08estad2017 Uni PDF

UNIVERSIDAD NACIONAL DE INGENIERIA
CLASE: DISTRIBUCIONES DISCRETAS - CONTINUAS
Germán Elías Pomachagua Pérez

gpomachagua@hotmail.com
Material de Clases © German Pomachagua Perez 7-jun-18

TIPOS DE DISTRIBUCIONES
a) DISCRETAS: La variable toma un número entero
 Distribución binomial
 Distribución hipergeométrica
 Distribución Poisson
 Distribución Geométrica
 Binomial Negativa (Pascal)
b) CONTINUAS: La variable puede tomar cualquier valor dentro
de un intervalo dado.
 Distribución Uniforme
 Distribución Exponencial
 Distribución normal Z
 Distribución t
 Distribución Ji-cuadrada 2
 Distribución F
LA DISTRIBUCIÓN BINOMIAL.
Un experimento es llamado de Bernoulli, si satisface las
siguientes características:
 El experimento consta de un número n de pruebas

independientes
 Cada prueba del experimento tiene solo dos resultados

llamados éxito o fracaso
 La probabilidad de éxito se denotada por p que

permanece constante y no varia de una prueba a otra.
La probabilidad de fracaso por q=1-p

La distribución de probabilidad de x éxitos en n pruebas es:
 n  x n x
P( X  x)    p q x  0, 1, 2, ........n
 x
Dónde:
n: número de ensayos
x : número de éxitos en cada ensayo.
n - x : número de fracaso en el ensayo
n n! : número de maneras de obtener exactamente x
  
 x  (n  x)! x! éxitos en n pruebas
p: probabilidad de éxito en cualquier prueba
q = 1-p probabilidad de fracaso en cualquier prueba
E(X) = n p V(X) = n p q
Ejemplo 1: La morosidad en el pago de los clientes que hacen uso de tarjetas de
crédito es alrededor del 20%. Si se escogen al azar los estados de cuenta de 10
clientes, hallar la probabilidad de que:
a) Dos de ellas correspondan a clientes morosos.
SOLUCIÓN:
Sea X: Número de personas morosas
Datos: p =0.2 probabilidad de personas morosas
q = 0.8 probabilidad de personas no morosas (están al día en sus pagos)
10
𝑃 𝑥=2 = 0.22 0.88 = 0.301989
2
b) Mas de tres correspondan a clientes morosos.
𝑃 𝑥 > 3 = 1 − 𝑃 𝑥 ≤ 3 = 1 − 0.8791 = 0.1209
c) Al menos una persona sea morosa
𝑃 𝑥 ≥ 1 = 1 − 𝑃 𝑥 < 1 = 1 − 𝑃 𝑥 = 0 = 1 − 0.1074 = 0.8926

d) Ocho personas estén al día en sus pagos
Es semejante a decir que dos personas sean morosas
p=0.2 0 1 2 3 4 5 6 7 8 9 10
p=0.8 10 9 8 7 6 5 4 3 2 1 0
10 10
𝑃 𝑦=8 = 0.88 0.22 = 0.301989 𝑃 𝑥=2 = 0.22 0.88 = 0.301989
8 2
e) Por lo menos seis sean de clientes al día en sus pagos.

4
10
𝑃 𝑥≤4 = 0.2𝑖 0.810−𝑖 = 0.9672
𝑖
𝑖=0
d) Si al menos una persona es morosa. ¿Cuál es la probabilidad de encontrar
menos de 4 personas morosas
f) Cuál es el valor esperado y la desviación estándar del numero de
clientes morosos? E(x), V(x)

En Excel la distribución Binomial

Para la probabilidad puntual PDF.Binom(x,n,p) En SPSS la distribución
Para la probabilidad acumulada CDF.Binom(x,n,p) Binomial
Para Generar números aleatorios RV.Binom(n,p)
En SPSS la distribución Binomial ir a Transformar / Calcular variable

En Minitab ir a Cal / Distribuciones de probabilidad / Binomial

Ejemplo2: AMD Corp. Fabricante de chips para PC, tiene un índice de defectos del
5% en sus chips de microprocesador. La firma IBM uno de sus principales clientes
encarga 500 chips de los cuales hay que elegir una muestra de 12. Si hay más de 2
defectuosos en la muestra se devolverá a AMD el lote de 500.
a) ¿Cuál es la probabilidad de que el lote entero sea devuelto?
Solución: Sea X: número de chips defectuosos
Sí N= 500, p= 0.05, n=12,
Si X>2 entonces Devuelto
P( X  2)  1  P( X  2)
P( Devuelto)  1  P( Aceptado)
P( Aceptado)  P( X  0)  P( X  1)  P( X  2)
P( Aceptado)  0.5404  0.3413  0.0988  0.9804
𝑃 𝑋 > 2 = 1 − 0.9805 = 0.0196
a) ¿Cuál es la probabilidad de encontrar 2 chip buenos?

