Академический Документы
Профессиональный Документы
Культура Документы
PROBABILIDAD Y ESTADSTICA
VARABLE ALEATORIA
Profesor:
Alumno:
GRUPO: 4ICV2
Probabilidad y Estadstica Variable Aleatoria 2
6.-Las estadsticas de la Secretaria de Seguridad Pblica indican, que un determinado crucero de la avenida Insurgentes, el 15% de las personas que no usaron el puente
peatonal, en el horario de mayor trfico en el ltimo mes, han sufrido algn tipo de accidente. En un da especfico se observarn a las primeras 40 personas que crucen,
en el horario de mayor trfico, sin usar el puente peatonal.
Distribucin de Probabilidad de la Variable Aleatoria que representa el nmero de personas que cruzan en el horario de mayor trfico, sin usar el puente peatonal.
Solucin.
Se crea una tabla de distribucin de probabilidad de la variable aleatoria que representa el nmero de personas seleccionadas.
Para obtener las probabilidades es necesario considerar los siguientes datos y ecuaciones:
Varianza: ( ) = [( [ ]) ] =
Dnde:
; .
0 1 2 3 4 5 6 7 8 40
( = ) 1.5023 10 0.010604 7.1843 10 0.081570 0.133151 0.169180 0.174156 0.149276 0.108664 1.1057 10 0.999 1
[ ] 0 0.010604 0.014368 0.244710 0.532604 0.845900 1.044936 1.044932 0.869312 0.044228 6
( [ ]) 0 0.978904 3.942734 7.591622 12.02283 17.25654 24.55265 35.46283 50.84671 1596.463716 1309100
Var[x] 0 0.010380 0.028325 0.619248 1.600851 2.919461 4.275991 5.293749 5.525206 1.765209931 5.1
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 3
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 4
Probabilidad para cada xito: Pr( = ) =
!
Varianza: ( )=
No es necesario aplicar el mtodo de la Variable Aleatoria Binomial de Poisson debido a que las caractersticas de n son muy pequeas a comparacin de p. En
caso de usarlo las variaciones porcentuales seran muy grandes.
Algo a considerar es qu el porcentaje error es ms alto conforme la probabilidad en X va decreciendo como ejemplo Pr(X=0) y Pr(X=1) y el porcentaje de error baja
cuando se analizan Pr(X=3,X=4,X=5,,hasta X=40) esto deduce que entre ms grande sea la variable X(xitos) ser ms preciso nuestra probabilidad dado que n
tiene valores extremadamente grandes y su precisin es efectiva debido a que es una ecuacin de tipo exponencial. Por Ejemplo: Calculando la probabilidad de que
exactamente 15 personas sufran un accidente:
Estos resultados comprueban lo explicado anteriormente. Ya no es necesario aplicar este mtodo en los siguientes ejemplos.Sol s no cumplen las condiciones para n y
p. Donde; , 0
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 5
7.-Un estudiante de bachillerato no ha asistido regularmente al museo de Historia de Mxico, por lo que ha decidido responder al azar (de tn marn) un examen
sorpresa de opcin mltiple, que consta de 15 preguntas, cada una con cuatro posibles respuestas, de las cuales slo una es correcta.
Solucin.
Se crea una tabla de distribucin de probabilidad de la variable aleatoria que representa el nmero de personas seleccionadas.
Para obtener las probabilidades es necesario considerar los siguientes datos y ecuaciones:
Dnde:
; .
0 1 2 3 4 5 6 7 8 15
( = ) 0.013363 0.066817 0.155900 0.225199 0.225199 0.165145 0.091747 0.03932 0.013107 9.313 10 0.999 1
[ ] 0 0.066817 0.3118 0.675597 0.900796 0.825725 0.550482 0.27524 0.104856 1.396 10 3.75
( [ ]) 0 0.870830 2.850019 5.402849 9.605065 17.42457 29.69724 45.22239 7.895144 224.99999 430
Var[x] 0 0.058186 0.444317 1.216716 2.163051 2.877580 2.724632 1.778144 0.103481 2.0954 10 2.8125
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 6
S el alumno obtiene 9 preguntas con respuesta correcta su calificacin ser 6. Por lo cual su probabilidad de pasar dicho examen es obteniendo ms de 9 preguntas
contestadas correctamente o por lo menos 9 preguntas contestadas correctamente.
Este porcentaje de probabilidad tiene el alumno de contestar exactamente 9 preguntas correctamente por consecuencia aprobar el examen.
En donde es recomendable considerar que obtiene la aprobacin del examen a partir de 9 hasta 15 preguntas correctamente contestadas. Considerando la probabilidad
de Pr(X=9) ya que es vlida para aprobar el examen.
9 10 11 12 13 14 15
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 7
0 1 2 3 4 5 6 7 8
( = ) 0.013363 0.066817 0.155900 0.225199 0.225199 0.165145 0.091747 0.03932 0.013107 0.9898051
( )= = (15)(0.25) = 3.75 4 .
d) Contestar adems las tres preguntas anteriores, considerando que el examen fuera del tipo falso o verdadero.
15 preguntas y 30 opciones
1 1
= 15, = = 0.5, = = 0.5
2 2
Este porcentaje de probabilidad tiene el alumno de contestar exactamente 9 preguntas correctamente por consecuencia aprobar el examen.
