Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
maravilloso mundo
de la Estadística y
Probabilidad!!!
Distribuciones de probabilidad con variable
continua
Distribución de probabilidad exponencial.
La distribución exponencial describe procesos en los que nos
interesa saber el tiempo hasta que ocurre determinado evento.
1 1
x , x
P( X x) e
P( X x) 1 e
Ejercicio.
Un experto en reparación de motores encuentra que
el tiempo que invierte en el trabajo tiene una media
de 30 minutos. Determinar la probabilidad de que la
reparación de un motor sea.
a) Se repare en 45 minutos.
b) El tiempo de reparación sea mayor a 1 hora y
quince minutos.
c) El tiempo de reparación sea menor a 20 minutos.
1
75
P ( X 75) e 30
0,08208
1
20
P( X 20) 1 e 30
0,48658
Distribución de probabilidad Normal.
La distribución normal se conoce también como
distribución gaussiana, y es la distribución que
con más frecuencia aparece aproximada en
fenómenos reales, para valores de promedio y
desviación estándar.
Ve
Z
Ejercicio.
Una empresa lleva a cabo una prueba para
seleccionar nuevos empleados. Por la experiencia de
pruebas anteriores, se sabe que las puntuaciones
siguen una distribución normal con una media 80
puntos y desviación típica o estándar de 25 puntos.
a) Qué porcentaje de candidatos obtendrá menos
de 75 puntos.
b) Qué porcentaje de candidatos obtendrá entre 65
y 90 puntos
a) 75 80
Z 0,2
25
P(z=-0,2)= 0,4207
11
Distribución de probabilidad t-Student.
La distribución t-student nace de la necesidad de estimar dos medias
cuando no se tiene la desviación estándar de la población y ésta debe
ser estimada a partir de los datos de una muestra, donde el numero de
datos son menores o iguales 30.
x
t
, con n-1 grado de libertad.
n
Ejercicio.
El ciclo medio de vida operativa de una muestra
aleatoria de 10 focos es de 4000 horas con la
desviación estándar de la muestra de 200 horas,
estimar el ciclo medio de vida operativa de la
población de focos aplicando un 95% de
confianza.
Para determinar el ciclo medio de vida operativa con el
95% de confianza utilizamos.
t * ( / n ) x
con 9 grados de libertad.
Z
x
n
EJEMPLO:
Determinar la probabilidad de que el error sea menor
a 5 , cuando se usa una media aleatoria de tamaño n =
64, para estimar la media de una población infinita con
desviación estándar igual a 20.
Para calcular la probabilidad calculamos primero.
x 5
Z Z 2
20
n 64
E Z
2 n al reemplazar nos queda
6,2
E 2,575 1,30
150
TAMAÑO DE LA MUESTRA
Para estimar el tamaño de la muestra necesaria
con una confiabilidad o grado de precisión usamos
la formula del error.
Z
2
n 2
E
Ejemplo:
El decano de la facultad de Administración desea
usar la media para estimar el tiempo promedio que
un estudiante requiere para dar una respuesta, y
quiere afirmar con una confiabilidad del 95% que
su error a lo sumo es de 0,25 minutos. Que tan
grande será la muestra si la desviación estándar es
de 1,5 minutos.
El tamaño de la muestra esta dado por.
Z
2
n 2
, entonces
E
2
1,96 *1,5
n 138,26 139
0, 25
INTERVALO DE CONFIANZA
El intervalo de confianza nos dan puntos terminales
para una confiabilidad, y tiene la ventaja que cubre
todos los valores por su tamaño y el grado de
confianza.
X E X E
Ejemplo:
1. Si se sabe que un trabajador se demora un tiempo
promedio de 19,9 minutos en ensamblar un juguete con
una desviación estándar de 5,73.
Entre que tiempo lo ensamblaría si se toma una muestra
de 36 trabajadores y se quiere una confiabilidad del
95%.
Solución:
Como el intervalo es: X E X E donde,
minutos y X 19,9
5,73
E 1,96 1,8718 por lo tanto,
36
19,9 1,9 19,9, 1,9 18 21,8
Media 140837,5
Varianza 323517344
Desviacion 17986,5879
Luego calculamos el Error máximo.
E= 1,895*17986,56 = 34084,53
Y el intervalo de confianza seria.
Intervalo de confianza.
3,614 9,385
X
4,1
5,2
10,2
Promedio 6,5
Se acepta la hipótesis nula.
Desviacion 2,65456
REGRESION LINEAL
La regresión lineal la utilizamos para realizar ajustes lineales y
pronosticar cuando se tiene información con doble variable,
puntos (x,y).
𝑦 = 𝑛𝑎 + 𝑏( 𝑥)
𝑥𝑦 = 𝑎 𝑥 + 𝑏( 𝑥 2 )
Ejemplo:
Los siguientes datos de una muestra representan la
demanda de un producto ( en miles de unidades) y su
precio (en miles de pesos) cobrados en 6 áreas distintas de
mercados:
Precio (x) 18, 10, 14, 11, 16, 13
Demanda (y) 98, 72, 77, 60, 92, 79
Pronosticar la demanda del producto en función del precio,
que demanda se tendría para un precio 17, y si la demanda
es de 80 cual es el precio esperado.
La ecuación de regresión lineal es de la forma
Y = b X + a, a partir de la siguiente tabla planteamos el
sistema visto.
478 = 6 a +82 b
X Y X^2 XY
18
10
98
72
324
100
1764
720
6721 = 82 a + 1166 b
14
11
77
60
196
121
1078
660
solucionando el sistema nos da
16 92 256 1472
13 79 169 1027 que b = 4,15 y a = 22.89 por lo tanto
82 478 1166 6721 la ecuación lineal Y=4,15X+22,89 es
la que pronostica la demanda en función del precio.
La demanda esperada para un precio de 17 es.
Y = 4,15 * 17 + 22,89 = 93,44 miles de unidades.