• Calculando así para diferentes valores de p, se puede establecer una
Función de Probabilidad de Aceptación, esto indica la probabilidad de
aceptación de un lote para distintos índices de defectos

Ejemplo3:Las máquinas A y B producen, en promedio, 5% y 10% de productos
defectuosos, respectivamente Si se extrae 4 piezas de la producción de cada una.
¿Cuál es la probabilidad que en la muestra obtenida de A tenga exactamente un
producto defectuoso; mientras que en la muestra B tenga exactamente dos
productos defectuosos?
Solución: Definimos como variables aleatorias a
X = { Número de productos defectuosos en la muestra de A }
Y = { Número de productos defectuosos en la muestra de B }
Los rangos correspondientes son: RX = { 0, 1, 2, 3, 4} RY = { 0, 1, 2, 3, 4}
En este caso, cada producto extraído es un ensayo; esto es, las probabilidades de
éxitos son: 𝑝𝑥 = 0.05 𝑝𝑦 = 0.10
Luego, probabilidad que se pide calcular esta dada por:

4 4
𝑃 𝑋=1 𝑃 𝑌=2 = 0.05𝑥0.953 x 0.12 𝑥0.92 = 0.0083
1 2

Ejemplo 4: Se sabe que los discos producidos en una empresa salen defectuosos
con probabilidad, independiente unos de otros de 0.02. La compañía vende los
discos en paquetes de 10 y garantiza el reembolso del dinero si más de 1 de 10
discos sale defectuoso.
a) ¿Cuál es la probabilidad de paquetes que se devuelven? R: 0.01618
b) Si alguien compra 3 paquetes ¿Cuál es la probabilidad de que devuelvan
exactamente uno de ellos? R=046982
Ejemplo 5: El gimnasio Gold Gym ha comprobado que el 20% de sus clientes

abandona durante el primer mes y el 80% restante permanecen todo el año.
Supongamos que este año se inscribieron 20 alumnos.
a) Identifica la variable aleatoria del problema e indica que distribución sigue.
b) ¿Cuál es la probabilidad de que a lo más 2 abandonen durante el primer mes?
c) Al hacer la inscripción se realiza un único pago anual de 600 dólares. Cada
cliente que permanece todo el año genera un gasto anual de 150 dólares. ¿Cuál
es el beneficio anual esperado?

Ejemplo 6: En una tienda de alquiler de autos, cada vez que un cliente alquile un
automóvil debe pagar como mínimo $20, Si alquila un auto tipo A debe pagar $15
más, y si alquila un auto de otro tipo debe pagar $5 más. Se sabe que la
probabilidad de que un cliente alquile un auto tipo A es de 0.8. De 20 clientes que
alquilan auto en esta tienda:
a) Determine la distribución de probabilidades de los clientes que alquilan
automóviles tipo A
b) Determine la utilidad y la utilidad esperada que producen a la tienda los 20
clientes que alquilan automóviles Rpta: $660

LA DISTRIBUCIÓN HPERGEOMÉTRICA
Se aplica al muestreo sin reposición de una población finita, cuyos elementos
pueden ser clasificados en dos categorías: Defectuosos (r) y no defectuosos (N-r).
Las aplicaciones de la distribución hipergeométrica se encuentran en muchos

campos, sobre todo en el muestreo de aceptación, las pruebas electrónicas y los
controles de calidad. Evidentemente, en muchos de estos campos el muestreo se
realiza a expensas del artículo que se prueba; es decir, el artículo se destruye, por
lo que no se puede reemplazar en la muestra
r N-r
x n-x
LA DISTRIBUCIÓN HIPERGEOMÉTRICA
CARACTERÍSTICAS
 Se toma una muestra de tamaño n sin
reemplazamiento de un conjunto finito de tamaño
N.
 Cada ensayo puede ser calificado por un éxito o
un fracaso.
 La probabilidad de éxito no permanece
constante de un ensayo a otro (no son
independientes)

La distribución de probabilidad de x éxitos en n pruebas es
 r  N  r 
  
 x  n  x 
P( X  x)  x  0,1,.......min( n, r )
N
 
n 
donde:
N : tamaño de la población
r : es el número total de defectuosos en la población
n : tamaño de la muestra
x : es el número de defectuosos en la muestra
r
p
N
 N n
E( x)  np V ( x )  npq 
 N 1 
Ejemplo1: Se embarcan motores en lotes de 50. Antes de que tal cargamento sea aceptado, un
inspector elige 5 motores y los revisa. Si ninguno de los motores probados es defectuoso, el lote
es aceptado. Si se encuentra que uno o más son defectuosos, se inspecciona el cargamento
completo. Supongamos que, en realidad hay 3 motores defectuosos en el lote
a) ¿Cuál es su distribución de probabilidad?
b) ¿Cuál es la probabilidad de que sea necesaria una inspección de todo el cargamento?
 r  N  r 
Solución: Sea X: número de motores   
 x  n  x 
P( X  x)  x  0,1,.......min( n, r )
defectuosos. N
 
Se necesita una inspección al 100% sí X  1 n 
N = 50 P( X  1)  1  P( X  0)
r = 3 motores defectuosos  3  47 
N-r = 47 motores no defectuosos   
P( X  1)  1      0.28
0 5
n = 5 tamaño de la muestra
 50 
X1  
5
c) ¿Cuál es la probabilidad de hallar por lo menos 2 motores buenos?

