MAESTRÍA EN TELECOMUNICACÍONES
ESTADISTICA Y PROBABLIDAD
INTEGRANTES:
Distribuciones de Probabilidad
2. OBJETIVOS
> res_exp <- c("1-1", "1-2", "1-3", "2-1", "2-2", "2-3")#todos los resultados expermientales posi
bles
> res_exp
[1] "1-1" "1-2" "1-3" "2-1" "2-2" "2-3"
Evento 1 Evento 2
1 1
2 2
3
Resultados V.A.D(Finita): {1-1,1-2,-1-3,2-1,2-2,2-3}
Espacio muestral={0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20}
# Espacio muestral=21
Variable Aleatoria Discreta(Finita)= {0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20}
>
> #C.REVISAR 50 DECLARACIONES DE IMPUESTOS NÚMERO DE DECLARACIO
NES QUE TIENEN ALGUN ERROR
>
> numero_declaraciones <- c("tenemos numero de declaraciones con error=z (0<=z<=50). v.a.di
screta (finita)")
> numero_declaraciones
[1] "tenemos numero de declaraciones con error=z (0<=z<=50). v.a.discreta (finita)"
Espacio muestral={0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,…………….,50}
# Espacio muestral=51
Variable Aleatoria Discreta(Finita)=
{0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,……...,50}
>
> #D.OBSERVAR TRABAJAR A UN EMPLEADO NÚMERO DE HORAS NO PRO
DUCTIVAS EN UNA JORNADA DE 8 HORAS
>
> horas_no_productivas <- c("tenemos horas no productivas=w (0<=w<=50). v.a.continua")
> horas_no_productivas
[1] "tenemos horas no productivas=w (0<=w<=50). v.a.continua"
>
x=Número de horas no productivas en una jornada de 8 horas
Espacio muestral= {0<=x<=8}
Espacio muestral= {x: x pertenece a los números reales +}
Variable Aleatoria Continua (Infinita)
x= Número de libras
Espacio muestral={x>0}
Espacio muestral= {x: x pertenece a los números reales +}
Variable Aleatoria Continua (Infinita)
Respuesta. La probabilidad de que por lo menos dos personas tengan caries del grupo de 5
personas es del 99.95%
> tabla_acumulada<-cbind(x,pbinom(x,n,p))
> tabla_acumulada
x
[1,] 2 0.99144
[2,] 3 0.99954
[3,] 4 0.99999
[4,] 5 1.00000
> #plot(x,pbinom(x,n,p))
> plot(x,pbinom (x,n,p), type= "s",xlab= "Número de Evento",col="green",
+ ylab="probabi??idade",
+ main="probabilidades acumuladas del número de aciertos")
Respuesta. La probabilidad de que por lo menos 1 persona tenga caries es del 99.99%
> tabla_acumulada<-cbind(x,pbinom(x,n,p))
> tabla_acumulada
x
[1,] 1 0.00046
[2,] 2 0.00856
[3,] 3 0.08146
[4,] 4 0.40951
[5,] 5 1.00000
> #plot(x,pbinom(x,n,p))
> plot(x,pbinom (x,n,p), type= "s",xlab= "Número de Evento",col="RED",
+ ylab="probabi??idade",
+ main="probabilidades acumuladas del número de aciertos")
Código Consola R
> # n=120 p= 2.5/120 = 0.0208 lambda=n*p= 2.5
> lambda<- 2.5
> #a) 0 llamadas
> x<-0
> Pra=dpois(x,lambda)
> Pra
[1] 0.082085
> Pra=Pra*100
> Pra #Probabilidad en Porcentaje de 0 llamadas en un minuto
[1] 8.2085
Respuesta. La probabilidad de que haya 0 llamadas es del 8.20%, que haya 1 llamada es
20.52%, que haya 2 llamadas es 25.65% y que haya 3 llamadas es 21.37%
65. Supongamos que de cada 5000 vehículos, 2 tienen problemas con las llantas en una
autopista. Si 1000 vehículos transitan por la autopista durante cierto día. ¿Cuál es la
probabilidad de que por lo menos 2 vehículos tengan problemas con las llantas?
Código Script R
p=2/5000
p
n=1000
n
lambda=(n*p)
lambda
#Probabilidad de que por lo menos 2 vehículos tengan problemas con las llantas.
# Pr(X >=2) = 1 - [Pr(X=0) + Pr(X= 1)
x=0
Pr1=dpois(x,lambda)
Pr1
x=1
Pr2=dpois(x,lambda)
Pr2
Pr=1-(Pr1+Pr2)
Pr
Pr=Pr*100
Pr #Probabilidad en Porcentaje
rm(list=ls())
Código Consola R
> p=2/5000
>p
[1] 4e-04
> n=1000
>n
[1] 1000
> lambda=(n*p)
> lambda
[1] 0.4
> #Probabilidad de que por lo menos 2 vehiculos tengan problemas con las llantas.
