ALGUNOS MODELOS CONTINUOS DE DISTRIBUCIN DE PROBABILIDAD

Vamos a estudiar con ms detalles algunos modelos de probabilidad de variables aleatorias continuas que sern de gran utilidad en la prctica. Debemos seleccionar un modelo o funcin de probabilidad ya existente en la literatura estadstica para describir el comportamiento de una variable aleatoria real, ya que es muy difcil elaborar un modelo en forma exacta de un problema concreto. Con mtodos estadsticos se puede validar si el modelo utilizado es adecuado para describir nuestros datos. DISTRIBUCIN UNIFORME La funcin de densidad uniforme se define como: X ~ U[a , b]
1 ;a x b f(x)= b - a 0 ; en o.c. Donde a y b son constante reales con a < b.

Media y varianza de la distribucin Uniforme

b

E(X) =
x=a

1 a+b dx= b-a 2

V(X) =
x=a

x2

1 a+b dx b-a 2

(b - a)2 12

Lo que es obvio por simetra

Funcin de distribucin: F(X) = P(X < x)

0 F(X) =
P(X x)

; x<a x<b b

x-a ;a b-a 1 ;x

Cecilia Larran

Modelos de probabilidad continuos

Pgina 1

Ejemplo: Las ganancias (Mill $) de una empresa se comportan segn la siguiente funcin: G= 0,2X 500. La variable aleatoria X expresa la cantidad de unidades vendidas del producto que fabrica la empresa. Esta variable se distribuye segn una U[2000 , 7000]
(a) Cul es la probabilidad de que la ganancia sea por lo menos $100.000.000? (b) Cul es la probabilidad de tener prdidas? (c) Determine la ganancia esperada.

DISTRIBUCIN EXPONENCIAL La funcin de densidad exponencial se define como: X ~ Exp()

f(x)= e-x 0 ;x>0 ; en o.c.

>0

Media y varianza de la distribucin Exponencial

1 E(X) = x e dx= x=0
-x

1 V(X) = x e dx x=0
2 -x

1 2

Funcin de distribucin: F(X) = P(X < x)

F(x) = 1- e-x , x > 0

Obs.: Se dice que la distribucin exponencial no tiene memoria P(X < t + h / X > h) = P(X < t)

Cecilia Larran

Modelos de probabilidad continuos

Pgina 2

Ejemplo: La vida en miles de horas de un instrumento electrnico se distribuye exponencialmente con media 1. El costo de fabricacin estos instrumentos es de $4000 y se venden en $9000. Calcule la utilidad esperada, si en la venta se garantiza la devolucin del dinero si la duracin es menor a 500 horas. La distribucin Normal Muchas variables como el peso, estatura, edad, presin arterial, puntaje de un test psicolgico, mediciones de calidad en muchos procesos industriales, , se distribuyen Normal. Este modelo se caracteriza por tener un recorrido terico que es el eje de todos los nmeros reales y una funcin de densidad que tiene un grfico acampanado y que se individualiza mediante dos parmetros: representa a la media y 2 que corresponde a la varianza de la variable aleatoria

Cecilia Larran

Modelos de probabilidad continuos

Pgina 3

Algunas caractersticas de la distribucin N(,2)

-

(E(X) = , V(X) = 2)

La funcin de densidad es simtrica, mesocrtica y unimodal: P(X < ) = P(X > ) = 0,5

- Media, mediana y moda coinciden

Entre la media y una desviacin estndar hay aproximadamente un 68,2% de probabilidad. P( |X | < ) = 0,682 Entre la media y dos desviaciones estndar hay aproximadamente un 95,4% de probabilidad P( |X | < 2) = 0,954 Entre la media y tres desviaciones estndar hay aproximadamente un 99,7% de probabilidad P( |X | < 3) = 0,997 Entre todos los modelos normales existentes destaca aquel que tiene media = 0 y varianza 2 = 1 conocido como distribucin normal estandar (o normal tpica) para la cual existen tablas (de probabilidades) muy completas.