En Excel la distribución Hipergeométrica

Ejemplo2: Un fabricante de puertas de metal señala que en un despacho de 6000
puertas enviadas a una ferretería, 300 estas ligeramente dañadas. Si un comprador
adquiere 9 de estas puertas, seleccionadas al azar ¿Cuál es la probabilidad de que
exactamente 4 estén dañadas?
Distribución Hipergeométrica Distribución Binomial
X: números de puertas defectuosas X: números de puertas defectuosas en

r:= 300 número de puertas defectuosas una muestra de 9 puertas
N-r=5,700 𝑟 300
𝑝= = = 0.05
n=9 𝑁 6000
300 5700 9
𝑃 𝑥=4 = 0.054 0.955
4
𝑃 𝑥=4 = 4 5 = 0.00059978 = 0.000609352
6000
9

Ejemplo 3 : Dos de cada 10 objetos que se fabrican en una línea de producción
resultan ser defectuosos, hecho fácil de apreciar con una simple prueba. ¿Cuál de los
siguientes casos es más probable?
a) ¿Encontrar los dos objetos defectuosos eligiendo al azar, sin reemplazamiento, 4
de ellos? R=01333
b) ¿No encontrar ningún objeto defectuoso entre 2 elegidos al azar, con
reemplazamiento? R=0.107374
Ejemplo 4: Para evitar que lo descubran en el aeropuerto de Lima, un viajero ha

colocado 6 tabletas de narcótico en una botella que contiene 9 píldoras de
vitamina que son similares en apariencia. Si el oficial de policía selecciona 3
tabletas aleatoriamente para analizarlas.
a) ¿Cuál es la probabilidad de que el viajero sea arrestado por posesión de
narcóticos?. Rpta: 0.815385
b) ¿Cuál es la probabilidad de que no sea arrestado por posesión de
narcóticos?. Rpta: 0.184615

Ejemplo 5: Una compañía manufacturera utiliza un esquema para la aceptación
de los artículos producidos antes de ser embarcados. El plan es de dos etapas.
Se preparan cajas de 25 para embarque y se selecciona una muestra de 3 para
verificar si tienen algún articulo defectuoso. Si se encuentra uno, la caja entera se
regresa para verificarla al 100 %. Si no se encuentra ningún articulo defectuoso,
la caja se embarca.
a) ¿Cual es la probabilidad de que se embarque una caja que tiene tres artículos
defectuosos?
b) ¿Cual es la probabilidad de que una caja que contiene solo un articulo
defectuoso se regresa para verificación?

Distribución de Probabilidad Geométrica
Consideremos el siguiente experimento ε, con solo dos posibles

eventos éxito y fracaso, se repite el experimento hasta obtener el
éxito por primera vez.
Definimos la variable aleatoria X, como el número de pruebas
independientes que debe repetirse un experimento hasta que se
obtiene el primer éxito
Entonces:
x 1
P(X  x)  q p x  1,2.........
1 q
E ( x)  V ( x)  2
p p
n
q n
1

x 1
q
x 1
p  p.
q 1

Ejemplo 1: La probabilidad de que un bit transmitido a través de un canal de
transmisión digital y este se se reciba con error es de 0.01. Suponga que las
transmisiones son eventos independientes
a) Cuál es la probabilidad de que el primer bit erróneo sea el 5to?
b) ¿Cuál es el numero promedio de transmisiones de bits hasta que ocurra el primer
error?
c) Calcular P(µ-2α<X <µ+2α) x 1
Solución:
P(X  x)  q p x  1,2.........
X: numero de bits trasmitido hasta que ocurra el primer error
p=0.01
a) Sea P( X  5)  (0.99) (0.01)  0.00960596
4
1 1
b) La respuesta es E ( X )    100
p 0.01
El número promedio de transmisiones hasta el primer error es de 100
c) P(µ-2α<X <µ+2α) = 0.9500
Ejemplo2: En cierta región de la sierra la probabilidad de que una tormenta con
truenos ocurra en un día cualquiera durante el verano (Enero-Febrero) es igual a 0.1
Suponiendo la independencia de un día con otro. ¿Cuál es la probabilidad de que la
primera tormenta con truenos ocurra el 3 de febrero.? Rpta 0.0030903
Ejemplo4: El costo de efectuar un experimento es de $1,000. Si el experimento falla,
se ocurre en un costo adicional de $300 debido a ciertos cambios que se deben
efectuarse antes de que se intente un nuevo ensayo. Sí la probabilidad de éxito en
cualquiera de los ensayos es 0.2 si los ensayos aislados son independientes y los
experimentos continúan hasta que se obtiene el primer resultado exitoso.
a) ¿Cuál es el costo esperado del procedimiento completo?
Solución:
Si C es el costo
X es el número de ensayos para obtener éxito
X-1 es el número de ensayos fallados
Costo del experimento

