Ee1 Tercera Guia de Trabajo 2023 1
Ee1 Tercera Guia de Trabajo 2023 1
Ee1 Tercera Guia de Trabajo 2023 1
CURSO
ESTADÍSTICA EMPRESARIAL I
GUÍA DE PRÁCTICA Nº 3
Periodo Académico 2023-1
CASOS DE APLICACIÓN
Profesora Responsable:
Función de probabilidad
Función de distribución acumulada
Probabilidad condicional
Valor esperado, varianza y coeficiente de
variación
CASOS DE APLICACIÓN
1. Suponga que el número de accidentes por semana que ocurren en una empresa A&C SRL es una
variable aleatoria X con función de probabilidad dada por:
x 0 1 2 3
p(x) 0.28 0.35 0.22 0.15
2. El número de artículos vendidos por la empresa OMEGA S.A en uns hora tiene la siguiente
función de probabilidad:
x 1 2 3 4
2
a) Calcular el valor de la constante m para que sea realmente una distribución de probabilidad.
R: 0.20
b) Calcular la probabilidad de que el número de unidades vendidas por la empresa Omega S.A. en
una hora sea:
i. Exactamente 2 artículos. R:
0.40
ii. Como máximo (a lo más) 2 artículos. R: 0.65
iii. Menor a 2 artículos. R:
0.25
iv. Mayor a 2 artículos. R:
0.35
v. Como mínimo (por lo menos) 2 artículos R:
0.75
c) Se sabe que el artículo se vende a 5 soles la unidad ¿ Cuánto se espera que la empresa Omega
S.A. tenga de ingreso por la venta este artículo en una hora? R:
11.25
d) Determine el coeficiente de variación del número de artículos vendidos por la empresa Omega
S.A. en una hora? R: 44.158 %
e) Determine el coeficiente de variación del ingreso obtenido por la venta de este artículo en una
hora? R:44.158 %
f) ¿Se observa la misma heterogeneidad en la distribución de la variable X y en la distribución
de la variable Y?
R: Si, la distribución de la variable X y la distribución de la variable Y presentan la misma
heterogeneidad (C(X)=44.158 % , V(Y)=44.158 %)
x 0 1 2 3 4 5 6 7
p(x) 0.07 K 0.14 0.10 0.25 0.05 0.05 0.05
4. El número de defectos que produce por día una máquina es una variable aleatoria X con
distribución de probabilidad:
x 0 1 2 3 4 5
p(x) 0.075 0.250 0.275 0.125 0.175 0.100
Distribución Binomial
Distribución Hipergeométrica
Distribución Poisson
CASOS DE APLICACIÓN
DISTRIBUCIÓN BINOMIAL
# otra forma:
pbinom(7,8,0.33333, lower.tail=F)
# otra forma:
pbinom(6,8,0.33333, lower.tail=F)
# otra forma:
pbinom(5,8,0.33333, lower.tail=F)
# Binomial(n=8, p=0.33333)
# P( 4 ≤ X ≤ 6) =
# P(X=4) + P(X=5) + P(X=6)
dbinom(4,8,0.33333) + dbinom(5,8,0.33333)+ dbinom(6,8,0.33333)
# otra forma:
pbinom(6,8,0.33333) - pbinom(3,8,0.33333)
2. La compañía P&L sabe que la probabilidad de que durante un mes un cliente presente un
reclamo después de haber adquirido el principal producto ofrecido por la empresa
(denominado Alfa) es igual a 5%. Si el área de planeamiento de la compañía selecciona una
muestra con reemplazo o con reposición de 20 clientes de la empresa que han hecho uso del
producto Alfa.
a) Responda lo siguiente:
i. ¿Cuántas veces se repite el experimento aleatorio?
ii. ¿Cuál es la característica de estudio denominada éxito?
iii. ¿Cómo se define la variable en estudio?
iv. ¿Cuál es la distribución de la variable en estudio y cuál es el valor de cada uno de los
parámetros?
v. ¿Qué valores comprende el rango o recorrido de la variable en estudio?
