ESTADÍSTICA APLICADA

Carlos Andres Garibello

[email protected]

Cali - Colombia
 MODELOS PROBABILÍSTICOS

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
Tiempo en minutos entre dos llegadas consecutivas a una fila
de una cafetería, para comprar almuerzos entre las 12:00 y
12:15 de la tarde los días viernes.

0.5
0.4
Probabilidad
0.3
0.2
0.1
0.0

0 1 2 3 4 5
Tiempo en minutos

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 0.8
MODELOS PROBABILÍSTICOS

0.8

0.8
0.6

0.6

0.6
Probabilidad

Probabilidad

Probabilidad
0.4

0.4

0.4
0.2

0.2

0.2
0.0

0.0

0.0
0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10
Variable Variable Variable
0.6

0.6

0.6
Probabilidad

Probabilidad

Probabilidad
0.4

0.4

0.4
0.2

0.2

0.2
0.0

0.0

0.0
0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10
Variable Variable Variable

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
Niveles de colesterol en la sangre (mg/dl) para un grupo de
personas adultas con edades entre los 50 y 60 años.

0.20
0.15
Probabilidad
0.10
0.05
0.00

100 120 140 160 180 200 220 240 260

Niveles de colesterol en la sangre (mg/dl)

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 0.8
MODELOS PROBABILÍSTICOS

0.8

0.8
0.6

0.6

0.6
Probabilidad

Probabilidad

Probabilidad
0.4

0.4

0.4
0.2

0.2

0.2
0.0

0.0

0.0
0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10
Variable Variable Variable
0.6

0.6

0.6
Probabilidad

Probabilidad

Probabilidad
0.4

0.4

0.4
0.2

0.2

0.2
0.0

0.0

0.0
0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10
Variable Variable Variable

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS

Para cada una de las siguientes situaciones indique en términos de porcentaje

cuanto representa el área en color verde:

100%
0 6 12

50%
0 6 12

25%
0 6 12

50%
0 6 12

16.6%
0 6 12

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS

Para cada una de las siguientes situaciones indique en términos de

proporción cuanto representa el área en color blanco:

0.813 0.26 0.19 0.19

0.187 0.74 0.62

0.924 0.31
0.076 0.69

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
CARACTERÍSTICAS:

Al igual que el histograma, el área bajo la curva informa sobre el porcentaje

de datos o de unidades que tienen la característica de interés comprendida
en el rango que define el área.
0.28 0.28

0.24 0.24
24%
0.20 0.20
Frecuencia relativa

Probabilidad
20% 20%
0.16 0.16

0.12 0.12
12% 12%
0.08 0.08

0.04 6% 6% 0.04

0.00 0.00
[ 45 - 50 ] ( 50 - 55 ] ( 55 - 60 ] ( 60 - 65 ] ( 65 - 70 ] ( 70 - 75 ] ( 75 - 80 ] 40 45 50 55 60 65 70 75 80 85
Variable Variable

Por lo tanto, todo el área bajo la curva es equivalente al 100% de los datos, es
decir que en términos de frecuencias, la suma de todas los valores de las
barras del histograma suman 1 o 100%.
Universidad Santiago de Cali Estadística Aplicada Carlos Garibello
 MODELOS PROBABILÍSTICOS

PROPIEDAD CONTINUAS
f(x)
Función de No se interpreta como una
densidad de probabilidad, pues no está
probabilidad acotada entre 0 y 1
P(X = x) = 0, para todo x.
Función de P(X ≤ x) = F(x)
distribución Es la probabilidad acumulada de
acumulada que X sea menor o igual a x.
P(X > c) 1 – P(X ≤ c)
P(a ≤ X ≤ b) P(X ≤ b) – P(X ≤ a)
Donde 𝑥, 𝑎, 𝑏 y 𝑐 son valores observados de la variable aleatoria 𝑋

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
CARACTERÍSTICAS:

P ( X = x ) =  f ( t ) dt = 0
x
f (x) x
Entonces:
P ( X  c)  P ( X  c)
P ( X  c)  P ( X  c)

P(X = x)

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
CARACTERÍSTICAS:

F ( x) = P ( X  x)
f (x)
f ( t ) dt
x
=
Linf

P(X ≤ x)

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
CARACTERÍSTICAS:

P (a  X  b) = P ( X  b) − P ( X  a)
f (x)
=  f ( x ) dx
b

P(a ≤ X ≤ b)

a b x

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
Ejemplo 1:
Sea X la variable aleatoria que representa la cantidad de dinero que
ahorra un estudiante durante el día (valores en miles de pesos), cuya
función de densidad de probabilidad está dada por:
x
 , 3 x 5
f ( x) = 8

 0, en cualquier otro caso
Determine lo siguiente:
1. La función de distribución acumulada.
2. La probabilidad de ahorrar 4 mil pesos o menos.
3. La probabilidad de ahorrar entre 4 mil y 5 mil pesos.
4. La probabilidad de ahorrar más de 3 mil quinientos pesos.
5. La probabilidad de ahorrar exactamente 4 mil doscientos pesos.

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
Ejemplo 1:
Sea X la variable aleatoria que representa la cantidad de dinero que
ahorra un estudiante durante el día (valores en miles de pesos), cuya
función de densidad de probabilidad está dada por:
x
 , 3 x 5
f ( x) = 8

 0, en cualquier otro caso
Determine lo siguiente:
1. La función de distribución acumulada.
x

dt =  tdt = t 2 = ( x 2 − 32 )
t 1 x 1 1
F ( x ) = P ( X  x ) =  f ( t ) dt = 
x x

3 3 8 8 3 16 3 16

F ( x) =
16
( x − 9) ,
1 2
3  x  5.

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
Ejemplo 1:
Sea X la variable aleatoria que representa la cantidad de dinero que
ahorra un estudiante durante el día (valores en miles de pesos), cuya
función de densidad de probabilidad está dada por:
x
 , 3 x 5
f ( x) = 8

 0, en cualquier otro caso
Determine lo siguiente:
2. La probabilidad de ahorrar 4 mil pesos o menos.
Esta probabilidad se puede obtener a partir de la función de
distribución acumulada de la siguiente forma:
P ( X  4) = F ( 4)

=
16
(
1 2
4 − 9 ) =
1
16
(16 − 9 ) =
1
16
( 7 ) = 0.4375

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
Ejemplo 1:
Sea X la variable aleatoria que representa la cantidad de dinero que
ahorra un estudiante durante el día (valores en miles de pesos), cuya
función de densidad de probabilidad está dada por:
x
 , 3 x 5
f ( x) = 8

 0, en cualquier otro caso
Determine lo siguiente:
3. La probabilidad de ahorrar entre 4 mil y 5 mil pesos.
Apoyándonos en la función de distribución acumulada se tiene que:
P ( 4  X  5) = P ( X  5) − P ( X  4 ) = F ( 5) − F ( 4 )

=
16
(
1 2
5 − 9 ) − ( 42 − 9 ) = ( 25 − 9 ) − (16 − 9 )
1
16
1
16
1
16
1 1
= (16 ) − ( 7 ) = 1 − 0.4375 = 0.5625
16 16
Universidad Santiago de Cali Estadística Aplicada Carlos Garibello
 MODELOS PROBABILÍSTICOS
Ejemplo 1:
Sea X la variable aleatoria que representa la cantidad de dinero que
ahorra un estudiante durante el día (valores en miles de pesos), cuya
función de densidad de probabilidad está dada por:
x
 , 3 x 5
f ( x) = 8

 0, en cualquier otro caso
Determine lo siguiente:
4. La probabilidad de ahorrar de ahorrar más de 3 mil quinientos pesos.
Apoyándonos en la función de distribución acumulada se tiene que:
P ( X  3.5 ) = 1 − P ( X  3.5 ) = 1 − F ( 3.5 )

= 1−
1
16
( 3.52 − 9 ) = 1 − (12.25 − 9 ) = 1 − ( 3.25 )
1
16
1
16
= 1 − 0.2031 = 0.7969

