Академический Документы
Профессиональный Документы
Культура Документы
P( A / Bi ) P( Bi )
P( Bi / A)
P( A / B1 ) P( B1 ) P( A / B2 ) P( B2 ) ... P( A / Bn ) P( Bn )
2
En una fabrica se tiene dos maquinas que producen pantalones de vestir.
La maquina 1 produce 45 % del total de pantalones y la maquina 2 produce
el 55% restante. La maquina 1 produce 10 % de pantalones defectuosos y en la
maquina 2 el porcentaje de producción defectuosa es de 8%.Si se observa un
pantalón defectuoso ¿Cuál es la probabilidad de que haya sido producido por la
maquina 2? X 10%
D
MAQUINA1 45 %
YND 90%
XD 08%
MAQUINA 2 55 %
YND 92%
50% gana
Donde:
A 70% P (A)=0.70
Xn P (X/A)=0.50
50% pierde P (Ā)=0.30
P (X/ Ā)=0.90
90% gana
Yd
B 30%
10% pierde
80% de material de vinil recibido del proveedor A es de buena calidad mientras que solo 50%
del material recibido del proveedor B es de la misma calidad .
Sin embargo , la capacidad de producción del proveedor A es limitada, razón por la cual solo
40% del material de vinil adquirido por la empresa de plásticos proviene del proveedor A. El
restante 60 % procede del proveedor B. Al inspeccionar un embarque de material de vinil , se
encuentra que es de buena calidad ¿Cuál es la probabilidad de que el material de vinil haya sido
adquirido del proveedor A?
Bc
XA 80%
A 40 %
YB 20% Mc
XA 50% Bc
B 60 %
50% Mc
sustituyendo en la formula de la ley de Bayes tenemos XB
(.40)(.80) (0.32)
= = 0.516
(.80)(0.40)+(0.60)(0.50) (0.62)
La prob. de que el material de vinil halla sido adquirido por el proveedor A es de 51.6%
Un productor espera detectar los artículos de mala calidad para quitarlos de
los inventarios.
Supón que en una determinada planta de manufactura, hacia el final de la línea de producción,
el inspector de calidad recoge algunos artículos que le parecen de calidad sospechosa para
someterlos a una inspección minuciosa. Si el 10% de todos los artículos producidos son
defectuosos, 60% de los defectuosos se someten a una inspección minuciosa y solo 20% de los
no defectuosos se someten a una inspección minuciosa, calcula la probabilidad que un articulo
sea defectuoso dado que fue inspeccionado minuciosamente
D 10 %
Y 40%
sustituyendo en la formula de la ley de Bayes tenemos
(.10)(.60) (0.06)
= = 0.25
(.10)(0.60)+(0.90)(0.20) (0.24)
La probabilidad de que el articulo sea defectuoso dado que fue inspeccionado
minuciosamente es del 0.25
SESION 5
Distribución de probabilidad
Binomial
Hipergeométrica
UVM
Distribución de probabilidad binomial
UVM
Utilidad
La distribución binomial se utiliza en situaciones cuya solución
tiene dos posibles resultados.
Por ejemplo:
UVM
Distribución de probabilidad binomial
UVM
Distribución de probabilidad binomial
P( x) n C x (1 ) x n x
C es una combinación.
n es el número de ensayos.
x es el número de éxitos.
es la probabilidad de éxito en cada ensayo.
UVM
Ejemplo1
UVM
Ejemplo 2
• El departamento del trabajo
de Alabama registra que el P( x) n C x (1 ) x n x
muestra de 14 trabajadores,
calcule las siguientes
probabilidades:
– Exactamente 3 están C es una combinación.
desempleados. N es el número de ensayos.
X es el número de éxitos.
es la probabilidad de éxito en cada ensayo.
UVM
C es una combinación.
n es el número de ensayos.
x es el número de éxitos.
es la probabilidad de éxito en cada ensayo.
