TALLER N 5 DE ESTADÍSTICA


Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "TALLER N 5 DE ESTADÍSTICA"

Transcripción

1 UNIVERSIDAD CATÓLICA DEL MAULE FACULTAD DE CIENCIAS BÁSICAS PEDAGOGÍA EN MATEMÁTICA Y COMPUTACIÓN TALLER N 5 DE ESTADÍSTICA Integrante 1 : Victor Córdova Cornejo Integrante 2 : Rodrigo Gutiérrez Aguilar Carrera : Pedagogía en Matemática y Computación Profesor de Cátedra : Marcelo Rodríguez Fecha : 02/01/2012

2 Universidad Católica Del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Y Computación Estadística I Taller 5 - Distribuciones de Probabilidad 04 de Enero del Distribución de Probabilidad Binomial: a) Mediante estudios recientes se ha determinado que la probabilidad de morir por causa de cierta vacuna contra la gripe es de 0, Si se administra la vacuna a 100 mil personas y se supone que éstas constituyen un conjunto independientes de ensayos, cuál es la probabilidad de que mueran no más de dos personas a causa de la vacuna? Desarrollo: * PASO I: IDENTIFICAR LOS DATOS -p= sera nuestro exito de que las personas mueran a causa de la vacuna contra la gripe (p=0,00002) -q= nuestro fracaso. La probabilidad de que mueran no más de dos personas a causa de la vacuna (q=0,99998) -n=son las 100 mil eventos, los cuales consisten en la aplicación de la vacuna, que constituyen un conjunto de ensayos independientes de manera tal que la probabilidad de de morir por causa de cierta vacuna contra la gripe es de 0,00002 entre ensayos. -x=el número de personas muertas a causa de la vacuna contra la gripe que se encuentran entre las 100 mil persona que contituyen nuestra población * PASO II: IDENTIFICAR LO QUE SE PIDE -En este caso se solicita P (X 4)

3 * PASO III: APLICAR FÓRMULA P (X x) = F (x; n, p) = x i=0 n! i!(n i)! (p)x (q) n i en este caso sería de la siguiente manera P (X 2) = 2 x= ! x!( x)! (0, 00002)x (0, 99998) x P (X 2) = ! 0!(100000)! (0, 00002)0 (0, 99998) ! 1!(99999)! (0, 00002)1 (0, 99998) ! 2!(99998)! (0, 00002)2 (0, 99998) P (X 2) = (0, 99998) (0, 00002)(0, 99998) (100000)(99999) 2 (0, 00002) 2 (0, 99998) = 0, , , P (X 2) = 0,6767 * PASO IV: INTERPRETAR RESULTADO Contextualizando se puede decir que la probabilidad de que mueran no más de dos personas a causa de la vacuna es de el 67,67 % b) Las líneas telefónicas del sistema de reservación de una aerolínea, están ocupadas 40 % del tiempo. Suponga que los eventos donde las líneas estan ocupadas en llamadas sucesivas son independientes. Suponga que se hacen 10 llamadas telefónicas al sistema de reservación. 1) Cuál es la probabilidad de que, al llamar exactamente tres veces, las líneas estén ocupadas? Desarrollo: P (X = 3) = 10! (3!)(7!) (0, 4)3 (0, 6) 7

4 P (X = 3) = 120(0,064)(0, ) P (X = 3) 0,214 Contextualizando podemos decir que la probabilidad de que, al llamar exactamente tres veces, las líneas estén ocupadas es de un 21,4 % aproximadamente. 2) Cuál es la probabilidad de que al menos en una de las llamadas, las líneas no estén ocupadas? Desarrollo: P (X 1) = como P (X 1) = 1 P (X < 1) y 10 x=1 10! x!(10 x)! (0, 6)x (0, 4) 10 x P (X < 1) = P (X = 0) = (0, 4) 10 luego P (X 1) = 1 (0, 4) 10 P (X 1) 0, Contextualizando podemos decir que la probabilidad de que al menos en una de las llamadas, las líneas no estén ocupadas es de un 99,98 % aproximadamente. 3) Cuál es el número esperado de llamadas en las que todas las lineas estan ocupadas? Desarrollo: La media de la Distribución Binomial esta dado por : E(X) = np donde n es la cantidad de ensayos independiendies y p es la probabilidad de éxito que permanece constante para cada ensayo. En nuestro problema se tiene que n = 10 y p = 04, luego E(X) = 10 0, 4 E(X) = 4

5 Así el número esperado de llamadas en las que todas las lineas estan ocupadas son 4. c) El gerente de un restaurante que sólo da servicio mediante reservación sabe, por experiencia, que el 15 % de las personas que reservan una mesa no asistirán. Si el restaurante acepta 25 reservaciones pero sólo dispone de 20 mesas, cual es la probabilidad de que todas las personas asistan al restaurante se les asigne una mesa? Desarrollo: * PASO I: IDENTIFICAR LOS DATOS -p= sera nuestro exito de que las personas asistan al restaurante (p=0,85) -q= nuestro fracaso, de que las personas no asistan al restaurante (q=0,15) -n=son las 25 resevaciones que brinda el restaurante -x=el número total de personas que se espera que asistan y que se le asigne una mesa. * PASO II: IDENTIFICAR LO QUE SE PIDE -En este caso se solicita P (X 20) * PASO III: APLICAR FÓRMULA P (X x) = F (x; n, p) = x i=0 n! i!(n i)! (p)x (q) n i en este caso sería de la siguiente manera como se tiene que P (X 20) = 20 x=0 P (X 20) = 1 25! x!(25 x)! (0, 85)x (0, 15) 25 x P (X > 20) = 1 P (X 20) P (X 20) = 1 P (X > 20) 25 x=21 25! x!(25 x)! (0, 85)x (0, 15) 25 x

6 25 x=21 Así 25! x!(25 x)! (0, 85)x (0, 15) 25 x = 25! 21!(4)! (0, 85)21 (0, 15) ! 22!(3)! (0, 85)22 (0, 15) 3 25 x= ! 23!(2)! (0, 85)23 (0, 15) ! 24!(1)! (0, 85)24 (0, 15) ! 25!(0)! (0, 85)25 (0, 15) 0 25! x!(25 x)! (0, 85)x (0, 15) 25 x = 0, , , x=21 +0, , ! x!(25 x)! (0, 85)x (0, 15) 25 x = 0, P (X 20) = 1 0, P (X 20) = 0, * PASO IV: INTERPRETAR RESULTADO Contextualizando se puede decir que la probabilidad de quetodas las personas asistan al restaurante se les asigne una mesa es de un 32 % aproximadamente. 2. Distribución Geométrica: a) La probabilidad de un alineamiento óptico exitoso en el emsamblado de un producto de almacenamiento óptico de datos es 0,8. Suponga que los ensayos son independientes. 1) Cuál es la probabilidad de que el primer alineamiento exitoso requiera exactamente 4 ensayos? Desarrollo: * PASO I: IDENTIFICAR LOS DATOS -p= La probabilidad de que se realize un alineamiento óptico de manera exitosa en el emsamblado de un producto de almacenamiento óptico de datos (0,8) -q=la probabilidad de que al realizar un alineamiento óptico en el emsamblado de un producto de almacenamiento óptico de datos fracase (0,2) * PASO II: IDENTIFICAR LO QUE SE PIDE -En este caso se solicita P (X = 4)

