Professional Documents
Culture Documents
PROBABILIDAD Y ESTADÍSTICA
Depto. Ms. Básicas
ESPECIALIDADES
Ingeniería Eléctrica
Ingeniería Mecánica
Ingeniería Metalúrgica
DOCENTES
Ejemplo 4.1
Se observa el funcionamiento de dos interruptores 1 y 2, la probabilidad de que un
interruptor funcione en forma correcta es 0.8 y es la misma para cada interruptor.
Supóngase que los interruptores trabajan en forma independiente. Sea Ai el evento en el que
“el interruptor i funciona correctamente” y A i el suceso que “el interruptor i no funcione en
forma correcta”.
En este contexto se definen:
El experimento aleatorio E: observar el funcionamiento de dos interruptores
{ }
Que genera el espacio muestral S= ( A1 A2 ); ( A1 A2 ); ( A1 A2 ); ( A1 A2 )
Sea la variable aleatoria X: número de interruptores que funcionan correctamente
S
A1 A2
0
A1 A2
1
A1 A2
2
A1 A2
Las variables aleatorias se clasifican en discretas o continuas. Se dice que una variable
aleatoria X es discreta si puede tomar un número finito (natural) o un número infinito
contable de valores posibles x.
Es conveniente representar en una tabla los valores de la variable aleatoria y sus
correspondientes probabilidades. En nuestro ejemplo:
x p(x)
0 0.04
1 0.32
2 0.64
total 1.00
Esta tabla representa la distribución de probabilidad de X. Nótese que la función de
probabilidad p(x) para cualquier variable aleatoria X cumple las siguientes condiciones:
1) 0 ≤ p(x) ≤ 1
2) ∑ p( x ) = 1 La sumatoria de las probabilidades de todos los valores posibles de X
x
es igual a uno.
Representaciones gráficas
E(x) = ∑ xi p( xi ) = µ
x
La esperanza de una variable aleatoria discreta que se simboliza con µ (media poblacional)
es un promedio de todos los resultados posibles de la variable aleatoria ponderado por sus
probabilidades.
∑(x − E ( X )) 2 p ( xi ) = ∑ xi p ( xi ) − ( E ( X )) 2
2
σ2 = Var (x) = E(x – E(x))2 = i
x x
La desviación estándar será:
σ= ∑(xx
i − E ( X )) 2 p ( xi )
Como vemos:
3
E(x) = ∑ x p( x )
i =1
i i = 1.6
3
σ2 = Var (x) = ∑x
i =1
i
2
p ( xi ) − E ( X ) 2 = 0.32
σ = 0.5657
Propiedades
1.- Si X es una variable aleatoria discreta, cuya función de probabilidad es p(x) y si g(x) es
cualquier función de X con valor real, entonces
E [g (x)] = ∑ g ( x) p ( x)
x
Se demostrará sólo para el caso de la función lineal
Para cualquier variable aleatoria X y para todo a ʌ b números reales resulta:
i) E(aX+b)=aE(X)+b
Demostración
E(aX+b)= ∑ (ax + b) p ( x) = ∑ [axp ( x) + bp ( x)] =
x x
= ∑ axp ( x) + ∑ bp ( x) = a ∑ xp( x) + b∑ p ( x) = aE ( X ) + b
x x x x
[ ]
= E [aX − aE ( X )] = E a 2 ( X − E ( X )) 2 = a 2 E [X − E ( X )] = a 2V ( X )
2 2
Actividad 4.1
El gerente de una bodega de una fábrica sabe por sus registros que la demanda diaria de
cierta herramienta tiene la siguiente distribución de probabilidad
Demanda 0 1 2
Probabilidad 0,1 0,5 0,4
Actividad 4.2
Demostrar las expresiones de E(X) y V(X)
Se observa que la variable aleatoria generada por este experimento tiene n + 1 valores.
Dentro del espacio muestra S, consideramos un caso particular de todos los posibles en el
que el suceso éxito A se observa en las x primeras pruebas y el Ā en las (n-x) observaciones
restantes.
Esto es:
A A …. A A Ā Ā …… Ā
x veces n – x veces
Como los sucesos son independientes, la probabilidad de este caso particular será:
P ( A A …… A Ā …… Ā) = px qn-x
¿Pero de cuántas maneras distintas pueden darse x veces A y (n - x) veces Ā?
