DISTRIBUCION DE PROBABILIDAD DISCRETA DE MAYOR P[x ≥ a] = Directo [Cola a la Derecha]

APLICACION
P[a ≤ a ≤ b] = Directo [Centro]
DISTRIBUCION BINOMIAL
P[x = 0] = P[x ≤ 0]
X = Variable aleatoria discreta
P[x = a] = P[x ≤ a] – P[ x ≤ a - 1]
Requisitos:
n = Tamaño de muestra
Grafica > Grafica de Distribución de Probabilidad
P = Probabilidad de éxito
Lectura:
X ~ b (n ; p)
X= Variable aleatoria discreta
~ = Sigue una distribución
b = Binomial
(n ; p) = Parámetros.
Característica:
 Esperanza Matemática: E(x) = Media Promedio
E(x) = n * P
Ver probabilidad > Aceptar
 Varianza:
V(x) = n * P * (1 - P)
Donde:
1–P=q
Manejo del Minitab
P[x ≤ a] = Directo [Cola a la Izquierda]
Binomial.  2 Tubos sean defectuosos:
P[x = 2] = P[x ≤ 2] - P[x ≤ 2]

Área sombreada > ( ) > Aceptar

 A lo más 3 tubos sean defectuosos:
 Probabilidad: cuando se quiere obtener el valor de x.
 Valor de x: Cuando se quiere hallar la probabilidad.

EJERCICIOS  10 Tubos no sean defectuosos:

1. Ejercicio 1
Acerotubo S.A. fabrica diariamente un cantidad invariable de
tubos de acero. Los productos son fabricados
independientemente uno de otro. Un ingeniero ambiental
determina que la probabilidad de que un producto resulte
defectuoso es del 10%.
Calcule la probabilidad de que en una muestra de 15 tubos
elegidos al azar:
n = 15 α = 0.1 (10%)
 Por lo menos 4 tubos no sean defectuosos: Entre 1 y 5 incluso:

Más de 5 bacterias:
2. Ejercicio 2

Ninguna bacteria:

Más de 5, pero menos de 10:

Gráfica de distribución
Binomial, n=25, p=0.03
0.5

0.4

Probabilidad
0.3

Cuando menos una bacteria: 0.2

0.1

0.0007810
0.0
0 5 7
X
3. Ejercicio 4
X = N° de aparatos defectuosos.
X ~ b (n=10 ; p=0.06)
 Exactamente dos aparatos estarán defectuosos:
P[x = 2] = P[x ≤ 2] – P[ x ≤ 1]
0.9812 – 0.8824 = 0.0988
Rpta. Hay una probabilidad del 98.8% que dos aparatos estén
defectuosos.
 Cuando menos dos aparatos estarán defectuosos:
P[x ≥ 2]
Rpta. 11.76% probable cuando menos 2 aparatos defectuosos.
 Menos que un aparato estará defectuosos:
P[x < 1] = P[x ≤ 0]
 Entre 2 y 5 incluso y excluso:
P[2 ≤ x < 5] = P[2 ≤ x ≤ 4]
DISTRIBUCION HIPERGEOMETRICA
El experimento consiste de una serie de n pruebas o ensayos fijados
antes de realizar el experimento.
 Se realiza n pruebas o ensayos independientes entre so.
 Las pruebas son idénticas y cada una puede resultar en uno de
dos resultados: Éxito (E) o Fracaso (F)
 La probabilidad de éxito NO es constante de una prueba a otra.
Si una variable aleatoria X tiene distribución Hipergeométrica:
Se denota: X – H (N, n, r)
N = Tamaño de población.
n = Tamaño de muestra.
r = Numero de éxitos en la población.
1. Ejercicio 3 P[x = 1] = P[x ≤ 1] – P[x ≤ 0]
¿Cuál es la probabilidad que la caja se embarca?  Dos aparatos estarán defectuosos:
X = N° de artículos defectuosos. P[x = 2] = P[x ≤ 2] – P[x ≤ 1]
N = 25 artículos (población).  3 aparatos de pH resultaran defectuosos de la muestra
seleccionada:
r = 2 artículos defectuosos.
P[x = 3] = P[x ≤ 3] – P[x ≤ 2]
n = 4 artículos (muestra).
 A los más 2 aparatos estarán defectuosos:
x ≥ 1 : se regresa.
P[x ≤ 2]
P(embarque) => P[x < 1] = P[x ≤ 0]
 Hacer gráficas para P(X = x) y P(X ≤ x):
DISTRIBUCION DE POSISSON
Cuando x = Variable aleatoria discreta está fijada a la función:
- Intervalo de tiempo.
- Tiempo.
- Área.
- Espacio.
Rpta. Hay un 70% de probabilidad que la caja se embarque.
Requisitos:
2. Ejercicio 5
 λ = Lambda => Media / Promedio
X = N° de medidores de pH. λ=n*P
n = Grande [n ≥ 30]
N = 10 medidores (población).
P = Pequeño
r = 4 medidores defectuosos.  X ~ P (λ)
X = Variable aleatoria discreta.
n = 3 artículos (muestra). ~ = Sigue una distribución.
 Exactamente 1 aparato de pH estará defectuoso. P = Poisson.
λ = Parámetro.
Nota: Gráfica de distribución
Poisson, Media=6
0.18