7 * PASO III: APLICAR FÓRMULA P (X = x) = q x 1 p en este caso sería de la siguiente manera P (X = 4) = 0, 2 3 0, 8 P (X = 4) = 0, 008 0, 8 P (X = 4) = 0, 0064 * PASO IV: INTERPRETAR RESULTADO Contextualizando se puede decir que la probabilidad de que el primer alineamiento exitoso requiera exactamente 4 ensayos es del 0,64 % 2) Cuál es la probabilidad de que el primer alineamiento exitoso requiera como máximo cuatro ensayos? * PASO I: IDENTIFICAR LOS DATOS -p= La probabilidad de que se realize un alineamiento óptico de manera exitosa en el emsamblado de un producto de almacenamiento óptico de datos (0,8) -q=la probabilidad de que al realizar un alineamiento óptico en el emsamblado de un producto de almacenamiento óptico de datos fracase (0,2). * PASO II: IDENTIFICAR LO QUE SE PIDE -En este caso se solicita P (X 4) * PASO III: APLICAR FÓRMULA P (X x) = (q) x 1 (p) xɛr x en este caso sería de la siguiente manera 4 P (x 4) = (0, 2) x 1 (0, 8) x=1 P (x 4) = 0, 8 + 0, 2 0, 8 + 0, 2 2 0, 8 + 0, 2 3 0, 8 P (x 4) = 0, 9984 * PASO IV: INTERPRETAR RESULTADO Contextualizando se puede decir que la probabilidad de que el primer alineamiento exitoso requiera como máximo cuatro ensayos es de un 0,64 %

8 3) Cuál es la probabilidad de que el primer alineamiento exitoso requiera al menos cuatro ensayos? * PASO I: IDENTIFICAR LOS DATOS -p= La probabilidad de que se realize un alineamiento óptico de manera exitosa en el emsamblado de un producto de almacenamiento óptico de datos (0,8) -q=la probabilidad de que al realizar un alineamiento óptico en el emsamblado de un producto de almacenamiento óptico de datos fracase (0,2). * PASO II: IDENTIFICAR LO QUE SE PIDE -En este caso se solicita P (X 4), que es igual a preguntarse por 1 P (X < 4). * PASO III: APLICAR FÓRMULA P (X x) = xɛr x (q) x 1 (p) en este caso sería de la siguiente manera 3 P (x 4) = 1 (0, 2) x 1 (0, 8) P (x 4) = * PASO IV: INTERPRETAR RESULTADO Contextualizando se puede decir que la probabilidad de que el primer alineamiento exitoso requiera exactamente 4 ensayos es del 0,64 % b) La probabilidad de que un estudiante para piloto apruebe el examen escrito para una licencia de piloto privado es 0,7. Encuentre la probabilidad de que el estudiante apruebe el examen 1) en el tercer intento Desarrollo: x=1 * PASO I: IDENTIFICAR LOS DATOS -p= LLa probabilidad de que un estudiante para piloto apruebe el examen escrito para una licencia de piloto privado (p=0,7) -q=la probabilidad de que un estudiante para piloto no apruebe el examen escrito para una licencia de piloto privado (q=0,3).

9 * PASO II: IDENTIFICAR LO QUE SE PIDE -En este caso se solicita P (X = 3) * PASO III: APLICAR FÓRMULA P (X x) = xɛr x (q) x 1 (p) en este caso sería de la siguiente manera P (x = 3) = (0, 3) 2 (0, 7) P (x = 3) = 0, 09 0, 7 P (x = 3) = 0, 063 * PASO IV: INTERPRETAR RESULTADO Contextualizando se puede decir que la probabilidad de que el estudiante apruebe el examen en el tercer intento es de un 0,67 % 2) antes del cuarto intento. * PASO I: IDENTIFICAR LOS DATOS -p= LLa probabilidad de que un estudiante para piloto apruebe el examen escrito para una licencia de piloto privado (p=0,7) -q=la probabilidad de que un estudiante para piloto no apruebe el examen escrito para una licencia de piloto privado (q=0,3). * PASO II: IDENTIFICAR LO QUE SE PIDE -En este caso se solicita P (X < 4) * PASO III: APLICAR FÓRMULA P (X x) = xɛr x (q) x 1 (p) en este caso sería de la siguiente manera 3 P (x < 4) = (0, 3) x 1 (0, 7) x=1 P (x < 4) = 0, 7 + 0, 3 0, 7 + 0, 3 2 0, 7 P (x < 4) = 0, 973

10 * PASO IV: INTERPRETAR RESULTADO Contextualizando se puede decir que la probabilidad de que el estudiante apruebe el examen antes del cuarto intento es de un 97,3 % c) Cuando se graba cierto anuncio de televisión, la probabilidad es de 0,3 de que cierto actor diga sus líneas de corrido en una toma cualquiera. Cuál es la probabilidad de que recite sus líneas de corrido por primera vez en sexta toma? Desarrollo: * PASO I: IDENTIFICAR LOS DATOS -p= La probabilidad de que cierto actor diga sus líneas de corrido en una toma cualquiera (p=0,3) -q=la probabilidad de que cierto actor no diga sus líneas de corrido en una toma cualquiera (q=0,7). * PASO II: IDENTIFICAR LO QUE SE PIDE -En este caso se solicita P (X = 6) * PASO III: APLICAR FÓRMULA P (X = x) = (q) x 1 (p) en este caso sería de la siguiente manera P (x = 6) = (0, 7) 5 (0, 3) P (x = 6) = 0, , 3 P (x = 6) = 0, * PASO IV: INTERPRETAR RESULTADO Contextualizando se puede decir que l la probabilidad de que recite sus líneas de corrido por primera vez en sexta toma es de un 0,05 % aproximadamente.

11 3. Distribución de probabilidad Hipergeométrica a) Considerece un fabricante de automóviles que compra los motores a una compañía donde se fabrican bajo estrictas superviciones. El fabricante recibe un lote de 40 motores. Su plan para aceptar el lote, consiste en seleccionar de manera aleatoria y someterlos a prueba. Si encuentra que ninguno de los motores presenta serios defectos, el fabricante acepta el lote; de otra forma lo rechaza. Si el lote contiene 2 motores con serios defectos, cuál es la probabilidad que sea aceptada? Desarrollo * PASO I: IDENTIFICAR LOS DATOS -N=número total de lotes (40) -n=muestra aleatoria (8) -k= nuestro éxito, en este caso el número de lotes defectuosos (2) * PASO II: IDENTIFICAR LO QUE SE PIDE -En este caso se solicita P (X = 0) * PASO III: APLICAR FÓRMULA P (X = x) = ( ) ( ) k N k x n x ( ) N n en este caso sería de la siguiente manera P (X = 0) = ( ) ( ) ( ) 40 8 = ( ) ( ) ( ) 40 8 aplicando fórmula de factorial se llega a que P (X = 0) = 1,

12 P (X = 0) = 0, 6359 * PASO IV: INTERPRETAR RESULTADO Contextualizando se puede decir que la probabilidad de que el lote de motores sea aceptada es de 0,6359 ó 63,59 %

13 b) Supóngase que se tienen 50 representantes de cierto estado, a una convención política nacional, la cual 30 apoyan al candidato A y 20 al candidato B. Si se seleccionan aleatoriamente cinco representantes, cuál es la probabilidad de que, entre estos cinco, por lo menos dos apoyen al candidato A? Desarrollo * PASO I: IDENTIFICAR LOS DATOS -N=número total de representantes (50) -n=muestra aleatoria (5) -k= nuestro éxito (30) * PASO II: IDENTIFICAR LO QUE SE PIDE -En este caso se solicita la variable aleatoria que representa el número de personas de la muestra que apoyan a A, en este caso sería P (X 2) = 1 P (X 1) = 1 [P (X = 1) + P (X = 0)] * PASO III: APLICAR FÓRMULA P (X = x) = ( ) ( ) k N k x n x ( ) N n en este caso sería de la siguiente manera ( ) ( ) P (X = 0) = ( ) = 50 5 aplicando fórmula de combinatoria se llega a que ( ) ( ) ( ) 50 5 además P (X = 0) = = 0, P (X = 1) = ( ) ( ) ( ) = 50 5 ( ) ( ) ( ) 50 5