p=0,1 n=5
P=0,5 n=30
n n n
La esperanza de la distribución binomial es: µ = E(X) = E ∑ x i = ∑ E ( x i ) = ∑ p = n. p
i =1 i =1 i =1
n n
La variancia de la distribución binomial es: V(X)= ∑ V(x i ) = ∑ p (1 − p ) = n. p.q
i =1 i =1
Ejemplo 4.3
Una industria suministra un producto químico a 10 plantas manufactureras. La probabilidad
de que cualquiera de las plantas llame y haga un pedido en un determinado día es 0.2 y es la
misma para las 10 plantas. Las plantas hacen el pedido en forma independiente. Calcular la
probabilidad de que, en un día cualquiera el número de plantas que llamen para hacer un
pedido sea:
a) a lo sumo 3
b) por lo menos 3
c) exactamente 3
Solución
X: número de plantas que llaman para hacer un pedido determinado día
0≤ X ≤ n
p=0.2 ; q=0.8 ; n=10
a) P(X ≤ 3) = 0.879
b) P(X ≥ 3) = 1 − 0.678 = 0.322
c) P(X=3)= 0.879-0.678=0.201
Solución
X: número de sistemas que trabajan en forma correcta
Como los sistemas son idénticos e independientes, X se distribuye como una Binomial
P(X ≥ 1) = 1 − P ( X = 0) = 1 − (1 − p )
n
Las condiciones especifican que n debe ser tal que P(X ≥ 1) = 0.99 o más
a) cuando p=0.9
P(X ≥ 1) = 1 − (1 − 0.9 ) ≥ 0.99 ⇔ (0.1) n ≤ 1 − 0.99 = 0.01 ⇔ n = 2
n
b) cuando p=0.8
P(X ≥ 1) = 1 − (1 − 0.8) ≥ 0.99 ⇔ (0.2) n ≤ 0.01 ⇔ n = 3 ya que
n
x n− x n −x
n λ λ λx λ n( n − 1)( n − 2)....( n − x + 1) λ
lim 1 − = lim 1 − 1 − =
n
n →∞ x n n →∞ x! n nx n
λx e − λ
p(x)= ; x=0:1; 2; 3……
x!
E(X) = V(x)=λ
Ejemplo 4.5
A una estación de peaje llegan en promedio 3 vehículos por segundo en las horas pico.
Determinar la probabilidad de que en un segundo lleguen:
a) a lo sumo 4 vehículos
b) por lo menos 4 vehículos
c) exactamente 4
Se trabajará con la tabla de distribución de Poisson de parámetro λ=3
a) P(X ≤ 4) = 0.815
b) P(X ≥ 4) = 1 − P ( X ≤ 3) = 1 − 0.647 = 0.353
c) P(X=4) = P(X ≤ 4) − P ( ≤ 3) = 0.815 – 0.647=0.168
Ejemplo 4.6
El número de llamadas telefónicas que llegan a un conmutador sigue una ley de Poisson
con parámetro λ= 15 por minuto. Según el número de llamadas que lleguen puede ser
necesario descongestionar el conmutador dirigiendo algunas llamadas a líneas auxiliares. Si
el número de llamadas es a lo sumo 15, no se necesita línea auxiliar, si es mayor que 15
pero menor o igual que 25 se necesita una línea, para un número mayor que 25 se necesitan
dos líneas auxiliares. Encuentre la distribución de probabilidad del número de líneas
auxiliares necesarias en un minuto.
Sea la variable aleatoria:
X: número de llamadas que llegan a un conmutador en un minuto
X tiene una distribución de probabilidad de Poisson de parámetro λ=15
Definimos la variable aleatoria Y: número de líneas auxiliares necesarias por minuto, que
tendrá la siguiente distribución de probabilidad.
Distribución de probabilidad de Y
Y P(y)
Número de
líneas auxiliares
0 0.568
1 0.426
2 0.006
4.3.- EJERCICIOS
4.3.1.- Sea el experimento aleatorio E: observar el estado, prendido (P) o apagado (A) de
tres interruptores de luz.
a) Escribir el Espacio Muestra que se genera a partir de este experimento aleatorio
b) Definir la variable aleatoria X: Número de interruptores prendidos en un momento t
c) Determinar la Distribución de probabilidad de esta variable aleatoria
d) Calcular los parámetros de la misma.
4.3.2.- En el depósito hay un gran lote de fusibles que tiene un 10% de defectuosos. Se
extrae al azar una muestra de 4 fusibles de ese lote. a) Calcular la probabilidad de que en la
muestra haya un fusible defectuoso. b) ¿Cuál es la probabilidad de que haya por lo menos
un defectuoso? (dado que el lote es de gran tamaño se puede suponer que la probabilidad de
fusible defectuoso es constante en cada una de las extracciones independientes)
4.3.3.- Si la probabilidad de que cierta columna de ala ancha caiga bajo una carga axial
dada es de 0.05, ¿qué probabilidad hay de que entre 16 columnas de ese tipo.
a) Caigan 2 columnas?
b) Caigan al menos 4?
c) Caigan a lo sumo 3?
d) No caiga ninguna?
e) Caigan entre 2 y 4?