Documente Academic
Documente Profesional
Documente Cultură
Ejemplo 3 En un crucero, el nmero de accidentes se representa por una distribucin de Poisson con
promedio de tres por mes, se calcula la probabilidad de que el tiempo entre un accidente y
el siguiente sea mayor de medio mes.
Se emplea el teorema 8.3 con
accidentes
= 3
mes
nos interesa la probabilidad en un intervalo t = medio mes. De la relacin que existe
entre los parmetros y : 1/ = , y el modelo exponencial, se tiene
Ejercicio 2
1. Se ha hecho un estudio sobre el tiempo de espera de los usuarios en cierto banco del
D. F.; se obtuvo que el tiempo promedio de atencin a un usuario entre las 9 y las
12 horas de un da normal es de 10 min, y que el tiempo de espera en ser atendido
se distribuye exponencialmente, calcula la probabilidad de que si vas a dicho banco
en un da normal a las 10:20 seas atendido
a) en menos de 5 min
b) en ms de 10 min
1
Carl Friedrich Gauss, naci en Brunswick en 1777 y muri en Gotinga en 1855. Fue matemtico, astrnomo
y fsico; fue autor de una gran cantidad de trabajos de mecnica celeste, de geodesia y sobre magnetismo, elec-
tromagnetismo y ptica. Su concepcin moderna de la naturaleza abstracta de las matemticas le permiti
ampliar el campo de los nmeros. Descubri la geometra hiperblica no euclidiana.
U nidad 8 M odelos continuos de probabilidad 241
Definicin 8.3
Dada X una variable aleatoria continua, se dice que X tiene una distribucin normal o de Gauss
cuando su funcin de densidad de probabilidad es
( x )2
1
f ( x) = e 2 2 en x (, )
2
con parmetros y en todos los nmeros reales.
0.9
0.7
0.3
0.1
V(X)= 2
x
1
0.5
1.5
2.5
3.5
0.1
N(, )
242 E stadstica y probabilidad
Teorema 8.4
Dada X una variable aleatoria continua distribuida normalmente en ( , ) y f(x) su funcin de
densidad de probabilidad, entonces
a) E(X) =
2
b) V(X) =
no se puede resolver con base en funciones elementales. Por tanto, cuando la integral
es definida slo podemos aproximar sus valores por medio de alguno de los mtodos
numricos: del trapecio, de Simpson 1/3, de cuadratura de Gauss, etctera.
De lo anterior, es posible notar que el clculo de probabilidades resultara bastante
complicado para este tipo de distribucin, pero debido a su importancia se tienen tablas
y programas para calcular las probabilidades. Desde luego, como es de suponerse, se
requiere de algn mtodo, con el que no se tengan que resolver integrales para diferentes
valores de y .
Se puede apreciar que las dos grficas son iguales, slo cambia la posicin del eje de las
ordenadas. En las grficas siguientes cambiar su amplitud: a mayor varianza mayor amplitud.
U nidad 8 M odelos continuos de probabilidad 243
Figura 8.6
Grficas de la distribucin normal
con igual valor esperado y diferente
desviacin estndar.
Figura 8.7
Grfica de la distribucin normal estndar.
Para el clculo de probabilidades se emplean las propiedades siguientes de la
distribucin y la tabla de la normal estndar.
244 E stadstica y probabilidad
Z Z Z
z0 z2
1
D ( z0 ) =
2 e 2 dz = ( z0 ) ( z0 )
z0
En las tablas los bloques estn divididos en cuatro columnas. La primera corresponde
a valores de Z que varan de centsima en centsima desde 0 hasta 3.59. La segunda
corresponde a los valores de la funcin acumulada hasta valores negativos de Z, mientras
que en la tercera se tiene la funcin acumulada de valores positivos de Z. Finalmente, la
cuarta columna se refiere a la probabilidad en intervalos simtricos con extremos Z y Z.
Por tanto, el clculo de probabilidades, con base en estas funciones y las propie-
dades anteriores, se puede efectuar de la siguiente forma
Ejemplo 4 1. Dada Z una variable aleatoria continua con distribucin normal estndar, se calculan
las probabilidades indicadas
0.8944
1.25
2. Dada X una variable aleatoria continua con distribucin normal, se calculan las
probabilidades indicadas
X 4 74
P ( X 7) = P =
9 3
= P (Z 1) = P (Z 1) =
= (1) =
= 0.1587
b) E(X) = 3 y = 2.5; se calcula la probabilidad P(1 < X < 5).
Para esto, primero se realiza la estandarizacin y despus se emplean las tablas
de la distribucin normal estndar.
1 3 X 3 5 3
P (1 < X < 5) = P < < = P (1.6 < Z < 0.8 ) = (0.8) (1.6) =
2.5 2.5 2.5
= 0.7881 0.0548 = 0.7333
Z Z Z
U nidad 8 M odelos continuos de probabilidad 247
% (Z) D(Z) % (Z) D(Z) % (Z) D(Z) % (Z) D(Z) % (Z) D(Z) % (Z) D(Z)
0.6 2.512 0.008 5.6 1.589 0.070 10.6 1.248 0.133 15.6 1.011 0.197 20.6 0.820 0.261 25.6 0.656 0.327
0.7 2.457 0.009 5.7 1.580 0.071 10.7 1.243 0.135 15.7 1.007 0.198 20.7 0.817 0.262 25.7 0.653 0.328
0.8 2.409 0.010 5.8 1.572 0.073 10.8 1.232 0.136 15.8 1.003 0.199 20.8 0.813 0.264 25.8 0.650 0.329
0.9 2.366 0.011 5.9 1.563 0.074 10.9 1.232 0.137 15.9 0.999 0.201 20.9 0.810 0.265 25.9 0.646 0.331
En las tablas, los bloques estn divididos en tres columnas. La primer columna
corresponde a las probabilidades dadas en porcentajes que varan en dcimas de
porcentaje, desde 0.0 hasta 99.9. La segunda corresponde a los valores de Z, cuya funcin
acumulada proporciona el porcentaje de la primera. Mientras que la tercera corresponde
a los valores de Z con intervalos simtricos (extremos Z y Z), tales que la probabilidad en
este intervalo es igual al porcentaje de la primer columna (ver los siguientes ejemplos).
Ejemplo 5 1. Se calcula el valor de z0, tal que P(Z < z0) = 0.108.
0.108
Z
Z0
0.05
0.95
Z0 = 1.645
75%
Z
Z0 = 0.674
248 E stadstica y probabilidad
X 4 x0 4
P(X x0 ) = P = P (Z z 0 ) = 75%
3 3
X 3.5 x 0 3.5
P(X x0 ) = P = P (Z z 0 ) = 0.10
1.5 1.5
donde
x 0 3.5
z0 =
1.5
Ganancia esperada = P(X > 95) 25 + P(X 95) 10 = 0.8944 25 + 0.1056 10 = $23.416
Ejercicio 3
3. Se supone que los resultados de un examen tienen una distribucin normal con una
media de 78 y una varianza de 36.
a) si se elige un lote de 500 trozos, calcula el nmero probable de stos que superen
4.12 m de longitud
b) si se eligen nueve trozos, calcula la probabilidad de que cuatro tengan una lon
gitud mayor de 4.05 m
a) arriba de 9.5 kg
b) cuando mucho 8.6 kg
c) entre 7.3 y 9.1 kg, inclusive
7. El tiempo necesario para armar cierta unidad es una variable aleatoria distribuida
normalmente con = 30 minutos, = 2 min, calcula el tiempo de armado de manera
tal que la probabilidad de exceder ste sea 0.02