Вы находитесь на странице: 1из 22

DISTRIBUCIN DE BERNOULLI

1.- Un jugador de basquetbol est a punto de tirar hacia la


parte superior del tablero. La probabilidad de que anote el
tiro es de 0.55.
a) Sea X=1, si anota el tiro, si no lo hace, X=0. Determine la media y
la varianza de X.
p(X=1)=0.55 por tanto X~Bernoulli (0.55)
MEDIA
X= p
X= 0.55

VARIANZA
x= p(1-p)
x= 0.55(1-0.55)
x= 0.55 (0.45)
x= 0.2475

b) Si anota el tiro, su equipo obtiene dos puntos; si lo falla, su equipo


no recibe puntos. Sea Y el nmero de puntos anotados. Tiene una
distribucin de Bernoulli? Si es as, encuentre la probabilidad de xito.
Si no explique por qu.
No, porque una variable aleatoria de Bernoulli solo tiene valores posibles de 0 y
1. Y los valores posibles de Y son 0 y 2.

c) Determine la media y la varianza de Y.


MEDIA
X= 2(p)+0(1-p)
X= 2(0.55)+0(1-0.55)
X= 1.1+0(0.45)
X=1.10

VARIANZA
x= (2-1.1)20.55+ (0-1.1)20.45
x= (0.9)20.55+ (-1.1)20.45
x= (0.81)0.55+ (1.21)0.45
x= 0.4455+0.5445
x= 0.99

2.- En un restaurante de comida rpida. 25% de las rdenes


para beber es una bebida pequea. 35% una mediana y 40%
una grande. Sea X=1 si se escoge aleatoriamente una orden
de una bebida pequea y X=0 en cualquier otro caso. Sea Y=1
si la orden es una bebida mediana y Y=0 en cualquier otro
caso. Sea Z=1 si la orden de bebida es pequea o mediana y
Z=0 en cualquier otro caso.
a) Sea Px la probabilidad de xito de X. determine Px.
La probabilidad de p(X=1)=0.25 por lo tanto X~Bernoulli (.25)

b) Sea Py la probabilidad de xito de Y. determine Py.


La probabilidad de p (Y=1)=0.35 por lo tanto Y~Bernoulli (.35)
c) Sea Pz la probabilidad de xito Z. determine Pz.
La probabilidad de p (Z=1)=0.60 por lo tanto Z~Bernoulli (.60)
d) Es posible que X y Y sean iguales a 1?
Si, solamente por separado
e) Es Pz=Px+Py?
Si
3.- Cuando se aplica cierto barniz a una superficie de
cermica, 5% es la probabilidad de que se decolore, 20% de
que se agriete, y 23% de que se decolore o no se agriete, o
ambas. Sea X=1 si se produce una decoloracin y X=0 en
cualquier otro caso. Y=1 si hay alguna grieta y Y=0 en
cualquier otro caso; Z=1 si hay decoloracin o grieta, o
ambas, y Z=0 en cualquier otro caso.
a) Sea Px la probabilidad de xito de X. determine Px.
La probabilidad de xito p(X=1)=0.05 por lo tanto X~Bernoulli (.05)
b) Sea Py la probabilidad de xito de Y. determine Py.
La probabilidad de xito p (Y=1)=0.20 por lo tanto Y~Bernoulli (.20)
c) Sea Pz la probabilidad de xito de Z. determine Pz.
La probabilidad de xito p (Z=1)=0.23 por lo tanto Z~Bernoulli (.23)
d) Es posible que X y Y sean iguales a 1?
Si, solamente por separado
e) Es Pz=Px+Py?
Si
4.- Sean X y Y variables aleatorias de Bernoulli. Sea Z=XY.
a) Demuestre que Z es una variable aleatoria de Bernoulli
Puesto que los valores posibles de Xy Y son 0 y 1, los valores posibles del
producto Z=XY son tambin 0 y 1. Por tanto, Z es una variable aleatoria de
Bernoulli.
b) Demuestre que si X y Y son independientes, entonces Pz=PxPy.
Pz=P(Z=1)=P(XY=1)=P(X=1 y Y=1)=P(Z=1)P(Y=1)=PxPy
5.- Un jugador de basquetbol est a punto de tirar hacia la
parte superior del tablero. La probabilidad de que anote el
tiro es de 0.55.