14 aplicando fórmula de combinatoria se llega a que P (X = 1) = = 0, luego que tenemos P (X = 1), P (X = 0), calculamos P (X 2) = 1 P (X 1) = 1 [P (X = 1)+P (X = 0)] = 1 [0, , ] = 0, 3132 * PASO IV: INTERPRETAR RESULTADO Contextualizando se puede decir que la probabilidad de que al menos 2 candidatos apoyan al candidato A es 0,3132 aprox ó 31,32 % c) Si en una empresa se presentan para cubrir dos vacantes 13 aspirantes de los cuales 5 son hombres y 8 son mujeres, calcular el número de hombres contratados. * PASO I: IDENTIFICAR LOS DATOS N=número total de aspirantes (13) -n=muestra aleatoria (2) -k= nuestro éxito (5) * PASO II: IDENTIFICAR LO QUE SE PIDE -Número de hombres contratados. Para ello existen tres sucesos, lo cual lo llamaremos P (E 0 ) se contratan 0 hombres, P (E 1 ) se contrata 1 hombre, P (E 2 ) se contratan 2 hombres. * PASO III: APLICAR FÓRMULA - En este caso sería P (X = x) = ( ) ( ) k N k x n x ( ) N n P (X = 0) = P (X = 1) = ( ) ( ) ( ) = 28 = 0, ( ) ( ) ( ) = 40 = 0,

15 ( ) ( ) P (X = 2) = ( ) = = 0, 1282 * PASO IV: INTERPRETAR RESULTADO Respecto a P (E 0 ), la probabilidad que sean contratados 0 hombres es de 35,88 % Respecto a P (E 1 ), la probabilidad que sea contratado 1 hombre es de 51,28 % Respecto a P (E 2 ), la probabilidad que sean contratados 2 hombres es de 12,82 %

16 4. Distribución de probabilidad de Poisson a) Suponga que el número de llamadas que llega a una central es de 0,5 por minuto en promedio, halle la probabilidad de que: 1) En un minuto no lleguen llamadas. 2) En un minuto lleguen más de 3 llamadas. 3) En 5 minutos lleguen más de 2 llamadas. Desarrollo * PASO I: IDENTIFICAR LOS DATOS Sea λ=0,5 el promedio de llamadas por minuto * PASO II: IDENTIFICAR LO QUE SE PIDE P (X = 0; λ = 0, 5) * PASO III: APLICAR FÓRMULA P (X = x) = e λ λ x x! En este caso sería P (X = 0) = e 0,5 0, 5 0 0! luego aplicando un cálculo trivial, ya que 0! = 1 se tiene que P (X = 0) = 0, * PASO IV: INTERPRETAR RESULTADO La probabilidad de que en un minuto no lleguen llamadas es de 60,65 % Desarrollo * PASO I: IDENTIFICAR LOS DATOS Sea λ=0,5 el promedio de llamadas por minuto * PASO II: IDENTIFICAR LO QUE SE PIDE P (X > 3; λ = 0, 5) = 1 P (X 3) P (X = 1) = 1 [P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3)]

17 * PASO III: APLICAR FÓRMULA P (X = x) = e λ λ x x! luego calculamos e 0,5 0, 5 0 P (X = 0) = 0! e 0,5 0, 5 1 P (X = 1) = 1! e 0,5 0, 5 2 P (X = 2) = 2! e 0,5 0, 5 3 P (X = 3) = 3! = 0,6065 = 0,3032 = 0,0758 = 0,0126 P (X > 3) = 1 [P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3)] P (X > 3) = 0, 0019 * PASO IV: INTERPRETAR RESULTADO Existe un 0,19 % de que en un minuto lleguen más de 3 llamadas Desarrollo * PASO I: IDENTIFICAR LOS DATOS Sea λ=2,5 el promedio de llamadas por 5 minutos, ya que 5 0,5=2,5 * PASO II: IDENTIFICAR LO QUE SE PIDE P (X > 2; λ = 2, 5) = 1 P (X 2) = 1 [P (X = 0) + P (X = 1) + P (X = 2)] * PASO III: APLICAR FÓRMULA P (X = x) = e λ λ x x! En este caso sería P (X = 0) = e 2,5 2, 5 0 0! = = 0, e 2,5 2, 5 1 P (X = 1) = = = 0, !

18 e 2,5 2, 5 2 P (X = 2) = = = 0, ! luego calculamos P (X > 2) = 1 [P (X = 0) + P (X = 1) + P (X = 2)] P (X > 2) = 0, * PASO IV: INTERPRETAR RESULTADO La probabilidad de que en 5 minutos lleguen más de 2 llamadas es de 45,63 % aprox.

19 b) En una clínica el promedio de atención es 16 pacientes por cada 4 horas, encuentre la probabilidad de que: 1) En 30 minutos se atiendan menos de 3 personas * PASO I: IDENTIFICAR LOS DATOS λ=16 pacientes en 4 horas λ= 4 pacientes por hora λ=2 pacientes por media hora * PASO II: IDENTIFICAR LO QUE SE PIDE -La probabilidad que en 30 minutos se atiendan menos de 3 personas. para ello debemos calcular P (X < 3) = P (X = 2) + P (X = 1) + P (X = 0) * PASO III : APLICAR FÓRMULA P (X = x) = e λ λ x, aplicando lo que se dijo en B x! P (X = 0) = e = 0,1353 0! P (X = 1) = e = 0,2707 1! P (X = 2) = e = 0,2707 2! luego, P (X < 3) = P (X = 2) + P (X = 1) + P (X = 0) P (X < 3) = 0, 6767 * PASO IV : INTERPRETAR RESULTADO -La probabilidad de que en 30 minutos se atiendan menos de 3 personas es 67,67 % 2) en 180 minutos se atiendan 12 pacientes. * PASO I : IDENTIFICAR LOS DATOS λ=16 pacientes en 4 horas λ= 4 pacientes por hora λ=12 pacientes por cada 3 hora * PASO II : IDENTIFICAR LO QUE SE PIDE -La probabilidad que se atiendan 12 personas en 3 horas. para ello debemos

20 calcular P (X = 12) * PASO III : APLICAR FÓRMULA aplicando lo que se dijo en B P (X = x) = e λ λ x x! P (X = 12) = e ! = 0,1144 luego, P (X = 3) = 0, 1144 * PASO IV : INTERPRETAR RESULTADO -La probabilidad de que en 180 minutos se atiendan 12 personas es 11,44 %

21 c) Si un banco recibe en promedio 6 cheques sin fondo por día, cuáles son las probabilidades de que reciba: 1) cuatro cheques sin fondo en un día dado. * PASO I : IDENTIFICAR LOS DATOS λ=6 cheques sin fondo por día * PASO II : IDENTIFICAR LO QUE SE PIDE - Cuatro cheques sin fondo en un día cualquiera, en este caso sería P (X = 4) * PASO III : APLICAR FÓRMULA aplicando lo que se dijo en B P (X = x) = e λ λ x x! P (X = 4) = e ! = 0, 9890 * PASO IV : INTERPRETAR RESULTADO - La probabilidad de que se reciban 4 cheques sin fondo en un día cualquiera es 98,90 % aprox. 2) 10 cheques sin fondos en cualquiera de dos días consecutivos. * PASO I : IDENTIFICAR LOS DATOS λ=6 cheques sin fondo por día λ = 6 2 = 12 cheques sin fondo en promedio que llegan al banco en dos días consecutivos. * PASO II : IDENTIFICAR LOS DATOS - 10 cheques sin fondo en cualquiera de dos días consecutivos, en este caso sería P (X = 10) * PASO III : APLICAR FÓRMULA P (X = x) = e λ λ x x!