# otra forma:
pbinom(3,20,0.05, lower.tail=F)
# otra forma:
pbinom(2,20,0.05, lower.tail=F)
h) ¿Cuál es el valor esperado del número de clientes que presenten un reclamo en un mes
al hacer uso del producto Alfa? R: 1 cliente
i) Suponga que la compañía tiene que incurrir en un gasto de 100 soles por cada cliente
que presenta un reclamo. Calcule el gasto esperado de la compañía en un mes. R:100
soles
3. En una gran corporación cuya sede central se encuentra ubicada en la ciudad de Lima, el 25%
del total de sus empleados tienen conocimientos sobre “Gestión Administrativa”. Se
selecciona aleatoriamente una muestra con reposición de 12 empleados de esta corporación:
a) Responda lo siguiente:
i. ¿Cuántas veces se repite el experimento aleatorio?,
ii. ¿Cuál es la característica de estudio denominada éxito?
iii. ¿Cómo se define la variable en estudio?
iv. ¿Cuál es la distribución de la variable en estudio y cuál es el valor de cada uno de los
parámetros?
v. ¿Qué valores comprende el rango o recorrido de la variable en estudio?
d) Si cada empleado de la corporación tienen un sueldo fijo de 1200 soles, con bono
adicional de 500 soles si conoce de “Gestión Administrativa” y de sólo 150 soles en caso
contrario ¿Cuál es el sueldo esperado de los 12 empleados seleccionados?
R: E(X)= 3; sueldo promedio =(3*1700+9*1350)/12 =1437.50
4. Con base sobre una experiencia reciente, el 10% de los engranajes producidos por una
máquina automática de alta velocidad resultan defectuosos. Se selecciona una muestra
aleatoria con reposición de 8 engranajes al azar.
a) Responda lo siguiente:
i. ¿Cuántas veces se repite el experimento aleatorio?,
ii. ¿Cuál es la característica de estudio denominada éxito?
iii. ¿Cómo se define la variable en estudio?
iv. ¿Cuál es la distribución de la variable en estudio y cuál es el valor de cada uno
de los parámetros?
v. ¿Qué valores comprende el rango o recorrido de la variable en estudio?
# otra forma:
pbinom(4,8,0.10, lower.tail=F)
# otra forma:
pbinom(3,8,0.10, lower.tail=F)
b) ¿Cuál es la probabilidad que el número de pedidos que no fueron enviados a tiempo sea
exactamente 5? R: 0.01047081
# Binomial(n=15, p=0.10)
# P(X=5)
dbinom(5,15,0.10)
c) ¿Cuál es la probabilidad que el número de pedidos que no fueron enviados a tiempo sea
como
máximo (a lo más) 5? R: 0.9977503
# Binomial(n=15, p=0.10)
# P(X≤ 5)
pbinom(5,15,0.10)
d) ¿Cuál es la probabilidad que el número de pedidos que no fueron enviados a tiempo sea
menor a 5? R: 0.9872795
# Binomial(n=15, p=0.10)
# P(X< 5) = P(X≤ 4)
pbinom(4,15,0.10)
e) ¿Cuál es la probabilidad que el número de pedidos que no fueron enviados a tiempo sea
mayor a 5? R: 0.00224967
# Binomial(n=15, p=0.10)
# P(X > 5) = 1 - P(X≤ 5)
1 - pbinom(5,15,0.10)
# otra forma:
pbinom(5,15,0.10, lower.tail=F)
# otra forma:
pbinom(4,15,0.10, lower.tail=F)
6. Un estudiante se ha preparado para un examen de forma que tiene una probabilidad de 0.7 de
contestar correctamente una pregunta. Para aprobar el examen debe contestar correctamente
al menos la mitad de las preguntas.
a) Responda lo siguiente:
i. ¿Cuántas veces se repite el experimento aleatorio?
ii. ¿Cuál es la característica de estudio denominada éxito?
iii. ¿Cómo se define la variable en estudio?
iv. ¿Cuál es la distribución de la variable en estudio y cuál es el valor de cada uno
de los parámetros?
v. ¿Qué valores comprende el rango o recorrido de la variable en estudio?
b) ¿Qué tipo de examen le sería más favorable, uno de 4 preguntas o uno de 6 preguntas?
Presente las probabilidades que sustentan su respuesta.
# otra forma:
pbinom(1,4,0.7, lower.tail=F)
# otra forma:
pbinom(2,6,0.7, lower.tail=F)
7. Suponga que un estudiante no tuvo tiempo para estudiar y se presenta a dar un examen de
opción múltiple que consta de 20 preguntas, y en el que cada pregunta vale un punto y tiene
cinco opciones (a, b, c, d, y e), en donde sólo una es la correcta. Como el estudiante no conoce
la respuesta correcta de ninguna de las preguntas, responde completamente al azar.
a) Responda lo siguiente:
i. ¿Cuál es la característica de estudio denominada éxito?
ii. ¿Cuál es el valor de la probabilidad de éxito?
iii. ¿Cómo se define la variable en estudio?
iv. ¿Qué tipo de muestreo se realizó para obtener la muestra de manera aleatoria?
v. ¿Cuál es la distribución de la variable en estudio y cuál es el valor de los parámetros?
vi. ¿Qué valores comprende el rango o recorrido de la variable en estudio?