a) Si anota el tiro, su equipo obtiene tres puntos; si lo falla, su equipo


no recibe puntos. Sea Y el nmero de puntos anotados. Tiene una
distribucin de Bernoulli? Si es asi, encuentre la probabilidad de xito.
Si no explique por qu.
No, porque una variable aleatoria de Bernoulli solo tiene valores posibles de 0 y
1. Y los valores posibles de Y son 0 y 3

b) Determine la media y la varianza de Y.


MEDIA
X= 3(p)+0(1-p)
X= 3(0.55)+0(1-0.55)
X= 1.65+0(0.45)
X= 1.65

VARIANZA
x= (3-1.65)20.55+(0-1.65)20.45
x= (1.35)20.55+(-165)20.45
x= (1.8225)0.55+(2.7225)0.45
x= 1.002375+1.225125
x= 2.2275

DISTRIBUCIN BINOMIAL
1.- Se lanza al aire una moneda diez veces
a) Cul es la probabilidad de obtener exactamente tres veces cara?
10!
P(X=3)= 3 ! ( 103 ) ! (0.5)3(1-0.5)10-3=0.1172
b) determine la media del nmero de caras obtenidas
X=10(0.5)= 5
c) determine la varianza del nmero de caras obtenidas.
2x= 10(0.5) (1-0.5)=2.5
d) determine la desviacin estndar del nmero de caras obtenidas
x= 10(0.5)(10.5) = 1.58
2.- En un patrn aleatorio de ocho bits utilizado para probar un
microcircuito, cada bit tiene la misma probabilidad de ser 0 o
1. Suponga que los valores de los bits son independientes.
a) Cul es la probabilidad de que todos los bits sean 1?

8!
P(X=8)= 8! ( 88 ) ! (0.5)8(1-0.5)8-8=0.0039

b) Cul es la probabilidad de que exactamente tres de los bits sean


1?
3!
P(X=3)= 8! ( 38 ) ! (0.5)3(1-0.5)8-3=0.2188

c) Cul es la probabilidad de que al menos seis de los bits sean 1)


P (X6)= P(X=6)+P(X=7)+P(X=8)
8!
8!
8!
6
8-6
7
8-7
= 6 ! ( 86 ) ! (0.5) (1-0.5) + 7 ! ( 87 ) ! (0.5) (1-0.5) + 8! ( 88 ) !
(0.5)8(1-0.5)8-8
= 0.10938+0.03125+0.00391
= 0.1445
d) Cul es la probabilidad de que al menos dos de los bits sean 1?
P (X2)= 1-P(X<2)
= 1-P(X=0)-P(X=1)
8!
8!
0
8-0
=1- 0! ( 80 ) ! (0.5) (1-0.5) - 1 ! ( 81 ) ! (0.5)1(1-0.5)8-1
=1-0.00391-0.03125
= 0.9648
3.- De los pernos manufacturados por cierta aplicacin, 90%
satisface la longitud especificada y se puede utilizar
inmediatamente, 6% est demasiado largo y solo se puede
usar despus que sea cortado, y 4% est demasiado corto y
debe deshacerse.
a) Determine la probabilidad de que un perno seleccionado
aleatoriamente se pueda utilizar (inmediatamente o despus de ser
cortados)
P (se puedan usar)= P (usar inmediatamente)+P (largo)= 0.90+0.06=0.96
4.-Sea X ~ Bin (8,0.4) Determine
a) P(X=2)
n=8
P(x=2)=

8
2 )

( 0.4 )2 (10.4)82
6

P(x=2)= 28 (0.16) (0.6)

P(x=2)= 28(0.16) (0.046656)

P(x=2)= 0.20901888

b) P(X=4)
n=8
P(x=4)=

8
4 )

( 0.4 )4 (10.4 )84


4

P(x=4)= 70 (0.0256) (0.1296)