22 aplicando lo que se dijo en B P (X = 10) = e ! = 0, * PASO IV INTERPRETAR RESULTADO - La probabilidad de que se reciban 10 cheques sin fondo en un 2 días consecutivos es 10,48 %

23 5. Distribución de Probabilidad Normal: a) Supóngase que la demanda mensual de cierto producto se encuentra aproximada por una variable aleatoria normal con media de 200 y desviación estándar igual a 40 unidades. Qué tan grande debe ser el inventario disponible a principio de un mes para que la probabilidad de que la existencia se agote no sea mayor de 0,05? Desarrollo: Sea X la demanda mensual, entonces X es N(200,40). Lo que se desea obtener es el valor del cuantil x 0,95 para el nivel de inventario a principio del mes, de manera tal que la probabilidad de que la demanda exceda a x 0,95 (existencia agotada) no sea mayor de 0,05. Esto es: P (X > x 0,95 ) = 0, 05 o P (X x 0,95 ) = 0, 95. De lo anterior se sigue que: P [Z (x 0,95 200)/40] = 0, 95. o P (Z z 0,95 ) = F z (z 0,95 ; 0, 1) = 0, 95 donde z 0,95 = (x 0,95 200)/40 es el valor cuantil correspondiente a la variable aleatoria normal estándar. Para obtener z 0,95 de la tabla D, primero se busca la probabilidad más cercana a 0,95. Una vez se encuentra este valor, se toman los correspondientes valores del renglón y la columna y se interpola para encontrar el valor deseado de z 0,95.Por ejemplo, z 0,95 tiene un valor de 265,8. Esto significa que el inventario a principio de cada mes no debe ser menor de 266 unidades para que la probabilidad de agotar las exitencias no sea mayor de 0,05. b) Un investigador científico reporta que unos ratones vivirán en un promedio de 40 meses cuando sus dietas se restringen drásticamente y después se enriquecen con vitaminas y

24 proteínas. Suponga que las vidas de tales ratones se destribuyen normalmente con una desviación estándar de 6,3 meses, encuentre la probabilidad de que un ratón dado viva: 1) más de 32 meses; Desarrollo: Debemos calcular la probabilidad P (X > 32) = 1 P (X 32) utlizando la siguiente transformación Z = X µ, donde µ = 40,σ = 6, 3 y X = 32 en σ nuestro ejercicio. Así Z = 1, 27 Luego P (Z > 1, 27) = 1 P (Z 1, 27), obserbado P (Z 1, 27) en la tabla de distribucion normal se tiene que P (Z 1, 27) = 0, , de este modo lo que implica que P (Z > 1, 27) = 0, P (X > 32) = 0, Contextualizando podemos decir que la probabilidad de que un ratón viva mas e 32 meses bajo las condiciones descritas en el problema es de 90 % aproximadamente. 2) menos de 28 meses; Desarrollo: Debemos calcular la probabilidad P (X < 28) utlizando la siguiente transformación Z = X µ, donde µ = 40,σ = 6, 3 y X = 28 en σ nuestro ejercicio. Así Z = 1, 27 Luego P (Z > 1, 27) = 1 P (Z 1, 27), obserbado P (Z 1, 27) en la tabla de distribucion normal se tiene que P (Z > 1, 905) = 0, , lo que implica que P (X > 32) = 0, Contextualizando podemos decir que la probabilidad de que un ratón viva menos de 28 meses bajo las condiciones descritas en el problema es de 2,9 % aproximadamente.

25 3) entre 37 y 49 meses. Desarrollo: Debemos calcular la probabilidad P (37 < X < 49) utlizando la siguiente transformación Z = X µ σ, donde µ = 40,σ = 6, 3 y X 2 = 37, X 2 = 49 en nuestro ejercicio. Luego Z 1 = 0, 48, Z 2 = 1, 43 Luego P ( 048 < Z < 1, 43) = P (Z < 1, 43) P (Z < 0, 48), obserbado P (Z < 0, 48) = 0, y P (Z < 1, 43) = 0, en la tabla de distribucion normal se tiene que P ( 048 < Z < 1, 43) = 0, , , de este modo lo que implica que P ( 048 < Z < 1, 43) = 0, P (37 < X < 49) = 0, Contextualizando podemos decir que la probabilidad de que un ratón viva entre 37 y 49 meses bajo las condiciones descritas en el problema es de 59 % aproximadamente. c) La Apex Taxi Company ha encontrado que el costo de los viajes se distribuye normalmente con una µ = 4,30 dolares y σ = 1,25 dólares. Si el chofer acuda a una llamada escogida al azar, cuál es la probabilidad de que su costo sea menor de 3,05 dólares? Desarrollo: Debemos calcular la probabilidad P (X < 3,05) utlizando la siguiente transformación Z = X µ, donde µ = 4,30,σ = 1,25 y X = 3,05 en σ nuestro ejercicio. Luego Z = 1 obserbado que P (Z < 1) = 0, , en la tabla de distribucion normal se tiene que P (Z < 3,05) = 0, , lo que implica que P (X < 3,05) = 0,

26 Contextualizando podemos decir que la probabilidad de que su costo sea menor de 3,05 dólares es de 16 % aproximadamente.

27 BIBLIOGRÁFIA 1. Canavos, G (1988). PROBABILIDAD Y ESTADÍTICA Aplicaciones y métodos. : McGRAW- HILL. Ejercicios de Distribución de probabilidad binomial * Ejercicio a), 4,21 página 124. Capítulo Cuatro (Algunas distribuciones discretas de probabilidad). * Ejercicio c), página 123. Capítulo Cuatro (Algunas distribuciones discretas de probabilidad). Ejercicios de Distribución de probabilidad Hipergeométrica * Ejercicio a), 4.8 página 111. Cap itulo Cuatro(Algunas distribuciones discretas de probabilidad). * Ejercicio b), 4.7 página 110. Cap itulo Cuatro(Algunas distribuciones discretas de probabilidad). Ejercicios de Distribución de probabilidad de Possion * Ejercicio a), 4.7 página 104. Capítulo Cuatro (Algunas distribuciones discretas de probabilidad). Ejercicios de Distribución de probabilidad Normal * Ejercicio a), 5.3 página 138. Capítulo Cinco (Algunas distribuciones continuas de probabilidad). 2. Montgomery, D. Runger, G (1996). Probabilidad y estadística aplicadas a la ingeniería. : McGRAQ-HILL. Ejercicios de Distribución de probabilidad binomial * Ejercicio b), 3,62 página 130. Capítulo Tres (Variables aleatorias y distribuciones de probabilidad discretas). Ejercicios de Distribución de probabilidad Geométrica * Ejercicio a) 3-71 página 138, Capítulo Tres (Variables aleatorias y distribuciones de probabilidad discretas).

