4.

VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

4.4 Distribuciones de Probabilidad para variables aleatorias continuas

4.4.1. Distribuciones de Probabilidad . Continua 4.4.1.1. Distribucin Normal 4.4.1.2. Distribucin Exponencial 4.4.1.3. Distribucin Weibull 4.4.2. Ejercicios Resueltos 4.4.3 Ejercicios Propuestos

Vzquez, H. 2009

4.4.1 Introduccin Caso Real: Variables Aleatorias Continuas 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 Mxico, se especific un espesor de pulgada 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. Si las mediciones de espesor tenan una distribucin normal, qu porcentaje aproximado fue interior a 7/16 de pulgada? La distribucin de la demanda (en nmero de unidades por unidad de tiempo) de un producto a menudo puede aproximarse con una distribucin de probabilidad normal. Por ejemplo, una compaa de comunicacin por cable ha determinado que el nmero de interruptores terminales de botn solicitados diariamente tiene una distribucin normal con una media de 200 y una desviacin estndar de 50. Con base en consideraciones de costos, la compaa ha determinado que su mejor estrategia consiste en producir una cantidad de interruptores suficiente para atender plenamente la demanda en 94% de todos los das. Cuntos interruptores terminales deber producir la compaa cada da? Suponga que usted es el director del programa de entrenamiento diseado para mejorar la calidad de las habilidades de supervisin de los supervisores de la lnea de produccin. Debido a que el programa es autoadministrado, los supervisores requieren un nmero diferente de horas para terminarlo. Usted ha realizado un estudio de los participantes anteriores y tiene datos que indican que el tiempo medio que se lleva el programa es de 500 horas, y que est variable aleatoria est normalmente distribuida con una desviacin estndar de 100 horas, adems usted est interesado en determinar cual es la probabilidad de que un supervisor termine su programa de entrenamiento entre 550 y 650 horas. Cmo calculara usted esta probabilidad?. No se preocupe, en est seccin usted adquirir los conocimientos necesarios para dar solucin al problema planteado. En la seccin anterior se consider slo distribuciones de probabilidad para variables aleatorias discretas. En sta seccin se estudiar una familia de distribuciones para variables aleatorias continuas. Recuerde que stas surgen de una medicin, pueden tomar un valor infinito de valores dentro de un intervalo determinado y que por lo tanto pueden tomar cualquier valor dentro del conjunto de los nmeros reales. As como exista, para variables discretas, una funcin de probabilidad, tambin la hay para variables continuas, la cual recibe el nombre de "Funcin de Densidad de Probabilidad", recibe este nombre porque calcula el rea bajo la curva o la probabilidad de una variable aleatoria continua dentro de un intervalo de valores. Funcin de Densidad de Probabilidad: Si f es una funcin integrable definida para todos los valores de una variable aleatoria continua "x", se define la probabilidad de que el valor de la variable est entre a y b como: P(a x b)

Vzquez, H. 2009

A las funciones se les denomina funciones de densidad de probabilidad, o simplemente densidades de probabilidad. Observe y Analice: La expresin de funcin de densidad de probabilidad, , se llama "integral definida" y proviene del clculo diferencial e integral. Recuerde que la integral definida es una medida del rea bajo la curva f(x). En este caso el rea est acotada entre a y b, y en la parte superior por f(x) y en la inferior por el eje de las abscisas. Recuerde tambin que la integral significa, en forma simple, una sumatoria, en este caso en lugar de sumar la probabilidad de cada valor de la variable continua "x" en el intervalo de inters, bastar con aplicar la funcin de densidad de probabilidad e integrar entre los valores del intervalo deseado.

4.4.1.1. Distribucin Normal:

La ms importante de las funciones de densidad de probabilidad es la distribucin normal, la cual recibe tambin el nombre, de distribucin Gaussiana, Acampanada o Monticular (recuerde que esta distribucin se trato en la seccin tres en el tema de regla emprica). Aunque existen varios tipos de distribuciones continuas muchas variables tienen una distribucin aproximadamente normal. En esta seccin usted aprender a calcular probabilidades, a representarlas grficamente y a utilizar la distribucin normal en la resolucin de problemas. La funcin de densidad de probabilidad normal es:

Donde: = Desviacin estndar de la poblacin = 3.1416... = Media aritmtica de la poblacin x = Variable aleatoria continua e = 2.71828... Su grfica es de forma semejante al perfil de una campana :

Vzquez, H. 2009

As, la probabilidad de que la variable normal x est entre a y b est dada por:

Esta integral definida es una medida del rea bajo la curva de f(x) acotada a la izquierda por a y a la derecha por b:

Como se puede apreciar en la frmula anterior, una importante caracterstica de la distribucin normal, es que dependen slo de dos cantidades, la media poblacional , y la desviacin de la poblacin . Las probabilidades relacionadas con la distribucin normal, se pueden calcular por medio de la funcin de densidad de probabilidad, pero, existe una tabla (Tabla de Distribucin Normal) en donde se encuentran valores tabulados y por lo tanto las probabilidades asociadas a las variables suelen obtenerse a partir de esta tabla. Esta tabla corresponde a la distribucin normal estndar, dicha distribucin se tratar a continuacin. Distribucin Normal Estndar: En la seccin tercera se trat como se puede calcular la distribucin de un conjunto de datos, ya sea a travs de Teorema de Tchebysheff o Regla Emprica. Recuerde que la regla emprica se aplica para distribuciones de forma simtrica y mesocrtica, y es precisamente este tipo de distribucin el que recibe el nombre de distribucin normal. Unas de las principales caractersticas de la distribucin normal estndar: a) Su forma es acampanada (simtrica y mesocrtica) b) Al ser simtrica su distribucin, sus medidas de tendencia central son iguales, y por lo tanto las tres se ubican en la parte central, siendo stas, entonces, el eje de simetra de la distribucin. c) El rea bajo la curva representa la probabilidad, de aqu que, la suma de toda el rea equivalga al 100% d) La curva de distribucin normal es asinttica respecto al eje de las abscisas, es decir, nunca llega a tocarla. e) Al ser simtrica la curva, el rea bajo la curva, respecto al eje de simetra, ser del 50% por abajo de ella y el otro 50% por arriba de ella. f) Su variable aleatoria continua asociada tiene rango infinito ( - < x < + )

Vzquez, H. 2009

g) Existe una medida que determina el nmero de desviaciones estndar que una observacin particular, de la variable aleatoria continua, se aleja por debajo o por arriba de la media. Esta medida recibe el nombre de puntuacin estndar o estandarizada. Si "x" representa una observacin, entonces la puntuacin estndar, representada por "z", se calcula a partir de datos poblacionales: z= h) En la distribucin normal estndar, a la distribucin de variable x corresponde = 0 y = 1, si se sustituye estos datos en la frmula de "z", se observa que a cada observacin "x" le corresponde un valor "z". i) El grfico para esta distribucin normal estndar es:

j) Representando las observaciones con su correspondiente puntuacin estndar:

Observe y Analice: La puntuacin "z" es precisamente el nmero de desviaciones que se aleja una observacin de la media, por ejemplo, cuando z=+1 indica que en esa posicin se encuentra una observacin que se aleja de la media +1 desviacin estndar. Se haba mencionado, que existe un tabla de distribucin normal estndar, por medio de la cual se pueden calcular las reas bajo la curva o la probabilidad de una determinada observacin. Tabla # 10 Tabla de la Funcin de distribucin de la variable Normal(0,1)