Si la v.a. tiene distribucin N(,2) X- entonces la v.a. Z = tiene distribucin nomal estandar.
Esta propiedad facilita el clculo de probabilidades Ejemplo: El CI en seres humanos est distribuido normal con media 100 y desviacin estndar 10. Si una persona es elegida al azar:

a.

cul es la probabilidad de que su CI sea inferior a 115?

X = CI de un sujeto P(X < 115) = P

X-

115

10

100 = P(Z < 1,5) = 0,93319

P(Z < z0)
z Prob. z Prob

Distribucin Normal estandarizada N(0, 1)

z
. . .

Prob.

Prob.

-1,66 -1,65 -1,64

. . .

0,04846 0,04947 0,05050

-1,20 -1,19 -1,18

0,11507 0,11702 0,11900

-0,74 -0,73 -0,72

0,22965 0,23270 0,23576

-0,28 -0,27 -0,26

0,38974 0,39358 0,39743

0,45
. . .

0,67364

0,91

0,81859

1,37

0,91466

1,83

0,96638

0,57 0,58 0,59

. . .

0,71566 0,71904 0,72240

1,03 1,04 1,05

0,84849 0,85083 0,85314

1,49 1,50 1,51

0,93189 0,93319 0,93448

1,95 1,96 1,97

0,97441 0,97500 0,97558

0,62 .

0,73237

1,08

0,85993

1,54

0,93822

2,00

0,97725

Cecilia Larran

Modelos de probabilidad continuos

Pgina 4

b. Cul es la probabilidad de que su CI supere 118 puntos

c. Determine la probabilidad de que su CI se encuentre entre 95 y 110 puntos.

d. Si se sabe que el sujeto seleccionado supera los 105 puntos de CI, determine la probabilidad de que su CI sea inferior a 120

Aplicaciones de modelos continuos a ingeniera

Modelo Parmetros Funcin de densidad f(x) Media Varianza

Uniforme

a,b b>a

f(x)=

1 ;a x b b-a 0 ; en o.c.

a+b 2

(b - a)2 12

Exponencial

>0 , >0

f(x)=

e-x o

, x>0 , en o.c
1 x 2
2

1 2

Normal

f(x) =
-

1 e 2 <x<

Ejercicio 1 En cierta industria textil, las ventas diarias se distribuyen normal con una media de 1,5 millones de pesos y una desviacin estndar de 0,3 millones de pesos. La industria decide realizar una campaa de promocin de sus productos, estimando que sus ventas aumentan en un 10%. Cul es la probabilidad que las ventas en un da cualesquiera, despus de la campaa, supere los 2 millones de pesos?

Cecilia Larran

Modelos de probabilidad continuos

Pgina 5

Ejercicio 2 El tiempo de duracin de los chips producidos por un fabricante de semiconductores es una variable aleatoria cuya distribucin es aproximadamente normal con media 5106 horas y desviacin estndar 5105 horas. a. Un fabricante de computadores est dispuesto a comprar una gran cantidad de chips siempre que al menos el 95% del lote tenga un tiempo de vida superior a 4106. Qu decisin debera tomar en vista de la informacin disponible? b. Determine entre que valores (duraciones) se encuentra el 50% central de la variable.

Ejercicio 3 La resistencia a la traccin de un papel esta modelada por una distribucin Normal con media 35 libras por pulgada cuadrada y desviacin estndar de 2 libras por pulgada cuadrada. a. Las especificaciones requieren que la resistencia se encuentre en un intervalo centrado en la media y de amplitud dos desviaciones estndar. Qu porcentaje de las hojas de papel sern rechazadas por no cumplir las especificaciones? b. Cul es la resistencia mnima del 60% de los papeles que tienen mayor resistencia a la traccin?

