Modelos analticos de fenmenos aleatorios

Ivn Lillo Prez

Estadstica aplicada a la empresa

Instituto IACC

12-06-2016
 Desarrollo

1. Despus de una prueba de laboratorio muy rigurosa con cierto componente elctrico, el

fabricante determina que en promedio solo fallarn tres componentes antes de tener 1.200

horas de operacin. Un comprador observa que son 6 componentes los que fallan antes de

las 1.200 horas. Si el nmero de componentes que fallan es una variable aleatoria de

Poisson existe suficiente evidencia para dudar de la conclusin del fabricante?

Argumente.

Se supone que la frecuencia con que ocurren las fallas es constante e igual a 3 por cada

1200 horas o un promedio de 1/400 unidades por hora. La probabilidad de que fallen 6

componentes en 1200 horas es:

x
e
P x, =
( )
x!
6 3
3 2.72 7290.0497
P (6,3 )= = =0.050 Es la probabilidad de que 6 componentes fallen.
6! 720

No existira duda sobre lo expuesto por el fabricante debido a que si hablamos de una variable

aleatoria donde el fabricante asegura 3 fallas antes de las 1200 horas pero el comprador

eventualmente presencia la falla exponencial (vale decir 6 en el mismo lapso) podemos

comprobarlo exponencialmente en una tabla Excel donde aplicamos POISSON.DIST, a

continuacin se demuestra que esta variable aleatoria es una falla con una probabilidad cada vez

menor en la medida que aumentamos proporcionalmente con la misma cantidad de horas de

trabajo del artefacto siendo de esta forma:

LAMBDA X PROBABILIDAD
3 3 0.224041808
3 6 0.050409407
6 12 0.01126448
12 24 0.000787246

Nuestro resultado en este caso est marcado con amarillo donde se demuestra basado tambin en

el ejercicio desarrollado ms arriba que la probabilidad es minima para que dicho evento vuelva

a repetirse sin necesariamente establecer una cantidad determinada de maquinas.

2. Un agente de seguros vende plizas a 10 individuos, todos de la misma edad. De acuerdo con

las tablas actuariales, la probabilidad de que un individuo con esa edad viva 30 aos ms es de

3/5. Determine la probabilidad de que dentro de 30 aos vivan, al menos, 3 individuos.

Respuesta: consideramos que hay dos posibles resultados, ya que dentro de 30 aos podemos

decir que la persona viva (3/5=0,6) o que la persona haya muerto (2/5=0.4), cada suceso es

independiente del otro. Se trata de una distribucin binomial B(n,p)=B(10;0.6)

P ( x 3 )=P ( x=3 ) + P ( x =4 )+ P ( x=5 )+ P ( x=6 )+ P ( x=7 )+ P ( x=8 ) + P ( x=9 ) + P(x=10)

P ( x 3 )= 10 0.630.4 7+ 10 0.6
( ) ( ) + 10 0. 6de
( ) 10 0. 660.4 4 + 10 0. 670.43 + 10 0. 680.4 2+ 10
( ) ( ) ( ) ( )
4 6 5 5
Es la0.4
probabilidad 0.4
que + al menos 3 individuos vivan dentro de
3 4 5 6 7 8 9

los 30 aos.

2. La probabilidad que una muestra de aire contenga una molcula anmala es 0,03.

Suponiendo independencia entre las muestras extradas con respecto a la presencia de

molculas anmalas. En funcin de la informacin anterior, responda:

a) Escriba el modelo probabilstico

Siendo x una variable aleatoria que representa la muestra de aire, tenemos que x=1 si la

molcula es anmala y xi=0 en caso contrario. La variable x sigue una distribucin Bernoulli

con parmetro p=0,03 de acuerdo con el dato inicial del problema.

1 p n x , x=0,1,2,3 .. ,n
Por lo tanto el modelo es Px ( x )= n p x
()
x

b) Calcule la esperanza y la varianza.

E ( X )=np ; Var ( X )=np(1 p)

Suponiendo que la cantidad de muestras son 100, la esperanza seria 100*0.03=3; y la varianza

seria 3(1-0.03)=2.91

Bibliografa

Clases semana 1 Estadstica aplicada a la empresa.