Probabilidad y Estadística

2019-III
Facultad de Ingeniería
Departamento de Ingeniería Mecánica y Mecatrónica

TALLER PUNTOS PRÀCTICOS EN R

Ines Caballero, Daniel Prieto

icaballero@unal.edu.co , dprietoj@unal.edu.co

1. Un servicio de asistencia técnica en carretera ha comprobado que en las mañanas de los fines de
semana el número de llamadas que recibe, en promedio, es de 3 llamadas cada hora. Un operario
comienza su jornada de sábado a las 8 de la mañana. Suponiendo que las llamadas se realizan de forma
independiente y con tasa constante:

(i) ¿Cuál es el modelo probabilístico apropiado para la variable que representa el número de llamadas
recibidas en una hora?

X= Nùmero de llamadas recibidas en una hora

Se sigue da distribuciòn de Poisson

(ii) Encuentre hasta el valor x = 15 y grafique la función de probabilidad puntual de la variable descrita
en el numeral anterior.

Código en R:

.Table <- data.frame(Probability = dpois(0:15, lambda = 3))

Rcmdr+ rownames(.Table) <- 0:15
Rcmdr+ print(.Table)
Rcmdr+ })

x f(x)

0 0.0497870683679

1 0.1493612051036

2 0.2240418076554

3 0.2240418076554

4 0.1680313557415

5 0.1008188134449
 6 0.0504094067225

7 0.0216040314525

8 0.0081015117947

9 0.0027005039316

10 0.0008101511795

11 0.0002209503217

12 0.0000552375804

13 0.0000127471339

14 0.0000027315287

15 0.0000005463057

(iii) ¿Cuál es la probabilidad de que reciba 4 llamadas en las dos primeras horas de su jornada de trabajo?

dpois(4, 6, log = FALSE)

P(X= 4) 0.1338526 t = 2 horas

(iv) ¿Cuál es la probabilidad de que reciba más de 5 llamadas en una hora?

ppois(c(5), lambda = 3, lower.tail = FALSE)

P(X < 5) = 0.08391794

(v)¿Cuál es la probabilidad de que reciba la primera llamada antes de las 8:15? (Recuerde la relación
entre la distribución Poisson y la exponencial)

Si lambda = 3 entonces x~exp(lamda) media = 1/lambda = 1/3

pexp(c(0.25), rate = 3, lower.tail = TRUE)

P(X =1) = 0.5276334

2. Suponga que el puntaje obtenido en el examen de admisión presentado por los aspirantes a un cupo
en determinada universidad se distribuye normalmente con un valor esperado de 500 puntos y
desviación estándar de 100 puntos.

(i) Grafique la función de densidad de probabilidad y la función de distribución de probabilidad de la

variable que representa el puntaje obtenido por los aspirantes en el examen de admisión.
(ii) ¿Qué porcentaje de aspirantes obtiene un puntaje superior a 600 puntos en el examen de admisión?

Rcmdr> pnorm(c(600), mean = 500, sd = 100, lower.tail = FALSE)

P(X < 600) = 0.1586553

(iii) ¿Qué porcentaje de aspirantes obtiene un puntaje entre 400 a 600 puntos en el examen de admisión?

pnorm(c(600), mean = 500, sd = 100) - pnorm(c(400), mean = 500, sd = 100)

P(400 < X < 600) = 0.6826895

(iv) ¿Qué porcentaje de aspirantes obtiene un puntaje tal que la distancia a la media sea menor a 200
puntos en el examen de admisión?

pnorm(c(700), mean = 500, sd = 100) - pnorm(c(300), mean = 500, sd = 100)

P(300 < X < 700) = 0.9544997

(v) Si la universidad decide recibir al 25 % de los aspirantes con la calificación más alta, ¿Cuál es la
mínima calificación que debe obtener un aspirante para ser admitido?.

Rcmdr> qnorm(c(0.25), mean = 500, sd = 100, lower.tail = FALSE)

La mìmima calificaciòn que debería obtener el estudiante serìa 567.449