> # Pr(X >=2) = 1 - [Pr(X=0) + Pr(X= 1)]
> x=0
> Pr1=dpois(x,lambda)
> Pr1
[1] 0.67032
> x=1
> Pr2=dpois(x,lambda)
> Pr2
[1] 0.268128
> Pr=1-(Pr1+Pr2)
> Pr
[1] 0.06155194
> Pr=Pr*100
> Pr #Probabilidad en Porcentaje de que por lo menos 2 vehiculos tengan problemas con las llan
tas
[1] 6.155194
Respuesta. La probabilidad de que por lo menos dos vehículos tengan problemas con las
llantas es de 6.15%
Respuesta. La probabilidad de que haya no más de tres atracos es del 85.71% y de que haya a
lo más dos atracos es del 67.66%
68. Una compañía de seguros considera que solamente alrededor de 0,01% de la población
le ocurre cierto tipo de accidentes cada año. La empresa tiene 10000 asegurados contra
este tipo de accidentes. ¿Cuál es la probabilidad de que máximo 3 de ellos sufran
accidentes?
Código Script R
P<- 0.01/100
P
n<- 10000
lambda<- n*P
lambda
#Pr(x<=3)= Pr0(x=0) + Pr1(x=1) + Pr2(x=2) + Pr3(x=3)
x=0:3
Pr=dpois(x,lambda)
Pr
Pr=sum(dpois(x,lambda))
Pr
Pr=Pr*100
Pr #Probabilidad en Porcentaje
Código Consola R
> P<- 0.01/100
>P
[1] 1e-04
> n<- 10000
> lambda<- n*P
> lambda
[1] 1
> #Pr(x<=3)= Pr0(x=0) + Pr1(x=1) + Pr2(x=2) + Pr3(x=3)
> x=0:3
> Pr=dpois(x,lambda)
> Pr
[1] 0.36787944 0.36787944 0.18393972 0.06131324
> Pr=sum(dpois(x,lambda))
> Pr
[1] 0.9810118
> Pr=Pr*100
> Pr #Probabilidad en Porcentaje
[1] 98.10118
69. Se toma una muestra de 1500 artículos de un lote de producción que arroja el 24% de
defectuosos. ¿Cuál es la probabilidad de obtener? :
a) 2 ó menos artículos defectuosos
b) más de 2 defectuosos
Código Script R
n<- 1500
n
P<- 0.24/100
P
lambda<- n*P
lambda
#a) Pra(x<=2)= Pr0(x=0) + Pr1(x=1) + Pr2(x=2)
x=0:2
Pra=dpois(x,lambda)
Pra
Pra=sum(dpois(x,lambda))
Pra
Pra=Pra*100
Pra #Probabilidad en Porcentaje
Código Consola R
> n<- 1500
>n
[1] 1500
> P<- 0.24/100
>P
[1] 0.0024
> lambda<- n*P
> lambda
[1] 3.6
DISTRIBUCIÓN NORMAL
99. El peso medio de las frutas de un gran cargamento es de 15,00 onzas, con una desviación
estándar de 1,62 onzas; si sus pesos están distribuidos normalmente, ¿qué porcentaje de frutas
tendrá un peso entre 15,00 y 18,00 onzas?
Datos
media=15,00
desviación estándar=1,62
# P(15<X<18)
pnorm(18,15,1.62)-pnorm(15,15,1.62)
100. Si la vida media de cierta marca de bacterias es de 30 meses, con una desviación estándar
de 6 meses. ¿Qué porcentaje de estas bacterias puede esperarse una duración de 24 a 36 meses?
Se supone que su duración sigue una distribución normal.
Datos
media= 30
desviación estándar= 6
# P(24<X<36)
pnorm(36,30,6)-pnorm(24,30,6)
Respuesta:
El 68.26% de las bacterias puede durar entre 24 a 36
meses
101. Se sabe que la duración media de los tubos de los receptores de televisión es de 3,0 años,
con una desviación estándar de 1,5 años. Los tubos que duran menos de un año se reemplazarán
sin costo. Por cada 100 receptores vendidos (un tubo por receptor), Cuántos tubos tiene que
reemplazar gratis.
Datos
media= 3
desviación estándar= 1.5
P(X<1)
pnorm(1,3,1.5)
112. Un conjunto de 10.000 observaciones tiene una distribución normal con media de 450. Si
1.700 de ellas están comprendidas entre 450 y 460 ¿cuál es la desviación?
Datos
n=10000
media=450
(450<=x<=460)=1700
p=1700/10000=0.17
z(p=0.17)=0.44
z=(x-media)/deviación
desviación=(x-media)/z
desviación=(460-450)0.44=22.72
# P(450<X<460)
pnorm(460,450,22.72)-pnorm(450,450,22.72)