P(x=4)= 70(0.0256) ( 2.821109907 x 10


P(x=4)=0.2322432

c) P(X<2)
n=8
P(X<0)=

8
0 )

( 0.4 )0( 10.4)80


8

P(X<0)= 1 (1) (0.6)

P(X<0)= 1(1) ( 0.1679616


P(x<0)=0.1679616
n=8
P(X<1)=

8
1 )

( 0.4 )1 (10.4)81
7

P(X<1)= 8 (0.4) (0.6)

P(X<1)= 8(0.4) ( 0.0279936


P(x<1)=0.08957952

d) P(X>6)
n=8
P(X=7)=

8
7 )

( 0.4 )7 ( 10.4)87
3

P(X=7) = 8 ( 1.6384 x 10

P(X=7) =8( 1.6384 x 10


P(X=7) =7.86432 x 10

) (0.6)
)(0.6)

8
P(X=8) = 8 )

( 0.4 )8( 10.4)88


4

P(X=7) = 1 ( 6.5536 x 10

P(X=7) = 1( 6.5536 x 10

) (0.6)
) (1)

P(X=7) =6.5536 x 10

5.-Sea X ~ Bin (5, 0.35)


a) P(X=0)
N=5

5
P(X=0) = 0 )

( 0.35 )0 (10.35)50
5

P(X=0) =1 (1) (0.65)

P(X=0) = 1(1) (0.1160290625)


P(X=0) =0.1160290625

b) P(X=1)
N=5

5
P(X=1) = 1 )

( 0.35 )1 (10.35)51
4

P(X=1) =5(0.35) (0.65)

P(X=1) =5(0.35) (0.17850626)


P(X=1) =0.3123859375

c) P(X=2)
N=5

5
P(X=2) = 2 )

( 0.35 )2 (10.35)52
3

P(X=2) =10(0.1225) (0.65)

P(X=2) =10(0.1225) (0.274625)


P(X=2) =0.336415625

d) P(X=3)
N=5

5
P(X=3) = 3 )

( 0.35 )3 (10.35)53

P(X=3) =10(0.042875) (0.65)

P(X=3) =10(0.042875) (0.4225)


P(X=3) =0.181146875

e) P(X=4)
N=5

5
P(X=4) = 4 )

( 0.35 )4 (10.35)54
1

P(X=4) =5(0.0150625) (0.65)


P(X=4) =5(0.150625) (0.65)
P(X=4) =0.487703125

f) P(X=5)
N=5

5
P(X=5) = 5 )

( 0.35 )5 (10.35)55
3

P(X=5) =1(5.252187x 10

P(X=5) =1(5.252187x 10

) (0.65)
) (1)

P(X=5) =5.252187x 10

DISTRIBUCIN POISSON
1.- Sea X ~ Poisson(4). Determine
-4

a) P(X=1)= e *

41
1!

P(X=1)= 0.018315638 *
P(X=1)= 0.018315638 * 4
P(X=1)= 0.073262555

-4

b) P(X=0) = e *

40
0!

4
1

P(X=0)= 0.018315638 *

1
1

P(X=0)= 0.018315638 * 1
P(X=0)= 0.018315638
c) P(X<2)
-4

P(X=1)= e *

41
1!

P(X=1) = 0.018315638 *

-4

P(X=0) = e *

4
1

40
0!
1
1

P(X=0)= 0.018315638 *

P(X=1) = 0.018315638 * 4

P(X=0)= 0.018315638 * 1

P(X=1) = 0.073262555

P(X=0)= 0.018315638

P(X<2) =P(X=1)+P(X=0)
P(X<2) =0.07326255+0.018315638
P(X<2) =0.091578193
d) P(X>1)
P(X=2)= e-4 *

42
2!

P(X=2)= 0.018315638 *

P(X=3)= e-4 *

16
2

43
3!

P(X=3)= 0.018315638 *

64
6

P(X=2)= 0.018315638 * 8

P(X=3)= 0.018315638 * 10.66666667

P(X=2)= 0.146525111

P(X=3)= 0.195366814

P(X=4)= e-4 *

44
4!