En donde es recomendable considerar que obtiene la aprobacin del examen a partir de 9 hasta 15 preguntas correctamente contestadas. Considerando la probabilidad
de Pr(X=9) ya que es vlida para aprobar el examen.
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 8
9 10 11 12 13 14 15
0 1 2 3 4 5 6 7 8
( = ) 3.0517 10 0.0457% 0.3204% 1.3885% 4.1656% 9.1644% 15.2740% 19.6380% 19.6380% 0.9851542
( )= = (15)(0.5) = 7.5 8 .
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 9
Probabilidad para cada xito: Pr( = ) =
!
Valor esperado: ( ) = =
Varianza: ( )=
Encontrando :
= (15)(0.25) = 3.75
( )= = (15)(0.25) = 3.75 4 .
Dado que no se cumplen las condiciones de n y p para el uso del Mtodo de la Variable Aleatoria Binomial de Poisson. No se aplicar dicho mtodo. Slo es posible
calcular su valor esperado.
a) Contestar adems las tres preguntas anteriores, considerando que el examen fuera del tipo falso o verdadero.
15 preguntas y 30 opciones
1 1
= 15, = = 0.5, = = 0.5
2 2
Probabilidad para cada xito: Pr( = ) =
!
Valor esperado: ( ) = =
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 10
Varianza: ( )=
Encontrando :
= (15)(0.5) = 7.5
Dado que no se cumplen las condiciones de n y p para el uso del Mtodo de la Variable Aleatoria Binomial de Poisson. No se aplicar dicho mtodo. Slo es posible
calcular su valor esperado.
( )= = (15)(0.5) = 7.5 8 .
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 11
8.-Un promotor de seguros sabe que la oportunidad de vender por lo menos una pliza, es mayor mientras ms contactos tenga con clientes potenciales. Si 25% de las
personas que aceptan ser visitadas, para explicarles los beneficios de un seguro, compran la pliza, entonces Cuntos compradores potenciales deberan visitar el promotor,
para que la probabilidad de vender por lo menos una pliza sea del 80%?
Pr( ) = 1 Pr( )
0.8 = 1 (0.75)
(0.2)
= 5.59 6 .
(0.75)
Por probabilidades:
= 6, = 0.25, = 0.75
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 12
0 1 2 3 4 5 6
Valor esperado: ( ) = =
Varianza: ( )=
Encontrando :
= (6)(0.25) = 3
= 6, = 0.25, = 0.75
Como en este caso se repite la misma condicin que en el primer ejemplo, no es necesario la aplicacin del Mtodo Binomial de Poisson.
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 13
9.-Un proceso de produccin que manufactura transistores genera, en promedio, una fraccin de 2% de pieza defectuosa. Cada dos horas se toma del proceso una muestra
aleatoria de tamao 50. Si la muestra contiene ms de dos piezas defectuosas, el proceso debe interrumpirse. Determine la probabilidad de que el proceso deba interrumpirse
mediante esquema de muestreo.
Obteniendo Probabilidades.
0 1 2
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 14
Probabilidad para cada xito: Pr( = ) =
!
Valor esperado: ( ) = =
Varianza: ( )=
Encontrando :
= (50)(0.02) = 1
Se cumple la condicin para el uso del Mtodo de la Variable Aleatoria de Poisson dado que p se aproxima a 0 y n es extremadamente grande a comparacin con
p.
Usando la ecuacin de Poisson: Pr( = ) =
!
0 1 2
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 15
10.-Una empresa de seguros de vida est considerando la posibilidad de incluir en su cobertura una enfermedad extraa mortal, ya que, de acuerdo a investigaciones
mdicas, la probabilidad de que una persona la contraiga es slo 1%.
Obteniendo Probabilidades.
0 1 2 3 4 5 6
Pr( = 0) = ( )( )( ) = 0.657%
Pr( 4) = Pr( = 0) + Pr( = 1) + Pr( = 2) + Pr( = 3) + Pr( = 4) = 0.657% + 3.318% + 8.363% + 14.0229% + 17.59% = 43.961% 44%
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 16
Pr( 6) = 100% Pr( 6) = 100% (Pr( = 6) + Pr( = 5) + Pr( = 4) + Pr( = 3) + Pr( = 2) + Pr( = 1) + Pr( = 0)
= 100% (14.7% + 17.63% + 17.59% + 14.0229% + 8.363% + 3.318% + 0.657%) = 100% 76.2809% = 23.7191%
Pr( 6) = 23.7191%
Probabilidad para cada xito: Pr( = ) =
!
Valor esperado: ( ) = =
Varianza: ( )=
Encontrando :
= (500)(0.01) = 5
Se cumple la condicin para el uso del Mtodo de la Variable Aleatoria de Poisson dado que p se aproxima a 0 y n es extremadamente grande a comparacin con
p.
Usando la ecuacin de Poisson: Pr( = ) =
!
0 1 2 3 4 5 6
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2
Probabilidad y Estadstica Variable Aleatoria 17
5
Pr( = 0) = = 0.6737%
0!
Pr( 4) = Pr( = 0) + Pr( = 1) + Pr( = 2) + Pr( = 3) + Pr( = 4) = 0.6737% + 3.3689% + 8.4224% + 14.0373% + 17.546736% = 44.0490% 44.05%
Alumno: Edgar Mora Rodrguez Profesor: M.C. Enrique Salazar Pea Grupo: 4VC2