10
# Binomial(n=20, p=0.20)
# P(X ≥ 11) = 1 - P(X< 11)
# P(X ≥ 11) = 1 - P(X ≤ 10)
1 - pbinom(10,20,0.20)
# otra forma:
pbinom(10,20,0.20, lower.tail=F)
# Binomial(n=20, p=0.50)
# P(X ≥ 11) = 1 - P(X< 11)
# P(X ≥ 11) = 1 - P(X ≤ 10)
1 - pbinom(10,20,0.50)
# otra forma:
pbinom(10,20,0.50, lower.tail=F)
11
DISTRIBUCIÓN HIPERGEOMÉTRICA
a) Responda lo siguiente:
i. Si el éxito es bolilla azul, ¿Cómo se define la variable en estudio?
ii. ¿Qué tipo de muestreo se realizó para obtener la muestra de manera aleatoria?
iii. ¿Cuál es la distribución de la variable en estudio y cuál es el valor de los parámetros?
iv. ¿Qué valores comprende el rango o recorrido de la variable en estudio?
c) ¿Cuál es la probabilidad que se haya extraído como máximo dos bolillas azules?
R: 0.8333333
# Éxito: Bolilla azul
# Hipergeométrica (N=10,M=6,n=3)
# P(X ≤ 2)
# phyper(x=2,M=6,N-M=4,n=3)
phyper(2,6,4,3)
# otra forma:
phyper(2,6,4,3, lower.tail=F)
12
f) ¿Cuál es la probabilidad que se haya extraído como mínimo dos bolillas azules?
R: 0.6666667
# Éxito: Bolilla azul
# Hipergeométrica (N=10,M=6,n=3)
# P(X ≥ 2)= 1- P(X < 2)
# P(X ≥ 2)= 1- P(X ≤ 1)
# 1 - phyper(x=1,M=6,N-M=4,n=3)
1 - phyper(1,6,4,3)
# otra forma:
phyper(1,6,4,3, lower.tail=F)
g) ¿Cuál es la probabilidad que se haya extraído entre una y tres bolillas azules inclusive?
R: 0.9666667
# Éxito: Bolilla azul
# Hipergeométrica (N=10,M=6,n=3)
# dhyper(x=1, M=5,N-M=15,n=3) + dhyper(x=2, M=5,N-M=15,n=3) + dhyper(x=3, M=5,N-
M=15,n=3)
# P( 1 ≤ X ≤ 3)
# P(X=1) + P(X=2) + P(X=3)
dhyper(1,6,4,3) + dhyper(2,6,4,3) + dhyper(3,6,4,3)
# otra forma:
phyper(3,6,4,3) - phyper(0,6,4,3)
h) ¿Cuál es la probabilidad que se haya extraído al menos (como mínimo) una bolilla roja?
R: 0.8333333
# Éxito: Bolilla roja
# Hipergeométrica (N=10,M=4,n=3)
# P(X ≥ 1)= 1- P(X < 1)
# P(X ≥ 1)= 1- P(X ≤0)
# 1 - phyper(x=1,M=4,N-M=6,n=3)
1 - phyper(0,4,6,3)
# otra forma:
phyper(0,4,6,3, lower.tail=F)
i) ¿Cuál es el número esperado de bolillas rojas al extraer tres bolillas de la urna? R: 1.2
13
2. La empresa distribuidora mayorista Elec A1 SRL recibe en un día 20 refrigeradoras de las cuales
ocho son de color blanco y las restantes de color plomo. Suponiendo que se seleccionan al azar seis
refrigeradoras para atender el pedido de un comerciante minorista.
a) Responda lo siguiente:
i. Si el éxito es bolilla refrigeradora de color blanco, ¿Cómo se define la variable en estudio?
ii. ¿Qué tipo de muestreo se realizó para obtener la muestra de manera aleatoria?
iii. ¿Cuál es la distribución de la variable en estudio y cuál es el valor de los parámetros?
iv. ¿Qué valores comprende el rango o recorrido de la variable en estudio?
