Beruflich Dokumente
Kultur Dokumente
DISTRIBUCIÓN DE PROBABILIDADES
Ejemplos
Intervalo finito
Número de platos en una columna de destilación (1,2, 3, ………,32)
Número de rayaduras en una superficie (1,2, ,10)
Intervalo infinito
Si la variable es el número de vehículos que pasan por una carretera en tiempo
determinado (1,2,3……., N)
1.1.2. Variable aleatoria continua
Una variable continua es una variable aleatoria que tiene como rango un intervalo (sea
finito o infinito) de números reales
Ejemplos
Longitud (1,253 m); presión (50,4 bar); tiempo (35,50 s); voltaje (15,85 voltios); peso (
74,67 kg)
1.2. Distribución de variable discreta
Se denomina distribución de variable discreta a aquella que puede asumir solo ciertos
valores, con frecuencia números enteros, y resulta principalmente del conteo
Solución
P(x) = 0,0156
r N
P(x) =¿ ¿ C x )/ C n
Donde
C Combinatoria
N Tamaño de la población
n Tamaño de la muestra
Ejercicio 2
Solución
N = 15
n=5
r = 10
x=5
r N 10 15
P(x) =¿ ¿ C x )/ C n = ¿ ¿ C 5 )/ C 5 = [(5!/0! 5 ! ¿∗¿5!)]/(15!/5!10!)
P(x) = 8,392%
La distribución de Poisson se usa para modelar situaciones en las que hay ocurrencias
aleatorias de sucesos por unidad de espacio o tiempo y en donde se desea conocer la
probabilidad de un número específico de éxitos. Son necesarios dos supuestos para
la aplicación de la distribución de Poisson:
La probabilidad de ocurrencia del evento es constante para dos intervalos
cualesquiera de tiempo o espacio.
La ocurrencia del evento en un intervalo es independiente de la ocurrencia de otro
intervalo cualquiera. Dados estos supuestos, la función de probabilidad de Poisson
puede expresarse como:
Donde:
Ejercicio 3
Una refinería, recibe un promedio de 3.5 MBls de petróleo por año de varios campos.
Estas ocurrencias se producen al azar, es decir, no existe un patrón durante el año, o
de un año otro.
Solución
µ=3,5
x= 4
P(x) = 18,9%
Donde
Dado que pueden existir un número infinito de distribuciones normal es posibles, cada
una con su propia media y su desviación estándar. Ya que no se puede analizar un
número tan grande de posibilidades, es necesario convertir todas estas distribuciones
normales a una forma estándar. Esta conversión a la distribución normal estándar se
efectúa con la fórmula de conversión (o formula z) que se representa de la siguiente
forma:
Z= (x- µ) / σ
Existen tablas donde se proporciona el valor del área la curva desde la media hasta
algún valor por encima o debajo de esta.
Ejercicio 4
Solución
σ =15
µ=150
Z= (x- µ) / σ
a)
125 bombas:
Entonces la probabilidad que la empresa monitoree entre 125 y 150 bombas es del
45,25 %
b)
Para el inciso b) si se sabe que entre 125 y 150 bombas la probabilidad es de 0,4525,
luego para menos de 125 será 0,50-0,4525 =0,0475
Luego, la probabilidad de que una empresa requiera 125 o menos será del 4,75 %
c)
145 bombas
Z1= (145-150) /15 = - 0,333
Z2= (155-150) /15 = 0,33
De tablas el área bajo la curva es A= 0,1293
Dado que el área entre 145 y 150 bombas es 0,1293 y entre 150 y 155 también es
0,1293, por lo tanto, la probabilidad de que una empresa instale o monitoree entre 145
y 155 bombas es 0,1293 *2 = 0,2586 0 el 25,86 %
La distribución t tiene una media de cero, es simétrica con respecto a la media y oscila
entre menos infinito e infinito, la varianza de la distribución t es mayor que 1 y está
dada por:
σ2 =(n-1)/(n-3)
t= ( x -µ) *√ n /S
Donde:
S Desviación estándar
µ Media poblacional
x Media muestral
Ejercicio 5
Ejercicio 6
k
χ2 =∑ (Oi−Ei) /Ei
2
i=1
Donde;
Ejercicio 7
Solución:
Bloques Oí Ei=nPi
Multinacionales 62 51
Privadas 10 8,5
Subsidiarias 13 25,5
Total 85 85
k
χ2 =∑ (Oi−Ei) /Ei =(62-51)2/51 +(10-8,5)2/8,5+(13-25,5)2/25,5 =8,76
2
i=1
(k-1) = (3-1)*(2-1) = 2
F =S12/S22
Los valores de F al 95% 99% se hallan tabulados
Ejercicio 8
F= 0,612/0,292 = 4,42
Como Fcal > Ftab se concluye que hay diferencia en la variabilidad de los defectos del
proveedor 1 con respecto al 2
Ejercicio 9