Professional Documents
Culture Documents
Modelos continuos
de probabilidad
Objetivos
Al finalizar la unidad, el alumno:
Introduccin
D
f (x)
1
, a x b
b a
0,
en otro lugar
234
Teorema 8.1
Si X es una variable aleatoria continua con distribucin uniforme en
densidad de probabilidad, entonces
a)
E(X )
a b
2
b)
V (X )
(b a)2
12
0,
c)
F(x)
x a
x a
, a x b
b a
1,
x b
x2
xf ( x)dx
xdx
b a
b a 2
a
E(X )
Observacin
x b
x a
1
(b2 a2 )
2(b a)
a b
2
El clculo de E(X) tiene fundamento geomtrico, puesto que dada la definicin de una
variable aleatoria continua con distribucin uniforme, su valor esperado representa el
punto medio del segmento [a, b], es decir
a b
2
V(X )
(a b) 2
x dx
b a
4
a
x f ( x)dx E ( X )
3
b a
3(b a)
2ab b
4
x3
3(b a)
ab a
3
2ab b
4
x b
a2
x a
2ab b2
4
(b a) 2
12
F(x)
1
[a, b]
b a
[
a
]
b
235
Notas
Ejemplo 1
f (x)
0, 3
0, 3
1
, x
3
0, x
0, 3
0, 3
P(1.5 X
2)
1
2 1.5
dx
3 1.5
3
1
6
b) De forma similar al inciso a), se tiene, por el teorema 8.1, que su funcin
acumulada de X estar dada por
0,
F( x)
0,
x 0
x 0
, 0 x 3
3 0
1,
x 3
2) F(2) F(1.5)
x 0
x
, 0 x 3
3
1, x 3
2 1.5
3
0.5
3
1
6
Adems de las dos formas anteriores, las cuales se pueden aplicar a cualquier
distribucin continua, en este tipo de modelosse puede recurrir a su interpretacin
geomtricarealizando unadivisin entresegmentos, como semuestraacontinuacin.
Se tiene el segmento [0, 3], donde se encuentra distribuida toda la variable
X. Del mismo modo, se representa el segmento [1.5, 2] en lamismarecta
la misma recta y se hace
un cociente con las longitudes de los dos segmentos para calcular la probabilidad
correspondiente.
236
1.5
P(1.5 X
2)
2 1.5
3 0
1
6
Lx
4
L
5
4
L
5
L
1
L
5
L
1
5
Ejercicio 1
1. Supn que la variable aleatoria continua X tiene una distribucin de tipo uniforme
con su valor ms grande igual a seis y cuatro de valor esperado, calcula la varianza
de X.
2. Una compaa manufacturera tiene una mquina despachadora de refresco, la cual
suministra en forma aleatoria, con distribucin uniforme, entre 225 y 240 ml de
refresco, calcula la probabilidad de que la mquina despache ms de 235 ml.
3. Las ventas de combustible en una gasolinera tienen una media de 40 mil l diarios y
un mnimo de 30 mil l. Supn que una distribucin uniforme es apropiada.
a) calcula las ventas mximas diarias
b) calcula el porcentaje de das que las ventas excedern los 34 mil litros
4. Si se sabe que en un experimento discreto un dato se presenta en un intervalo de
20 min exactamente y que la forma de ocurrencia tiene una distribucin uniforme
en dicho intervalo, calcula la probabilidad de que el dato ocurra en los primeros
cuatro minutos del intervalo mencionado.
5. Supn un experimento en el que, de alguna manera, se hace una medicin al azar y
sta puede estar distribuida uniformemente en el intervalo [1, 3], calcula la probabilidad de que la medicin sea mayor a dos si se sabe que la medicin fue mayor a uno.
237
1
f ( x)
, x 0
en otro lugar
0,
f ( x)dx
0
dx
0 1 1
x 0
238
Teorema 8.2
Si X es una variable aleatoria continua distribuida exponencialmente en [0,
densidad de probabilidad, entonces
a)
b)
= E(X) =
= V(X) =
0,
c)
y, f(x) su funcin de
x 0
F ( x)
1 e
, x 0
P( X
a)
b)
P( X
a) 1 e
, entonces
e
a
a
c)
P( a
b)
, con
b a 0
239
Ejemplo
El tiempo de espera de los clientes en un restaurante para ser atendidos es una variable
aleatoria continua X con distribucin exponencial y media = 5 minutos.
a) se calcula la probabilidad de que la siguiente persona que entre al restaurante sea
atendida despus de seis minutos
b) si se sabe que una persona fue atendida despus de cuatro minutos, se calcula la
probabilidad de que haya sido atendida despus de seis minutos
c) se calcula la probabilidad de que la persona sea atendida despus de dos minutos y se
compara el resultado con el obtenido en el inciso b).