# otra forma:
phyper(3,8,12,6, lower.tail=F)
# otra forma:
phyper(1,12,8,6, lower.tail=F)
3. La empresa ABS S.A. compra un lote que contiene 50 piezas de tubería del proveedor A, y 40 piezas
de tubería del proveedor B. El área de control de calidad desea inspeccionar si en realidad existen
piezas defectuosas para lo cual selecciona una muestra aleatoria sin reemplazo de 10 piezas del total
de piezas. Por experiencias pasadas se sabe que existen 3 piezas defectuosas.
a) Responda lo siguiente:
i. Si el éxito es una pieza de tubería defectuosa, ¿Cómo se define la variable en estudio?
ii. ¿Con qué tipo de muestreo es obtenida la muestra?
iii. ¿Cuál es la distribución de la variable en estudio y cuál es el valor de los parámetros?
iv. ¿Qué valores comprende el Rango o recorrido de la variable en estudio?
b) Hallar la probabilidad que el número de piezas defectuosas en la muestra sea exactamente dos.
R: 0.03064351
# Éxito: Pieza defectuosa.
# Hipergeométrica (N=90,M=3,n=10)
# P(X=2)
# dhyper(x=2,M=3,N-M=87,n=10)
dhyper(2,3,87,10)
14
c) Hallar la probabilidad que el número de piezas defectuosas en la muestra sea como máximo (a
lo más, a lo mucho) dos. R: 0.9989785
# Éxito: Pieza defectuosa.
# Hipergeométrica (N=90,M=3,n=10)
# P(X ≤ 2)
# phyper(x=2,M=3,N-M=87,n=10)
phyper(2,3,87,10)
d) Hallar la probabilidad que el número de piezas defectuosas en la muestra sea menor a dos.
R: 0.968335
# Éxito: Pieza defectuosa.
# Hipergeométrica (N=90,M=3,n=10)
# P(X < 2) = P(X ≤ 1)
# phyper(x=1,M=3,N-M=87,n=10)
phyper(1,3,87,10)
e) Hallar la probabilidad que el número de piezas defectuosas en la muestra sea mayor a dos.
R: 0.00102145
# Éxito: Pieza defectuosa.
# Hipergeométrica (N=90,M=3,n=10)
# P(X > 2) = 1- P(X ≤ 2)
# 1- phyper(x=2,M=3,N-M=87,n=10)
1- phyper(2,3,87,10)
# otra forma:
phyper(2,3,87,10, lower.tail=F)
f) Hallar la probabilidad que el número de piezas defectuosas en la muestra como mínimo (por lo
menos) dos. R: 0.03166496
# Éxito: Pieza defectuosa.
# Hipergeométrica (N=90,M=3,n=10)
# P(X ≥ 2)= 1- P(X < 2)
# P(X ≥ 2)= 1- P(X ≤ 1)
# 1- phyper(x=1,M=3,N-M=87,n=10)
1- phyper(1,3,87,10)
# otra forma:
phyper(1,3,87,10, lower.tail=F)
15
# otra forma:
phyper(3,5,7,4, lower.tail=F)
16
5. Una compañía recibe un lote de 25 artículos. Dado que la probabilidad de inspección de cada
artículo es cara, se sigue la política de analizar una muestra aleatoria sin reposición de seis
artículos de cada envío, aceptando el lote si no hay más de un artículo defectuoso en la
muestra.
a) Responda lo siguiente:
i. Si el éxito es un artículo defectuoso, ¿Cómo se define la variable en estudio?
ii. ¿Con qué tipo de muestreo es obtenida la muestra?
iii. ¿Cuál es la distribución de la variable en estudio y cuál es el valor de los parámetros?
iv. ¿Qué valores comprende el Rango o recorrido de la variable en estudio?
b) Hallar la probabilidad de que sea aceptado un lote que tiene cinco artículos defectuosos?
R: 0.6565782
# Éxito: Artículo defectuoso.
# Hipergeométrica (N=25,M=5,n=6)
# P(X ≤ 1)
# phyper(x=1,M=5,N-M=20,n=6)
phyper(1,5,20,6)
b) Hallar la probabilidad que ningún chip con error de grabación sea seleccionado.