Ejercicio 4 La duracin ininterrumpida de un equipo electrnico tipo A es una variable aleatoria distribuida normalmente con media 1400 horas y varianza 800 horas2, y la duracin ininterrumpida de un equipo tipo B se distribuye exponencialmente con media 1500 horas. Qu tipo de equipo es ms conveniente elegir si se necesita realizar un proceso que dure al menos 1340 horas, sin interrupcin? Ejercicio 5 (modelo exponencial) Una empresa suministra una serie de componentes con una vida media de 30000 horas. El riesgo de rotura de los mismos crece a lo largo del tiempo segn una funcin exponencial ( = 0,0003) a Determine la probabilidad de que un componente se rompa antes de llevar 1000 horas de funcionamiento. (resp.: 0,2592)
Cecilia Larran Modelos de probabilidad continuos Pgina 6

b.1. Si los componentes tienen una garanta de un mes, calcule la probabilidad de que un componente se rompa estando en garanta. (resp.: 0,1943) b.2. En un lote de 50 componentes, cuntas se esperan que se devuelvan estando en garanta? (resp.: 10)

Ejercicio 6 En una distribucin normal el 31% de los elementos estn bajo de 45 y el 8% sobre 64. Determine , y P65.

Ejercicio 7 En cierta comuna el 12,10% de las familias tienen un consumo de energa elctrica superior a 260 kwh y el 2,28% de las familias gastan a lo ms 4089 um mensuales en electricidad. Si el consumo mensual de energa elctrica, por familia es una v.a. con distribucin normal y la compaa elctrica cobra 16,4 um por kwh ms un costo adicional fijo de 317 um , qu porcentaje de las familias de la comuna gasta ms de 4100 um mensuales en energa elctrica? Ejercicio 8 Una cajera de supermercado demora en promedio 100 segundos en atender a un cliente. Si se establecen como vlidos los supuestos de Poisson: Cul es la probabilidad que la cajera atienda a ms de 20 cliente en 25 minutos? (Utilice Excel) Ejercicio 9 La duracin X en minutos de las conexiones a un servidor web sigue una distribucin Normal de la que se sabe:
a. b. c.

P(X < 9) = 0,879 P(X < 2,32) = 0,015 Determinar la probabilidad de que una conexin dure ms de 4 minutos Qu valor (minutos) supera el 30% de las conexiones? Determinar la probabilidad de que en 10 conexiones elegidas aleatoriamente, al menos dos duren menos 5 minutos

Cecilia Larran

Modelos de probabilidad continuos

Pgina 7

Ejercicio 10 Cierto tipo de transistor deber utilizarse en cierta aplicacin por lo menos durante 50 horas. Se dispone de dos marcas de transistores. La duracin de un transistor marca I tiene una distribucin normal con media 46 hr. y desviacin estndar de 6 hr, en cambio la duracin de los transistores marca II tienen un comportamiento normal con media 40 hr. y desviacin estndar de 14 horas. a. Qu marca de transistor recomendara Ud.? Justifique su respuesta. b. Se seleccionan al azar y en forma independiente cinco transistores de la marca II. Cul es la probabilidad de que por lo menos uno dure ms de 50 horas? c. Si un transistor de la marca I lleva funcionando ms de 50 h, cul es la probabilidad de que dures menos de 65 horas? Ejercicio 11 La resistencia de un cable elctrico de alta tensin se considera una variable aleatoria con distribucin normal con una media de 36 (ohmios) y una varianza de 0,64 (ohmios)2. Un cable se considera defectuoso si su resistencia es inferior a 35 (ohmios). a. De los cables que tienen una resistencia superior a 34 (ohmios) Qu proporcin de cables se consideran defectuosos?
Sol: X = resistencia de un cable elctrico de alta tensin
X ~ N( = 36 , 2 = 0,64) P(X < 35 / X > 34) =

F (-1,25) - FZ (-2,5) P(34 < X < 35) 0,1057 0,0062 = Z = P(X > 34) 1 0,0062 1 - FZ (-2,5)

= 0,1001

b.