Como X est distribuida exponencialmente con parmetro = 5 se tiene
a) por el corolario del teorema 8.2
P( X
6)
6
5
P( X
6| X
4)
P (X
6)
(X
P( X
4)
4)
P( X
P( X
6)
4)
6
5
4
5
2
5
2)
2
5
El resultado del inciso b) se puede generalizar y muestra (al igual que se hizo con el
modelo geomtrico) que la distribucin exponencial no tiene memoria. Es decir, para
cualesquier a y b, se cumple P(X a b| X a) P(X b). Esto ltimo quiere decir que
si comparamos las probabilidades de duracin de un componente usado, el cual tiene
una distribucin exponencial, la probabilidad de que opere por lo menos t unidades de
tiempo adicionales debe de ser igual a la probabilidad cuando un componente nuevo de
tal tipo opere al menos las mismas t unidades de tiempo que el viejo.
240
Ejemplo 3
accidentes
mes
0.5) e 3
0.5
e 1.5
0.2231
Ejercicio 2
1. Se ha hecho un estudio sobre el tiempo de espera de losusuarios en cierto banco del
D. F.; se obtuvo que el tiempo promedio de atencin a un usuario entre las 9 y las
12 horas de un da normal es de 10 min, y que el tiempo de espera en ser atendido
se distribuye exponencialmente, calcula la probabilidad de que si vas a dicho banco
en un da normal a las 10:20 seas atendido
a) en menos de 5 min
b) en ms de 10 min
2. El periodo de vida en aos de un interruptor elctrico tiene una distribucin
exponencial con promedio de falla de = 2 aos, calcula la probabilidad de que un
interruptor falle despus del segundo ao.
3. Un motor elctrico tiene una vida media de seis aos. Si la vida til de ese tipo de
motor se considera como una variable aleatoria distribuida en forma exponencial,
cul es el tiempo de garanta que debe tener el motor si se desea que a lo ms 15%
de los motores falle antes de que expire su garanta.
4. Supn que la llegada de los automviles a una caseta de cobro de una autopista
tiene una distribucin de Poisson con razn de dos autos por minuto, calcula la
probabilidad de que el revisor permanezca por lo menos 20 segundos desocupado.
5. En un almacn particular los clientes llegan al mostrador de caja conforme una
distribucin de Poisson con promedio de siete por hora, calcula la probabilidad de
que entre un cliente y el siguiente pase al menos una hora.
Carl Friedrich Gauss, naci en Brunswick en 1777 y muri en Gotinga en 1855. Fue matemtico, astrnomo
y fsico; fue autor de una gran cantidad de trabajos de mecnica celeste, de geodesia y sobre magnetismo, electromagnetismo y ptica. Su concepcin moderna de la naturaleza abstracta de las matemticas le permiti
ampliar el campo de los nmeros. Descubri la geometra hiperblica no euclidiana.
241
f (x)
con parmetros
1
e
2
(x
2
)2
2
en x
( , )
E (X) =
0.9
0.7
0.5
Segmento de longitud
0.3
V(X) =
0.1
x
0.1
242
Teorema 8.4
)y
f(x) su funcin de
f (x)
(x
2
)2
2
no se puede resolver con base en funciones elementales. Por tanto, cuando la integral
es definida slo podemos aproximar sus valores por medio de alguno de los mtodos
numricos: del trapecio, de Simpson 1/ 3, de cuadratura de Gauss, etctera.
De lo anterior, es posible notar que el clculo de probabilidades resultara bastante
complicado para este tipo de distribucin, pero debido a su importancia se tienen tablas
y programas para calcular las probabilidades. Desde luego, como es de suponerse, se
requiere de algn mtodo, con el que no se tengan que resolver integrales para diferentes
valores de y .
Se puede apreciar que lasdosgrficasson iguales, slo cambia la posicin del eje de las
ordenadas. En las grficas siguientes cambiar su amplitud: a mayor varianza mayor amplitud.