 Esperanza Matemática:
0.16

0.14

E(x) = λ. 0.12

Probabilidad
0.10

 Varianza: 0.08

0.06

V(x) = λ. 0.04
0.7149

0.02

0.00
0 5
X

1. Ejercicio 6 Rpta. 71.49% probable.

X = Número de llegada de aviones por hora.  Defina la variable en estudio y ¿Cuál es la probabilidad de que
λ=6 exactamente 4 aeronaves pequeñas lleguen en un lapso de
media hora?
 Defina la variable en estudio y halle la probabilidad de que
exactamente 4 aeronaves pequeñas lleguen en un lapso de 1 X ~ b (λ = 3)
hora. P[x = 4] = P[x ≤ 4] – P[x ≤ 3]
P[x = 4] = P[x ≤ 4] – P[x ≤ 3] 0.8153 – 0.6472 = 0.1681
0.2851 – 0.1512 = 0.1339

Rpta. 13.39% Probable.  ¿Cuál es la probabilidad que lleguen más de 4 aeronaves en

 ¿Cuál es la probabilidad que lleguen más de 4 aeronaves en una media hora?
hora? X ~ b (λ = 3)
P[x > 4] = P[x ≥ 5] P[x > 4] = P[x ≥ 5]
DISTRIBUCIONES DE PROBABILIDAD CONTINUA DE MAYOR Rpta. 37.5% probable.
APLICACION
- Que un estudiante se demore entre 50 y 70 min.
X = Variable aleatoria continua.
P[50 < x < 70]
a) Distribución Uniforme:
Gráfica de distribución
Parámetros: X ~ U (a , b) Uniforme, Inferior=50, Superior=90
1
Función de densidad: f(x) = b−a a≤x≤b 0.025
0.5

0.020

x−a
Función acumulada: f(x) = b−a

Densidad
0.015

0.010
a+b
Valor esperado: µx = E(x) =
2 0.005

(𝑏−𝑎)2 0.000

Varianza: σ2𝑥 = V(x) = 12

50 70
X
90

Ejemplo 1: Rpta. 50% probable.

El tiempo que un estudiante tarda en resolver un examen se
modela como una variable aleatoria continua con distribución de - ¿Cuál será el tiempo mínimo de un estudiante en resolver un
probabilidad, un informe con parámetros a = 50 min y b = 90 min. examen para estar en el 20% de los que más demoran?
Calcule la probabilidad de: P[x > a] = 0.2
- Que un estudiante se demore más de 75 min.
X ~ U (a=50 , b=90)
Ejemplo 2:
P[x > 75] Un sistema computarizado se detiene cuando uno de sus
Gráfica de distribución
circuitos deja de funcionar. El tiempo que se tarda en que el
Uniforme, Inferior=50, Superior=90
0.375
departamento de mantenimiento compre el circuito dañado, está
0.025
distribuido uniformemente en un intervalo de 1 a 6 días.
0.020

X ~ U (a=1 , b=6)
Densidad

0.015

0.010 - Determine la variable aleatoria y ¿cuál es la probabilidad que

0.005
el tiempo de entrega sea igual a 4 días?
0.000
50 75 90
X
P[x = 4] = P[x ≤ 4] – P[x ≤ 3] P[2 < x < 5] = P[2 ≤ x ≤ 5]
0.6 – 0.4 = 0.2 Gráfica de distribución
Uniforme, Inferior=1, Superior=6
0.6
0.20