$1,000 Si x  1, p  c  1000
   x    x  2, qp  c  2300
qqq
 .........
  qqqqq
 p x  3, qqp  c  3600
x 1
Costo adicional de $ 300
b) ¿Cuál es la probabilidad de que el
C  1000 X  300( X  1)
experimento cueste mas de $2,600?
C  1300 X  300 Rpta: 0.64
E (C )  1300 E ( x)  300
1
E (C )  1300   300  6,200
0.2
LA DISTRIBUCIÓN BINOMIAL NEGATIVA ( PASCAL)
Es una generalización de la distribución geométrica, donde la

variable aleatoria X es el numero de ensayos Bernoulli requeridos,
hasta obtener r éxitos, con una probabilidad constante de éxito p
 x  1 r x  r
La distribución de X es P( X  x )    p q x  r, r  1,.....
r 1
Donde:
X: número de ensayos hasta que ocurra el r éxitos.
r : número de éxitos
X-r : número de fracasos
 x  1
  :número de maneras de encontrar r éxitos en x ensayos
 r 1
r rq
E ( x)  V ( x)  2
p p
Ejemplo 1: Los registros de una compañía constructora de pozos, indican que la
probabilidad de que uno de sus pozos nuevos, requiera de reparaciones en el
término de un año es de 0.20.
a) ¿Cuál es la probabilidad de que el sexto pozo construido por esta compañía
en un año dado, sea el segundo en requerir reparaciones en un año?
X: Número de pozos construido hasta que el 2do pozo requiera reparaciones

r: 2 pozos requieren reapariciones
p=0.2
 x  1 r x  r
P( X  x )    p q x  r, r  1,.....
r 1
 6  1
P( X  6)   0.2 2 0.84  0.08192
 2  1
b) ¿Cuál es la probabilidad de que el octavo pozo construido por esta compañía

en un año dado sea el tercero en requerir reparaciones en un año?.
R:0.0550502
Ejemplo2: Si la probabilidad es de 0.4 de que un niño expuesto a una
enfermedad contagiosa la contraiga. ¿Cuál es la probabilidad de que el décimo
niño expuesto a la enfermedad será el tercero en contraerla?
Solución:  x  1 r x  r
P( X  x )    p q x  r, r  1,.....
r 1
X: Número de niños expuestos hasta que el tercero contraiga la enfermedad
r: 3 niños contagiados
p=0.84
X-r :7 niños no contagiados
10  1
P( X  10)   0.4 3 0.6 7  0.0644
 3 1 

Ejemplo 3: La ONPE cuenta con tres servidores idénticos para sus procesos
electorales. Se utiliza únicamente solo un servidor para operar las elecciones
presidenciales, las dos restantes se activan en caso de que el sistema primario falle.
Durante una hora de funcionamiento la probabilidad de falla en el servidor primario
(o de cualquiera de los servidores de respuesta activados) es 0.0005.
Suponiendo que cada hora representa un ensayo independiente.
a) ¿Cuál es el tiempo promedio para que fallen los tres servidores?
b) ¿Cuál es la probabilidad de que los tres servidores fallen durante 5 horas de
funcionamiento?
Solución:
a) Sea X numero de horas de funcionamiento hasta que los 3 servidores fallen
r=3 servidores
X-3:
En el proceso el tercer servidor falla x = r, r+1…….
r 3
E ( x)    6,000
p 0.0005

b) Como P( X  5)  P( X  3)  P( X  4)  P( X  5)
P(x=3) Probabilidad de que en la tercera hora falle el tercer servidor
P(x=4) Probabilidad de que en la cuarta hora falle el tercer servidor
P(x=5) Probabilidad de que en la quinta hora falle el tercer servidor
 x  1 r x  r
P( X  x )    p q x  r, r  1,.....
r 1
 3  1 33  4  1  5  1
P( X  5)   (0.0005) (0.9995)  
3
(0.0005) (0.9995)  
3
(0.0005) 3 (0.9995) 2
 3  1  3 1  3  1
 (0.0005) 3  3(0.0005) 3 (0.9995)  6(0.0005) 3 (0.9995) 2
 1.249 10 9