243
s
n
1
2
z0
z2
2 dz
244
1
2
x2
2
e dx
D(Z)
1
2
x2
2
e dx
Z
1
2
z0
z2
2 dz
( z0 )
( z0 )
z0
245
1. Dada Z una variable aleatoria continua con distribucin normal estndar, se calculan
las probabilidades indicadas
a) P(Z 1.25)
(1.25) 0.8944
0.8944
1.25
b) P(Z
0.86)
c) P(Z
1.03) 1 P(Z
P(Z
( 0.86) 0.1949
1.03) 1
(1.03) 0.8485.
246
g)
h)
i)
j)
P(0.06 Z 3.04)
(3.04)
(0.06) 0.9988 0.5239 0.4749
P(Z
4.5)
( 4.5) 0
P(Z 5)
(5) 1
P(0.06 Z 5.1)
(5.1)
(0.06) 1 0.5239 0.4761
2. Dada X una variable aleatoria continua con distribucin normal, se calculan las
probabilidades indicadas
a) E(X) = 4 y V(X) = 9; se calcula la probabilidad P(X 7).
Para esto, primero se realiza la estandarizacin de la variable X y despus
empleamos las tablas de la distribucin normal estndar.
P( X
7)
4
9
P Z 1
7 4
3
P Z
( 1)
0.1587
5)
1 3
2.5
X 3
2.5
5 3
2.5
1.6 Z
0.8
(0.8))
( 1.6)
1
2
x2
2
e dx
D(Z)
1
2
x2
2
e dx
Z
247
(Z)
D(Z)
(Z)
D(Z)
0.6
0.7
2.512
0.008
5.6
1.589
0.070
10.6
2.457
0.009
5.7
1.580
0.071
10.7
0.8
2.409
0.010
5.8
1.572
0.073
0.9
2.366
0.011
5.9
1.563
0.074
(Z)
D(Z)
1.248
0.133
15.6
1.243
0.135
15.7
10.8
1.232
0.136
10.9
1.232
0.137
(Z)
D(Z)
1.011
0.197
20.6
1.007
0.198
20.7
15.8
1.003
0.199
15.9
0.999
0.201
(Z)
D(Z)
(Z)
D(Z)
0.820
0.261
25.6
0.656
0.327
0.817
0.262
25.7
0.653
0.328
20.8
0.813
0.264
25.8
0.650
0.329
20.9
0.810
0.265
25.9
0.646
0.331
En las tablas, los bloques estn divididos en tres columnas. La primer columna
corresponde a las probabilidades dadas en porcentajes que varan en dcimas de
porcentaje, desde 0.0 hasta 99.9. La segunda corresponde a los valores de Z, cuya funcin
acumulada proporciona el porcentaje de la primera. Mientras que la tercera corresponde
a los valoresde Z con intervalos simtricos (extremos Z y Z), tales que la probabilidad en
este intervalo es igual al porcentaje de la primer columna (ver los siguientes ejemplos).
Ejemplo 5
Z
Z0
0.95
Z0 = 1.645
Z
Z0 = 0.674
248
P(X
x0 ) P
x0
4
3
x0
z0
P(Z z0 ) 75%
x0 ) P
3.5
1.5
x0 3.5
1.5
z0
x0 3.5
1.5
P(Z z0 ) 0.10
donde
95) P
P(X
X 100
4
95 100
4
95) 1 P(X
P(Z
95) 1 0.8944
1.25) 0.8944
0.1056
95)
25 + P(X
95)
10 = 0.8944
25 + 0.1056
10 = $23.416
Ejercicio 3
1. Si la calificacin promedio de un grupo es 6.43, con desviacin estndar de 1.91, y se
supone que la distribucin de lascalificaciones esaproximadamente normal, calcula
la probabilidad de que en este examen un alumno apruebe (nota: la calificacin
mnima aprobatoria es 6).
2. El dimetro de los pernos de una fbrica tiene una distribucin normal con media
de 950 mm y una desviacin estndar de 10 mm.