P(X=4)= 0.018315638 *

P(X>1)= P(X=2)+P(X=3)+P(X=4)

256
24

P(X>1)= 0.146525111+0.195366814+
0.195366814

P(X=4)= 0.018315638 * 10.66666667


P(X=4)= 0.195366814

P(X>1)=0.537258739

e)

X= 4
f) x

x= 4
x= 2
2.- Suponga que 0.03 % de los contenedores plsticos
producidos en cierto proceso tiene pequeos agujeros que los
dejan inservibles. X representa el nmero de contenedores en
una muestra aleatoria de 10 000 que tienen este defecto.
Determine:
33
3!

-3

a) P(X=3)= e *

P(X=3)= 0.049787068 *

27
6

P(X=3)= 0.049787068 * 4.5


P(X=3)= 0.0224041807

b) P(X2)
-3

P(X=0)= e *

30
0!

P(X=0)= 0.049787068 *

-3

P(X=1)= e *

1
1

31
1!

P(X=1)= 0.049787068 *

P(X=0)= 0.049787068 * 1

P(X=1)= 0.049787068 * 3

P(X=0)= 0.049787068

P(X=1)= 0.149361205

3
1

-3

P(X=2)= e *

3
2!

P(X=2)= 0.049787068 *

P(X2)= P(X=0)+P(X=1)+P(X=2)

9
2

P(X2)= 0.049787068+0.149361205+
0.149361205

P(X=2)= 0.049787068 * 4.5

P(X=2)= 0.0224041807

P(X2)=0.42319008

c) P(X<2)
-3

P(X=1)= e *

31
1!

P(X=1)= 0.049787068 *

-3

P(X=2)= e *

3
1

32
2!

P(X=2)= 0.049787068 *

P(X=1)= 0.049787068 * 3

P(X=2)= 0.049787068 * 4.5

P(X=1)= 0.149361205

P(X=2)= 0.0224041807

P(X=3)= e-3*

33
3!

P(X=3)= 0.049787068 *

9
2

P(X<2)= P(X=1)+P(X=2)+P(X=3)

27
6

P(X<2)= 0.149361205+0.224041807+
0.224041807

P(X=3)= 0.049787068 * 4.5


P(X=3)= 0.0224041807

d)

P(X<2)= 0.597444819

X= 3
e) x

x= 3
x= 1.732030808
3.- El nmero de mensajes recibidos por el tablero computado
de anuncios es una variable aleatoria de Poisson con una
razn media de ocho mensajes por hora.
a) Cul es la probabilidad de que se reciban cinco mensajes en una hora?
85
-8
P(X=3)= e * 5 !
P(X=3)= 3.354626279x10-4 *

32768
120

P(X=3)= 3.354626279x10-4 * 273.0666667

P(X=3)= 0.09160366

b) Cul es la probabilidad de que se reciban diez mensajes en 1.5 horas?


1210
-12
P(X=10)= e *
10!
6.191736423 x 10 10
3628800

-6

P(X=10)= 6.144212353x10 *

P(X=10)= 6.144212353x10-6 * 17062.76571


P(X=10)= 0.104837255

c) Cul es la probabilidad de que se reciban menos de tres mensajes en 11/2


horas?
120
121
-12
-12
P(X=0)= e *
P(X=1)= e *
0!
1!
P(X=0)= 6.144212353x10-6 *

1
1

P(X=0)= 6.144212353x10-6 * 1

P(X=2)= e *

P(X=1)= 7.373054824x10-5

122
2!