A continuacin se indicar sus caractersticas y como debe usted manejarla. a) La primera columna (vertical) se indica el valor de "z" , la cual puede tomar valores de un entero con un decimal. b) La primera fila (horizontal) indica el segundo valor decimal que puede tomar "z". c) Cada celda, que conforma la tabla, indica el "rea entre 0 y la z buscada". d) Para manejar la tabla, usted debe ubicarse en el valor de la "z" que interesa, posteriormente, obtener el dato que se encuentra en la celda correspondiente, el

Vzquez, H. 2009

cual ser precisamente el rea entre 0 y la "z" de inters. Analice los siguientes ejemplos: Ejemplo 1.- Para una variable aleatoria con distribucin normal estndar calcular: a) P(0< z < 2.57), rea o probabilidad entre z=0 y z=2.57
1)

Es importante que usted realice una representacin grfica del rea buscada, en el siguiente grfico se representa la distribucin para z:

Ubquese en la primera columna con z = 2.5 ( primer entero con primer decimal) y en la primera fila con el valor de 0.07 (segundo decimal), posteriormente observe el dato que se encuentra en la celda que ocupa la posicin de z = 2.57, el valor encontrado es de 0.4949, el cual es el rea o probabilidad entre 0 y la z buscada. As, P(0< z < 2.57) = 0.4949
2)

b) P(0.87< z < 1.28), el rea entre z=0.87 y z=1.28 1) El rea deseada se muestra en el siguiente grfico para la distribucin z

Como el rea buscada es P(0.87< z < 1.28), entonces se tendr que calcular el rea correspondiente a cada valor lmite de z y posteriormente restarlas Para z = 1.28, ubquese en la primera columna en z=1.2 y en la primera fila en 0.08, el rea Correspondiente a z = 1.28 es P( 0 z 1.28) = 0.3810 Para z = 0.87, ubquese en la primera columna en z=0.8 y en la primera fila en 0.07, el rea correspondiente a z = 0.87 es P( 0 z 0.87) = 0.3078
2)

Por lo tanto: P(0.87< z < 1.28) = P(0 z 1.28) - P( 0 z 0.87) =0.3810 - 0.3078 = 0.0732 c) P(z > 1.55), el rea a la derecha, o por arriba de z=1.55
1)

El rea deseada se muestra en el siguiente grfico para la distribucin z

Vzquez, H. 2009

Como el rea a buscar es la mayor z = 1.55, entonces, al rea de 0.50, correspondiente a la probabilidad de la mitad de la distribucin, se le restar el rea encontrada de P ( 0 z 1.55 ) El rea de z = 1.55 es P( 0 z 1.55 ) = 0.4394 (tabla) P(z > 1.55) = 0.5 - P ( 0 z 1.55 )= 0.50 - 0.4394 = 0.0606
2)

d) P(z > -0.65) , el rea a la derecha , o por arriba de z= - 0.65 1) El rea deseada se muestra en el siguiente grfico para la distribucin z

2)

Como el rea a encontrar es a la derecha de z = -0.65, es decir, P(z > -0.65), entonces al rea de P(0 z 0.65) se le sumar 0.50, correspondiente a la probabilidad de la rea derecha, respecto a z=0 P(z > -0.65) = P(0 z 0.65) + 0.50 El rea correspondiente a z = -0.65 es P(0 z 0.65)=0.2422 ( tabla) P(z > -0.65) = P(0 z 0.65) + 0.50 = 0.2422 + 0.5 = 0.7422

e) Con base al inciso d) calcule P(z < -0.65), o sea, el rea a su izquierda, o menor a z=-0.65 P(z < -0.65) = 1 - P(z > -0.65)= 1 - 0.7422= 0.2578 ( Por medio de complemento) O bien, P(z < -0.65) = 0.5 - P(0 z 0.65)= 0.5 - 0.2422=0.2578 Ejemplo 2.- Hallar los valores de z para la distribucin normal estndar mostrada en cada uno de los siguientes diagramas: a)

Se pide el valor de z si P(0 z z) es de 0.4590 Buscar el valor de z, en tablas, correspondiente a esta rea, por lo tanto usted tendr, ahora, que entrar de forma inversa en la tabla, es decir, primero busque el rea y posteriormente la z correspondiente. El valor del rea para la Tabla es de 0.4590 Por lo tanto el valor de z obtenido a partir de la Tabla es z= 1.74
1)

Observe y Analice: En ste caso el rea dada, es entre 0 y la z buscada, por lo que usted puede entrar directamente a tablas a buscar su z correspondiente, en el caso que no se le est dando esta rea, usted tendr primero que encontrarla, para despus, entrar en tabla y buscar su z, analice el siguiente ejemplo. b)

Vzquez, H. 2009

Se pide el valor de z, si el rea a su derecha, o por arriba de ella es de 0.05 1) En ste caso no se puede ir directamente a tabla a buscar el rea de 0.05, puesto que esta rea no es entre 0 y la z buscada, por lo tanto se tiene que buscar primero sta rea: P ( 0 z +z )= 0.5 - 0.05 = 0.45 Buscar en tabla la z correspondiente: El valor de z obtenido a partir de la Tabla es z= 1.645 c)

El valor a encontrar de z, es teniendo en base que su rea a la izquierda es de 0.7673 Recuerde, que hay que calcular primero el rea entre 0 y la z buscada: P ( 0 z +z ) = 0.7673 - 0.50= 0.2673 El valor de +z, obtenido a partir de la Tabla es de z =0.73 EJEMPLO 3.- Dado que una variable aleatoria X tiene una distribucin normal con media de 6.4 y desviacin estndar de 2.7, encontrar: a) P(x >2.0) Este ya es un problema de aplicacin, en donde se tiene que aplicar la frmula de la puntuacin estndar: = 6.4 = 2.7 .x = variable aleatoria continua
1)

El diagrama para la variable x es

El valor de z ( puntuacin estndar ) calculado a partir del valor de x es: z = (2.0 - 6.4)/2.7 = - 1.63
2) 3)

El diagrama para la variable z es

Vzquez, H. 2009

Calcular el rea bajo la curva: P(x >2.0) = P(x > -1.63) = 0.5 + P ( -1.63 z 0 )= 0.50 +0.4484 = 0.9484
4)

b) P(x < 7.2)

1)

El diagrama para la variable x es

2)

El valor de z calculado a partir del valor de x es:

z = (7.2 - 6.4)/2.7 = 0.30

3)

El diagrama para la variable z es

Calcular el rea bajo la curva: P(x < 7.2) = P(z < 0.3) = 0.5 +P( 0 z 0.3) = 0.50 + 0.1179 = 0.6179
4)

c) P(4.0 < x < 5.0)

1)

El diagrama para la variable x es

Los valores de z calculados a partir de cada valor de x son: Para x1 = 4 : z1 = (4.0 - 6.4)/2.7 = - 0.89 Para x2 = 5.0: z2 = (5.0 - 6.4)/2.7 = - 0.52
2) 3)

El diagrama para la variable z es 9

Vzquez, H. 2009

Buscando la probabilidad o rea bajo la curva: P(4.0 < x < 5.0) = P(- 0.89< z < - 0.52) = P( -0.87 z 0) - P( -0.52 z 0 )=0.3133 - 0.1985 = 0.1148
4)