249
a)
b)
3. Se supone que los resultadosde un examen tienen una distribucin normal con una
media de 78 y una varianza de 36.
a)
b)
si se elige un lote de 500 trozos, calcula el nmero probable de stos que superen
4.12 m de longitud
si se eligen nueve trozos, calcula la probabilidad de que cuatro tengan una longitud mayor de 4.05 m
250
0.15
n = 30 p = 0.5
0.125
0.1
0.075
0.05
0.025
11
13
15
17
19
21
23
25
27
29
10
11
12
13
14
15
Normal
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.002
0.006
0.013
0.028
0.050
0.080
0.111
0.136
0.145
Binomial
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.002
0.006
0.013
0.028
0.051
0.081
0.112
0.135
0.144
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Normal
0.136
0.111
0.080
0.050
0.028
0.013
0.006
0.002
0.001
0.000
0.000
0.000
0.000
0.000
0.000
Binomial
0.135
0.112
0.081
0.051
0.028
0.013
0.005
0.002
0.001
0.000
0.000
0.000
0.000
0.000
0.000
251
Ejemplo 6
Una fbrica de tapones para botellas de licor tiene 20% de produccin defectuosa
(rebabas, manchas, etc.). Los productores de licor deciden seguir comprando tapones
a la fbrica, si al inspeccionar aleatoriamente un lote de 200 tapones no se encuentran
ms de 25 defectuosos. Se calcula la probabilidad de que los productores no tengan que
cambiar de proveedor.
Dada la variable aleatoria X: cantidad de tapones defectuosos.
De la unidad 6 se sabe que X tiene una distribucin de tipo binomial, con n = 200 y
p = 0.20. Como la cantidad de ensayos es grande y np = 200 0.20 = 40, se emplear una
aproximacin a la normal con media E(X) = np = 40 y varianza V(X) = npq = 32.
P(X
25) P
0.5 np
npq
25 0.5 40
32
P(Z
2.56)
( 2.56) 0.0052
25) P
0 0.5 40
32
( 2.56)
np
npq
25 0.5 40
32
P( 7.16 Z
2.56)
Ejercicio 4
1. Una fbrica de tapones para botellas de licor tiene 15% de produccin de artculos
defectuosos (rebabas, manchas, etc.). Los productores de licor deciden seguir
comprando tapones a la fbrica, si al inspeccionar aleatoriamente diez lotes de 150
tapones, cada uno, no se encuentran ms de 25 defectuosos en cada lote; calcula la
probabilidad de que los productores del licor no tengan que cambiar de proveedor
de tapones.
2. Una compaa farmacutica sabe que aproximadamente 5% de sus tabletas para el
control natal tiene un ingrediente que est por debajo de la dosis mnima, lo que las
hace ineficaces, calcula la probabilidad de que ms de 30 tabletas en una muestra
de mil sean ineficaces.
3. Un cierto tipo de tornillo se fabrica con probabilidad de 0.05 de ser defectuoso,
calcula la probabilidad de que en los siguientes 400 tornillos existan menos de 25
defectuosos.
4. Supn que un sistema est constituido por 100 componentes, cada uno de los cuales
tiene 95% de confiabilidad. Si esos componentes funcionan independientemente
unos de otros y el sistema completo funciona correctamente cuando por lo menos 80
componentes funcionan, calcula la probabilidad de que el sistema completo funcione
correctamente.
252
Ejercicios propuestos
1. Una compaa manufacturera tiene una mquina despachadora de refresco, la cual
suministra de forma aleatoria, con distribucin uniforme, entre 225 y 240 ml de
refresco. Supn que cada vez que la mquina despacha refresco lo hace de manera
independiente, calcula la probabilidad de que la mquina despache, por lo menos en
dos de las siguientes diez veces, refrescos con ms de 235 ml.
2. Supn que X es una variable aleatoria con distribucin uniforme y E(X) = V(X) = 1,
calcula las funciones de densidad y la acumulada de X.
