 0
Por lo que (
t 1 et
() si 0 < t < ; > 0
fT (t) =
0 e.o.c
es una funcion de densidad.
Distribucion Gamma
La familia de distribuciones gamma tiene dos parametros y los

cuales se derivan desde el cambio de variables X = T donde > 0
(cte.)
Mediante el teorema de cambio de variables se obtiene lo siguiente

X
Sea X = T T = , entonces

x dt
fX (x) = fT
dx
dt 1
donde =
dx
Distribucion Gamma
As

x 1
fX (x) = fT

1 x
x
e 1
fX (x) =
()
x
x 1 e 1
fX (x) =
1 ()
x
x 1 e
fX (x) =
()
De esta forma se dice que X tiene distribucion Gamma de

parametros y si su funcion de densidad esta dada por:
x

1
x ()
e
Si 0 < x < ; > 0; > 0
fX (x) =

0 e.o.c

Distribucion Gamma
Notacion: X G(, ), donde

i) es conocido como parametro de traslacion
ii) es conocido como parametro de escala
A modo de ejercicio demuestre que

1 E(X ) = y V (X ) = 2
2 ( + 1) = (); > 0
3 (n) = (n 1)!; nN

4 21 =
Un caso especial de la distribucion Gamma es cuando = 1, aqu se

obtiene la distribucion exponencial con parametro = 1 , as
x
e Si 0 < x < ; > 0
fX (x) =
0 e.o.c
Notacion:X Exp()
1 1
E(X ) = ; V (X ) = 2

Si X Exp(), entonces
Z x
P(X < x) = et dt
0
t x
= e
0
= 1 ex
As, si X Exp(), entonces
P(X < x) = 1 ex
El tiempo que transcurre entre un accidente y otro en una empresa

no certificada con la norma ISO9001 sigue una distribucion
exponencial con tiempo medio de 1,7 meses. Si un mes especfico
ocurre un accidente laboral de las empresas no certificadas. Cual
es la probabilidad de que deban pasar menos de 3 meses para que
ocurra un accidente?
Ejercicios del captulo
Ejercicio 1
Por estudios anteriores se sabe que la tasa de ventas de cuenta corriente que realiza
un ejecutivo del banco BANESE es 1,8 semanalmente. El banco le da como meta, a
cualquier ejecutivo, vender 5 cuentas corrientes mensualmente.
Lucas es un ejecutivo de ventas del Banco BANESE:
i) Calcule la probabilidad de que Lucas cumpla la meta al finalizar la tercera semana
del mes.
ii) Suponga que el mes en curso comienza el da lunes. El primer da del mes el
gerente comercial comienza un seguimiento a Lucas acerca de la cantidad de
cuentas corrientes que este vende. Si Lucas vende cuentas corrientes solo en
das habiles. Calcule la probabilidad de que este haya vendido al menos 2
cuentas corrientes hasta el da 10 del mes en curso (Considere la NO existencia
de feriados dentro de los 10 primeros das del mes).
iii) El tiempo que transcurre entre una venta y otra sigue una distribucion exponencial
con tiempo medio de 2,7 das. Si un da especfico Lucas vende una cuenta
corriente. Cual es la probabilidad de que deban pasar menos de 5 das para que
Lucas venda una nueva cuenta?. (Considere que Lucas vende una cuenta
corriente cualquier da de la semana)
Ejercicio 2
El costo anual de una familia por arriendo de departamentos de un ambiente en la

ciudad de Talca sigue una distribucion normal con media de $1.866.520 y una
desviacion estandar de $94.500.
i) Al seleccionar al azar una familia que vive en departamento de un ambiente,
calcule la probabilidad de que esta tenga un costo anual superior a $1.686.200
por arriendo de su departamento.
ii) Cual es el costo maximo anual que paga el 25% de las familias que menos paga
en arriendo departamentos de un ambiente?.
iii) Al seleccionar al azar 7 familias que viven en departamentos de un ambiente,
calcule la probabilidad de que 5 de ellas tenga un costo anual por arriendo inferior
a $1.983.200.
iv) Al tomar una encuesta donde se pregunta por el costo por arriendo, cual es la
probabilidad de tener que encuestar 3 familias que viven en departamentos de un
ambiente para encontrar la primera familia que tiene con costo anual por arriendo
entre $1.730.000 y $1.982.900?
Ejercicio 3
Una envasadora de harina de trigo, es ajustada de tal manera que la probabilidad de

que llene una bolsa con menos de 6,0204 kg. sea 0,102 y que la llene con mas de
6,1984 kg. sea 0,008. Un comerciante que desea comprar este producto elige 10
bolsas de la produccion de un da y decide comprar una gran partida, si a lo mas una
de estas bolsas pesan menos de 6,08 kg.
i) Cual es la probabilidad de que el comerciante compre la partida si es llenado de
la envasadora se distribuye aproximadamente normal?
ii) Si elige bolsas uno a uno de la produccion diaria cual es la probabilidad de que
encuentre la primera bolsa que pese menos de 6 kg. en la segunda eleccion?
Ejercicio 4
En la actualidad, en general una persona compra un departamento con prestamo

hipotecario, el cual permite comprar con un plazo adecuado segun las condiciones de
la persona. Segun estudios previos, se sabe que el tiempo para pagar la deuda es una
variable aleatoria que distribuye exponencial con un tiempo medio de 8 anos plazo. En
12 personas que compraron un departamento, Cual es la probabilidad de que a lo
mas dos de ellos lo paguen antes de 5 anos?
Ejercicio 5
En un departamento del tipo A, el monto de los gastos comunes a pagar distribuye

