Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Investigacin 2
Edinson Lopez
Carlos Marrugo
Brayan Mollogon
Daniela Narvez
William Wood
lote de 25 productos.
x 0, 1, 2, 3,....,25 productos defectuosos en el lote
x
arns de auto
x 20.5 cm, 20.1, 20.0, 19.8, 20,6, 20.0, 20.0
x
muestras de mineral
Como se observa en los ejemplos anteriores, una variable continua puede tomar
cualquier valor, entero o fraccionario, una forma de distinguir cuando se trata de
una variable continua es que esta variable nos permite medirla o evaluarla,
mientras que una variable discreta no es medible, es una variable de tipo atributo,
cuando se inspecciona un producto este puede ser defectuoso o no, blanco o
negro, cumple con las especificaciones o no cumple, etc, etc.
Las variables descritas anteriormente nos generan una distribucin de
probabilidad, las que pueden ser.
1)
2)
0, 1, 2, 3, 4, 5, 6, 7, 8, ... etc,etc.
2.
p(xi) 0
p( xi)=1
fraccionarios.
2.
f ( x)0
toma x deben ser mayores o iguales a cero. Dicho de otra forma, la funcin
de densidad de probabilidad deber tomar solo valores mayores o iguales a
cero. La funcin de densidad de probabilidad slo puede estar definida en
los cuadrantes I y II.
3.
La sumatoria de las probabilidades asociadas a cada uno de
los valores que toma x debe ser igual a 1. El rea definida bajo la funcin de
densidad de probabilidad deber ser de 1.
DISTRIBUCIN BINOMIAL
Las caractersticas de esta distribucin son:
a) En los experimentos que tienen este tipo de distribucin, siempre se
esperan dos tipos de resultados, ejem. Defectuoso, no defectuoso, pasa, no
pasa, etc, etc., denominados arbitrariamente xito (que es lo que se
espera que ocurra) o fracaso (lo contrario del xito).
b) Las probabilidades asociadas a cada uno de estos resultados son
constantes, es decir no cambian.
c) Cada uno de los ensayos o repeticiones del experimento son
independientes entre s.
d) El nmero de ensayos o repeticiones del experimento (n) es constante.
A partir de un ejemplo. Desarrollaremos una frmula que nos permita
cualquier problema que tenga este tipo de distribucin.
Ejemplo:
Se lanza al aire una moneda normal 3 veces, determine la probabilidad de que
aparezcan 2 guilas.
Solucin:
Antes de empezar a resolver este problema, lo primero que hay que hacer es
identificarlo como un problema que tiene una distribucin binomial, y podemos
decir que efectivamente as es, ya que se trata de un experimento en donde
solo se pueden esperar dos tipos de resultados al lanzar la moneda, guila o
sello, cutas probabilidades de ocurrencia son constantes, cada uno de los
lanzamientos es independiente de los dems y el nmero de ensayos o
repeticiones del experimento son constantes, n = 3.
Para dar solucin a este problema, lo primero que hay que hacer es un
diagrama de rbol, en donde representaremos los tres lanzamientos, de ah se
obtendr el espacio muestral y posteriormente la probabilidad pedida, usando
la frmula correspondiente.
Enumerando las ramas de inters, estas seran: AAS, ASA, SAA, QU TIPO DE
ARREGLOS SON ESTOS ELEMENTOS DEL ESPACIO MUESTRAL?, Son
permutaciones en donde algunos objetos son iguales, entonces, el nmero de
ramas se puede obtener con la frmula correspondiente,
Donde n = x1+x2+...+xk
esta frmula puede ser sustituida por la de combinaciones, solo en el caso de dos
tipos de objetos, si hay ms de dos tipos de objetos, definitivamente solo se usa la
frmula original, como se observar en el caso de la distribucin multinomial, pero
porqu vamos a cambiar de frmula?, simplemente porque en todos los libros de
texto que te encuentres vas a encontrar la frmula de combinaciones en lugar de
la de permutaciones, que es la siguiente,
y sustituyendo valores, nos damos cuenta de que efectivamente son 3 las ramas
de inters, que son donde aparecen dos guilas, donde n = 3, x = 2.