28 3. Walpole, R. Myers, R. Myers, S (1999). Probabilidad y estadística para ingenieros, 6a. ed.. México: PRENTICE-HALL HISPANOAMERICA, S.A. Ejercicios de Distribución de probabilidad Geométrica * Ejercicio b) 7. página 140, Capítulo Cinco (Algunas distribuciones de probabilidad discretas). Ejercicios de Distribución de probabilidad Normal * Ejercicio b) 7. página 158, Capítulo 6 (Algunas distribuciones continuas de probabilidad). 4. Weimer, R (2006). ESTADÍSTICA 1a. ed. en español. México: Compañia editorial contiental. Ejercicios de Distribución de probabilidad Normal * Ejercicio c) 9. página 321. Capítulo siete (Distribuciones Continuas). 5. Freund, J. & Walpole, R. (1990). Estadística matemáticas con aplicaciones 4a. ed.. México: PRETINCE-HALL HISPANOAMERICANA, S.A.. Ejercicios de Distribución de probabilidad Geométrica. * Ejercicio c) 24. página 205. Capítulo cinco (Distribuciones de probabilidad especiales). 6. M. en C. Jos Luis Hernndez Gonzlez (2003). DISTRIBUCIN DE PROBABILIDAD DE VA- RIABLES. Ejercicios de Distribución de probabilidad Hipergeométrica *Ejercicio a) 1. página 8. (Distribución Hipergeométrica)

29 7. Articulos obtenidos desde internet Ejercicios de Distribución de probabilidad de Poisson * Ejercicio b) Jeanpoul, (4 de Diciembre de 2004)EJERCICIOS RESUELTOS DE MATEMA- TICAS ONLINE Obtenido el 28 de Diciembre del 2011 desde http : //blogupiicsa.blogspot.com/2010/12/distribucion de poisson 0 4.html * Ejercicio c) Autor desconocido, (No especificada)distribucion DE POISSON Obtenido el 28 de Diciembre del 2011 desde http : // p rivate/05distr %20P oisson.htm

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA PROBABILIDAD Y ESTADÍSTICA GUÍA 3: VARIABLES ALEATORIAS DISCRETAS Y DISTRIBUCIONES DE PROBABILIDAD Plan Común de Ingeniería 1.

Más detalles

Problemas. Variables Aleatorias. Modelos de Probabilidad

Problemas. Variables Aleatorias. Modelos de Probabilidad Problemas. Variables Aleatorias. Modelos de Probabilidad Ejemplos resueltos y propuestos Variables Aleatorias Discretas Una variable aleatoria discreta X de valores x 1, x 2,..., x k con función de probabilidad

Más detalles

Modelos de distribuciones discretas y continuas

Modelos de distribuciones discretas y continuas Modelos de distribuciones discretas y continuas Discretas En la versión actual de Rcdmr podemos encontrar las distribuciones discretas estudiadas en este curso y para cada una de ellas están disponibles

Más detalles

Ejercicios distribuciones discretas probabilidad

Ejercicios distribuciones discretas probabilidad Ejercicios distribuciones discretas probabilidad 1. Una máquina que produce cierta clase de piezas no está bien ajustada. Un porcentaje del 4.2% de las piezas están fuera de tolerancias, por lo que resultan

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA SEGUNDA PRUEBA PARCIAL Profesor: Hugo S. Salinas. Primer Semestre 2009 1. Resolver los siguientes

Más detalles

Algunas Distribuciones de Probabilidad

Algunas Distribuciones de Probabilidad Relación de problemas 7 Algunas Distribuciones de Probabilidad 1. En un hospital se ha comprobado que la aplicación de un tratamiento en enfermos de cirrosis produce una cierta mejoría en el 80 % de los

Más detalles

SOLUCION ASIGNACIÓN 4

SOLUCION ASIGNACIÓN 4 SOLUCION ASIGNACIÓN 4 Problema 1 Harley Davidson, director de control de calidad de la compañía de automóviles Kyoto Motor, se encuentra realizando su revisión mensual de transmisiones automáticas. En

Más detalles

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad 2.3. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Parámetros de un problema Saber: Explicar el concepto de variable discreta. Explicar los conceptos y métodos de la distribución binomial, hipergeométrica,

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o Profesor: Hugo S. Salinas. Segundo Semestre. RESOLVER. 3

Más detalles

ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus José Carlos Vega Vilca, Ph.D.

ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus José Carlos Vega Vilca, Ph.D. UNIVERSIDAD DE PUERTO RICO FACULTAD DE ADMINISTRACION DE EMPRESAS INSTITUTO DE ESTADISTICA ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus, Ph.D. Presentación Este curso ofrece al estudiante, la posibilidad

Más detalles

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS A) INTRODUCCIÓN Una distribución de probabilidad es una representación de todos los resultados posibles de algún experimento y de la probabilidad relacionada

Más detalles

Resuelve los ejercicios de Distribución de Poisson

Resuelve los ejercicios de Distribución de Poisson Resuelve los ejercicios de Distribución de Poisson 1. Algunos registros muestran que la probabilidad de que a un automóvil se le desinfle un neumático al atravesar cierto túnel es de 0.00005. Utiliza la

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o 2 Profesor: Hugo S. Salinas. Primer Semestre 20. El gerente

Más detalles

Tema 5. Variables aleatorias discretas

Tema 5. Variables aleatorias discretas Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso

Más detalles

Problemas de Probabilidad resueltos.

Problemas de Probabilidad resueltos. Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose

Más detalles

Unidad 6. Distribuciones de probabilidad continua, muestreo y distribución de muestras

Unidad 6. Distribuciones de probabilidad continua, muestreo y distribución de muestras Unidad 6 Distribuciones de probabilidad continua, muestreo y distribución de muestras Introducción La unidad 5 se enfocó en el estudio de las distribuciones de probabilidad discreta, entre las cuales

Más detalles

-100 0.10 0 0.20 50 0.30 100 0.25 150 0.10 200

-100 0.10 0 0.20 50 0.30 100 0.25 150 0.10 200 ESTADISTICA Y PROBABILIDAD Orientadores:. Arch. Taller3_est.doc 1. El siguiente es un ejemplo de experimentos y variables aleatorias asociadas. Identifique en cada caso los valores que la variables aleatoria

Más detalles

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Variables Aleatorias Una variable aleatoria es una función que asocia un número real con cada elemento del EM. Ejemplo 1: El EM que da una

Más detalles

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde Soluciones de la relación del Tema 6. 1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B1, p), donde p = P X = 1) = P la persona presente síntomas)

Más detalles

RESPUESTAS: c) $75.00. 166) a) 70,000 litros b) 11,547 litros 167) a) 12.5 litros b) 1 3

RESPUESTAS: c) $75.00. 166) a) 70,000 litros b) 11,547 litros 167) a) 12.5 litros b) 1 3 170) Suponte que los resultados de un examen son una variable normal con media 78 y varianza 36 a) Cuál es la probabilidad que una persona que presenta el examen obtenga una calificación mayor que 7? b)

Más detalles

Carrera: IQF-1001 SATCA 1 3 2-5

Carrera: IQF-1001 SATCA 1 3 2-5 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Calve de asignatura: SATCA 1 Análisis de Datos Experimentales Ingeniería Química IQF-1001 3 2-5 2.- PRESENTACION Caracterización de la asignatura.