La probabilidad de exactamente 3:
(364)(.0080)(.0859)
.2501
UVM
Media y varianza de la distribución
binomial
• La media se calcula así:
n
• La varianza se calcula así:
n (1 )
2
UVM
Ejemplo 3
• Del ejemplo 2, retomamos que = .2 y n = 14.
• Por lo tanto, la media es: µ = n = 14(.2) = 2.8
• La varianza es: σ2 = n(1 –) = 14(.2)(.8) = 2.24
UVM
¿Cuál es la probabilidad de obtener cuatro veces el número 3 al
lanzar un dado ocho veces?
El número de aciertos es 4. Esto es x=4
El número de experimentos n son 8
La probabilidad de éxito p (probabilidad de que salga un 3 al
tirar el dado) es 1 / 6 (= 0.1666)
La fórmula queda:
P (x= 4) = 0.026
Es decir, que la probabilidad de obtener cuatro veces el números
3 al tirar un dado 8 veces es de 2.6%.
8 4
P(4)8 C4 (0.1666) (1 .1666) 4
C es una combinación.
n es el número de ensayos.
x es el número de éxitos.
UVM
es la probabilidad de éxito en cada ensayo.
En una fábrica de cámaras el 5% sale con defectos. Determine la
probabilidad de que en una muestra de 12 se encuentren 2 cámaras
defectuosas.
UVM
En una fábrica de cámaras el 5% sale con defectos. Determine la
probabilidad de que en una muestra de 12 se encuentren 2 cámaras
defectuosas.
C es una combinación.
n es el número de ensayos. El resultado es 0.0988
x es el número de éxitos.
es la probabilidad de éxito en cada ensayo.
UVM
Población finita
Una población finita es una población que
consiste en un número fijo de individuos
conocidos, objetos o medidas, por ejemplo:
El número de estudiantes en esta clase.
El número de carros en el estacionamiento.
El número de casas construidas en el
fraccionamiento Arboledas.
UVM
Distribución Hipergeométrica
La distribución hipergeométrica tiene las
siguientes características:
Hay sólo dos resultados posibles.
La probabilidad de un éxito no es la misma en
cada ensayo.
Ésta resulta de contar el número de éxitos en un
número fijo de ensayos.
UVM
Distribución de probabilidad
hipergeométrica
La fórmula para encontrar una probabilidad utilizando la
distribución hipergeométrica es:
( S Cx )( N S Cn x )
P( x )
N Cn
UVM
Ejemplo 1
UVM
1.De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3 proyectiles
defectuosos que no explotarán, ¿cuál es la probabilidad de que , a) los 4 exploten?,
Solución:
a) N = 10 proyectiles en total
S = 7 proyectiles que explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el número de proyectiles que
explotan entre la muestra que se dispara
( S Cx )( N S Cn x )
P( x )
N Cn
C4* 3 C0 ( 35 )( 1 ) 35
p( x 4; n 4 )
7
0.16667
10 C4 210 210
220*56 = 0.3178
38760
Distribución de probabilidad de
Poisson
• La distribución de probabilidad de Poisson describe
la cantidad de veces que ocurre un evento en un
intervalo determinado.
• Esta distribución también es una forma límite de la
distribución binomial, cuando la probabilidad de
éxito es muy pequeña y n es grande.
Utilidad
Los envases llenados fuera de los límites por cada 100 galones de
producto terminado.
Distribución de probabilidad de Poisson
x
e
P( x)
x!
• Donde µ es la media del número de ocurrencias (éxitos) en un
intervalo específico.
• e es la constante 2.71828 (base del sistema logarítmico neperiano).
• x es el número de éxitos.
• P(x) es la probabilidad que se va a calcular para un valor dado de x.
Distribución de probabilidad de Poisson
La probabilidad de que nazca un niño con síndrome de Down es de 0.04 por cada
Nacimiento. Si nacen 200 niños al día .Cual es la probabilidad de tener 4 niños
con síndrome de Down
x
e 8 4 e 8
P( x) P ( 4)
4!
x!
P(4)=0.0572
µ = n* = 200*.04=8
UVM