0.15

Densidad
0.10

0.05

0.00
1 2 5 6
Rpta. La probabilidad de que el tiempo de entrega sea en 4 días X

es del 20%.
Rpta. Hay un 60% de probabilidad que el tiempo de entrega este
- Calcular la probabilidad de que el tiempo de entrega sea entre 2 y 5 días.
mayor o igual a 2 días.
- Calcule la media, varianza y desviación estándar.
P[x ≥ 2]
Gráfica de distribución
Uniforme, Inferior=1, Superior=6
0.8
0.20

0.15

b) Distribución Exponencial
Densidad

0.10

0.05
c) Distribución Normal
0.00
 Normal Estándar
1 2 6
X

Rpta. Es un 80% probable que la entrega se de en 2 días o más. d) Distribución E-Student

e) Distribución F-Snedecon
- Calcular la probabilidad que el tiempo de entrega este entre
2 y 5 días.
EJERCICIO 3. P(Z > 0.95) = 0.1711
Sea Z ~ N(µ = 0 ; σ = 1) Gráfica de distribución
Normal, Media=0, Desv.Est.=1

0.4
Calcular:
0.3

1. P(Z < -2.35) = 0.009387

Densidad
0.2

Gráfica de distribución
Normal, Media=0, Desv.Est.=1 0.1

0.1711

0.4
0.0
0 0.95
X

0.3
4. P (Z ≥ 2.65) = 0.004025
Densidad

0.2 Gráfica de distribución

Normal, Media=0, Desv.Est.=1

0.4

0.1
0.3

Densidad
0.009387
0.0 0.2
-2.35 0
X
0.1

2. P(Z ≤ 1.85) = 0.9678 0.0

0 2.65
0.004025

Gráfica de distribución
Normal, Media=0, Desv.Est.=1

0.4
5. P(-1.25 < Z < 1.25)
0.9678
Gráfica de distribución
Normal, Media=0, Desv.Est.=1
0.3
0.7887
0.4
Densidad

0.2 0.3
Densidad

0.2
0.1

0.1

0.0
0 1.85 0.0
X -1.25 0 1.25
X
6. P(0.90 ≤ Z ≤ 2.45) = 0.1769 Nota:uu
Gráfica de distribución
Normal, Media=0, Desv.Est.=1
V.A. Discreta: V.A. Continua:
0.4

< Diferente ≤ < Equivale ≤

0.3

P(x < 3) ≠ P(x ≤ 3) P(x < 3) = P(x ≤ 3)

Densidad

0.2

> Diferente ≥ > Equivale ≥

0.1
0.1769

0.0
0 0.9 2.45
X Ejercicio 1
Determina el valor de a: Las calificaciones de los 500 aspirantes presentados a un examen
para contratación laboral, se distribuye normalmente con media 7 y
1. P(Z < a) = 0.95 varianza de 4.
Gráfica de distribución
Normal, Media=0, Desv.Est.=1 X = Calificaciones
0.4

0.95
X ~ N(µ = 7 ; σ2 = 4) N = 500
0.3

a) La probabilidad de que un aspirante obtenga 8 puntos o más.

Densidad

0.2
P(x ≥ 8)
0.1

0.0
0 1.645
X

2. P(Z ≤ a) = 0.90
b) El porcentaje de aspirantes con calificaciones inferiores o iguales - Media / Promedio = µ
a 5 puntos. - Varianza = σ2
P(x ≤ 5) - Proporción = P (Variable cualitativa)
Nota: Caso especial
c) Cuantos aspirantes con calificaciones comprendidas entre 5 y 8 V. Cuantitativa expresada en % y no tenga ni la media (µ) ni la
puntos. varianza (σ2 ) es una proporción.
P(5 < x < 8)
Prueba de Hipótesis:
Demostración de Hipótesis Estadísticas (Verdadera o Falsa). Se
Ejercicio 2 trabaja con muestras que son una Distribución de Probabilidad.
Z = N° de tornillos defectuosos
Z = Discreta
P(Z ≤ 18) Z ~ B(n = 100 ; p = 0.2)
Z = Poisson λ=n*P

Ejercicio 3
X = Puntas de dosificador malogradas X = Discreta
X ~ B(n = 5 ; p = 0.25)
a) Si el porcentaje de obtener ninguna...