Donde:
p(x, n, p) = probabilidad de obtener en n ensayos x xitos, cuando la probabilidad
de xito es p
Donde:
n = nmero de ensayos o repeticiones del experimento
P = probabilidad de xito o la probabilidad referente al evento del cual se desea
calcular la media que se refiere la media
Q = complemento de P
Desviacin estndar.
Ejemplos:
1. Se dice que el 75% de los accidentes de una planta se atribuyen a errores
humanos. Si en un perodo de tiempo dado, se suscitan 5 accidentes,
determine la probabilidad de que; a) dos de los accidentes se atribuyan a
errores humanos, b) como mximo 1 de los accidentes se atribuya a errores
de tipo humano, c) tres de los accidentes no se atribuyan a errores
humanos.
Solucin:
a) n = 5
x = variable que nos define el nmero de accidentes debidos a errores
humanos
x = 0, 1, 2,...,5 accidentes debidos a errores de tipo humano
p = p(xito) = p(un accidente se deba a errores humanos) = 0.75
q = p(fracaso) = p(un accidente no se deba a errores humanos) = 1-p = 0.25
b)
DISTRIBUCIN DE POISSON
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de
rea, tiempo, pieza, etc, etc,:
- # de defectos de una tela por
m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc.
- # de bacterias por
cm 2 de cultivo
donde:
p(x, l) = probabilidad de que ocurran x xitos, cuando el nmero promedio de
ocurrencia de ellos es l
l = media o promedio de xitos por unidad de tiempo, rea o producto
e = 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por
unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de
tiempo es independiente de otro intervalo dado, as como cada rea es
independiente de otra rea dada y cada producto es independiente de otro
producto dado.
Ejemplos:
1. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son
las probabilidades de que reciba, a) cuatro cheques sin fondo en un da
dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos?
Solucin:
a) x = variable que nos define el nmero de cheques sin fondo que llegan
al banco en un da cualquiera = 0, 1, 2, 3, ....., etc, etc.
l = 6 cheques sin fondo por da
e = 2.718
b) x= variable que nos define el nmero de cheques sin fondo que llegan al
banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en
dos das consecutivos
= 1-(0.367918+0.367918) = 0.26416
DISTRIBUCIN NORMAL
Caractersticas:
a)
b)
< x <
y valores a x, obtendremos
la
distribucin en cuestin, la que tiene forma de campana, por lo que
tambin se le conoce como campana de Gauss. Hay un nmero infinito
de funciones de densidad Normal, una para cada combinacin de ,
. La media
desviacin estndar
mide su dispersin.
La integral anterior nos dara el rea bajo la curva de la funcin, desde a hasta b,
que corresponde o es igual a la probabilidad buscada.
Debido a la dificultad que se presenta para integrar esta funcin cada vez que sea
necesario, lo que se hace es tipificar el valor de la variable x, esto es, x se
transforma en un valor de z, de la siguiente manera:
Este valor de z es buscado en una tabla donde vienen reas asociadas a este
valor, y haciendo uso de los valores tabulados, se determina la probabilidad
requerida. La tabla que es usada para calcular las probabilidades es la que nos da
el rea que se muestra a continuacin:
Ejemplo:
El acero que se utiliza para tuberas de agua a menudo se recubre internamente
con un mortero de cemento para evitar la corrosin. En un estudio de los
recubrimientos de mortero de una tubera empleada en un proyecto de transmisin
de agua en California (Transportation Engineering Journal, Noviembre de 1979) se
especific un espesor de 7/16 pulgadas para el mortero. Un gran nmero de
mediciones de espesor dieron una media de 0.635 pulgadas y una desviacin
estndar de 0.082 pulgadas. S las mediciones de espesor, tenan una distribucin
Normal, qu porcentaje aproximado fue inferior a 7/16 de pulgada?
Solucin:
x = variable que nos define el espesor del mortero en pulgadas
= 0.635 pulgadas
= 0.082 pulgadas
BIBLIOGRAFIA
1. http://www.itchihuahua.edu.mx/