P(X=2)= 6.144212353x10-6 *
P(X=2)= 6.144212353x10-6 * 72
P(X=2)= 4.423832894x10-4

12
1

P(X=1)= 6.144212353x10-6 * 12

P(X=0)= 6.144212353x10-6
-12

P(X=1)= 6.144212353x10-6 *

P(X<3)= P(X=0)+P(X=1)+P(X=2)

144
2

P(X<3)= 6.144212353x10-6 +
7.373054824x10-5 +
4.423832894x10-4 =
P(X<3)= 5.2225805x10-4

4.- Una variable aleatoria X tiene una distribucion binomial y


una variable Y tiene una distribucion de Poisson. Tanto X
como Y tienen medias iguales a 3. Es posible determinar que
variable aleatoria tiene la varianza ms grande? Elija una de
las siguientes respuestas:
i) S, X tiene la varianza ms grande.
ii) S, Y tiene la varianza ms grande
iii) No, se necesita conocer el nmero de ensayos, n, para X.
iv) No, se necesita conocer la probabilidad de xito, p, para X.
v) No, se necesita conocer el valor de para Y.

Frmula para determinar la varianza en una distribucin binomial:

2x= (1-p)
2x= (1-3)
2x= -2
Frmula para determinar la varianza en una distribucin Poisson:

2y=
2y= 3
Respuesta:

ii) S, Y tiene la varianza ms grande


5.- La concentracin de partculas en una suspensin es 2 por
mL. Se agita por completo la concentracin, y posteriormente
se extraen 3 mL. Sea X el nmero de partculas que son
retiradas. Determine.
5

6
5!

a) P(X=5)= e-6 *

P(X=5)= 2.478752177x10-3 *

7776
120

P(X=5)= 2.478752177x10-3 * 64.8


P(X=5)= 0.160623141

b) P(X2)
0

P(X=0)= e *
-6

6
0!

P(X=1)= e *
-6

P(X=0)= 2.478752177x10-3 *

1
1

P(X=0)= 2.478752177x10-3 * 1

6
1!

P(X=1)= 2.478752177x10-3 *

6
1

P(X=1)= 2.478752177x10-3 * 6

P(X=0)= 2.478752177x10-3

P(X=1)= 0.014872513

P(X=2)= e *
-6

6
2!

P(X2)= P(X=0)+P(X=1)+P(X=2)
-3

P(X=2)= 2.478752177x10 *

36
2

2.478752177+0.014872513+

P(X2)=

0.044617539
P(X=2)= 2.478752177x10-3 * 18
P(X=2)= 0.044617539

P(X2)= 0.061968804

c) X
X= 6
d) x

x= 6
x= 2.449489743

DISTRIBUCIN NORMAL
1.-Determine el rea bajo la curva normal
a)
b)
c)
d)

Ala derecha de z= -0.85.


Entre z = 0.40 y z = 1.30.
Entre z =0.30 y z = 0.90.
Desde z = - 1.50 hasta z =-0.45

Estos resultados se obtuvieron con las tablas anexas al final de los problemas
A 1 0.1977 = 0.8023
B 0.9032 0.6554 = 0.2478
C 0.8159 0.3821 = 0.4338
D 0.0668 + (1 0.3264) = 0.7404

2- Las puntuaciones de una prueba estandarizada se


distribuyen normalmente con media de 480 y desviacin
estndar de 90.
a)
b)
c)
d)

Cual es la proposicin de puntuaciones mayores a 700?


Cual es el 25? Percentil de las puntuaciones?
Si la puntuacin de alguien es de 600. En qu percentil se encuentra?
Qu proporcin de las puntuaciones se encuentra entre 420 y 520?

= 480

= 90

A - Z = (700-480)/90 = 2.44 el rea a la derecha de Z es 0.0073

B la puntuacin de z en el 25 percentil -0.67


El 25 percentil es entonces 480 - 0.67 (90) = 419.7
C z = (600-480)/90 = 1.33 el rea a la derecha de z es 0.9082
Por lo que una puntuacin de 600 est en el percentil 91
D - z = (420 - 480)/90 = - 0.67
Z = (520 480)/90 = 0.44
El rea entre z = - 0.67 y z = 0.44 es 0.6700 0.2514 = 0.418
3- La resistencia de una aleacin de aluminio se distribuye
normalmente con media de 10 giga pascales (Gpa) desviacin
estndar de 1.4 Gpa.
a) Cul es la probabilidad de que una muestra de esta aleacin tenga
resistencia mayor a 12 GPa?
b) Determine el primer cuartilde la resistencia de esta aleacin.
c) Determine el 95. Percentil de la resistencia de esta aleacin.
RESULTADOS
= 10 = 1.4
A) z = (12 -10)/1.4 = 1.43 el rea ala derecha de z = 1.43 es 1 0.9236 =
0.0764
B) la puntuacin de z en el 25 percentil es -0.67
El 25 percentil es entonces 10 - 0.67 (1.4) = 9.062 Gpa.
C) la puntuacin de z en el 95 percentil es 1.645
El 25 percentil es entonces 10 +1.645(1.4) = 12.303 Gpa.