Se eligen al azar y en forma independiente 10 cables, Cul es la probabilidad que ms de 2 cables resulten defectuosos? Sol: Y = n de cables defectuosos en la muestra Y ~ B(n = 10 , p = 0,1057)
p( y )

p = P(X < 35) = 0,1057

y

q = 0,8943

10 (0,1057)y (0,8943)10 y

; y = 0,1,2, ...,10

P(Y > 2) = 1 P(Y < 2) = 1 [P( Y = 0) + (P = 1) + P(Y = 2)] = 1 (0,3272 + 0,3867 + 0,2057) = 1 0,9186 = 0,0814
Cecilia Larran Modelos de probabilidad continuos Pgina 8

Ejercicio 12 La velocidad de los microprocesadores de una determinada marca fabricados en una planta es una variable aleatoria que se distribuye segn una normal de media 3 GHz, adems el 97,725% de los microprocesadores tienen velocidad inferior a 3,03 GHz . Para poder proceder a su venta, se consideran aceptables los microprocesadores que tienen una velocidad mayor que 2,98 GHz y menor que 3,05 GHz a. Determine la probabilidad de que un microprocesador elegido al azar sea aceptable. X = velocidad de un microprocesador GHz X ~ N( = 3 , 2 = ?) Calculo de : P(X < 3,03) = 0,97725 3,03 - 3 3,03 - 3 = 0,97725 P =2 = 0,015 P(aceptable) = P(2,98 < X < 3,05) = P(-1,33 < Z < 3,33) = FZ(3,33) FZ(-1,33) = 0,99957 0,09176 = 0,90781 b. Si se toma una muestra aleatoria al azar de cuatro microprocesadores, cul es la probabilidad de que por lo menos uno no sea aceptable? Y = Nmero de microprocesadores no aceptable en la muestra Y ~ B(n = 4 , p =0,09219) p = P(2,98 < X < 3,05)C = 1- 0,90781 = 0,09219 q = 0,90781 P(pedida) = P(Y > 1) = 1 - P(Y = 0)
= 14 (0,09219)0 (0,90781) 4

0 = 1- 0,6791 = 0,32083

Cecilia Larran

Modelos de probabilidad continuos

Pgina 9

Ejercicio 13 En la red informtica de una empresa hay 3 sistemas multiusuario, que se identificarn como S1, S2 y S3. Las peticiones de conexin que se realizan a estos equipos se reparten de forma que, el 60% se efectan sobre S1, el 30% sobre S2 el 10% sobre S3. Los tiempos de respuestas a estas peticiones son variables aleatorias, expresadas en segundos, tal que: i) El tiempo (X1) de respuesta de S1, en segundos, se distribuye exponencialmente en media 5 seg. ii) El tiempo (X2) de respuesta de S2, se segundos, tiene una distribucin normal con media 6 seg y desviacin estndar de 2 seg. iii) El tiempo (X3) de respuesta de S3, en segundos, se distribuye uniforme entre 4 seg. y 8 seg. Si el tiempo de respuesta de una peticin de conexin supera los 7 segundos, se dice que la peticin es fallida, y en otro caso se considera peticin atendida. a) Calcule la probabilidad de que una peticin seleccionada aleatoriamente sea fallida. Resp.: 0,2655 b) En 10 peticiones de conexin al sistema S2, seleccionadas aleatoriamente y de forma independiente entre s, determine la probabilidad de que resulten al menos una peticin de las que se consideran atendidas.
Resp.: 0,999

PROPIEDAD REPRODUCTIVA DE LA DISTRIBUCIN NORMAL

2 Sea X ~ N( X , 2 ) e Y ~ N( Y ,Y ) v.a. independientes x 2 Entonces X + Y ~ N( X Y ,2 + Y ) X

Sea X1, X2, Xn n variables aleatorias independientes idnticamente distribuidas f(x) con E(X) = y V(X) = 2 Entonces X1 + X2 + + Xn se aproxima a una distribucin N(n , n 2) cuando n
f(x) puede ser modelo discreto o continuo El valor de n para aproximaciones buenas depende de la distribucin de partida

