INSTITUTO TECNOLGICO SUPERIOR DE COATZACOALCOS

Catedrtico:
I.S.C Eder Lazo Hernndez

Alumno:
Jess Manuel Ignacio salomn

Asignatura:
Mtodos Numricos

Carrera:
Ingeniera mecnica

Actividad:
Aproximacin (Probabilidad)

Semestre y Grupo:
4to. A

Aproximacin

Concepto
Aproximacin es una representacin inexacta que, sin embargo, es suficientemente fiel como para ser til. Aunque en matemticas la aproximacin tpicamente se aplica a nmeros, tambin puede aplicarse a objetos tales como las funciones matemticas, figuras geomtricas o leyes fsicas.

En este caso se estarn calculando probabilidades de experimentos Binomiales de una forma muy aproximada con la distribucin Normal, esto si n y p = p(xito) no es puede llevarse a cabo muy cercana a 0 y 1, o cuando n es pequeo y p tiene un valor muy cercano a ; esto es,

Donde: x = variable de tipo discreto; solo toma valores enteros m = np = media de la distribucin Binomial s= = desviacin estndar de la distribucin Binomial

Cuando ocurren las condiciones anteriores, la grfica de la distribucin Binomial, es muy parecida a la distribucin Normal, por lo que es adecuado calcular probabilidades con la Normal en lugar de con la Binomial y de una forma ms rpida. En resumen, se utiliza la aproximacin Normal para evaluar probabilidades Binomiales siempre que p no est cercano a 0 o 1. La aproximacin es excelente cuandon es grande y bastante buena para valores pequeos de n si p est razonablemente cercana a . Una posible gua para determinar cuando puede utilizarse la aproximacin Normal es tener en cuenta el clculo de np y nq. S ambos, np y nq son mayores o iguales a 5, la aproximacin ser buena. Antes de empezar a resolver problemas con la aproximacin Normal, es bueno aclarar que se estn evaluando probabilidades asociadas a una variable discreta x, con una distribucin que evala variables de tipo continuo como es la Normal, Por lo que z sufre un pequeo cambio como se muestra a continuacin:

Ejemplos: 1. La probabilidad de que un paciente se recupere de una rara enfermedad de la sangre es de 0.4. Si se sabe que 100 personas han contrado esta enfermedad, Cul es la probabilidad de que: a) al menos 30 sobrevivan?, b) ms de 46 sobrevivan?, c) menos de 50 no sobrevivan? Solucin: a) n = 100 p = p(paciente se recupere) = 0.40 q = p(paciente no se recupere) = 1 p = 1 0.40 = 0.60 = np = (100)(0.40) = 40 pacientes se recuperen = = pacientes que se recuperan x = variable que nos define el nmero de pacientes que se recuperan x = 0, 1, 2,....,100 pacientes que se recuperan

X = 29.5

= 40

p( z = -2.14) =0.4838 p(x 30 ) = p(z = -2.14) +0.5 = 0.4838 + 0.5 = 0.9838

a)

p(z = 1.33) = 0.4082 p(x 46) = 0.5 p(z = 1.33) = 0.5 0.4082 = 0.0918

b) n = 100 p = p(paciente no sobreviva) = 0.60 q = p(paciente sobreviva) = 1 p = 0.40 pacientes que no se recuperan pacientes que no se recuperan x = variable que nos define el nmero de pacientes que no sobreviven x = 0, 1, 2, ....,100

p( z = -2.14) = 0.4838 p(x 50) = 0.5 p(z = -2.14) = 0.5 0.4838 = 0.0162

1. Se sabe que el 5% de los libros encuadernados en cierto taller tienen encuadernaciones defectuosas. Determine la probabilidad de que 2 de 100 libros encuadernados en ese taller, tengan encuadernaciones defectuosas, usando, a) la frmula de la distribucin Binomial, b) la aproximacin de Poisson a la distribucin Binomial.

Solucin: a) n = 100 p = 0.05 = p(encuadernacin defectuosa) = p(xito) q = 0.95 = p(encuadernacin no defectuosa) = p(fracaso) x = variable que nos define el nmero de encuadernaciones defectuosas en la muestra = = 0, 1, 2, 3,....,100 encuadernaciones defectuosas

b)n = 100 encuadernaciones p = 0.05 l = np = (100)(0.05)= 5 x = variable que nos define el nmero de encuadernaciones defectuosas en la muestra = = 0, 1, 2, 3,....,100 encuadernaciones defectuosas

2. Un fabricante de maquinaria pesada tiene instalados en el campo 3840 generadores de gran tamao con garanta. S la probabilidad de que cualquiera de ellos falle durante el ao dado es de 1/1200 determine la probabilidad de que a) 4 generadores fallen durante el ao en cuestin, b) que ms 1 de un generador falle durante el ao en cuestin.

Solucin: a) n = 3840 generadores p = 1/1200 = probabilidad de que un generador falle durante el ao de garanta l = np = (3840)(1/1200) = 3.2 motores en promedio pueden fallar en el ao de garanta x = variable que nos define el nmero de motores que pueden fallar en el ao de garanta = = 0, 1, 2, 3,....,3840 motores que pueden fallar en el ao de garanta

b) p(x=2,3,4,....,3840;l=3.2)=1-p(x=0,1;l=3.2) =

=1- (0.04078 + 0.13048) = 0.82874

3. En un proceso de manufactura, en el cual se producen piezas de vidrio, ocurren defectos o burbujas, ocasionando que la pieza sea indeseable para la venta. Se sabe que en promedio 1 de cada 1000 piezas tiene una o ms burbujas. Cul es la probabilidad de que en una muestra aleatoria de 8000 piezas, menos de 3 de ellas tengan burbujas?

Solucin: n = 8000 piezas p = 1/1000= 0.001 probabilidad de que una pieza tenga 1 o ms burbujas l = np = (8000)(1/1000) = 8 piezas en promedio con 1 o ms burbujas x = variable que nos define el nmero de piezas que tienen 1 o ms burbujas = = 0,1, 2, 3,....,8000 piezas con una o ms burbujas

= 0.000336 + 0.002686 + 0.010744 = 0.013766

Bibliografa

http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/06Aprox%20Poisson%20Bi nomial.htm http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/002APROXIMACION%20 %20DE%20%20LA%20%20NORMAL%20%20A%20%20LA%20%20BINOMIAL.htm http://es.wikipedia.org/wiki/Aproximaci%C3%B3n http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20Poisson.htm