3. Supn que el peso de una persona seleccionada al azar de cierta poblacin tiene una
distribucin normal. Si se sabe que
P(X
160) = 1/ 2 y P(X
140) = 0.75
calcula el porcentaje de tornillos defectuosos que produce la mquina, considerando a los que su dimetro se desve de su media en ms de 0.03 mm
calcula cules deben ser los lmites de tolerancia para que la probabilidad de
tornillos defectuosos sea 0.8
253
11. Una compaa paga a sus empleados un salario promedio de $5.25 por hora con
desviacin estndar de 50 centavos. Si los salarios tienen aproximadamente una
distribucin normal
a)
calcula el porcentaje de los trabajadores que recibe salario entre 4.75 y 5.69
pesos por hora, inclusive
b) calcula la cantidad de los salarios que son mayores en 5% con respecto al ms
alto
12. Si un conjunto deobservacionesestn normalmente distribuidas, calcula el porcentaje
de stas que difiere de la media en
a) ms de 1.3
b) menos de 0.52
13. Una moneda legal se lanza 400 veces. Emplea la aproximacin por medio de la
distribucin normal para calcular la probabilidad de obtener
a) entre 185 y 210 caras sol
b) menos de 176 o ms de 227 caras sol
14. Si 40% de losresidentes en una ciudad prefieren el programa X de televisin sobre los
dems programas, calcula la probabilidad de que entre los siguientes 500 residentes
que se entrevisten
a) entre 200 y 300 prefieran el programa X
b) por lo menos 350 prefieran el programa X
Autoevaluacin
1. En un da normal, el tiempo de viaje de un autobs de Mxico a Acapulco por la
Autopista del Sol est distribuido uniformemente de 4.5 a 5 h. Calcula la probabilidad
de que en un da normal por lo menos dos de los siguientes seis autobuses no tarden
msde4 h, 40 min en hacer el recorrido. Supn quelosrecorridosdelosseisautobuses
son independientes.
a)
b)
c)
d)
0.3512
0.6488
0.4678
0.5322
0.3512
0.9345
0.6488
0.0655
254
1 100
1 300
1 320
1 071.84
4. Una empresa metalrgica produce rodamientos con un dimetro que tiene desviacin normal, con media de 3.0005 pulg y desviacin estndar de 0.0010 pulg. Las
especificaciones requieren quelos dimetros estn en el intervalo 3.000 0.0020 pulg.
Si los cojinetes cuyos dimetros quedan fuera de ese intervalo se rechazan, calcula el
porcentaje de la produccin total que ser rechazada.
a)
b)
c)
d)
5.2
8.5
7.3
6.3
187
62
94
178
0.7769
0.7500
0.0223
0.2231
$425.63
$420.00
$485.60
438.20
255
0.1515
0.0001
0.8485
aproximadamente 1
9. Cierto proceso de manufactura produce pernos que deben tener un dimetro de 1.2
y 1.25 pulg. Se sabe que el dimetro se distribuye normalmente con media de 1.21 y
desviacin estndar de 0.02, calcula el porcentaje de lospernosque est fuera de stas
especificaciones.
a)
b)
c)
d)
46.24
66.87
33.13
53.76
10. El dimetro de un cable elctrico est distribuido normalmente con 0.8 de promedio
y 0.0004 de varianza. Un cable se considera defectuoso si el dimetro es diferente de
su promedio en ms de 0.025, calcula la probabilidad de obtener un cable bueno.
a)
b)
c)
d)
0.5411
0.7887
0.2113
0.4589
4
3
2.
1
3
3.
a) 50 000
b) 80%
4. 0.2
5. 0.5
Ejercicio 2
1.
a) 0.3935
b) 0.3679
256
2. 0.3679
3. 0.975 aos
4. 0.5134
5. 0.0009
Ejercicio 3
1. 0.5910
2.
a) 0.4060
b) 962.82
3.
a) 0.8413
b) 81.498
4.
a) 151
b) 0.255
5.
a) 4.75%
b) 74.86%
c) 67.11%
6.
a) 19 090
b) 456
c) 456
7. 34.108
Ejercicio 4
1. 0.0601
2. 0.9977
3. 0.8485
4. aproximadamente 1
257
2. f (x)
2 3
0,
, 1
x 1
0,
en otro lugar F( x)
x 1
3
x 1
, 1
2 3
1,
3.
x 1
3
3
x 1
3
a) 160 y 880.52
b) 0.0885
4.
a) 13.36%
b) menor a 0.0051
5. media 116.24, probabilidad 0.8065
6. media 53.004, desviacin estndar 1.9146
7. 0.0695
8. 0.8093
9. 45.4
10. 0.5488
11.
a) 65.13%
b) $6.0725
12.
a) 19.36%
b) 39.69%
13.
a) 0.7925
b) 0.0101
14.
a) 0.518
b) aproximadamente 0
258
Respuestas de la autoevaluacin
1. b)
2. b)
3. d)
4. c)
5. a)
6. d)
7. a)
8. c)
9. c)
10. b)