HIPOTESIS: Enunciado de la población.

Hipótesis estadística:
Poblaciones => Parámetros
PASOS PARA REALIZAR UNA PRUEBA DE HIPOTESIS CON
MINITAB Se tiene una Base de Datos.
Cuando se conoce la varianza de la población: No se tiene Base de Datos.

1. Determinar las hipótesis: Desviación Estándar – Población

H0: Hipótesis Nula
Valor de H1
H1: Hipótesis Alterna

2. Nivel de Significancia: α (alfa)

Opciones
3. Determinar el estadístico de Prueba: Z

4. P – Valor: P
Cuando P < α , se rechaza H0 y se acepta H1
Cuando P > α , no se rechaza H0 y se acepta H0

5. Decisión: Se rechaza o no.

6. Conclusión:

Estadística / Estadística Básica / Z – 1 Muestra

EJEMPLO 1
n = 50 𝑥̅ = 33.6
σ = 4 (Conocida) σ2 = 16
H0: µ ≥ 35
H1: µ < 35
α = 0.05 (5%)
Z de una muestra
Error
Prueba de μ = 35 vs. < 35 Estándar
La desviación estándar supuesta = 4 de la
N Media media IC de 95% Z P
100 395.00 2.00 (391.08, 398.92) -2.50 0.012
Error
Estándar Límite
de la superior Z = -2.50
N Media media de 95% Z P
50 33.600 0.566 34.530 -2.47 0.007 P = 0.012 < α = 0.05 (Se rechaza H0 y se acepta H1)
Rpta. Con un nivel de significación del 5% se afirma que el dinero
Z = -2.47 que se gasta es diferente a 400 soles. Para determinar el dinero que
se gastó en promedio determinó el Intervalo de confianza (IC). El
P = 0.007 < α = 0.05 (Se rechaza H0 y se acepta H1)
dinero que se gasta comprendido entre 391.08 soles a 398.92 soles.
Rpta. Con un nivel de significación del 5% se afirma que el
Cuando la varianza de la población es desconocida:
rendimiento del millaje de este modelo de auto es menor a 35 millas
por galón. El combustible que se gasta tiene un límite superior de
34.520 millas por galón.
EJEMPLO 2
n = 100 𝑥̅ = 395
σ = 20 (Conocida) σ2 = 400
H0: µ = 400
H1: µ ≠ 400
α = 0.05 (5%)

Z de una muestra
EJEMPLO 1
Prueba de μ = 400 vs. ≠ 400 Un ingeniero de control de calidad desea verificar si las botellas que
La desviación estándar supuesta = 20 adquiere de un proveedor, cumplen con los requerimientos:
Si los requerimientos no se cumplen cambiará de proveedor. Para tal T de una muestra: Espesor de mm
fin, decide seleccionar una muestra aleatoria de 18 botellas de vidrio
de 1.5 litros. Los datos recogidos (en mm) se muestran a Error
continuación: estándar de
Variable N Media Desv.Est. la media IC de 98%
Espesor de mm 18 4.03222 0.02557 0.00603 (4.01675, 4.04769)
4.06 4 4.02 4.02 4 4.08 4.01 4.05 4.06
4.01 4.05 4.01 4.04 4.02 4.07 4.04 4.04 4
b) La variabilidad del espesor de sus paredes sea menor a
0.001 (mm)2.
a) El espesor promedio de sus paredes no exceda los 4.04 mm. H0: σ2 ≥ 0.001 mm2 : Se cambia de proveedor.
H0: µ ≥ 4.04 mm : Se cambia de proveedor. H1: σ2 < 0.001 mm2 : Se mantiene con el proveedor.
H1: µ < 4.04 mm : Se mantiene con el proveedor. α = 0.02 (2%)
α = 0.02 (2%)
Prueba e IC para una varianza: Espesor de mm
T de una muestra: Espesor de mm
Método
Prueba de μ = 4.04 vs. < 4.04 Hipótesis nula σ = 0.001
Hipótesis alterna σ < 0.001
Error Límite
Estándar de superior El método de chi-cuadrada sólo se utiliza para la
Variable N Media Desv.Est. la media de 98% T P distribución normal.
Espesor de mm 18 4.03222 0.02557 0.00603 4.04562 -1.29 0.107
El método de Bonett se utiliza para cualquier distribución
continua.

