Clculo de probabilidades con R a

Gu 2: Clculo de probabilidades a partir de las variables aleatorias discretas a a con R Introduccin o

Con este instructivo se pretende orientar al estudiante para que lleve a cabo los clculos y elabore los a grcos del cap a tulo cuatro del texto gu (Montgomery & Runger) usando el paquete estad a stico R (www.rproject.org). Se ense a como calcular probabilidades puntuales y acumuladas a partir de las distribuciones binomial, n geomtrica, binomial negativa, hipergeomtrica y Poisson. e e Objetivos: 1. Calcular probabilidades a partir de las distribuciones binomial, geomtrica, binomial negativa, hipere geomtrica y Poisson, usando el lenguaje y entorno estad e stico R.

Clculo de probabilidades con variables aleatorias discretas a

Distribucin binomial. o
Se ilustra como se resuelve el ejemplo 3.26, del texto gu que tiene que ver con el calculo de combinaciones: a, El valor de
10 3 15 10 100 4

Se obtiene mediate choose(10,3) choose(15,10) choose(100,4)

Clculo de probabilidades a Clculo de probabilidades a partir de la distribucin binomial. a o Ejemplo 3.27 : Si X es una variable aleatoria con distribucin binomial de parmetros n = 18 y p = 0.1, o a calcular P (X = 2) dbinom(x=2,size=18,prob=0.1) A continuacin se hace la graca de la funcin de probabilidad binomial con: a) n = 20 y p = 0.5, b) n = 10 o o p = 0.1 y n = 10 p = 0.9 (gura 3.7) par(mfrow=c(1,2)) y<-dbinom(0:20,20,0.5) plot(0:20,y,type="p",pch=20) legend("topleft",c("n=20", "p=0.5")) text(x=19,y=0.15,"a)") # n=10 p=0.1 y<-dbinom(0:10,10,0.1) plot(0:10,y,type="p",pch=20) # n=10 p=0.9 y<-dbinom(0:10,10,0.9) points(0:10,y,pch=21) legend("top",c("n = 10 p = 0.1" ,"n = 10 p = 0.9"),pch=c(20,21)) Si X es una v.a binomial con parmetros n = 18 y p = 0.1, calcular P (X 4) = 1 P (X 3) a 1-pbinom(3,size=18,p=0.1)

Pgina 1 a

Mario A. Morales R.

mmorales@sinu.unicordoba.edu.co

Clculo de probabilidades con R a

Esta probabilidad es equivalente a P (X > 3) la cual se calcula mediante pbinom(3,18,0.1,lower.tail=FALSE)

18

tambin es equivalente a e
x=4

P (X = x) que se calcula mediante

sum( dbinom(4:18,18,0.1) ) Calcular P (3 X < 7) = F (6) F (2) pbinom(6,18,0.1)-pbinom(2,18,0.1) eqivalente a sum( dbinom(3:6,18,0.1) )

Distribucin geomtrica. o e
Para ilustrar el clculo de probabilidad a partir de la distribucin geomtrica se desarrolla el ejemplo 3.29: si a o e X es geomtrica con p = 0.1 calcular P (X = 5). Hay que tener en cuenta que para R la variable aleatoria e cuenta el n mero de fracasos antes del primer exito, llamemoslo Y , entonces se tiene que X = Y + 1 y por u tanto Y = X 1 es el valor que hay que entregar a la funcin. As que P (X = 5) se calcula mediate o dgeom(4,0.1) round( dgeom(4,0.1), 3) # redondea a 3 cifras Los clculos del ejemplo 3.30 se hacen de la siguiente forma: P (X = 125) cuando X es geomtrica de a e parmetro p = 0.01 a dgeom(124,0.01) round(dgeom(124,0.01),4) Si se desea la probabilidad acumulada hasta 125, P (X 125) pgeom(124,0.01) # equivalente a sum(dgeom(0:124,0.01)) Distribucin binomial negativa o En este caso hay que tener en cuenta que para R la variable aleatoria X cuenta el n mero de fracasos antes u de los r xitos por tanto para calcular la pobabilidad de que una v.a binomial negativa X sea igual a x es e equivalente a calcular la probabilidad de que Y = X r sea igual a x r es decir P (X = x) = P (Y = x r) con Y = X r. es decir a R hay que entregarle x r para que calcule P (X = x). Ejempo: si X tiene distribucin binomial negativa con p = 0.1 y r = 4 calcular P (X = 10) o dnbinom(10-4,4,0.1) ntese que es lo mismo que o choose(9,3)*0.1^4*0.9^6 de acuerdo con la formula. Si se quieren probabilidades acumuladas como en el ejemplo 3.34: P (X 5), donde r = 3 y p = 0.0005 pnbinom(5-3,3,0.0005) Para realizar el graco 3.9, donde se ubican las funciones de probabilidad de varias variables aleatorias con distribucin binomial negativa en un mismo plano, se usa el siguiente cdigo. o o Pgina 2 a Mario A. Morales R. mmorales@sinu.unicordoba.edu.co