Ejemplo 4.- En una distribucin normal con una desviacin estndar de 5.0, la probabilidad de que una observacin elegida al azar exceda 21 es de 0.14. Encontrar la media de la distribucin. SOLUCIN: = 5.0 P ( x > 21 )= 0.14 = ? Se aconseja realizar el grfico de distribucin normal, por lo tanto, el diagrama para la variable x es:

Para determinar el valor z que corresponde a la variable x=21, recuerde que hay que encontrar primero el rea entre 0 y la z buscada: P( 0 z +z )= 0.50 - 0.14 = 0.36 Buscando el valor de +z que corresponde a esta rea en tabla: z = 1.08 Para calcular m, bastar con despejarla de la frmula de puntuacin estndar: z= 1.08 = 5.4 = 21 = 21 - 5.40 = 15.60 Ejemplo 5.- El tiempo de espera x en cierto banco est distribuido en forma normal, aproximadamente con media y desviacin estndar iguales a 3.7 y 1.4 minutos, respectivamente. Hallar la probabilidad de que un cliente seleccionado aleatoriamente tenga que esperar: a) menos de 2 minutos b) ms de 6 minutos Solucin: Vzquez, H. 2009 10

a) menos de 2 minutos Datos .x = tiempo de espera ( min ) = 3.7 min = 1.4 min .P (x < 2) = ? Realizando el diagrama para la variable x es:

Calcular la puntuacin estndar que corresponde a la variable z = (2 - 3.7)/1.4 = -1.21 El diagrama para la variable z es:

Calcular el rea o probabilidad P(x < 2) = P(z < -1.21) = 0.5 - P( -1.21 z 0)= 0.5 - 0.3869 = 0.1131 b) ms de 6 minutos P(x > 6) = ?
2)

El diagrama para la variable x es:

Calculando la puntuacin estndar z = (6 - 3.7)/1.4 = 1.64 El diagrama para la variable z es:

Vzquez, H. 2009

11

Calculando el rea bajo la curva: P(x > 6) = P(z > 1.64) = 0.5 - P( 0 z 1.64)= 0.50 - 0.4495 = 0.0505 Ejemplo 6.- Se sabe que el tiempo promedio requerido para terminar un examen es de 70 minutos con una desviacin estndar de 12 minutos. Cunto tiempo debe asignarse si se desea que el 90 % de los estudiantes tengan suficiente tiempo para terminar el examen? (Suponga que el tiempo requerido para terminar el examen tiene una distribucin normal). Solucin: x = tiempo requerido para terminar el examen ( min ) = 70 min = 12 min x=? En este problema se pide calcular el valor de la variable x, por lo tanto: El diagrama para la variable x es:

El diagrama para la variable z es:

Calculando z P( 0 z +z )= 0.9 - 0.5 = 0.4 Buscando la z correspondiente en tabla: z = 1.285 Calculando la variable x: z= 1.285 = x - 70 = 15.42 x = 15.42 + 70 = 85.42 min Aproximacin de la Distribucin Binomial a la Normal:

Vzquez, H. 2009

12

En la seccin anterior se habl de la distribucin binomial como una distribucin de probabilidad para una variable "x" definida como el nmero de xitos observados en "n" ensayos independientes repetidos. Ahora se ver cmo las probabilidades binomiales pueden ser razonablemente estimadas por medio de una distribucin normal, a pesar de que esta distribucin es para variables aleatorias continuas. En los casos analizados, en distribucin binomial, se trat de calcular la probabilidad para la variable "x" con una "n" pequea, Pero que pasar si "n" es grande"?, el clculo de las probabilidades no sera imposible, pero s laborioso, es aqu donde la distribucin normal es de gran ayuda. Para poder aproximar una distribucin binomial a normal se tendr que transformar el clculo de la probabilidad de una variable discreta, en una distribucin de probabilidad normal para una variable continua, para esto hay que considerar lo siguiente: En una distribucin binomial en cada ensayo se observa 0 1 xito con probabilidad "q " y "p" respectivamente, por lo tanto cada uno de los "n" ensayos se puede considera como una observacin independiente compuesto de un ensayo, y el nmero total "x" de xitos en "n" ensayos vendra a ser la suma de estas "n" observaciones independientes. Esto es, transformar el valor de la variable discreta en un intervalo de valores, para s poderla trabajar como una variable continua, esto se logra aplicando un factor de correccin de continuidad, el cual consiste en sumar o restar 0.5 a los lmites segn sea el caso. Por ejemplo: Sea "x" una variable y "k" un valor predeterminado, entonces: Si Si Si Si Si se se se se se busca busca busca busca busca P(x = k), aplicando el factor: P(k - 0.5 x k + 0.5) P(x k), aplicando el factor: P(x k - 0.5) ; P(x k), aplicando el factor: P(x k + 0.5) ; P(k1 x k2 ), aplicando el factor: P(k1 -0.5 x k +0.5) P(x < k ), aplicando el factor: P(x k - 0.5)

Entonces, si "n" es suficientemente grande, la variable binomial "x" tendr una distribucin aproximadamente normal con: = np y = Si se sustituye estos valores en la frmula de tipificacin de la distribucin normal estndar se tendra lo siguiente: z= Esta distribucin est definida por la distribucin normal estndar, y los parmetros de dicha distribucin son la media y su desviacin estndar. En ste caso, esta media y desviacin estndar dependen de los valores de n y p de la distribucin binomial inicial, por lo que de esta manera, la distribucin normal es una buena aproximacin a la binomial. Ejemplo 7.- Para ejemplificar la aproximacin binomial a la normal, suponga que se quiere saber la probabilidad de obtener 5, 6,7, u 8 caras en diez lanzamientos de una moneda no alterada. Solucin: Trabajando el problema como distribucin binomial y haciendo uso de su tabla para encontrar esta probabilidad, se tendra: Donde: x = cara, x=5, x= 6, x= 7, x= 8 n = 10 Vzquez, H. 2009 13

p=0.5, P( x=5 P( x=6 P( x=7 P( x=8

q = 1-p = 1 - 0.5 = 0.5 )=P( 5, 10, 0.5)=0.246 )= P( 6, 10, 0.5)=0.205 )= P( 7, 10, 0.5)=0.117 )= P( 8, 10, 0.5)=0.044

P(5 x 8) = P(x = 5)+P(x = 6)+P(x = 7)+P(x = 8). = 0.246+ 0.205+ 0.117+0.044 =0.612 Utilizando la aproximacin de la distribucin normal a la binomial se tendra: La media es np = (10)(1/2)=5 La desviacin estndar es = = 1.581.