R: 0.4031621
# Éxito: Chip con error de grabación.
# Hipergeométrica (N=24,M=3,n=6)
# P(X=0)
# dhyper(x=0,M=3,N-M=21,n=6)
dhyper(0,3,21,6)
c) Hallar la probabilidad que se seleccionen más de dos chip con error de grabación.
R: 0.009881423
# Éxito: Chip con error de grabación.
# Hipergeométrica (N=24,M=3,n=6)
# P(X > 2) = 1- P(X ≤ 2)
# 1 - phyper(x=2,M=3,N-M=21,n=6)
1- phyper(2,3,21,6)
# otra forma:
phyper(2,3,21,6, lower.tail=F)
17
7. Una compañía exportadora de espárragos remite a los mercados europeos grandes lotes de
espárragos conteniendo cada uno, 1200 latas. Un lote es rechazado si al revisar 20 latas
seleccionadas al azar, una a una y sin reposición, se encuentran 5 o más latas defectuosas.
a) Responda lo siguiente:
i. Si el éxito es una lata defectuosa, ¿Cómo se define la variable en estudio?
ii. ¿Con qué tipo de muestreo es obtenida la muestra?
iii. ¿Cuál es la distribución de la variable en estudio y cuál es el valor de los parámetros?
iv. ¿Qué valores comprende el Rango o recorrido de la variable en estudio?
b) Calcule la probabilidad que un lote sea rechazado si se sabe que éste contiene 240 unidades
defectuosas. R:
0.3699805
# Éxito: Lata defectuosa.
# Hipergeométrica (N=1200,M=240,n=20)
# P(X ≥ 5)= 1- P(X < 5)
# P(X ≥ 5)= 1- P(X ≤ 4)
# 1- phyper(x=4,M=240,N-M=960,n=20)
1- phyper(4,240,960,20)
# otra forma:
phyper(4,240,960,20, lower.tail=F)
c) Calcule la probabilidad que un lote sea aceptado si se sabe que éste contiene 240 unidades
defectuosas. R: 0.6300195
# Éxito: Lata defectuosa.
# Hipergeométrica (N=1200,M=240,n=20)
# P(X < 5) = P(X ≤ 4)
# phyper(x=4,M=240,N-M=960,n=20)
phyper(4,240,960,20)
18
c) ¿Qué es más probable? ¿Que se elijan 2 proyectos para ser ejecutados en Lima o tres proyectos
para ser ejecutados en provincias?.
R: P(que se elijan 2 proyectos en Lima)= 0.4242424.
P(que se elijan 3 proyectos en provincias) = 0.3535354
Es más probable que se elija 2 proyectos para ser ejecutados en Lima.
DISTRIBUCIÓN POISSON
1. En una central telefónica de una institución pública se registran 2 llamadas en promedio cada 3
minutos.
a) Responda lo siguiente:
i. ¿Cómo se define la variable en estudio?
ii. ¿Cuál es la distribución de la variable en estudio y cuál es el valor del parámetro?
iii. ¿Qué valores comprende el Rango o recorrido de la variable en estudio?
# otra forma:
ppois (5, 6, lower.tail=F)
1 - ppois(4,6)
# otra forma:
ppois (4, 6, lower.tail=F)
#otra forma:
ppois(4,6) - ppois(1,6)
2. Los clientes de transporte de la empresa Veloz SRL llegan por un peaje a una tasa promedio de
5 clientes por cada 10 minutos.
a) Responda lo siguiente:
i. ¿Cómo se define la variable en estudio?
20
b) ¿Cuál es la probabilidad de que entre las 13:00 y 13:30 (30 minutos) no llegue ningún
cliente? R:0.0000003059023
3.059023e-07
# Unidad de medida: 30 minutos.
# Poisson ( =15)
# P(X=0)
dpois(0,15)
3. Las ventas de automóviles en una ciudad siguen una distribución de Poisson con una media de 3
automóviles vendidos por día.
a) Responda lo siguiente:
i. ¿Cómo se define la variable en estudio?
ii. ¿Cuál es la distribución de la variable en estudio y cuál es el valor del parámetro?
iii. ¿Qué valores comprende el Rango o recorrido de la variable en estudio?
c) ¿Cuál es la probabilidad de que en un día la venta de autos sea exitosa?. Se sabe que la venta
del día es exitosa si se vende al menos dos automóviles. R: 0.8008517
# Unidad de medida: 1 día.
# Poisson ( =3)
# P(X ≥ 2)= 1- P(X < 2)
# P(X ≥ 2)= 1- P(X ≤ 1)
1 - ppois(1,3)
# otra forma:
ppois (1, 3, lower.tail=F)
d) ¿Cuál es la probabilidad de que en tres días consecutivos se hayan vendido como mínimo 2
autos? R: 0.9987659
# Unidad de medida: 1 día.
# Poisson ( =9)
# P(X ≥ 2)= 1- P(X < 2)
# P(X ≥ 2)= 1- P(X ≤ 1)
1 - ppois(1,9)
# otra forma:
ppois (1, 9, lower.tail=F)
b) Determine la probabilidad de que lleguen como máximo dos mensajes en una hora.