4- La penicilina es producida por el hongo penicillium, que crece en un


caldo, cuyo contenido de azcar debe controlarse con cuidado. La
concentracin optima e azcar es de 4.9 mg/mL. Si la concentracin
excede los 6 mg/mL, el hongo muere y el proceso debe suspenderse todo
el da.
a) Si la concentracin de azcar en tandas de caldo se distribuye
normalmente con media 4.9 mg/mL y desviacin estndar 0.6
mg/mL en qu proporcin de das se suspender el proceso?

b) El distribuidor ofrece vender caldo con una concentracin de


azcar que se distribuye normalmente con medida de 5.2 mg/mL
y desviacin estndar de 0.4 mg/mL este caldo surtir efectos
con menos das de produccin perdida?
RESULTADOS
A) (6 4.9)/0.6 =1.83
1 0.9664 = 0.0336
B) Z = (6 5.2)/0.4 = 2.00

1 0.9772 = 0.0228

Con este caldo el proceso se suspendera el 2.28% de los das


5- El volumen de las llantas llenadas por cierta maquina se distribuye con
media de 12.05 onzas y desviacin estndar de 0.03 onzas.
a) Qu proporcin de latas contiene menos de 12 onzas?
b) La medida del proceso se puede ajustar utilizando calibracin. En qu valor
debe fijarse la media para que el 99% de las latas contenga 12 onzas o
mas?
c) Si la media del procesos sigue siendo de 12.05 onzas. En qu valor debe
fijarse la media para que el 99% de las latas contenga 12 onzas o ms?

RESULTADOS
A) (12 12.05)/0.03 = -1.67 la proporcin es 0.0475
B) Z= -2.33 entonces -2.33=(12 - )/0.03 despejando = 12 .07 onzas
C) 2.33 = (12-12.05)/ despejando = 0.0215 onzas

DISTRIBUCIN GAMMA
1.-El nmero de pacientes que llegan a la consulta de un mdico sigue una
distribucin de Poisson de media 3 pacientes por hora. Calcular la
probabilidad de que transcurra menos de una hora hasta la llegada del
segundo paciente.
Debe tenerse en cuenta que la variable aleatoria tiempo que transcurre
hasta la llegada del segundo paciente sigue una distribucin Gamma (6, 2).
Solucin:
Clculo de probabilidades. Distribuciones continuas
Gamma (a
p)
a : Escala
p : Forma
Punto X

6000
0
2000
0
1000

0
Cola Izquierda Pr[X<=k]
Cola Derecha Pr[X>=k]
Media
Varianza
Moda
0,1667

0,9826
0,0174
0,3333
0,0556

La probabilidad de que transcurra menos de una hora hasta que llegue el


segundo paciente es 0,98.
2.-Suponiendo que el tiempo de supervivencia, en aos, de pacientes que
son sometidos a una cierta intervencin quirrgica en un hospital sigue una
distribucin Gamma con parmetros a=0,81 y p=7,81, calclese:
1. El tiempo medio de supervivencia.
2. Los aos a partir de los cuales la probabilidad de supervivencia es menor
que 0,1.
Clculo de probabilidades. Distribuciones continuas
Gamma (a,p)
a : Escala
0,8100
p : Forma
7,8100
Cola Izquierda Pr [X<=k]
0,9000
Cola Derecha Pr [X>=k]
0,1000
Punto X
14,2429
Media
9,6420
Varianza
11,9037
Moda
8,4074
El tiempo medio de supervivencia es de, aproximadamente, 10 aos.