EJEMPLO 4: El lanzamiento de un cohete se considera seguro después de que se
han realizado tres pruebas exitosas. La probabilidad de una prueba con éxito es de
0.8.
a) Que probabilidad hay de obtener 3 éxitos en 6 pruebas del cohete? R: 0.08192
b) Cual es la probabilidad de que el primer éxito se obtenga en la tercera prueba?
R: 0.032
c) Al completar las tres pruebas con éxito, el cohete es lanzado. Este lanzamiento
proporciona una información que obtiene ingresos por $200,000 y para cada
prueba se invierten $10,000. Cual es la ganancia esperada en cada
lanzamiento de un cohete? R: 162,500
Solución a) No interesa el orden

X = # de éxitos en "n" pruebas entonces D. Binomial
b) Interesa el orden
X = # de pruebas hasta obtener el "primer" éxito entonces D. Geométrica
c) Puesto que no se conoce X= el # de pruebas necesarias para conseguir las 3

pruebas exitosas, entonces D. Binomial negativa
𝐺 = 200,000 − 10,000𝑥

Ejemplo 5: La Dirección General de Transporte Terrestre del MTC pretende modificar
la normativa de circulación de manera que un conductor pierda su permiso de
conducir si recibe 3 multas por exceso de velocidad. Cada vez que el conductor
conduce su coche, tiene una probabilidad igual a 0.001 de ser sancionado por
exceso de velocidad.
a) ¿Calcule la probabilidad de que un conductor reciba su primera multa por
exceso de velocidad la décimo quinta vez que conduzca su coche tras la
aplicación de la nueva normativa? Rpta: 0.000986091
b) ¿Cuál es el número esperado de veces que conducirá el coche hasta que reciba
la primera multa por exceso de velocidad?. Rpta 1000
c) ¿Cuál es la probabilidad de que un conductor maneje su coche al menos 3
veces hasta que reciba la primera multa?. Rpta 0.980
d) ¿Cuál es la probabilidad de que un conductor pierda su permiso de conducir la
novena vez que maneje su coche?. Rpta 2.7832E-8
e) ¿Calcule el número esperado de veces que manejará el coche un conductor
hasta que le sea retirado el permiso de conducir y su desviación típica?. Rpta
E(x)=3.000
f) Si un conductor ha salido ya 3 veces con su coche y todavía no ha sido multado
por exceso de velocidad, ¿cuál es la probabilidad de que conduzca al menos
una vez más antes de recibir la primera multa? Rpta 𝑃(𝑥 ≥ 5/𝑥 ≥4)=0.99899

Distribución de Probabilidad de Poisson
La distribución de probabilidad de Poisson, nos describe el número

veces que ocurre un evento en un intervalo (tiempo, espacio o
volumen).
Ejemplos:
 Nº de clientes atendidos por cada 20 minutos.
 Nº de defectos por metro de una tela.
 Nº de automóviles por hora que pasan por un cruce.
La distribución se basa en dos supuestos que son:

 La probabilidad es proporcional a la extensión del intervalo.
 La probabilidad en los intervalos son independientes

Distribución de Poisson
La probabilidad de X eventos favorables por unidad de tiempo,

espacio o volumen, está dada por la fórmula:
x e  
P( X  x)  , x  0 ,1,2 , ...   0
x!
Donde:
x: número de veces que ocurre un suceso en un intervalo.
= número promedio de ocurrencias del suceso, por unidad de
tiempo o espacio
e :2.718
E( x)   V ( x)  
NOTA:  y X deben estar expresadas en las mismas medidas

Ejemplo1: El número de accidentes por semana en una fabrica sigue una
distribución de Poisson con un promedio de 2 accidentes por semana.
a) ¿Calcular la probabilidad de que en una semana haya algún accidente?
b) ¿Cuál es la probabilidad de que en dos semanas haya 4 accidentes?
c) ¿Cuál es la probabilidad de que en dos semanas haya mas de 2 accidentes?
d) ¿Calcular a la probabilidad de que haya dos accidentes en una semana y dos
en la siguiente semana?
e) Si sabemos que ha habido por lo menos un accidente. Hallar la probabilidad de
que en esa semana no haya más de tres accidentes
f) Es lunes y ha habido un accidente, hallar la probabilidad de que en aquella
semana no haya mas de 3 accidentes
Solución:
a) 0,8646
b) 0,1954
c) 0.7619
d) 0,0733
e) 0,8348

Ejemplo2: Los automóviles llegan a una garita de peaje aleatoriamente con un
promedio de 300 autos por hora.
a) ¿Cuál es la probabilidad de que lleguen por lo menos 8 durante 3 minutos?
b) Hallar la probabilidad de que en medio minuto lleguen más de 4 autos.
c) ¿Cuál es la probabilidad de que en 12 minutos lleguen a lo más 75 autos?
d) Calcule la media y la varianza del número de autos que llegan cada 10 minutos.
Ejemplo3 : Suponga que en un establecimiento de comida rápida se atienden a 50

clientes por hora siguiendo una variable de Poisson.
a) ¿Cuál es la probabilidad que se tenga que atender a menos de ocho clientes
entre las 5:00 p.m. y las 5:15 p.m.?
b) Hallar la probabilidad de que entre las 4:00. y 4:30 p.m. se atiendan a más de
20 clientes
c) Hallar la probabilidad de que entre las 4:00. y 4:10 p.m. se atiendan a 20
clientes