Más detalles

CARTAS DE CONTROL. FeGoSa

CARTAS DE CONTROL. FeGoSa Las empresas en general, ante la apertura comercial han venido reaccionando ante los cambios y situaciones adversas, reaccionan por ejemplo ante: Disminución de ventas Cancelación de pedidos Deterioro

Más detalles

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA N o 1: Estadística y Probabilidades Profesor: Hugo S. Salinas. Primer Semestre 2011 1. Señalar

Más detalles

Explicación de la tarea 3 Felipe Guerra

Explicación de la tarea 3 Felipe Guerra Explicación de la tarea 3 Felipe Guerra 1. Una ruleta legal tiene los números del 1 al 15. Este problema corresponde a una variable aleatoria discreta. La lectura de la semana menciona lo siguiente: La

Más detalles

MA2006 - Tarea No 7. Departamento de Matemáticas, CCIR/ITESM. 19 de febrero de 2011

MA2006 - Tarea No 7. Departamento de Matemáticas, CCIR/ITESM. 19 de febrero de 2011 MA2006 - Tarea No 7 Departamento de Matemáticas, CCIR/ITESM 19 de febrero de 2011 1. En un taller de servicio especializado en afinaciones se sabe que 45 % de todas se hacen a motores de 4 cilindros, 40

Más detalles

Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES

Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES 1.- Definición de variable aleatoria discreta. Normalmente, los resultados posibles (espacio muestral Ω) de un experimento aleatorio no son

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA Notas de clase Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez TEMA IV MODELOS PROBABILÍSTICOS COMUNES INTRODUCCIÓN Las variables aleatorias sirven para modelar

Más detalles

Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I

Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I 1. Supongamos que Ω = A B y P (A B) = 0.2. Hallar: (a) El máximo valor posible para P (B), de tal manera

Más detalles

DISTRIBUCIONES DISCRETAS DE PROBABILIDAD

DISTRIBUCIONES DISCRETAS DE PROBABILIDAD www.siresistemas.com/clases Ing. Oscar Restrepo DISTRIBUCIONES DISCRETAS DE PROBABILIDAD 1. Debido a las elevadas tasas de interés, una empresa reporta que el 30% de sus cuentas por cobrar de otras empresas

Más detalles

1. IDENTIFICACION DE LA ASIGNATURA

1. IDENTIFICACION DE LA ASIGNATURA UNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE ADMINISTRACION Y ECONOMIA DEPARTAMENTO DE CONTABILIDAD Y AUDITORIA PROGRAMA DE ESTUDIO ESTADISTICAS APLICADA I 1. IDENTIFICACION DE LA ASIGNATURA 2. OBJETIVOS

Más detalles

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos.

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Mecánica MCM - 0531 3 2 8 2.- HISTORIA DEL

Más detalles

CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS

CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS MEDIANTE UN ENFOQUE POR CADENAS DE MARKOV ABSORBENTES Lidia Toscana - Nélida Moretto - Fernanda Villarreal Universidad Nacional del Sur, ltoscana@criba.edu.ar

Más detalles

Tema 1 con soluciones de los ejercicios. María Araceli Garín

Tema 1 con soluciones de los ejercicios. María Araceli Garín Tema 1 con soluciones de los ejercicios María Araceli Garín Capítulo 1 Introducción. Probabilidad en los modelos estocásticos actuariales Se describe a continuación la Tarea 1, en la que se enumeran un

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

Modelos de distribuciones discretas

Modelos de distribuciones discretas Tema 4 Modelos de distribuciones discretas En este capítulo estudiaremos las distribuciones discretas más importantes. importancia es doble, por las aplicaciones y por su relevancia conceptual. De nuevo,

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión en Matemáticas y Computación, así como en sus diversas aplicaciones. PROBABILIDAD Y ESTADÍSTICA

Más detalles

ESTADÍSTICA APLICADA A LOS NEGOCIOS

ESTADÍSTICA APLICADA A LOS NEGOCIOS INGENIERÍA EN LOGÍSTICA INTERNACIONAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA APLICADA A LOS NEGOCIOS UNIDADES DE APRENDIZAJE 1. Competencias Dirigir proyectos de negocios y actividades

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).

Más detalles

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS 1) Reseña histórica Abrahan De Moivre (1733) fue el primero en obtener la ecuación matemática de la curva normal. Kart Friedrich Gauss y Márquez De Laplece (principios

Más detalles

Ejercicios de inferencia estadística

Ejercicios de inferencia estadística 1. Una población consiste en las edades de los niños en una familia de cuatro hijos. Estas edades son: x 1 = años, x = 4años, x 3 = 6años, x 4 = 8años. (a) Determina la media y la desviación típica de

Más detalles

ESCUELA COLOMBIANA DE INGENIERÍA

ESCUELA COLOMBIANA DE INGENIERÍA ESCUELA COLOMBIANA DE INGENIERÍA ASIGNATURA: ESTADÍSTICA DEPARTAMENTO: MATEMÁTICAS PLANES DE ESTUDIO: CÓDIGO: Mnemónico ESTI Numérico 1. OBJETIVOS GENERALES Desarrollar habilidades para organizar, representar

Más detalles

Departamento de Economía Aplicada I FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES LICENCIATURA EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS

Departamento de Economía Aplicada I FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES LICENCIATURA EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES LICENCIATURA EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS ESTADÍSTICA I Relación de Ejercicios nº 4 PROBABILIDAD Curso 007-008 1) Describir el espacio muestral

Más detalles

EJEMPLOS DE TEORÍA DE COLAS Resolución con Win-QSB

EJEMPLOS DE TEORÍA DE COLAS Resolución con Win-QSB EJEMPLOS DE TEORÍA DE COLAS Resolución con Win-QSB PROBLEMA 1. El Banco Nacional de Occidente piensa abrir una ventanilla de servicio en automóvil para servicio a los clientes. La gerencia estima que los

Más detalles

www.bvbusiness-school.com

www.bvbusiness-school.com Gráficos de Control de Shewart www.bvbusiness-school.com GRÁFICOS DE CONTROL DE SHEWART Una de las herramientas estadísticas más importantes en el Control Estadístico de Procesos son los Gráficos de Control.

Más detalles

3 Tercera. 3.1 Parte básica. Unidad Didáctica "DISTRIBUCIONES DE PROBABILIDAD DISCRETAS"

3 Tercera. 3.1 Parte básica. Unidad Didáctica DISTRIBUCIONES DE PROBABILIDAD DISCRETAS 143 3 Tercera Unidad Didáctica "DISTRIBUCIONES DE PROBABILIDAD DISCRETAS" 3.1 Parte básica 144 3.1.1 Variables aleatorias En cualquier experimento aleatorio tenemos resultados cualitativos o cuantitativos.

Más detalles

TEORÍA DE PROBABILIDAD

TEORÍA DE PROBABILIDAD 1 UNIVERSIDAD CATOLICA ANDRES BELLO Urb. Montalbán La Vega Apartado 29068 Teléfono: 471-4148 Fax: 471-3043 Caracas, 1021 - Venezuela Facultad de Ingeniería Escuela de Ingeniería Informática -----------------------

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD EJERCICIOS 5 Profesor: Hugo S. Salinas. Primer Semestre 2009 1. Una compañía de seguros utiliza la

Más detalles

12 Las distribuciones binomial y normal

12 Las distribuciones binomial y normal Las distribuciones binomial y normal ACTIVIDADES INICIALES.I. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:

Más detalles

TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS

TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS 1.1 Variables aleatorias Considera el experimento aleatorio consistente en lanzar dos monedas. El espacio muestral de

Más detalles

PROBABILIDAD. 1. a) Operaciones con sucesos. Propiedades. Sucesos compatibles.

PROBABILIDAD. 1. a) Operaciones con sucesos. Propiedades. Sucesos compatibles. OPCION A: 1. a) Operaciones con sucesos. Propiedades. Sucesos compatibles. k t si t [0,2] b) Sea f(t)= 0 en el resto Calcular k para que f sea de densidad, calcular la función de distribución. 2. a) De

Más detalles

PROBLEMAS SOBRE CÁLCULO DE PROBABILIDADES.