t = -1.29
Estadísticas
P = 0.107 > α = 0.02 ; se acepta H0.
Variable N Desv.Est. Varianza
Rpta. Con un nivel de significación de 2% se afirma que se debe Espesor de mm 18 0.0256 0.000654
cambiar de proveedor.
98% Intervalos de confianza unilaterales

Límite Límite
 superior superior Muestra X N Muestra p de 98% Valor Z Valor p
para para 1 6 18 0.333333 0.561528 5.52 1.000
Variable Método Desv.Est. varianza
Espesor de mm Chi-cuadrada 0.0391 0.001532 Uso de la aproximación normal.
Bonett 0.0365 0.001332

Z = 5.52
Pruebas
P = 1 > α = 0.02 Se acepta H0
Estadística
Variable Método de prueba GL Valor p Rpta. Con un nivel de significación de 2% se afirma que la proporción
Espesor de mm Chi-cuadrada 11111.11 17 1.000
Bonett — — 1.000 de botellas con espesor mayor de 4.04 mm es superior al 5%.
Si se sabe que el espesor de las paredes de las botellas tiene
X2 = 11.11 distribución normal. Con un nivel de significación del 2%, ¿el
proveedor cumple con los requerimientos?
P = 0.149 > α = 0.02 Se acepta H0
Rpta. No, por lo que se debe cambiar de proveedor.
c) La proporción de botellas con espesor mayor a 4.04 mm sea
inferior al 5%. PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE DOS
PARAMETROS
𝑋 𝐶𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑎
P= =  H0: µ1 = µ2 [H0: µ1 - µ2 = 0]
𝑛 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑀𝑢𝑒𝑠𝑡𝑟𝑎
H1: µ1 ≠ µ2 [H0: µ1 - µ2 ≠ 0]
X=6 n = 18
H0: P ≥ 0.05 (5%)  H0: µ1 ≥ µ2 [H0: µ1 - µ2 ≥ 0]
H1: µ1 < µ2 [H0: µ1 - µ2 < 0]
H1: P < 0.05 (5%)
Nota:
α = 0.02 (2%)
H0: Θ = Θ0
Prueba e IC para una proporción
H1: Θ ≠ Θ0
Prueba de p = 0.05 vs. p < 0.05 Se recomienda encontrar el I.C para determinar cuál es el mejor.
Intervalo de Confianza: Se analizan en función del signo.
Límite
superior  (- ; -) => µ1 < µ2 (P1 < P2)
 (- ; +) => µ1 = µ2 (P1 = P2) Muestra X N Muestra p
1 52 1000 0.052000
 (+ ; +) => µ1 > µ2 (P1 > P2) 2 23 1000 0.023000
CASO I: TRATAMIENTO DE LODOS ACTIVADOS
Diferencia = p (1) - p (2)
IC y Prueba T pareada: Entrada, Efluente Estimación de la diferencia: 0.029
Límite inferior 95% de la diferencia: 0.0150656
Prueba para la diferencia = 0 vs. > 0: Z = 3.42 Valor p = 0.000
T pareada para Entrada - Efluente
Prueba exacta de Fisher: Valor p = 0.000
Error
estándar
de la
N Media Desv.Est. media  Estadístico de Prueba: Z = 3.42
Entrada 10 200.33 18.29 5.78  P – Valor: P = 0.000 < α = 0.05
Efluente 10 163.96 20.26 6.41  Decisión:
Diferencia 10 36.37 22.95 7.26
Se rechaza H0 y se acepta H1
 Conclusión:
IC de 95% para la diferencia media: (19.95, 52.79) A un nivel de significación del 5% se afirma que la proporción de
Prueba t de diferencia media = 0 (vs. ≠ 0): Valor T = 5.01 Hombres es mayor al de las mujeres con enfermedades de
Valor p = 0.001 corazón.
EJERCICIO 1
X = Enfermedades del corazón
Hombres = 1000 Mujeres = 1000
X1 = 52 X2 = 23
H1 = P1 > P2
 H0: P1 ≤ P2 [H0: P1 – P2 ≤ 0]
H1: P1 > P2 [H1: P1 – P2 > 0]
 Nivel de significancia: α = 0.05 [5%]

Prueba e IC para dos proporciones