LA DISTRIBUCION EXPONENCIAL
 La distribución exponencial es utilizada
para modelar tiempos de vida útil o de
sobrevivencia, como el tiempo
transcurrido hasta que falle un
componente.
 La distribución exponencial tiene función
de densidad.
e  x x0
f ( x)  
0 x0
Función de densidad exponencial
1
𝐸 𝑥 = 𝑡𝑖𝑒𝑚𝑝𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑙𝑒𝑔𝑎𝑑𝑎𝑠
𝜆
1
𝑉 𝑥 =
𝜆2
x
F ( x )  P( X  x )   e t dt 1  e x

Por lo tanto P( X  x )  e kx

CONFIABILIDAD (SUPERVIVENCIA)
1) Si X es el tiempo, entonces R(t)=P(X>t) es la CONFIABILIDAD que durante un
período t, la probabilidad de funcionar en forma apropiada un sistema en un
período de tiempo establecido.
1) Tiempo de falla: Es el tiempo que transcurre hasta que el producto deja de

funcionar. Por lo tanto, es el tiempo de vida del producto
2) La distribución Exponencial tiene la propiedad de falta de memoria, esto

quiere decir que es la probabilidad de fallar es independiente del pasado, el
sistema no envejece. Aunque pueda parecer algo irreal, no es descabellado
por ejemplo suponer que un fusible es “tan bueno como uno nuevo”
mientras esté funcionado.
P( X  s  t ) e   ( s t )  t
P( X  s  t / X  s)    e
P( X  s) e  s
Por lo tanto :
P ( X  s  t / X  s )  P ( X  t )  e  t
Relación entre la distribución de Poissón y la Exponencial
 Si la variable de interés es X: Número de ocurrencias por unidad de tiempo t, entonces
dicha variable tiene una distribución de Poisson con parámetro 𝜆
 Si la variable de interés es T: Tiempo transcurrido hasta la primera ocurrencia, ó tiempo
transcurrido entre dos ocurrencias consecutivas, entonces dicha variable tiene una
1
distribución exponencial con parámetro 𝜆
Ejemplo: Si la tasa promedio de ocurrencia de los accidentes por mes en una mina es de
4. La variable X: numero de accidentes diarios tiene una distribución de Poisson con
𝑥 4 1
parámetro 𝝀 = 𝑡 = 30 = 7.5 accidentes por día la variable T: tiempo que transcurre
entre un accidente y el siguiente tiene una distribución exponencial con parámetro
𝟏
=7.5 días
𝝀

Relación entre la distribución de Poissón y la Exponencial
Ejemplo1: En una red de computadoras de una gran empresa, el acceso de usuarios al sistema
puede modelarse como un proceso Poisson con una media de 25 accesos por hora.
a) ¿Cuál es la probabilidad de que no haya accesos en 6 minutos?
En este problema hay 2 variables X: Nº de usuarios que entra al sistema en un periodo de 6

minutos (Poisson)
𝜆 t
25 60´=1h (2.5)0 e2.5
P( X  0)   0.08208
2.5 6´=0.1h 0!
b) ¿Cuál es la probabilidad de que el primer acceso ocurra después de 6 minutos?
T: Tiempo que transcurre entre un acceso y el siguiente (el primer acceso ocurra después
de 6 minutos (Exponencial)
𝑥 25
donde 𝜆 = 𝑡 = 60 =0.41666 accesos por minuto.
T: el primer acceso ocurra después de 6

 25 25
25  x  (6) minutos(0.1 horas)
P(T  6)   e 60
dx  e 60
 0.08208
6
60 λ=25/hora
6min=0.1 hora
E(x)=1/25=0.04horas

P(T  0.1)   25e25 x dx  e25(0.1)  0.08208
0.1
Ejemplo2: La sala de emergencia del hospital Almenara, atiende en promedio a
un asegurado que ha sufrido un accidente cada 15 minutos. Calcular la
probabilidad de que:
a) Se atiendan al menos 10 asegurados en 2 horas Rpta 0.2834
b) Sean atendidos como máximo 8 asegurados en hora y media Rpta: 0.8472
c) De que la atención a un asegurado requiera mas de 30 minutos Rpta : 0.1353
d) De que la atención a un asegurado requiera mas de 2 horas Rpta : 0.000335462