P(5 x 8) = P(4.5 x 8.5) ( por el factor de correccin de continuidad) Obteniendo las puntuaciones tipificadas , z, para cada valor del intervalo: Z1 =( 4.5-5)/1.581 =-0.32 Z2 =( 8.5 - 5) / 1.581 = 2.21 Graficando el rea bajo la curva de distribucin normal:

Buscando los valores de z en la tabla de distribucin normal tenemos que: P(4.5 x 8.5)= P( -0.32 z 2.21 ) = P ( -0.32 z 0 ) + P ( 0 z 2.21 )= 0.1255 + 0.4864 = 0.6116 Si se compara los resultados que se obtuvieron por ambos mtodos, se puede apreciar que el error aproximado es menor del 1%. Esta aproximacin permite resolver el problema que se presenta cuando se tienen que utilizar grandes tablas de distribucin binomial. Cabe hacer notar que sta aproximacin es bastante buena cuando np 5 y nq 5. Ejemplo 8.- Si el 20% de los diodos fabricados en cierta planta son defectuosos, Cules son las probabilidades de que en un lote de 100, aleatoriamente escogidos para revisin: a) Por lo menos 15 estn defectuosos? b) Exactamente 15 estn defectuosos? Solucin: p=0.20, n=100, q=0.80 P(x 15)=? Utilizando la aproximacin: Este experimento tiene una distribucin binomial, para resolverlo se deben calcular los parmetros , y : = (100) (.20) = 20 y = =4

Vzquez, H. 2009

14

Tipificando los valores y aplicando el factor de correccin: P(x 15)=P(x 14.5) Tipificando : z = (14.5 - 20)/ 4 = -1.13. Graficando:

Calculando el rea bajo la curva, segn tabla de distribucin normal: P(z 1.13) = 0.5 + 0.1292 = 0.6292 Por lo tanto la probabilidad de que de 100 diodos por lo menos 15 estn defectuosos es de 0.6292. b) La probabilidad de que exactamente 15 estn defectuosos, aplicando el factor de correccin de continuidad formando un intervalo: P(x=15)=P(14.5 x 15.5) Tipificando ambos valores : Z1 = (14.5 - 20)/4 = - 1.38 y z2 = (15.5 - 20) / 4 =-1.13.

Buscando en las tablas el rea correspondiente para stos valores: P(-1.38 z 0 ) = 0.4162 y P( -1.13 z 0 ) = 0.3708, La probabilidad buscada es: P(14.5 x 15.5) = P( -1.38 z -1.13 ) = P(-1.38 z 1 0 ) - P( -1.13 z1 0 ) = 0.4162 - 0.3708 = 0.0454. Ejemplo 9.- Si una variable aleatoria tienen una distribucin binomial con n=20 y p=0.60, con la aproximacin normal , determnese las probabilidades de que asuma: a) El valor 14 b) Un valor menor que 12 SOLUCIN: El valor de la media y la desviacin estndar es: = (60)(.20)= 12 = = 1.54 Aplicando el factor de correccin buscamos : P(x = 14)=P(13.5 x 14.5) : Vzquez, H. 2009 15

Tipificando ambos valores y graficando: Z1 = (13.5 - 12) / 1.54 = 0.97 y z2 = (14.5 -12) / 1.54 = 1.62

Calculando el rea bajo la curva: P(13.5 x 14.5) = P(0.97 z 1.62) Buscando stos valores en la tabla de distribucin normal la probabilidad es : P( 0 z 1.62 ) = 0.4474 P(0 z 0.97) = 0.3340 P(0.97 z 1.62)= P( 0 z 1.62 ) - P(0 z 0.97 ) = 0.1134 b) P(x < 12 ) = P(x 11.5) (Aplicando el factor de correccin) Tipificando este valor z = (11.5 - 12) / 1.54 = - 0.32 Buscando el rea de este valor en la tabla de distribucin normal : P(- 0.32 z 0 ) =0.1255 P(x < 12 ) = P(x 11.5)= P(z -0.32 ) = 0.5 - 0.1255 = 0.3745

Ejemplo 10.- Un fabricante sabe que en promedio, 2% de los tostadores elctricos que produce requerirn reparacin en los 90 das siguientes a su venta. Determnese la probabilidad de que entre 1200 tostadores al menos 31 requieran reparacin en los primeros 90 das despus de su venta. Solucin: La media y desviacin estndar para sta distribucin son : = np = (1200)(.02) = 24 = = = 4.84 P(x 31) = P(x 30.5) (Aplicando el factor de correccin) Tipificando : z = (30.5 - 24) / 4.84 = 1.34.

Vzquez, H. 2009

16

P(x 31) = P(x 30.5) = P(z 1.34 ) Buscando en la tabla de distribucin normal P(0 z 1.34) = 0.4099 P(z 1.34 ) = 0.5 - 0.4099 = 0.0901 La probabilidad buscada es: P(x < 45 ) =P(x 44.5 ) =P( z 0.90) = 0.5 - 0.3159 = 0.1841

4.4.1.2. Distribucin Exponencial:

En el estudio realizado sobre la distribucin Poisson, se defini una variable aleatoria como el nmero de fallas en determinada longitud de un alambre de cobre. La distancia entre las fallas es otra variable aleatoria que a menudo es de inters. Sea la variable aleatoria X la longitud desde un punto de inicio de alambre hasta el sitio donde se encuentra una falla. Como es de esperarse, la distribucin de X puede obtenerse a partir de conocer la distribucin del nmero de fallas. La clave para obtener esta relacin es el siguiente concepto. La distancia hasta la primera falla es mayor que 3 milmetros si y slo si no hay fallas en esos 3 mm -simple, pero suficiente para el anlisis de la distribucin de X. En general, sea la variable aleatoria "N" el nmero de fallas en "x" mm de alambre, si el nmero promedio de fallas es por mm, entonces "N" tiene una distribucin Poisson con media x. Supngase que la longitud del alambre es mayor que el valor de "x". Ahora bien,

La obtencin de la distribucin de X depende slo de la hiptesis de que el nmero de fallas sigue un proceso Poisson. Asimismo, el punto de partida para medir X no importa, ya que la probabilidad del nmero de fallas en un intervalo de un proceso Poisson depende solo de la longitud del intervalo y no de la posicin. El resultado siguiente se aplica para cualquier proceso Poisson.

Vzquez, H. 2009

17

Definicin: La variable aleatoria X que es igual a la distancia entre ocurrencias sucesivas de un proceso Poisson con media >0, tiene una distribucin exponencial con parmetro . La funcin de densidad de probabilidad de X es Fx(x; ) = , para 0<= x <

Para facilitar la aplicacin de la frmula, a continuacin se expone las integrales ya realizadas:

Si la variable aleatoria X tiene una distribucin exponencial con parmetro l, entonces

Es importante utilizar unidades consistentes en el clculo de probabilidades, medias y varianzas de variables aleatorias exponenciales. El ejemplo que sigue ilustra la conversin de utilidades. Ejemplo: En una red de computadoras grande, el acceso de los usuarios al sistema puede modelarse como un proceso Poisson con una media de 25 accesos por hora. Cul es la probabilidad de que no haya accesos en un intervalo de seis minutos?. Solucin: Sea X el tiempo en horas desde el inicio del intervalo hasta que se presenta el primer acceso. Entonces X tiene una distribucin exponencial con =25 accesos por hora. El inters recae en la probabilidad de que X sea mayor que seis minutos. Dado que el valor de est dado en accesos por hora, es necesario expresar todas las unidades de tiempo en horas. Esto es 6 minutos =0.1 horas, la probabilidad pedida:

Vzquez, H. 2009

18

Cul es la probabilidad de que el tiempo que transcurre hasta el siguiente acceso est entre 2 y 3 minutos? Despus de convertir todas las unidades a horas,

