Documente Academic
Documente Profesional
Documente Cultură
Variable Aleatoria:
𝑓 𝑥 = 1
X # f(x)
0 86 0,17
1 164 0,33
2 134 0,27
3 58 0,12
4 32 0,06
5 26 0,05
suma 500 1
Javier Orlando Neira Rueda
Variable aleatoria discreta:
Con lo anteriormente dicho se pueden sacar las siguientes
conclusiones:
• Existe una probabilidad del 17% que no se vendan
computadores durante 1 día.
• El volumen de ventas más probable es 1, con f(1) = 0,33
• Existe la probabilidad del 5% de que excepcionalmente
se vendan 5 computadores.
𝐸 𝑋 = 𝜇 = σ 𝑋𝑖 ∗ 𝑓(𝑋𝑖 )
Varianza
𝑉𝑎𝑟 𝑥 = 𝜎 2 = 𝑋𝑖 − 𝜇 2
∗ 𝑓(𝑋𝑖 )
𝑉𝑎𝑟 𝑥 = 𝜎 2 = 𝑋 − 𝜇 2
∗ 𝑓(𝑥)
𝐸 𝑋 = 𝜇 = 𝑋 ∗ 𝑓(𝑥)
Y
Por propiedad de la distribución de probabilidad binomial:
𝜇 =𝑛∗𝑝
Varianza
𝜎 2 = 𝑛𝑝 1 − 𝑝
Desviación típica:
𝜎= 𝑛𝑝 1 − 𝑝
Ejemplo 1:
Se quiere saber si de tres clientes que entran a una tienda
de ropa cuantos de ellos comprarían.
Si con base en la experiencia un agente de un almacén
estima que la probabilidad que un cliente haga una
compra es el 30% .
¿Cuál es la probabilidad que 0, 1, 2, 3, de los 3 clientes
hagan una compra?
Ejemplo 1:
Con n=3 ensayos y la probabilidad de una compra p=0.30
para cada cliente, utilizamos la ecuación (3.5) para calcular
la probabilidad de que dos clientes hagan una compra.
Esta probabilidad, denotada por f (2), es:
Ejemplo 1:
Y si entrasen 10 clientes; ¿Cual seria la probabilidad que
cuatro personas hagan una compra?
3 3% 100% 0,08
𝞴 = 10
Donde 15 es el intervalo de tiempo.
Javier Orlando Neira Rueda
Variable Poisson:
Ejemplo: X
0
F(x)
0,00%
Acumulado
0,00% 100,00%
1 0,05% 0,05% 99,95%
2 0,23% 0,28% 99,72%
3 0,76% 1,03% 98,97%
4 1,89% 2,93% 97,07%
5 3,78% 6,71% 93,29%
6 6,31% 13,01% 86,99%
7 9,01% 22,02% 77,98%
8 11,26% 33,28% 66,72%
9 12,51% 45,79% 54,21%
10 12,51% 58,30% 41,70%
11 11,37% 69,68% 30,32%
12 9,48% 79,16% 20,84%
13 7,29% 86,45% 13,55%
14 5,21% 91,65% 8,35%
15 3,47% 95,13% 4,87%
16 2,17% 97,30% 2,70%
17 1,28% 98,57% 1,43%
18 0,71% 99,28% 0,72%
19 0,37% 99,65% 0,35%
20 0,19% 99,84% 0,16%
21 0,09% 99,93% 0,07%
22 0,04% 99,97% 0,03%
23 0,02% 99,99% 0,01%
Total: 100%
Javier Orlando Neira Rueda
Variable Poisson:
Ejemplo:
Numero de carros que llegan a la ventana de un cajero
automático en 1 min en las mañanas de los días hábiles.
Entonces:
1𝑚𝑖𝑛 × 10
𝞴= = 0,67
15𝑚𝑖𝑛
En un intervalo de 1 min.
Con Varianza:
12
𝑉𝑎𝑟 𝑥 = 𝜎 = 2
𝜆
Javier Orlando Neira Rueda
Variable Continua:
Distribución Exponencial:
Ejemplo:
Suponga que el tiempo de carga de un camión sigue una
distribución de probabilidad exponencial.
Si la media, o el promedio, del tiempo de carga es de 15
minutos (μ = 15), la función de densidad de probabilidad
apropiada es:
1 −1𝑥
𝑓 𝑥 = 𝑒 15
15
Ejemplo:
0,08 Mean
15
1 −1𝑥
𝑓 𝑥 = 𝑒 15
15 0,06
density
0,04
0,02
0
0 20 40 60 80 100
x Javier Orlando Neira Rueda
Variable Continua:
Distribución Exponencial:
Ejemplo:
La probabilidad que se necesiten 6 minutos o menos (X=6)
para cargar un camión se define como el área bajo la curva
de X=0 a X=6.
1
− 6
𝐹 𝑋 =1−𝑒 15 = 0,33
1
𝑃 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑐𝑎𝑟𝑔𝑎 ≤ 18 = 𝐹 𝑋 = 1 − 𝑒 15 18
−
= 0,70
Donde:
𝑧 ቀ𝑍)2
1 𝑥−𝜇
𝐹 𝑋 =න ∗ 𝑒− 2 ; 𝐷𝑜𝑛𝑑𝑒: 𝑧 =
−∞ 2𝜋 𝜎
Javier Orlando Neira Rueda
Variable Continua:
Distribución Normal Estándar:
80
60
40
20
0
26 31 36 41 46 51 56 61 66 71 76 81 86
Papel Probabilístico Normal:
Paso 5:
Calculo de la desviación Típica: Para la estimación de σ, se
utiliza la segunda propiedad que caracteriza a la
distribución normal: “entre μ ± 2σ se encuentra el 95,5%
de la distribución”.
Papel Probabilístico Normal:
Interpretación de los datos:
Asimetría positiva:
Papel Probabilístico Normal:
Interpretación de los datos:
Asimetría Negativa:
Papel Probabilístico Normal:
Interpretación de los datos:
Mezcla de poblaciones:
Bibliografía
- Diseño de Experimentos; 2 ed. ; Montgomery.
- Introduction to Statistical Quality Control; 6 ed. ;
Montgomery.
- Principles of Statistical Inference; 2006 ; D.R. Cox.
- Métodos Estadísticos en Ingeniería; 1 ed.; Rafael
Romero.