Ejemplo1: El tiempo de vida de un transistor tiene una distribución exponencial con tiempo
medio de vida de 600 horas. Si X representa el tiempo de vida del transistor.
a) Muestre la función de densidad y la función de distribución acumulada de esta variable
aleatoria.
b) ¿Cuál es la probabilidad de que se malogre antes de 400 horas? R: 0.4866
c) ¿Cuál es la probabilidad de que dure por lo menos 1,200 horas? R: 0.1353
d) Si un transistor ha durado más de 400 horas. ¿Cuál es la probabilidad de que dure 1,200
horas mas? R: 0.1353
e) ¿Cuál será el tiempo mínimo que debe aceptarse, para el 15% de los transistores que mas
duren? R: 1138.27
Ejemplo2: Durante el programa de mantenimiento anual que realiza una empresa se han
recogido los datos de las fallas de un conjunto de 50 válvulas mecánicas habiendo fallado 2 de
ellas. Para reprogramar el programa de mantenimiento preventivo que se lleva actualmente en
la empresa se desea saber:
a) Tasa de fallos anual para dichas válvulas. R: 0.04
b) ¿Qué probabilidad tiene una válvula de fallar antes de alcanzar un tiempo de
funcionamiento de 4 meses? R: 0.01324
c) ¿Cuál será la probabilidad de que la una válvula esté en funcionamiento al cabo de 6
meses? R :0.9802
d) ¿Cuál será la probabilidad de que el tiempo de vida esté comprendido entre 4 y 6 meses?
R: 0.006569645

Ejemplo3: Suponga que un sistema contiene cierto tipo de componente cuyo
tiempo de falla en años está dado por la variable aleatoria, distribuida
exponencialmente con tiempo promedio de falla de 5 años. Si 5 de estos
componentes se instalan en diferentes sistemas, ¿Cuál es la probabilidad de que al
menos 2 continúen funcionando después de 8 años? Rpta 0.2666
Ejemplo4 El tiempo que transcurre antes de que una persona sea atendida en una
cafetería es una variable aleatoria que tiene una distribución exponencial con una
media de 4 minutos. ¿Cuál es la probabilidad de que una persona sea atendida antes
de que transcurran 3 minutos en al menos 4 de los 6 días siguientes? Rpta: 0.3968
Ejemplo5 La duración en horas de cierto circuito electrónico puede ser modelada

por la distribución exponencial con un promedio de 100 horas. El vendedor da al
comprador la siguiente garantía: si el circuito que compra le dura menos de 20 horas,
le devolverá el dinero. El costo de fabricación de cada circuito es de $100 y el precio
de venta es $200.
a) Obtenga la ganancia esperada Rpta: 63.74
b) Si el vendedor quiere incrementar la ganancia esperada en un 20% modificando
la garantía ¿Cómo quedara esta entonces? Rpta: 12.51

DISTRIBUCION UNIFORME
Se dice que una variable aleatoria X esta distribuida uniformemente en a ≤X≤ b su

si su distribución de probabilidad es
 1
 a xb
f ( x)   b  a

0 otro caso
ab (b  a) 2
E ( x)  V ( x) 
2 12
0 xa

x a
F(X )   a x b
b  a

1 x b

Ejemplo 1: Sea x el tiempo entre dos pausas, en la pantalla de edición de un
terminal (esto es el tiempo necesario para que la terminal procese un comando
de edición y haga las correcciones en pantalla). Si la variable aleatoria se
distribuye uniformemente entre 0.5 y 2.25 segundos.
a) Calcular la media y la varianza.
b) Calcular:
P(μ-2σ≤X≤ μ+2σ)
P(I X-μ l >2.5)
Ejemplo 2: Los buses del Metropolitano llegan al paradero de la Vía Expresa en

intervalos de 15 minutos a partir de la 7 de la mañana. Es decir llegan a las 7.00,
7.15, 7.30, etc. Si un pasajero llega al paradero en un tiempo que está distribuido
uniformemente entre las 7.00 y 7.30. Encuentre la probabilidad de que espere el
bus.
a) Menos de 5 minutos R: 0,33
b) Por lo menos 12 minutos R=0,20
c) Si se seleccionan 10 pasajeros al azar . ¿Cuál es la probabilidad de mas de 2
esperen menos de 5 minutos R: 0,6930

Ejemplo 3: El tiempo que tardan los alumnos de la FIIS en realizar un examen de
Estadística varia uniformemente entre 30 y 90 minutos.
a) ¿Qué proporción de alumnos tardan más de 50 minutos en realizar el examen?
b) Tomando al azar 10 alumnos, calcúlese la probabilidad de que al menos 4 de
ellos tarden menos de 50 minutos en realizar el examen.
Ejemplo 4: Una empresa tiene una curva de costos dada por la función C =1,000+2x
; siendo X el número de artículos. En el mercado vende cada unidad a $5. La
demanda de artículos es uniforme entre 25.000 y 30.000 unidades. Cuál es el
beneficio esperado? Rpta :$81,500
Ejemplo 5: El fabricante DELL de servidores para Linux, garantiza que su tarjeta madre por
8,760 horas de duración. Los servidores que compro la Universidad están encendidos y
funcionan en forma continua, y el tiempo promedio de duración de la tarjeta madre es de
20,000 hora y siguen una distribución exponencial. El costo de fabricación venta y entrega es
de $3,000 y el servidor se vende en el mercado en $4,000, reemplazar el mainboard cuando
falla incluyendo material y mano de obra cuesta $1,500. El fabricante DELL no tiene la
obligación de sustituir el mainboard si ya ha habido una primera sustitución ¿Cuál es la
utilidad esperada del fabricante? R: $467.99