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
Ejemplo 1:
Sea X la variable aleatoria que representa la cantidad de dinero que
ahorra un estudiante durante el día (valores en miles de pesos), cuya
función de densidad de probabilidad está dada por:
x
 , 3 x 5
f ( x) = 8

 0, en cualquier otro caso
Determine lo siguiente:
5. La probabilidad de ahorrar exactamente 4 mil doscientos pesos.
Esa es una probabilidad puntual, por lo tanto:
P ( X = 4.2 ) = 0

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
Ejemplo 2:
En una tarea de laboratorio, si el equipo está funcionando
correctamente, la función de distribución acumulada del resultado
observado está dada para la variable aleatoria X por:
P(X≤x)= F ( x ) = 2x − x2 , 0  x 1
Determine lo siguiente:
a) La probabilidad de que X sea menor o igual a 0.3.
b) La probabilidad de que X sea mayor a 0.5.
c) La probabilidad de que X este entre 0.2 y 0.8.

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
Ejemplo 2:
En una tarea de laboratorio, si el equipo está funcionando
correctamente, la función de distribución acumulada del resultado
observado está dada para la variable aleatoria X por:
F ( x ) = 2x − x2 , 0  x 1
Determine lo siguiente:
a) La probabilidad de que X sea menor o igual a 0.3.
P ( X  0.3) = F ( 0.3) = 2 ( 0.3) − ( 0.3) = 0.6 − 0.09 = 0.51
2

b) La probabilidad de que X sea mayor a 0.5.

P ( X  0.5 ) = 1 − P ( X  0.5 ) = 1 − F ( 0.5 ) = 1 −  2 ( 0.5 ) − ( 0.5 ) 
2
 
= 1 − 1 − 0.25 = 1 − 0.75 = 0.25

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
Ejemplo 2:
En una tarea de laboratorio, si el equipo está funcionando
correctamente, la función de distribución acumulada del resultado
observado está dada para la variable aleatoria X por:
F ( x ) = 2x − x2 , 0  x 1
Determine lo siguiente:
c) La probabilidad de que X este entre 0.2 y 0.8.
P ( 0.2  X  0.8 ) = P ( X  0.8 ) − P ( X  0.2 )
P ( X  0.8 ) = F ( 0.8 ) = 2 ( 0.8 ) − ( 0.8 ) = 1.6 − 0.64 = 0.96
2

P ( X  0.2 ) = F ( 0.2 ) = 2 ( 0.2 ) − ( 0.2 ) = 0.4 − 0.04 = 0.36

2

P ( 0.2  X  0.8 ) = P ( X  0.8 ) − P ( X  0.2 ) = 0.96 − 0.36 = 0.60

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
EJERCICIO_1:

La función de distribución acumulada que describe las probabilidades

de los pesos (en onzas) de las cajas de cereal en una empresa, es:
4 y − 95
F ( y) = , 23.75  y  26.25
10
a) Determinar la probabilidad de que el peso sea menor que 24 onzas.
b) La empresa desea que un peso mayor que 26 onzas sea un caso
extraordinariamente raro. ¿Cuál será la probabilidad de que en
verdad ocurra este caso extraordinariamente raro?
c) Determinar la probabilidad de que el peso se encuentre entre 24 y
26 onzas.
d) ¿Cuál debería ser el nuevo peso mínimo de las cajas de cereal, si se
cree que actualmente el 15% de las cajas con menor peso, traen
perdidas para la empresa?
Universidad Santiago de Cali Estadística Aplicada Carlos Garibello
 MODELOS PROBABILÍSTICOS
SOLUCIÓN_1:

a) Determinar la probabilidad de que el peso sea menor que 24 onzas.