Clculo de probabilidades con R a

y<-dnbinom(5:125-5,5,0.4) plot(5:125-5,y,pch=19) y<-dnbinom(5:125-5,5,0.1) points(5:125-5,y,pch=20) y<-dnbinom(10:135-10,10,0.4) points(10:135-10,y,pch=21) legend("topright",c("r = 5 p = 0.1" ,"r = 5 p = 0.4","r =10 p = 0.4"),pch=19:21) Distribucin hipergeomtrica o e En el caso de la distribucin hipergeomtrica hay que tener en cuenta que para R m es el n mero de objeto o e u que representan exitos, n es el numero de objetos que representan fracasos (N = m + n) y k es el tama o de n la muestra. Ejemplo 3.35 El valor de P (X = 0) P (X = 1) P (X = 2) Ejemplo 3.36: P (X = 4) dhyper(x=4,m=100,n=200,k=4) Las probabilidades acumuladas: P (X 2) = 1 P (X < 2) = 1 P (X 1) 1-phyper(1,m=100,n=200,k=4) Equivalente a sum( dhyper(2:4,m=100,n=200,k=4)) tambin equivalente a e phyper(1,m=100,n=200,k=4,lower.tail=FALSE) P (X 1) = 1 P (X < 1) = 1 P (X 0) ( error en el texto) 1-phyper(0,m=100,n=200,k=4) equivalente a phyper(0,m=100,n=200,k=4,lower.tail=FALSE) Ejemplo 3.38: usando la distribucin hipergeomtrica: o e 1-phyper(44,700,300,50) y usando la distribucin binomial o 1-pbinom(45,50,700/1000) Construccin de la fugura 3.12 o yh<-dhyper(0:5,5,5,5) yb<-dbinom(0:5,5,0.5) plot(0:5,yh,pch=20) points(0:5,yb,pch=21) legend("topright",c("Hiper N=10 K=5 n=5" ,"Bin n=5 p = 0.5"),pch=20:21) Se obtiene mediate dhyper(x=0,m=50,n=800,k=2) dhyper(x=1,m=50,n=800,k=2) dhyper(x=2,m=50,n=800,k=2)

Pgina 3 a

Mario A. Morales R.

mmorales@sinu.unicordoba.edu.co

Clculo de probabilidades con R a

Distribucin de Poisson o
Ejemplo 3.41: P (X = 2) si X es una variable aleatoria con distribucin de Poisson con media 2.3 o dpois(x=2,lambda=2.3) Calcular P (X = 10) si X es una variable aleatoria con distribucin de Poisson con media E(X) = 11.5 o dpois(x=10,lambda=11.5) P (X 1)1 P (X < 1) = 1 P (X 0) si X es una variable aleatoria con distribucin de Poisson con media o E(X) = 4.6 1-ppois(0,4.6) Construccin del grco 3.13 o a y<-dpois(0:12,0.1) plot(0:12,y,pch=19) y1<-dpois(0:12,2) points(0:12,y1,pch=20) y2<-dpois(0:12,5) points(0:12,y2,pch=21) legend("topright",legend=c(0.1,2,5),pch=20:21,title="lambda")

Ejercicios
Se deben resolver los siguientes ejercicios, justicando la solucin y haciendo los clulos necesarios con R. En o a el trabajo se debe mostrar tanto el razonamiento para la solucin, como el cdigo de R con que se obtuvo la o o respuesta y, por supuesto, la respuesta. 1. Una empresa manufacturera recibe un lote de 100 partes electrnicas de las cuales 5 son defectuosas. o Suponga que la empresa acepta el lote si, y unicamente si, no encuentra defectuosos en una muestra de 10 partes tomadas al azar para inspeccin. Determine la probabilidad de que el lote sea aceptado. o 2. Un complejo sistema electrnico est construido con cierto n mero de componentes de apoyo en sus o a u subsistemas. Un subsistema contiene 12 componentes idnticos cada uno con una probabilidad de 0.2 e de fallar en menos de 1000 horas. El subsistema funciona si como m nimo 4 componentes cualesquiera de los 12 trabajan en forma adecuada. Se supone que los componentes operan independientemente. a) Encuentre la probabilidad de que exactamente cuatro de los doce componentes resistan ms de a 1000 horas. b) Encuentre la probabilidad de que el subsistema funcione por ms de 1000 horas. a 3. Un experimento se repite en un laboratorio de ingenier civil. Los resultados del experimento se cona sideran independientes y la probabilidad de un experimento salir exitoso es 0.7 a) Cul es la probabilidad de que no sean necesarios mas de seis ensayos para consegir 3 experimentos a exitosos? b) Cul es el n mero promedio de fallas antes de que ocurran tres experimentos exitosos? a u 4. Un examen de opcin m ltiple est compuesto de 15 preguntas, con cinco respuestas posibles cada o u a una, de las cules solamente una es correcta. Supngase que uno de los estudiantes que responde el a o examen contesta las preguntas al azar. Cul es la probabilidad que conteste correctamente al menos a 10 preguntas? 5. Un env de 10 cajas de carnes frias contiene 2 cajas que estn contaminadas. Un inspector de calidad o a inspecciona 4 cajas aleatoriamente. Pgina 4 a Mario A. Morales R. mmorales@sinu.unicordoba.edu.co

Clculo de probabilidades con R a

a) Cul es la probabilidad que almenos una de las cuatro cajas est contaminada? a e b) Cuntas cajas deben seleccionerse para que la probabilidad de tener almenos una contaminada a sea mayor que 0.75? 6. Un gran cargamento de partes electrnicas se muestrea para probarlas secuencialmente hasta que se o encuentra la primera parte defectuosa. Si se prueban 10 o mas partes antes de encontrar la primera defectuosa, se considera que cargamento cumple las especicaciones y se acepta. a) Determine la probabilidad de que el cargamento sea aceptado si este contiene 10 % de partes defectuosas. b) Cuantas partes se necesita probar si se desea rechazar un cargamento con el 25 % de partes defectuosas con una probabilidad de al menos 0.75.

Pgina 5 a

Mario A. Morales R.

mmorales@sinu.unicordoba.edu.co