DISTRIBUCIN T DE STUDENT
1.-Sea T ~ t(4,0.5)
T

a) Determinar
t =

b) Determinar
T =

4
=8
0.5

T
4 2
=4
0.5

c) Determinar P T 1

41

e( 0.5 ) ( 1 )
P (T 1=1
j=0

[ (0.5)(1) ] 0

= 1- e (0.5)(1)

e (0.5)(1)

[ ( 0.5 ) ( 1 ) ] j
j!

- e (0.5)(1)

0!

[(0.5)(1) ] 1
1!

- e (0.5)(1)

[(0.5)(1) ] 2
2!

[( 0.5 )( 1 ) ] 3
3!

=1- 0.60653 -0.30327 -0.075816 -0.012636


=0.000175
d) Determinar P(T 4
41

e( 0.5 ) ( 3 )
P(T 1=1
j=0

[(0.5)(3)] 0

= e (0.5)(3)

(0.5)(3)

0!

[ ( 0.5 ) ( 3 ) ] j
j!

- e (0.5)(3)

[(0.5)(3)] 1
1!

- e (0.5)(3)

[(0.5)(3)] 2

[ ( 0.5 )( 3 ) ] 3
3!

=0.22313 + 0.33470+0.25102 +0.12551


=0.9344
2.-Sea T ~ Weibull (0.5,3)
a) Determinar

( 13 ) 2 != 23 =0.6667

T =

b) Determinar

12
1
T = ( ) [ 4 !(2!)2 ] = ( ) [ 244 ] =1.4907
3
9

c) Determinar P(T 5
0.5

0.5

15
=0.0208
P (T>5) =1-P(T 1) = 1 e- [ (3)(1) ] =1e

2!

-e

3.-En el articulo Parameter Estimation with OnlyOne


Complete Failure Observationse modela la duracin en
horas, de cierto tipo de cojinete con la distribucin de Weibull
con parmetros

=2 .25 y =4 . 474 X 104

a) Determine la probabilidad de que un cojinete dure ms de 1000


horas
2.25

P (T >1000 )=1P (t 1000 )=1( 1e [ (0.0004474 ) (1000 )] ) =0.8490


b) Determine la probabilidad de que un cojinete dure menos de 2000
horas
[ ( 0.0004474 ) ( 2000 ) ]
=0.5410
P(T<2000)= P(T 2000 =1e
2.25

c) La funcin de riesgo se defini en el ejercicio 4 Cul es el riesgo en


T=2000 horas?
1
2.25
2.251
) =8.761 X 104
h(t) = t =2.25 ( 0.0004474 )( 2000

4.-La duracin de un ventilador, en horas, que se usa en un


sistema computacional tiene una distribucin de Weibull con
=1 .5 y =0 . 0001
a) Cules la probabilidad de que un ventilador dure ms de 10 000
horas?
(0.0001)(10 000) ]
e[
(0.0001)(10 000) ]
P (T>10 000) =1 (1- e[
=0.3679
=
1.5

1.5

b) Cul es la probabilidad de que un ventilador dure menos de 5000


horas?
[ ( 0.0001 )( 5000 ) ]
=0.2978
P (t<5000) =P (T 5000 =1e
1.5

5. Un sistema consiste de dos componentes conectados en


serie. El sistema fallara cuando alguno de los componentes
falle. Sea T el momento en el que el sistema falla. Sean X1 y

X2 las duraciones de los dos componentes. Suponga que X1 y


X2 son independientes y que cada uno sigue una distribucin
Weibull con =2 y =0. 2
a) Determine P(
e[ 0.2
(

X 1 >5

)( 5) ]

=e1=0.1353
1
P(
X 1 >5 =1 p ( X 1 5 ) =1

b) Determine P(T 5)
2

P(T 5 =1P(T >5)=1e

=0.8647

c) T Tiene una distribucin de Weibull= si es Asi Cules son sus


parmetros?
Si, T~ Weibull (2, 0.08 =Weibull (2, 0.2828)