4 ( 24 ) − 95 1
P (Y  24 ) = F ( 24 ) = = = 0.10
10 10
b) La empresa desea que un peso mayor que 26 onzas sea un caso
extraordinariamente raro. ¿Cuál será la probabilidad de que en
verdad ocurra este caso extraordinariamente raro?
4 ( 26 ) − 95 9 1
P (Y  26 ) = 1 − P (Y  26 ) = 1 − F ( 26 ) = 1 − = 1− = = 0.10
10 10 10
c) Determinar la probabilidad de que el peso se encuentre entre 24 y
26 onzas.
P ( 24  Y  26 ) = P (Y  26 ) − P (Y  24 ) = F ( 26 ) − F ( 24 )
4 ( 26 ) − 95 4 ( 24 ) − 95 9 1 8
= − = − = = 0.80
10 10 10 10 10
Universidad Santiago de Cali Estadística Aplicada Carlos Garibello
 MODELOS PROBABILÍSTICOS
SOLUCIÓN_1:

d) ¿Cuál debería ser el nuevo peso mínimo de las cajas de cereal, si se

cree que actualmente el 15% de las cajas con menor peso, traen
perdidas para la empresa?
Sea p el peso mínimo, por lo tanto:
P (Y  p ) = 0.15
4 p − 95
F ( p) = = 0.15 𝑓 𝑦
10
4 p − 95 = 1.5 0.15

4 p = 96.5
96.5
p= = 24.125 𝑝
4 23.75 26.25 𝑦

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
EJERCICIO_2:

El tiempo de vida (en años) hasta que falla una batería del nuevo
modelo de su celular, es una variable aleatoria Y con función de
distribución acumulada dada por:
( )
F ( y) = 1− e
− y2
, y0
Determinar:
a) La probabilidad de que la batería funcione dos años o menos.
b) La probabilidad de que la batería funcione más de dos años.
c) La probabilidad de que la batería funcione entre uno y dos años.
d) El tiempo de vida de las baterías, si se desea que solo el 30% de las
baterías duren ese tiempo o menos.
e) El tiempo de vida de las baterías, si se desea que solo el 10% de las
baterías duren más que ese tiempo.

Universidad Santiago de Cali Estadística Aplicada Carlos Garibello

 MODELOS PROBABILÍSTICOS
SOLUCIÓN_2:

a) La probabilidad de que la batería funcione dos años o menos.

( )
P (Y  2 ) = F ( 2 ) = 1 − e
− 22
= 1 − e −4 = 1 − 0.0183 = 0.9817

b) La probabilidad de que la batería funcione más de dos años.

P (Y  2 ) = 1 − P (Y  2 ) = 1 − 0.9817 = 0.0183

c) La probabilidad de que la batería funcione entre uno y dos años.

P (1  Y  2 ) = P (Y  2 ) − P (Y  1)
( )
P (Y  1) = F (1) = 1 − e
− 12
= 1 − e −1 = 1 − 0.3679 = 0.6321
P (1  Y  2 ) = P (Y  2 ) − P (Y  1) = 0.9817 − 0.6321 = 0.3496
Universidad Santiago de Cali Estadística Aplicada Carlos Garibello
 MODELOS PROBABILÍSTICOS
SOLUCIÓN_2:

d) El tiempo de vida de las baterías, si se desea que solo el 30% de las

baterías duren ese tiempo o menos.
P (Y  t ) = 0.30
( ) Sea t el tiempo limite:
F (t ) = 1 − e
− t2
= 0.30
( )
− t2
1 − 0.30 = e 𝑓 𝑦
− t2 ( )
0.70 = e
ln ( 0.70 ) = − ( t 2 )
− ln ( 0.70 ) = t 2 0.30
𝑡 𝑦
t = − ln ( 0.70 ) = 0.5972
Universidad Santiago de Cali Estadística Aplicada Carlos Garibello
 MODELOS PROBABILÍSTICOS
SOLUCIÓN_2:

e) El tiempo de vida de las baterías, si se desea que solo el 10% de las

baterías duren más que ese tiempo.
P (Y  t ) = 0.10  P (Y  t ) = 0.90
( ) Sea t el tiempo limite:
F (t ) = 1 − e
− t2
= 0.90
( )
− t2
1 − 0.90 = e 𝑓 𝑦
( )
− t2
0.10 = e
ln ( 0.10 ) = − ( t 2 )
− ln ( 0.10 ) = t 2 0.90 0.10
𝑡 𝑦
t = − ln ( 0.10 ) = 1.5174
Universidad Santiago de Cali Estadística Aplicada Carlos Garibello