PROBLEMAS SOBRE CÁLCULO DE PROBABILIDADES. ANDALUCIA: º) (Andalucía, junio, 98) Ana, Juan y Raúl, que están esperando para realizar una consulta médica, sortean, al azar, el orden en que van a entrar. a) Calcule la probabilidad de que los dos últimos

Más detalles

Ejercicios de Teoría de Colas

Ejercicios de Teoría de Colas Ejercicios de Teoría de Colas Investigación Operativa Ingeniería Informática, UC3M Curso 08/09 1. Demuestra que en una cola M/M/1 se tiene: L = ρ Solución. L = = = = = ρ np n nρ n (1 ρ) nρ n n=1 ρ n ρ

Más detalles

6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0)

6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0) 1. La rueda de una ruleta se divide en 25 sectores de igual área que se enumeran del 1 al 25. Encuentra una fórmula para la distribución de probabilidades de la v.a. X que representa el número obtenido

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

Distribuciones discretas. Distribución Binomial

Distribuciones discretas. Distribución Binomial Boletín: Distribuciones de Probabilidad IES de MOS Métodos estadísticos y numéricos Distribuciones discretas. Distribución Binomial 1. Una urna contiene 3 bolas blancas, 1 bola negra y 2 bolas azules.

Más detalles

Estadística aplicada y modelización. 10 de septiembre de 2005

Estadística aplicada y modelización. 10 de septiembre de 2005 Estadística aplicada y modelización. 10 de septiembre de 005 SOLUCIÓN MODELO A 1. Una persona se está preparando para obtener el carnet de conducir, repitiendo un test de 0 preguntas. En la siguiente tabla

Más detalles

Matemáticas aplicadas a las Ciencias Sociales II Variables Aleatorias. Distribuciones Binomial y Normal. Índice. 1. Variables aleatorias 2

Matemáticas aplicadas a las Ciencias Sociales II Variables Aleatorias. Distribuciones Binomial y Normal. Índice. 1. Variables aleatorias 2 Matemáticas aplicadas a las Ciencias Sociales II Variables Aleatorias. Distribuciones Binomial y Normal Índice 1. Variables aleatorias 2 2. Distribución de probabilidad para variables aleatorias discretas

Más detalles

Problemas resueltos del Tema 3.

Problemas resueltos del Tema 3. Terma 3. Distribuciones. 9 Problemas resueltos del Tema 3. 3.1- Si un estudiante responde al azar a un examen de 8 preguntas de verdadero o falso Cual es la probabilidad de que acierte 4? Cual es la probabilidad

Más detalles

Unidad 4: Variables aleatorias

Unidad 4: Variables aleatorias Unidad 4: Variables aleatorias Logro de la unidad 4 Al finalizar la unidad 4, el alumno aplica el concepto de variable aleatoria, valor esperado y probabilidad para la toma de decisiones en un trabajo

Más detalles

Estadística Administrativa I

Estadística Administrativa I 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística Administrativa I Licenciatura en Administración ADT-0426 2-3-7 2.-

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGIAS RENOVABLES EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD Y ESTADISTICA

TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGIAS RENOVABLES EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD Y ESTADISTICA TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGIAS RENOVABLES EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD Y ESTADISTICA 1. Competencias Formular proyectos de energías renovables mediante diagnósticos energéticos

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..INVESTIGACIÓN OPERATIVA Sistemas de Inventarios Capítulo3. Marco teórico MONOGRAFÍA Para optar el Título de Licenciado

Más detalles

Se pide: 1. Calcular las principales medidas de posición y dispersión para los datos anteriores.

Se pide: 1. Calcular las principales medidas de posición y dispersión para los datos anteriores. 2.2.- Ha sido medida la distancia de frenado (en metros) de una determinada marca de coches, según el tipo de suelo y velocidad a la que circula, los resultados en 64 pruebas aparecen en el listado siguiente:

Más detalles

Carrera: ACF-0803 4-2 - 8. Participantes. Academia Eléctrica y Electrónica del Instituto Tecnológico Superior de Coatzacoalcos

Carrera: ACF-0803 4-2 - 8. Participantes. Academia Eléctrica y Electrónica del Instituto Tecnológico Superior de Coatzacoalcos 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Análisis Estadístico a Procesos Ingeniería Electrónica ACF-0803 4-2 - 8 2.- HISTORIA

Más detalles

Statgraphics Centurión

Statgraphics Centurión Facultad de Ciencias Económicas y Empresariales. Universidad de Valladolid 1 Statgraphics Centurión I.- Nociones básicas El paquete Statgraphics Centurión es un programa para el análisis estadístico que

Más detalles

Resuelve los ejercicios de Distribución Binomial

Resuelve los ejercicios de Distribución Binomial Resuelve los ejercicios de Distribución Binomial 1. Si 0.20 es la probabilidad de capturar a un asaltante de tiendas, cuál es la probabilidad de que en una muestra de ocho asaltantes se capturen tres?

Más detalles

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Página 75 REFLEXIONA Y RESUELVE Lanzamiento de varios dados Comprueba en la tabla anterior ue: DESV. TÍPICA PARA n DADOS n = 8 1,71 1,1 n = 3 8 1,71 3 0,98

Más detalles

HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS

HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES Página 1 de 22 HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la Asignatura Calidad y estadística 2. Competencias Formular proyectos

Más detalles

R PRÁCTICA II. Probabilidad-Variables Aleatorias. Probabilidad

R PRÁCTICA II. Probabilidad-Variables Aleatorias. Probabilidad R PRÁCTICA II Probabilidad-Variables Aleatorias Sección II.1 Probabilidad 15. En el fichero sintomas.dat se encuentran 9 columnas con los resultados de una estadística médica. Cada columna corresponde

Más detalles

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Páginas 74-75 Lanzamiento de varios dados Comprobación de que: Desviación típica de n dados = (Desv. típica para un dado) / 1,71 n = 1,1 1,71 n = 3 0,98

Más detalles

M.I. Isidro Ignacio Lázaro Castillo

M.I. Isidro Ignacio Lázaro Castillo UNIDAD 3 Muestreo CURSO DE ESTADÍSTICA M.I. Isidro Ignacio Lázaro Castillo ESTADÍSTICA La estadística se considera un método empleado para: Recoger Organizar Analizar Y contrastar los resultados numéricos

Más detalles

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA 5: VARIABLES ALEATORIAS Y DISTRIBUCIONES CONTINUAS Profesor: Hugo S. Salinas. Segundo Semestre

Más detalles

DISTRIBUCIONES DE VARIABLE CONTINUA

DISTRIBUCIONES DE VARIABLE CONTINUA UNIDAD 11 DISTRIBUCIONES DE VARIABLE CONTINUA Página 260 1. Los trenes de una cierta línea de cercanías pasan cada 20 minutos. Cuando llegamos a la estación, ignoramos cuándo pasó el último. La medida

Más detalles

SUCESOS. PROBABILIDAD. BACHILLERATO. TEORÍA Y EJERCICIOS SUCESOS

SUCESOS. PROBABILIDAD. BACHILLERATO. TEORÍA Y EJERCICIOS SUCESOS 1 SUCESOS Experimento aleatorio. Es aquel que al repetirlo en análogas condiciones, da resultados diferentes, es decir, no se puede predecir el resultado que se va a obtener. Ejemplos: - Lanzar una moneda

Más detalles

Prácticas de Simulación (Sistemas) Autor: M. en C. Luis Ignacio Sandoval Paéz

Prácticas de Simulación (Sistemas) Autor: M. en C. Luis Ignacio Sandoval Paéz 1 Prácticas de Simulación (Sistemas) Autor: M. en C. Luis Ignacio Sandoval Paéz 2 ÍNDICE Introducción 3 Aplicaciones de la Simulación 3 La Metodología de la Simulación por Computadora 5 Sistemas, modelos

Más detalles

Clase 4: Probabilidades de un evento

Clase 4: Probabilidades de un evento Clase 4: Probabilidades de un evento Definiciones A continuación vamos a considerar sólo aquellos experimentos para los que el EM contiene un número finito de elementos. La probabilidad de la ocurrencia

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA Notas de clase Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez INTRODUCCIÓN TEMA III VARIABLES ALEATORIAS El objetivo de este tema es conocer y utilizar el concepto

Más detalles

Carrera: Ingeniería Civil CIE 0524

Carrera: Ingeniería Civil CIE 0524 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Investigación de Operaciones Ingeniería Civil CIE 0524 2 2 6 2.- HISTORIA DEL

Más detalles

CARTA DESCRIPTIVA. I. Identificadores de la asignatura. Instituto: IIT Modalidad: Presencial. Departamento: Ingeniería Civil y Ambiental.