Normal con un monto medio de $49000 y una desviacion estandar de $9000. Si el
monto de los gastos comunes ha sido de al menos $45000, Cual es la probabilidad
de que en el quinto mes de habitar el departamento, tenga que pagar por primera vez
mas de $60000 en el monto de los gastos comunes?
Ejercicio 6
Las utilidades que obtiene un garage por cada cliente atendido, tienen una distribucion
Normal, cuya utilidad media es de $7012 con una desviacion estandar de $532.
i) Si se eligen al azar 10 clientes atendidos en el garage, Cual es la probabilidad de
que por lo menos en dos de los clientes atendidos, tengan una utilidad entre
$6950 y $7050?
ii) Si se eligen al azar 15 clientes atendidos en el garage, Cual es la probabilidad de
que con al menos 4 de ellos haya obtenido una utilidad de a lo mas de $7030?

Cap4 Mokyukyukdelosyukyuk Probabilístigyjjgjgjyjyucos SP

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Cap4 Mokyukyukdelosyukyuk Probabilístigyjjgjgjyjyucos SP

Hochgeladen von

Copyright:

Verfügbare Formate

Modelos Probabilsticos

Mg. Eduardo Alarcon Bustamante

Se lanza un dado de 6 caras no cargado una vez y se mide la

Formalicemos esta intuicion en terminos de Obtener un 5 (que

Denotaremos por 1 al exito y por 2 al fracaso

Introduzcamos una variable X , tal que

Del ejemplo anterior se obtiene lo siguiente

P(X = 1) = (1/6)1 (5/6)0 = 1/6

Pensando en la distribucion de Bernoulli, esto es realizar el experimento

Sea la variable aleatoria X que define a continuacion

X =Numero de veces que se obtiene el numero 5 de un total de 7

Observacion: requiere obtener 3 exitos y 4 fracasos pero no se considera el

Como las pruebas (lanzamientos) son independientes, entonces:

P(X = 3) = 35 P(1 ) P(1 ) P(1 ) P(2 ) P(2 ) P(2 ) P(2 )

La distribucion de probabilidad de la variable aleatoria binomial esta

X : Numero de piezas defectuosas de un total de 80.

X B(n = 80; p = 0, 03)

R: La probabilidad de que solo hayan 2 piezas defectuosas al inspeccionar

(Caractersticas que definen una variable aleatoria binomial)

El experimento consiste en n ensayos identicos e

Suponga ahora que desea calcular la probabilidad de que se hayan

Se define la variable aleatoria X como sigue:

X =Numero de ensayos necesarios para obtener por tercera vez el

Observacion: El septimo lanzamiento siempre es exito, en los 6

Como las pruebas (lanzamientos) son independientes, entonces:

P(X = 7) = 15 P(1 ) P(1 ) P(2 ) P(2 ) P(2 ) P(2 ) P(1 )

La distribucion de probabilidad de la variable aleatoria binomial

(Caracteresticas que definen una variable aleatoria binomial

El experimento consiste ensayos identicos e independientes.

Suponga ahora que desea calcular la probabilidad de que se hayan necesitado 7

Observe que este caso es un el caso particular de la distribucion binomial negativa

X =Numero de empresas necesarias a revisar para encontrar la primera que cobre

(Caractersticas que definen una variable aleatoria geometrica)

El experimento consiste ensayos identicos e independientes.

Sabemos que, segun Laplace,

Numero de casos favorables correspondientes a X = x

Numero de casos posibles: Necesitamos una muestra de tamano k proveniente de

Esta distribucion es denominada Distribucion de probabilidad

La probabilidad de que ninguna de las bolsas de la muestra se

R: La probabilidad de que, de la muestra de 20 bolsas de semillas de

(Caractersticas que definen una variable aleatoria hipergeometrica)

El experimento consiste en extraer al azar y sin sustitucion k

Considere la distribucion de probabilidad Binomial

Suponga que n y p 0, entonces reparametrice de modo tal

De lo anterior se puede demostrar que

De esta forma, si consideramos la variable aleatoria X que representa el

X : Numero de llamadas en un minuto.

P(No hayan llamadas en el proximo minuto) = P (X = 0)

X = Numero de llamadas en un minuto.

(Caractersticas que definen una variable aleatoria Poisson)

X : numero de veces que ocurre un evento, durante una unidad

Observacion (Relacion Distribucion Binomial - Distribucion Poisson)

Mediante distribucion Binomial

X : Numero de errores cometidos en cinco paginas (1500 palabras).

R:La probabilidad de que el escritor no cometa mas de 2 errores en 5

Mediante distribucion Poisson:

X : Numero de errores cometidos en cinco paginas (1500 palabras).

R:La probabilidad de que el escritor no cometa mas de 2 errores en 5

1 El 10% de los discos de computador producidos por un nuevo proceso salen

i) Se tiene la informacion que en el sector existen un total de 300

iii) Cuantas infracciones se espera expedir durante un perodo de 45

Esperanza y varianza de una Variable aleatoria

Si X U (a, b), entonces

V (X ) = E(X 2 ) [E(X )]2