08estad2017 Uni PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

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

08estad2017 Uni PDF

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDAD NACIONAL DE INGENIERIA

CLASE: DISTRIBUCIONES DISCRETAS - CONTINUAS

Germán Elías Pomachagua Pérez

Material de Clases © German Pomachagua Perez 7-jun-18

 El experimento consta de un número n de pruebas

 Cada prueba del experimento tiene solo dos resultados

 La probabilidad de éxito se denotada por p que

Material de Clases © German Pomachagua Perez 7-jun-18

b) Mas de tres correspondan a clientes morosos.

𝑃 𝑥 > 3 = 1 − 𝑃 𝑥 ≤ 3 = 1 − 0.8791 = 0.1209

c) Al menos una persona sea morosa

𝑃 𝑥 ≥ 1 = 1 − 𝑃 𝑥 < 1 = 1 − 𝑃 𝑥 = 0 = 1 − 0.1074 = 0.8926

Material de Clases © German Pomachagua Perez 7-jun-18

e) Por lo menos seis sean de clientes al día en sus pagos.

Material de Clases © German Pomachagua Perez 7-jun-18

Material de Clases © German Pomachagua Perez 7-jun-18

Material de Clases © German Pomachagua Perez 7-jun-18

Material de Clases © German Pomachagua Perez 7-jun-18

a) ¿Cuál es la probabilidad de encontrar 2 chip buenos?

Material de Clases © German Pomachagua Perez 7-jun-18

Material de Clases © German Pomachagua Perez 7-jun-18

Luego, probabilidad que se pide calcular esta dada por:

Material de Clases © German Pomachagua Perez 7-jun-18

Ejemplo 5: El gimnasio Gold Gym ha comprobado que el 20% de sus clientes

Material de Clases © German Pomachagua Perez 7-jun-18

Material de Clases © German Pomachagua Perez 7-jun-18

Las aplicaciones de la distribución hipergeométrica se encuentran en muchos

Material de Clases © German Pomachagua Perez 7-jun-18

c) ¿Cuál es la probabilidad de hallar por lo menos 2 motores buenos?

Material de Clases © German Pomachagua Perez 7-jun-18

Material de Clases © German Pomachagua Perez 7-jun-18

Distribución Hipergeométrica Distribución Binomial

X: números de puertas defectuosas X: números de puertas defectuosas en

Material de Clases © German Pomachagua Perez 7-jun-18

Ejemplo 4: Para evitar que lo descubran en el aeropuerto de Lima, un viajero ha

Material de Clases © German Pomachagua Perez 7-jun-18

Material de Clases © German Pomachagua Perez 7-jun-18

Consideremos el siguiente experimento ε, con solo dos posibles

Material de Clases © German Pomachagua Perez 7-jun-18

Costo del experimento

Es una generalización de la distribución geométrica, donde la

X: Número de pozos construido hasta que el 2do pozo requiera reparaciones

b) ¿Cuál es la probabilidad de que el octavo pozo construido por esta compañía

Material de Clases © German Pomachagua Perez 7-jun-18

Material de Clases © German Pomachagua Perez 7-jun-18

Material de Clases © German Pomachagua Perez 7-jun-18

Solución a) No interesa el orden

c) Puesto que no se conoce X= el # de pruebas necesarias para conseguir las 3

Material de Clases © German Pomachagua Perez 7-jun-18

Material de Clases © German Pomachagua Perez 7-jun-18

La distribución de probabilidad de Poisson, nos describe el número

La distribución se basa en dos supuestos que son:

 La probabilidad en los intervalos son independientes

La probabilidad de X eventos favorables por unidad de tiempo,

Material de Clases © German Pomachagua Perez 7-jun-18

Material de Clases © German Pomachagua Perez 7-jun-18

Ejemplo3 : Suponga que en un establecimiento de comida rápida se atienden a 50

Material de Clases © German Pomachagua Perez 7-jun-18

Por lo tanto P( X  x )  e kx

1) Tiempo de falla: Es el tiempo que transcurre hasta que el producto deja de

2) La distribución Exponencial tiene la propiedad de falta de memoria, esto

Material de Clases © German Pomachagua Perez 7-jun-18

En este problema hay 2 variables X: Nº de usuarios que entra al sistema en un periodo de 6