Cecilia Larran

Modelos de probabilidad continuos

Pgina 10

Ejercicio 14 El dimetro interior de una tuerca (X) es un variable aleatoria que se distribuye normal con media 12,4 mm y una desviacin estndar de 1,0 mm. Por otro lado el dimetro de los pernos (Y) se distribuye normal con una media de 12 mm y una desviacin estndar de 0,8 mm. a. El 16,6% de los pernos sern retirados puesto que poseen un dimetro demasiado grande para que ajusten a una tuerca. Cul es el dimetro mximo que debe tener un perno para no ser retirado de la partida?

b. Si se toma un perno y una tuerca al azar, Cul es la probabilidad que dimetro de la tuerca sea mayor al dimetro del perno en ms de 0,02 mm?

Ejercicio 15 En una industria que fabrica estructuras metlicas modulares, se define la resistencia (Y) a la tensin y la carga (X) a que son sometidas, tal que X e Y son variables aleatorias independientes, distribuidas: N(
a.
y

= 960 kg ;

2 y

= (72 kg)2)

N(

= 710 kg ;

2 x

= (84 kg)2)

Determine el porcentaje de estructuras metlicas modulares que pueden soportar la carga a que son sometidas (Y > X). Se eligen al azar estructuras metlicas modulares y se someten a prueba hasta encontrar tres estructuras con resistencia a la tensin de a lo ms 865 kg. Cul es la probabilidad que se haya tenido que probar cinco estructuras metlicas?

b.

Cecilia Larran

Modelos de probabilidad continuos

Pgina 11

TALLER Problema 1

Ciertos tornillos son clasificado como defectuosos si su largo (X) o su radio (Y) estn fuera de los lmites de tolerancia especificado a continuacin: 19,80 mm < largo < 20,20 mm y 4,78 mm < radio < 5,22 mm.

Basados en la historia se determin que: 2 X ~ N( ( X 20; X = 0,02) , Y ~ N( (Y 5 ; 2 ) y el 97,725% de los tornillos Y tienen radios inferior a 5,36 mm. Si se asume que X e Y son variables aleatoria estadsticamente independientes, a. Calcule la probabilidad de que un tornillo elegido al azar sea defectuoso b. Determine la probabilidad de que en una muestra de 10 tornillos, elegidos de distintos lotes, resulten ms de tres con los radios fuera del lmite de tolerancia. c. Determine e interprete el valor de x0 tal que la P( X < x0) = 0,975
Problema 2

El dimetro (X) de cierto fruto exportado se considera una v.a. distribuida normal, con media 5 cm. y desviacin estndar 0.5 cm. Se supone que los dimetros de los frutos son independientes. a. Los frutos exportados con dimetro inferior a 4 cm. representan una prdida de $10 por fruto, en cambio los frutos con dimetro superior o igual a 4 cm. representan una utilidad de $50 por fruto, adems los frutos con dimetros superior a 6 cm. el comprador bonifica el precio en $30. Cul es la utilidad esperada por fruto exportado?. b. Se desea encontrar un fruto cuyo dimetro mida entre 5,12 y 5,85 cm, para lo cual se miden uno a uno los dimetros de los frutos hasta encontrarlo. Calcule la probabilidad de que se deban hacer ms de tres mediciones. c. Se miden los dimetros de 10 frutos elegidos independientemente. Cul es la probabilidad de que por lo menos dos frutos tengan un dimetro inferior a 5 cm?
Problema 3

Se supone que el n de bacterias por mm3 de agua es un estanque es una variable aleatoria funcin de probabilidad Poisson de parmetro 0,5: a. Cul es la probabilidad de que no haya bacterias en 1 mm3 de agua. b. Si se sabe que en un tubo hay bacterias, Cul es la probabilidad de que haya menos de tres bacterias por mm3 de agua en dicho tubo. c. Cul es la probabilidad de que se encuentren por lo menos 4 bacterias en dos mm3 de agua.

Cecilia Larran

Modelos de probabilidad continuos

Pgina 12