En el ejemplo, la probabilidad de que no haya accesos en 6 min es 0.082, sin importar el momento en que inicia el intervalo. Un proceso Poisson supone que los eventos se presentan de manera uniforme en el intervalo observado; esto es, no hay acumulacin de eventos. Si los accesos estn modelados mediante un proceso Poisson, la probabilidad de que el primer acceso (pasado el medioda) ocurra despus de las 12:06 pm, es la misma que la probabilidad de que ocurra (pasadas las 3 de la tarde) despus de las 3:06 pm. Y si algn usuario se da de alta a las 2:22 pm, la probabilidad de que el siguiente acceso ocurra despus de las 2:28 pm sigue siendo 0.082. El punto de partida para la observacin del sistema no importa. Sin embargo, si durante el da existen periodos de mucho uso, como justo despus de las 8:00 am, seguidos por periodos de bajo uso, entonces el proceso Poisson no constituye un modelo apropiado par el clculo de probabilidades. Tal vez lo ms razonable sea modelar periodos de mucho uso y los de poco uso con proceso Poisson separados, utilizando un valor grande de para los perodos de gran demanda, y un valor ms pequeo para otras circunstancias. As esto puede utilizarse una distribucin exponencial con el correspondiente valor de para calcular las probabilidades de acceso al sistema durante periodos de mucha y poca demanda. Propiedad de la carencia de memoria: Una ms interesante propiedad de una variable aleatoria exponencial , es la que tiene que ver con probabilidades condicionales. Ejemplo: Sea X el tiempo entre las detecciones de una partcula rara por un contador Geiger; supngase que X tiene una distribucin exponencial con una media de 1.4 minutos. La probabilidad de detectar una partcula durante el lapso de 30 segundos que transcurren desde que se enciende el contador es

En el clculo anterior se han convertido todas las unidades de tiempo a minutos. Ahora, supngase que se enciende el contador Geiger y transcurren tres minutos sin detectar partcula alguna Cul es la probabilidad de detectar una partcula en los 30 segundos siguientes?. Dado que y han transcurrido 3 minutos, la impresin que se tiene es que "se ha esperado bastante". Esto es, la probabilidad de deteccin en los siguientes 30 seg. debe ser mayor que 0.5. Sin embargo, para una distribucin exponencial, esto no es cierto. La probabilidad pedida puede expresarse como la probabilidad condicional de que P(X<3.5 | X >3 ). A partir de la definicin de probabilidad condicional. P(X<3.5 | X > 3 ) = P (3 < X < 3.5)/ P(X >3) Donde Vzquez, H. 2009 19

Despus de esperar tres minutos sin detectar una partcula, la probabilidad de detectar una en los 30 segundos siguientes es la misma que la de detectarla 30 segundos despus de haber encendido el contador. El hecho de haber esperado 3 minutos sin detectar una partcula no cambia la probabilidad de deteccin en los 30 seg. siguientes. Este ejemplo ilustra la propiedad de la carencia de memoria de una variable aleatoria exponencial. De hecho, la distribucin exponencial es la nica distribucin continua que tiene esta caracterstica Propiedad de la carencia de memoria: Para una variable aleatoria exponencial X, La propiedad de la carencia de memoria no es sorprendente si se considera el desarrollo de un proceso Poisson. En dicho desarrollo, se supuso que un intervalo puede subdividirse en intervalos independientes ms pequeos. Estos subintervalos son similares a los ensayos Bernoulli independientes, caractersticos de un proceso binomial; el conocimiento de resultados previos no tiene efecto sobre las probabilidades de los eventos en subintervalos futuros. Una variable aleatoria exponencial es el anlogo continuo de una variable aleatoria geomtrica, y las dos comparten una similar propiedad de carencia de memoria. La distribucin exponencial se emplea con frecuencia en estudios de confiabilidad como modelo para el tiempo transcurrido hasta la falla de un dispositivo. Por ejemplo, el tiempo de vida de un chips puede modelarse como una variable aleatoria exponencial con una media de 40 000 horas. La propiedad de la carencia de memoria de la distribucin exponencial implica que el dispositivo no se desgasta. Esto es , sin importar cuanto tiempo haya trabajado el dispositivo, la probabilidad de que falle en las siguientes 1000 horas es la misma que la probabilidad de que falle durante las primeras 1000 horas de operacin. El tiempo de vida til "L" de un dispositivo con fallas provocadas por golpes aleatorios puede modelarse de manera apropiada como una variable aleatoria exponencial. Sin embargo, la probabilidad de que el dispositivo, sufra un desgaste mecnico lento (por ejemplo, en los cojinetes), puede modelarse mejor con una distribucin tal que P(L< t + t | L > t) aumente a medida que se incremente t. En la prctica a menudo se emplean distribuciones como la Weibull para modelar el tiempo de falla de este tipo de dispositivos.

Vzquez, H. 2009

20

4.4.1.3. Distribucin Weibull:

Tal como ya se mencion, esta distribucin se emplea a menudo para modelar el tiempo hasta presentarse una falla en muchos sistemas fsicos diferentes. Los parmetros de la distribucin proporcionan mucha flexibilidad para modelar sistemas en los que el nmero de fallas aumenta con el tiempo (por ejemplo, el desgaste), disminuye con el tiempo (en algunos semiconductores), o permanece constante (fallas provocadas por causas externas al sistema). La variable aleatoria X con funcin de densidad de probabilidad

Tiene una distribucin Weibull con parmetro de escala 0 y parmetro de forma 0 Donde. X = Variable tiempo a la falla = Parmetro de Escala= refleja el tamao de las unidades en que se mide la variable x = Parmetro de forma = Su valor determina la forma de la distribucin Facilitando las integrales:

Por otra parte tambin se tiene lo siguiente: Si X tiene una distribucin Weibull con parmetros d y b, entonces

Vzquez, H. 2009

21

Ejemplo: El tiempo de falla (en horas) del cojinete de una flecha est modelado de manera satisfactoria por una variable aleatoria Weibull con = y = 5000 horas. Calclese el tiempo promedio de falla. Del resultado anterior E(X)= 5000 [1+ (1/0.5)] = 5000 [3] =5000 * 2! = 10000 horas Determnese la probabilidad de que el cojinete dure al menos 6000 horas

En consecuencia, el 30.1 % de todos los cojinetes tendrn una duracin al menos de 6000 horas.

Funcin de Densidad de Probabilidad: Si f(x) es una funcin integrable definida para todos los valores de una variable aleatoria continua, se define la probabilidad de que el valor de la variable est entre a y b como:

A las funciones se les denomina funciones de densidad de probabilidad, o simplemente densidades de probabilidad. Esta integral definida es una medida del rea bajo la curva de f(x) acotada a la izquierda por a y a la derecha por b:

Definicin: Una funcin f(x) es una funcin de densidad de probabilidad de la variable aleatoria continua X si para cualquier intervalo de nmeros reales [a, b] : f( x ) 0

Vzquez, H. 2009

22

Funcin de Distribucin Acumulada: La funcin de distribucin acumulada de una variable aleatoria continua X es: F (x) = P ( X x) =

Conceptos

Distribucin Normal: La ms importante de las funciones de densidad de probabilidad es la distribucin normal. La funcin de densidad de probabilidad normal es:

Su grfica es de forma semejante al perfil de una campana:

As, la probabilidad de que la variable normal x est entre a y b est dada por:

Aproximacin Binomial a Normal: Caractersticas: a) Cuando "n" es grande b) np 5 y nq 5. c) Frmula de tipificacin de la aproximacin binomial a la distribucin normal: Vzquez, H. 2009 23

 = np = z= Factor de correccin de continuidad: Consiste en sumar o restar 0.5 a los lmites del valor buscado, convirtiendo las probabilidades discretas a continuas. Si Si Si Si Si se se se se se busca busca busca busca busca P(x = k), aplicando el factor: P(k - 0.5 x P(x k) , aplicando el factor : P(x k - 0.5) P(x k) , aplicando el factor: P(x k + 0.5) P(k1 x k1 ), aplicando el factor: P(k1 -0.5 P(x < k ), aplicando el factor: P(x k - 0.5) k + 0.5) ; ; x k2 +0.5)

Distribucin de Probabilidad Exponencial: Aplicaciones: Confiabilidad: Tiempo transcurrido hasta la falla de un dispositivo, tiempo promedio entre la primera falla y la siguiente, TIEMPO DE GARANTIA DE ARTCULOS, ETC. Objetivo: Calcular el tiempo o espacio indeterminado entre dos eventos consecutivos: Tiempo de espera entre dos aviones para aterrizar Tiempo de que una unidad opere sin fallar Tiempo entre fallas de un artculo Tiempo de espera en un taller de reparacin de mquinas Tiempo de espera de clientes en un cajero automtico

Definicin: El tiempo o espacio indeterminado entre dos eventos consecutivos en un PROCESO POISSON, se denomina variable aleatoria exponencial con > 0 , cuya funcin de densidad de probabilidad con parmetro es: f(x) = X= variable = Nmero promedio o valor esperado de eventos en una unidad determinada (Proceso Poisson) e = 2.71828 = l / = tiempo promedio entre eventos f (x) = Valor esperado y varianza Vzquez, H. 2009 24

E(x) = = 1 / 2= 1 / 2 Clculo de Probabilidades:

P ( X, )=

NOTA: UTILIZAR UNIDADES CONSISTENTES EN EL CLCULO DE PROBABILIDADES ( IGUALES UNIDADES ).

Propiedad de Carencia de Memoria: Para una variable exponencial X:

Distribucin de Probabilidad de Weibull Aplicaciones: Confiabilidad: (tiempo de envejecimiento de dispositivos, sistemas, artculos, etc. ) Objetivo: Modelar el tiempo hasta la presentacin de falla, es decir, detectar el tiempo de falla en diversos sistemas (tiempo de vida til, tiempo de caducidad, tiempo de garanta, etc.) Esta distribucin considera que el tiempo de falla de un dispositivo puede modelarse en funcin al tiempo, por ejemplo, un dispositivo que sufra un desgaste mecnico tendr un nmero de fallas que aumentar con el tiempo. Definicin: La variable aleatoria X con funcin de densidad de probabilidad

_Tiempo a la falla Tiene una distribucin Weibull con parmetro de escala > 0 y parmetro de Forma > 0 Vzquez, H. 2009 25

Donde X = Variable tiempo a la falla = Parmetro de escala= refleja el tamao de las unidades en que se mide la variable x = Parmetro de forma = Su valor determina la forma de la distribucin Valor Esperado (Promedio) y Varianza:

Clculo de Probabilidades:

4.4.2 Ejercicios Resueltos

1.- Calcular el rea o probabilidad entre z= -0.34 y z = 0.62 Solucin: El rea pedida es: P(-0.34 < z < 0.62) Representacin grfica del rea deseada para la distribucin z

Vzquez, H. 2009

26

Como el rea buscada es P(-0.34< z < 0.62), entonces se tendr que calcular el rea correspondiente a cada valor lmite de z y posteriormente sumarlas El rea correspondiente a z = -0.34 es P ( -0.34 z 0 )= 0.1331 El rea correspondiente a z = 0.62 es P ( 0 z 0.62 )= 0.2324 P(-0.34 < z < 0.62) = P ( -0.34 z 0 ) + P ( 0 z 0.62 )= 0.1331 + 0.2324 = 0.3655 2.- Calcular el rea o probabilidad a la izquierda de z=1.30 Solucin: El rea pedida es: P(z < 1.30) El rea deseada se muestra en el siguiente grfico para la distribucin z

El rea buscada es P(z < 1.30), por lo tanto al 0.50 se le sumar el rea de P(0 z 1.30) P(0 z 1.30) = 0.4032 ( tabla ) P(z < 1.30)= 0.5 + P(0 z 1.30) = 0.50 + 0.4032 = 0.9032 3.- Calcular el rea a la izquierda de z= -2.57 P(z < -2.57) El rea deseada se muestra en el siguiente grfico para la distribucin z

El rea buscada es a la izquierda de -2,57, es decir, P(z < -2.57), por lo tanto al 0.50 se le restar el rea P(-2.57 z 0) El rea correspondiente a z = -2.57 es P(-2.57 z 0) =0.4949 (tabla) P(z < -2.57) = 0.5 - P(-2.57 z 0)= 0.50 - 0.4949 = 0.0051 4.- Hallar el valor de -z si el rea entre -z y 0 es de 0.3980

Se pide el valor de -z si P(-z z 0) es de 0.3980 Buscar el valor de z, en tablas, correspondiente a esta rea El valor del rea para la Tabla es de 0.3980 Por lo tanto el valor de z obtenido a partir de la Tabla es z= -1.27 Vzquez, H. 2009 27

5.- Hallar el valor de z si su rea a la izquierda es de 0.25

Se pide el valor de -z, si su rea a la izquierda en de 0.25 Recuerde que primero tiene usted que buscar el rea entre la z buscada y cero: P ( -z z 0 ) = 0.5 - 0.25 = 0.475 Una vez calculada el rea, buscar la z correspondiente a esta rea: El valor de z obtenido a partir de la Tabla es de z = -1.96 6.- Calcular z si su rea a la derecha, o por arriba de ella es del 0.7190

Piden calcular -z si su rea a la derecha, o por arriba de ella es del 0.7190 Calculando el rea P ( -z z 0 ) = 0.7190 - 0.50= 0.2190 El valor de -z obtenido a partir de la Tabla es z= - 0.58 7.- Los promedios de aprovechamiento de una poblacin de estudiantes universitarios tienen una distribucin normal con media igual a 6.5 y desviacin estndar igual a 1.7. Si los estudiantes que tienen un promedio de aprovechamiento menor o igual que 1.9 deben abandonar la universidad, qu porcentaje de los estudiantes deben irse? Solucin: Datos x = tiempo de espera ( min ) = 6.5 min = 3.1 min P(x 1.9) = ? Graficando el diagrama para la variable x es:

Calculando la puntuacin estndar para la variable dada z = (1.9 - 6.5)/3.1 = - 1.48 El diagrama para la variable z es:

Vzquez, H. 2009

28

Obteniendo el rea o probabilidad: P(x 1.9) = P(z -1.48) = 0.50 - P(-1.48 z 0)= 0.50 - 0.4306 = 0.0694 Por lo tanto el porcentaje de alumnos que deben irse de la universidad es: 0.0694 x 100 = 6.94 % 8.- Los salarios anuales de los ejecutivos de mandos medios en una compaa estn distribuidos normalmente, con una desviacin estndar de 1200 dlares. Se tiene programado un recorte de personal que implica el despido de aquellos que ganen menos de 18,000 dlares. Si tal medida representa el 10% de los ejecutivos de mandos medios, cul es actualmente el salario medio de este grupo de funcionarios? Solucin: x = salarios anuales (dlares) = $ 1200 = ? La representacin grfica para la variable x es:

El diagrama para la variable z es:

Determinacin de z: Para encontrar el valor de z, recuerde que tiene que encontrar primero el rea entre 0 y la z buscada: P (-z z 0)= 0.50 - 0.10= 0.40 Buscando en tabla: z = -1.285 Determinacin de :

z=

Vzquez, H. 2009

29

-1.285 = -1542 = 18000 - = 18000 + 1542 = $19542

9.- Una mquina llena frascos con cierto producto, y se tiene como resultado un peso promedio de 16 onzas por recipiente. Si no ms del 5% de los frascos deben pesar menos de 15.8 onzas , a qu debe ser igual la desviacin estndar de los pesos? (Suponga que hay normalidad). Solucin: x = peso ( onzas ) = 16 onzas =? El diagrama para la variable x es:

El diagrama para la variable z es:

Determinacin de z: Calculando el rea entre 0 y la z buscada: P( -z z 0)= 0.50 - 0.05 = 0.45 Segn tabla: z = -1.645 Calculando z= -1.645 = = = 0.122 onzas 10.- La probabilidad de que un componente electrnico falle en menos de 1000 horas de uso continuo es 0.25. Encuentre la probabilidad de que entre 200 de tales componentes menos de 45 fallen en menos de 1000 horas de uso continuo. Utilice la aproximacin binomial a la normal. Solucin: n = 200 Vzquez, H. 2009 30

p= 0.25 q= 1 - p = 1 - 0.25 = 0.75 Calculando la media y desviacin estndar: = np = (200)(0.25) = 50 = = 6.12 P (x < 45 ) =P(x 44.5 ) ( Por factor de correccin de continuidad) Calculando la puntuacin tipificada: z= (44.5 - 50) / 6.12 = 0.90 Buscando en la tabla de distribucin normal la probabilidad es: P(x < 45 ) =P(x 44.5 ) =P( z 0.90) = 0.5 - 0.3159 = 0.1841

11.- Un ingeniero de seguridad industrial cree que 30% de todos los accidentes industriales en su planta se deben a que los empleados no siguen las disposiciones de seguridad. Si esta apreciacin es correcta, calclese aproximadamente la probabilidad de que, entre 84 accidentes, de 20 a 30 se deban a eso. Aplique la aproximacin de la distribucin binomial a la normal. Solucin: n = 84 p= 0.30 q= 1 - p = 1 - 0.30 = 0.70 Calculando la media y desviacin estndar: = np = (84)(0.30) = 25.2 = = 4.2 P (20 x 30) = P (19.5 x 30.5) (por factor de correccin) Tipificando los valores: Z 1 = ( 19.5 - 25.2) / 4.2 = - 1.35 y z2 = ( 30.5 - 25.2) / 4.2 = 1.26 La probabilidad buscada en base a tabla de distribucin normal: P ( 20 x 30 ) = P( 19.5 x 30.5) = P (-1.35 1.26) P (-1.35 1.26) = P( -1.35 z 0 ) + P(0 z 1.26) = 0.4115 + 0.3962 = 0.8077.

Vzquez, H. 2009

31

12.- Si 62 % de todas las nubes impregnadas con yoduro de plata muestran un crecimiento espectacular, cul es al probabilidad de que entre 40 nubes impregnadas con yoduro de plata a los sumo 20 muestren un crecimiento espectacular. Resuelva el ejercicio aplicando la distribucin normal como aproximacin a la binomial. Solucin: n= 40 p= 0-62 q= 1 - 0.62 = 0-38 Por lo tanto: = np = (40)(0.62) = 24.8 = =1.49 P(x 20) = P(x 20.5) Encontrando la puntuacin tipificada: z = (20.5-24.8) / 1.49 = -2.88

Calculando la probabilidad o rea bajo la curva: P(x 20.5) = P(z -2.88) = 0.5 -0.4973 = 0.0027. 13.- En el hangar 1 del Aeropuerto Internacional Benito Jurez de la ciudad de Mxico llegan en promedio 4 aviones por hora. a) Cul es la probabilidad de que haya tiempos de ms de un cuarto de hora entre llegadas? b) Cul es la probabilidad de que haya tiempos menores a un dcimo de hora entre llegadas? c) Cul es la probabilidad de que haya tiempos entre un dcimo y un cuarto de hora entre llegadas? d) Calcular el valor esperado y la varianza. Solucin: Integrando la funcin de densidad: P ( X, ) =

a) = 4 aviones por hora. P (X > ) P (x > 1/4)=

b) P ( X < 1/10)=

Vzquez, H. 2009

32

c) P(1/10<X<)= d) E(x) = = 1 / = 1/ 4 = 0.25 2= 1 / 2= 1/ 4 2 = 0.0625 14.- La vida til de un semiconductor ( en horas) es una variable que tienen distribucin Weibull con =1600 y =0.5 Cul es la probabilidad de que un conductor est funcionando despus de 4000 horas? Solucin: =1600 y =0.5 p(X>4000) =

4.4.3. Ejercicios Propuestos

Distribucin Normal: 1.- Encuentre el rea bajo curva normal estndar que cae: a) entre z=0 y z= 0.87 b) entre z=-1.66 y z=0 c) a la derecha de z=0.48 d) a la derecha de z=-0.27 e) a la izquierda de z= 1.30 f) a la izquierda de z=-0.79 2.- Encuentre el rea bajo curva normal estndar que cae: a) entre z=-0.70 y z=0.92 b) a la derecha de z=1.15 c) a la izquierda de z=0.22 d) entre z=0.24 y z=1.82 e) a la izquierda de z=-1.14 f) a la derecha de z=-0.76 g) entre z=-1.82 y z=-0.79 3.- Encuentre z si el rea bajo curva normal estndar a) entre 0 y z es 0.1915 b) a la izquierda de z es 0.8078 c) a la izquierda de z es 0.0132 d) entre -z y z es 0.8502 4.- 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 Vzquez, H. 2009 33

especific un espesor de de pulgada 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. Si las mediciones de espesor tenan una distribucin normal, qu porcentaje aproximado fue interior a de pulgada? 5.- Un tubo fluorescente estndar tiene una duracin distribuida normalmente con una media de 7,000 horas y una desviacin estndar de 1,000 horas. Un competidor ha inventado un sistema de iluminacin fluorescente compacto que se puede insertar en los receptculos de lmparas incandescentes. El competidor asegura que el nuevo tubo compacto tiene una duracin distribuida normalmente con una media de 7,500 horas y una desviacin estndar de 1,200 horas. a) Cul tubo fluorescente tiene mayor probabilidad de tener una duracin mayor que 9,000 horas? b) Cul tubo tiene mayor probabilidad de tener una duracin de menos de 5,000 horas? 6.- La distribucin de la demanda (en nmero de unidades por unidad de tiempo) de un producto a menudo puede aproximarse con una distribucin de probabilidad normal. Por ejemplo, una compaa de comunicacin por cable ha determinado que el nmero de interruptores terminales de botn solicitados diariamente tiene una distribucin normal con una media de 200 y una desviacin estndar de 50. a) En qu porcentaje de los das la demanda ser de menos de 90 interruptores? b) En qu porcentaje de los das la demanda estar entre 225 y 275 interruptores? c) Con base en consideraciones de costos, la compaa ha determinado que su mejor estrategia consiste en producir una cantidad de interruptores suficiente para atender plenamente la demanda en 94% de todos los das. Cuntos interruptores terminales deber producir la compaa cada da? 7.- La comisin de aeropuertos metropolitanos est considerando establecer lmites para el nivel de contaminacin por ruido cerca de un aeropuerto local. En la actualidad el nivel de ruido por despegue de jets en una zona residencial cercana la aeropuerto tiene una distribucin aproximadamente normal con una media de 100 decibeles y una desviacin estndar de 6 decibeles. a) Qu probabilidad hay de que un jet escogido al azar generar un nivel de ruido mayor que 108 decibeles en esta zona residencial? b) Qu probabilidad hay de que un jet escogido al azar generar un nivel de ruido de por lo mucho 100 decibeles? 8.- En una tienda de descuento la demanda diaria de acumuladores por automvil se calcula mediante una distribucin normal con media de 50 acumuladores que tienen una desviacin estndar de 10. En dos das consecutivos se venden 80 y 75 acumuladores respectivamente. Si estos das son tpicos, qu tan probable es, bajo las suposiciones dadas, vender 80 o ms y 75 o ms acumuladores? 9.- Se encontr que un grupo de calificaciones de exmenes finales en un curso de estadstica elemental estaba normalmente distribuido con una media de 73 y una desviacin estndar de 8. a) Cul es la calificacin del examen final si slo el 5% de los estudiantes que pasaron la prueba tuvieron calificaciones ms altas? 10.- La directora de una pequea subestacin postal est tratando de cuantificar la variacin en la demanda semanal de cilindros postales. Ha decidido suponer que esta demanda est distribuida normalmente. Ella sabe en promedio se adquieren Vzquez, H. 2009 34

100 cilindros semanalmente y que el 90% de las veces la demanda semanal esta por debajo de 115. Cul es la desviacin estndar de esta distribucin? 11.- El tiempo necesario para dar servicio a un automvil en la estacin de servicios Miller est distribuido normalmente con media de 4.5 minutos y desviacin estndar s = 1.1 minutos. a) Cul es la probabilidad de que un automvil seleccionado aleatoriamente requiera a.1) Entre 3.5 y 5.6 minutos de servicio? a.2) Cuando mucho 3.5 minutos de servicio? b) Cul es el tiempo de servicio de modo que slo el 5% de todos los automviles requieran ms tiempo? 12.- Una mquina puede regularse de manera que sirva un promedio determinado de onzas de refresco por vaso. Si las onzas que vaca por vaso estn distribuidas normalmente con una desviacin estndar de 0.2 onzas, obtenga la media que asegura que el 99% de las veces la mquina llene vasos de 6 onzas sin que se derrame lquido. 13.- Suponga que una distribucin normal en particular tiene una media igual a 70 y que el 90 centil es igual a 84. Calcule la desviacin estndar. a) Si el fabricante est dispuesto a reponer slo el 0.5% de los refrigeradores, Cul es el periodo de garanta que debe ofrecer? 14.- Se cree que el tiempo necesario para terminar un examen de aprovechamiento acadmico es de 150 minutos, y que su desviacin estndar es igual a 20 minutos. Si se desea dar el tiempo suficiente para que lo termine el 80% de los examinados, Cundo debe darse por concluido el examen? (Suponga que los tiempos necesarios para terminar el examen estn distribuidos normalmente.) 15.- El departamento de mantenimiento de un gran complejo industrial tiene instrucciones de sustituir las lmparas elctricas antes de que se fundan. Se sabe que la vida til de stas est distribuida normalmente con duracin media igual a 900 horas y una desviacin estndar igual a 75 horas . Cundo deben ser reemplazadas las lmparas de modo que no ms del 10% se fundan estando en uso? 16.- El fabricante de un medicamento asegura que slo el 5% de los pacientes que lo utilizan experimentan efectos colaterales. Los doctores de un gran hospital universitario han utilizado el producto en el tratamiento de 250 pacientes. Cul es la probabilidad de que 15 o menos de ellos experimenten efectos colaterales? 17.- Suponga que 5% de los ladrillos de adobe que un fabricante embarca tiene imperfecciones. Use la distribucin normal para obtener una aproximacin de la probabilidad binomial de que entre 150 ladrillos embarcados por este fabricante por lo menos ocho tengan imperfecciones. a) Calcule la media aritmtica b) Calcule la desviacin estndar. 18.- Los registros de servicio sealan que el 50% de automviles nuevos de una sola marca requerirn algn tipo de reparacin durante el periodo de garanta de 90 das. Para una muestra aleatoria de n=12 de automviles nuevos, use la distribucin binomial para determinar la probabilidad de que durante el periodo de garanta requieran reparaciones Vzquez, H. 2009 35

a) 8 9; b) no ms de 2 Use la aproximacin binomial a la distribucin normal para determinar la probabilidad aproximada de que requerirn reparacin dentro del periodo de garanta de 90 das c) 8 9; d) no ms de 2 Distribucin Exponencial: 1.- El tiempo de duracin de un ensamble mecnico en una prueba de vibracin tiene una distribucin exponencial con media de 400 horas. a. Cul es la probabilidad de que el ensamble falle durante la prueba en menos de 100 horas? b. Cul es la probabilidad de que el ensamble trabaje durante ms de 500 horas antes de que falle? c. Si el ensamble se ha probado durante 400 horas sin falla alguna, Cul es la probabilidad de que falle en las siguientes 100 horas? 2.- Suponga que X tiene una distribucin exponencial con = 2. Calcule lo siguiente. a. P(X<= 0) b. P(X>=2) c. P(X<=1) d. P(1 < X < 2) e. Encuentre el valor de x tal que P(X <x) = 0.05 3.- El tiempo entre llegadas de mensajes electrnicos a una computadora tiene una distribucin exponencial con media de dos horas. a. Cul es la probabilidad de que la computadora no reciba mensajes en un periodo de dos horas? b. Si la computadora no ha recibido ningn mensaje en las ltimas cuatro horas, Cul es la probabilidad de recibir un mensaje en las dos horas siguientes? c. Cul es el tiempo esperado entre el quinto y sexto mensaje? 4.- El tiempo entre arribos de los taxis a un cruce muy concurrido tiene una distribucin exponencial con media de 10 min. a. Cul es la probabilidad de que una persona que est en el cruce tenga que esperar ms de una hora para tomar un taxi? b. Suponga que la persona ya espero una hora; Cul es la probabilidad de que llegue uno en los siguientes 10 min? 5.- La distancia que hay entre dos grietas grandes en una autopista tiene una distribucin exponencial con media de 5 millas a. Cul es la probabilidad de que no haya grietas grandes en un tramo de 10 millas? b. Cul es la probabilidad de que hay dos grietas en un tramo de 10 millas? c. Cul es la desviacin estndar de la distancia ente las grietas? Distribucin Weibull: 1.- Suponga que X tiene una distribucin Weibull con =0.2 y =100 horas. Vzquez, H. 2009 36

Calcule lo siguiente: a. P(X< 10 000 ) b. P(X > 5000) 2.- Suponga que la vida til de cierta clase de bateras (en horas) es una variable aleatoria que tiene una distribucin Weibull con = 100 y = 0.5. Calcular: a) La probabilidad de que la batera dure ms de 300 horas b) La probabilidad de que la batera dure menos de 300 horas c) La probabilidad de que la batera dure entre 250 y 350 horas d) La vida promedio de esa batera 3.- El tiempo de falla (en horas) del cojinete de una flecha est modelado satisfactoriamente por una variable aleatoria Weibull, con = 5000 y = 0.5. a) Determinar la probabilidad de que el cojinete dure al menos 6000 horas b) Calcular el tiempo promedio de falla 4.- La duracin en horas de una broca de taladro que se emplea en una operacin de fabricacin tiene una distribucin Weibull = 100 y = 2. Calcule la probabilidad de que una broca de taladro fallar antes de 8 horas de uso.

Vzquez, H. 2009

37