CARTA DESCRIPTIVA. I. Identificadores de la asignatura. Instituto: IIT Modalidad: Presencial. Departamento: Ingeniería Civil y Ambiental. CARTA DESCRIPTIVA I. Identificadores de la asignatura Instituto: IIT Modalidad: Presencial Departamento: Materia: Ingeniería Civil y Ambiental Estadística con Aplicación a la Ingeniería Ambiental Créditos:

Más detalles

COMBINATORIA. 1. Fundamentos de combinatoria En esta sección estudiaremos las técnicas básicas de recuento que son fundamentales en combinatoria.

COMBINATORIA. 1. Fundamentos de combinatoria En esta sección estudiaremos las técnicas básicas de recuento que son fundamentales en combinatoria. COMBINATORIA La combinatoria es una parte importante de matemática discreta que se utiliza en la resolución de problemas de enumeración y de recuento. 1. Fundamentos de combinatoria En esta sección estudiaremos

Más detalles

Estadís1ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 7. Control estadís1co de la calidad

Estadís1ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 7. Control estadís1co de la calidad Estadís1ca Tema 7. Control estadís1co de la calidad María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema

Más detalles

Carrera: Ingeniería Bioquímica SATCA * 3-2-5

Carrera: Ingeniería Bioquímica SATCA * 3-2-5 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Estadística Carrera: Ingeniería Bioquímica Clave de la asignatura: BQF-1007 SATCA * 3-2-5 2.- PRESENTACIÓN Caracterización de la asignatura. Esta asignatura

Más detalles

2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K

2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K CONTENIDOS 1. Introducción a las colas poissonianas. 2. Modelo de colas poissoniano con un servidor M/M/1 3. Modelo con un servidor y capacidad finita M/M/1/K 4. Modelo con varios servidores M/M/c. Fórmula

Más detalles

INGENIERÍA EN MECATRÓNICA

INGENIERÍA EN MECATRÓNICA INGENIERÍA EN MECATRÓNICA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Control estadístico de procesos 2. Competencias Desarrollar proyectos de automatización y control,

Más detalles

TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS

TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS 4.1 Distribución binomial 4.1.1 Definición. Ejemplos 4.1.2 La media y la varianza 4.1.3 Uso de tablas 4.1.4 Aditividad 4.2 Distribución de Poisson 4.2.1 Definición.

Más detalles

4. HERRAMIENTAS ESTADÍSTICAS

4. HERRAMIENTAS ESTADÍSTICAS 4. HERRAMIENTAS ESTADÍSTICAS 4.1 Definiciones La mayor parte de las decisiones se toman en función de la calidad, como en la mayoría de las demás áreas del moderno esfuerzo humano (por ejemplo, en la evaluación

Más detalles

Pues, sí. La respuesta la podemos encontrar en el análisis combinatorio.

Pues, sí. La respuesta la podemos encontrar en el análisis combinatorio. 2. Análisis combinatorio 2.1. Introducción. Imagina que quieres saber de cuántas formas pueden acomodarse 15 libros en un estante sin importar el orden en que éstos vayan, o imagina que quieres escoger

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. Sean A y B dos sucesos y A, B sus complementarios. Si se verifica que p( B) = 2 / 3, p( A B) = 3 / 4 y p( A B) = 1/ 4, hallar: p( A), p( A B), y la probabilidad condicionada

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 2 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. La dureza Rockwell de un metal

Más detalles

Gráficos circulares Gráfico de barras Gráfico de líneas Pictogramas

Gráficos circulares Gráfico de barras Gráfico de líneas Pictogramas FORMACIÓN ACADÉMICA TALLER ESTADISTICA PFA-01-R04 Versión 01 AREA DE MATEMATICAS GRADO SEPTIMO PERIODO 02 NOMBRE: CAPACIDADES Solución de problemas, razonamiento, representación gráfica. EJE ALEATORIO

Más detalles

LICENCIADO EN CIENCIAS AMBIENTALES PROGRAMA DE ESTADÍSTICA

LICENCIADO EN CIENCIAS AMBIENTALES PROGRAMA DE ESTADÍSTICA LICENCIADO EN CIENCIAS AMBIENTALES PROGRAMA DE ESTADÍSTICA CURSO 2010-2011 TITULACIÓN: CIENCIAS AMBIENTALES ASIGNATURA: ESTADISTICA ÁREA DE CONOCIMIENTO: Estadística e Investigación Operativa Número de

Más detalles

ESTADÍSTICA Y DISEÑO EXPERIMENTAL

ESTADÍSTICA Y DISEÑO EXPERIMENTAL SILABO I. DATOS GENERALES 1.1 Nombre de la asignatura : ESTADÍSTICA Y DISEÑO EXPERIMENTAL 1.2 Carácter : Obligatorio 1.3 Carrera Profesional : Administración de Empresas 1.4 Código : AD0502 1.5 Semestre

Más detalles

PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA

PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA Problema 1 PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA Hoja 2 Una población de 20 animales insectívoros se introduce en una zona donde el 14% de los insectos que le sirven de alimento son venenosos. Cada

Más detalles

a) No curse la opción Científico-Tecnológica. b) Si es chico, curse la opción de Humanidades y C. Sociales

a) No curse la opción Científico-Tecnológica. b) Si es chico, curse la opción de Humanidades y C. Sociales 1 PROBABILIDAD 1.(97).- Para realizar un control de calidad de un producto se examinan tres unidades del producto, extraídas al azar (y sin reemplazamiento) de un lote de 100 unidades. Las unidades pueden

Más detalles

Estimación de las principales distribuciones de probabilidad mediante Microsoft Excel 1

Estimación de las principales distribuciones de probabilidad mediante Microsoft Excel 1 Estimación de las principales distribuciones de probabilidad mediante Microsoft Excel Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento

Más detalles

Tema 3: Variable aleatoria 9. Tema 3: Variable aleatoria

Tema 3: Variable aleatoria 9. Tema 3: Variable aleatoria Tema 3: Variable aleatoria 9 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Tema 3: Variable aleatoria 1. Probar si las siguientes funciones pueden definir funciones

Más detalles

CÁLCULO DE CICLOS DE CONSUMO Y ROTACIÓN DE INVENTARIOS

CÁLCULO DE CICLOS DE CONSUMO Y ROTACIÓN DE INVENTARIOS 4 CÁLCULO DE CICLOS DE CONSUMO Y ROTACIÓN DE INVENTARIOS Al finalizar el capítulo, el alumno calculará los ciclos de consumo y rotación de inventarios de acuerdo con los métodos de valuación, para la determinación

Más detalles

Ejercicios de Modelos de Probabilidad

Ejercicios de Modelos de Probabilidad Ejercicios de Modelos de Probabilidad Elisa M. Molanes-López, Depto. Estadística, UC3M Binomial, Poisson, Exponencial y Uniforme Ejercicio. Se dispone de un sistema formado por dos componentes similares

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles