TRABAJO FINAL DE PROCESOS ESTOCASTICOS

(Simulaciones en R Project)

Susana Margarita Cotera Muoz

Marco Enrique Cotera Muoz
Yuliana Caroley Martnez Caate
Liliana Margarita Meja Ra

Trabajo valido como nota final para el primer cuatrimestre.

TEORIA DE PROCESOS ESTOCASTICOS

Esp. Nidia Balmaceda

INGENIERIA TELEMATICA
ITSA
Barranquilla
2012

TRABAJO FINAL DE PROCESOS ESTOCASTICOS

(Simulaciones en R Project)
1. De un lote de 10 proyectiles se seleccionan 4 al azar y se lanzan. si el
lote contiene 3 proyectiles defectuosos que no explotaran , cul es la
probabilidad de que:
a) los 4 exploten
b) a lo mas dos fallen
Solucin:
a.
> dhyper(4,7,3,4)
[1] 0.1666667
b.
> m<-dhyper(0,3,7,4)
> s<-dhyper(1,3,7,4)
> y<-dhyper(2,3,7,4)
> m+s+y
[1] 0.9666667

2. cul es la probabilidad de que una mesera se rehse a servir bebidas

alcohlicas a solo dos menores si ella verifica al azar las identificaciones
de 5 estudiantes de entre 9 estudiantes de los cuales 4 no tienen la edad
legal para beber?
Solucin:
> dhyper(2,4,5,5)
[1] 0.4761905

3. generar 100 valores aleatorio de una distribucin hipergeometrica,

calcule :
a) la media
b) la varianza

c) desviacin estndar
d) Muestre el histograma.
Solucin:
> rhyper(100,100,100,100)
[1] 54 54 46 52 52 47 55 50 50 54 47 56 52 45 51 54 44 48 45
51 54 50 47 44 54 47 49 48 45 50 49 52 55 53 56 52 52 54 55 54
50 53 51 47 50 52 56 55 46
[50] 46 44 50 54 48 54 48 49 49 48 49 48 53 44 45 49 47 49 45
51 48 55 45 50 51 55 50 49 56 44 48 53 43 51 55 50 50 56 51 54
56 47 44 47 49 53 48 49 46
[99] 50 56
> x<-rhyper(100,100,100,100)
> mean(x)
[1] 49.33
> median(x)
[1] 49
> var(x)
[1] 11.43545
> sd(x)
[1] 3.381635
> hist(x)

15
10
0

Frequency

20

Histogram of x

40

45

50

55

4 Sea x una variable binomial. para n=20, calcular las probabilidades

puntuales binomiales y compararlas con las correspondientes
probabilidades de poisson para p=0.5, 0.3, 0.1 y 0.01.Realiza los
histogramas para cada probabilidad
Qu conclusiones sacas?

Solucin:

> m5<-dpois(20,0.5)
> m5
[1] 2.377542e-25
> y5<-pbinom(20,1,0.5)
> y5
[1] 1

>
>
> m3<-dpois(20,0.3)
> m3
[1] 1.061725e-29
> y3<-pbinom(20,1,0.3)
> y3
[1] 1
>
>
> m1<-dpois(20,0.1)
> m1
[1] 3.719169e-39
> y1<-pbinom(20,1,0.1)
> y1
[1] 1
>
>
> m01<-dpois(20,0.01)
> m01
[1] 4.069419e-59
> y01<-pbinom(20,1,0.01)
> y01
[1] 1

5 supongamos que el nmero de accidentes que ocurren en una carretera

al ao tiene una distribucin de poisson de media 3.7

a) calcular la probabilidad de que en un ao haya 6 accidentes.

b) calcular la probabilidad de que un ao haya menos de 2 accidentes

c) calcular la probabilidad de que un ao haya ms de 8 accidentes.
d) calcular el nmero mximo de accidentes que se producirn con
probabilidad mayor o igual a 0.9.
e) simula el nmero anual de accidentes que se producirn en un
periodo de 20 aos.

Solucin:

> dpois(6,3.7)
[1] 0.08810251
> ppois(2,3.7,lower.tail=TRUE)
[1] 0.2854331
> ppois(8,3.7,lower.tail=FALSE)
[1] 0.01370281
> qpois(0.9,3.7)
[1] 6
> rpois(20,3.7)
[1]
7 3

3 11

6 simular 10000 nmeros aleatorios de una variable aleatoria x con

distribucin b(20,0.3). usar dichos valores para estimar p[x5], p[x=5],

e[x], var[x]
Solucin:

> b<-rbinom(10000,20,0.3)
> length(b[b<=5])/length(b)
[1] 0.4193
> pbinom(5,20,0.3)

[1] 0.4163708
> sum(b==5)/length(b)
[1] 0.1836
> dbinom(5,20,0.3)
[1] 0.1788631
> mean(b)
[1] 6.0118
> var(b)
[1] 4.218883

Al estudiar licitaciones de embarque, una empresa dedicada a la

fabricacin de circuitos impresos, encuentra que los contratos
nacionales tienen licitaciones bajas distribuidas uniformemente entre 20
y 25 unidades (en miles de dlares).
Calcule la probabilidad de que la baja licitacin de embarque del prximo
contrato nacional:
a) Sea inferior a 22 000 dlares.
b) Rebase los 24 000 dlares.
c) P(X <. x) = 1/5.
d) P(X > x) = 2/5.

Solucin:

> punif(22, min=20, max=25, lower.tail=T)

[1] 0.4
> punif(24, min=20, max=25, lower.tail=F)
[1] 0.2
> qunif(1/5, min=20, max=25, lower.tail=T)
[1] 21
> qunif(2/5, min=20, max=25, lower.tail=F)
[1] 23
>

8 una empresa de material elctrico fabrica bombillas de luz que tienen

una duracin, antes de quemarse (fundirse), que se distribuye

normalmente con media igual a 800 horas y una desviacin estndar
de 48 horas. encuentre la probabilidad de que una bombilla se queme
entre 778 y 834 horas. Realice el histograma.
Solucin:
> pnorm(778,800,48)
[1] 0.3233565
> pnorm(834,800,48)
[1] 0.7606309
>
> pnorm(834,800,48)-pnorm(778,800,48)
[1] 0.4372744

9 Genere 100 nmeros aleatorios de una distribucin normal estndar y

realice el histograma con la curva.

Solucin:

> options(width=70)
> valores<-rnorm(100,0,1)
> valores
[1] 1.610834725 -0.120513584
-2.397525625
[6] 0.218823247 0.515475309
-1.296140906
[11] -0.783499093 0.887737649
0.250866614
[16] 0.999535518 0.562681584
-0.938656682
[21] -1.182074363 -1.205409249
-0.086514694
[26] -0.838512473 0.103140618
0.472914552
[31] -0.385427614 -0.804631797
0.315305882
[36] 0.669006429 -0.480776146
-0.144503821
[41] 0.403930177 1.104436419
1.022099576
[46] 2.167428854 0.502238217
-0.823887532
[51] -1.465364302 1.400497343
0.387351990

-0.028883183 -0.529524379
-0.601043795 -0.878162827
0.625801238

0.385770838

-0.526651712

0.112171212

-0.531437134 -0.241513269
-1.371772851

0.653244177

-0.262845774 -0.736978493
-0.708516608 -0.034153701
-0.394638650 -1.433864620
1.684502960 -1.823733366
-0.021012014

1.639587046

[56] 0.325593676 -1.248349404

0.139581515
[61] 1.961274454 -0.169681025
-1.053205345
[66] 0.577885427 -0.393759135
1.544925716
[71] -0.548236366 -0.229931060
-1.416509813
[76] 0.222450138 0.673966512
-1.656938774
[81] -1.647692429 0.949310094
-1.196968389
[86] 0.383673058 1.476004708
-1.075008751
[91] -1.327293749 0.006016105
-0.231398561
[96] -1.536093107 1.053933826
0.136688248
> hist(valores, freq=FALSE)
> curve(dnorm(x,0,1),add=TRUE)

-1.656037568 -0.141774240
1.296042071

0.577651961

-1.743209626

1.144473014

1.230889991

1.563780520

-0.398460466 -0.157387758
-0.774596111 -0.754308412
-0.432356456

0.691421225

-0.040685059

0.766139934

-2.084922677

0.167398744

0.2
0.0

0.1

Density

0.3

0.4

Histogram of valores

-2

-1

valores

10 El tiempo necesario para armar cierta unidad es una variable aleatoria

normalmente distribuida con media de 30 minutos y desviacin estndar

a 2 minutos. Determinar el tiempo de armado de manera tal que la
probabilidad de exceder ste sea 0.02.
Solucin:
> pnorm(25.8925022,mean=30,sd=2)
[1] 0.02