21
R: 0.0619688
# Unidad de medida: 1 hora (60 minutos).
# Poisson ( =6)
# P(X≤ 2)
ppois(2,6)
5. Con base en la experiencia, se supone que el número de defectos por pie en rollos de papel bond
sigue una distribución Poisson con un promedio de 1 defecto por cada 5 pies de papel.
a) Responda lo siguiente:
i. i ¿Cómo se define la variable en estudio?
ii. ii ¿Cuál es la distribución de la variable en estudio y cuál es el valor del parámetro?
iii. iii ¿Qué valores comprende el Rango o recorrido de la variable en estudio?
b) ¿Cuál es la probabilidad que en un pie de papel haya por lo menos dos defectos?
R: 0.0175231
# Unidad de medida: 1 pie.
# Poisson ( =0.20)
# P(X ≥ 2)= 1- P(X < 2)
# P(X ≥ 2)= 1- P(X ≤ 1)
1 - ppois(1,0.20)
# otra forma:
ppois (1, 0.20, lower.tail=F)
c) ¿Cuál es la probabilidad que en doce pies de papel haya por lo menos un defecto?
R:0.909282
# Unidad de medida: 12 pies.
# Poisson ( =2.4)
# P(X ≥ 1)= 1- P(X < 1)
# P(X ≥ 1)= 1- P(X ≤ 0)
1 - ppois(0,2.4)
# otra forma:
ppois (0, 2.4, lower.tail=F)
d) ¿Cuál es la probabilidad que en cincienta pies de papel haya entre 5 y 7 defectos inclusive?
R: 0.190968
# Unidad de medida: 50 pies.
# Poisson ( =10)
# P( 5 ≤ X ≤ 7) =
# P(X=5) + P(X=6) + P(X=7)
dpois(5,10) + dpois(6,10) + dpois(7,10)
#otra forma:
ppois(7,10) - ppois(4,10)
22
# otra forma:
ppois (0, 2.5, lower.tail=F)
CASOS DE APLICACIÓN
1. La venta mensual del detergente “Blanquita”, en miles de soles, de una cadena local de tiendas, es
una variable aleatoria, X, que se puede modelar con una función de densidad de la forma siguiente:
, 1< x ≤ 2
a) Hallar el valor de la constante k. R: 3/7
b) Determine el valor esperado y el coeficiente de variación de la venta mensual del detergente
“Blanquita”. R: E(X)= 1.6071; E(X2)=2.6571; V(X)=0.0743; CV(X)=16.9622
23
2. El tiempo X, en horas, que se invierte en ensamblar cierto artículo se puede modelar con una función
de densidad de la forma siguiente:
kx 0 x 4
f x
0 otro caso
a) Hallar el valor de la constante k. R:1/8
b) Calcular la probabilidad de que el tiempo de ensamblaje esté entre 1.5 y 3 horas.
R:0.421875
c) Si el tiempo de ensamblaje de cierto artículo es por lo menos una hora y media, ¿cuál es la
probabilidad de que la duración de este ensamblaje sea de a lo más 3 horas? R:
0.490909
3. El porcentaje de utilidad en una transacción económica es una variable aleatoria cuya función de
densidad es la siguiente:
f(x) = kx2
a) Hallar la constante k. R: K=3
b) Calcule la probabilidad de que el porcentaje de utilidad sea superior al 75% R:
0.578125
c) Si se sabe que el porcentaje de utilidad es superior a 75% ¿Cuál es la probabilidad de que sea a
lo más 90%? R: 0.531243
d) Determine el valor esperado, la varianza, la desviación estándar y el CV del porcentaje de
utilidad de dicha transacción económica.
R: E(X)= 0.75, E(X2)=0.60, V(X)= 0.0375, x=0.193649,
CV(X)=25.82%
e) Supongamos que debido a ciertas medidas decretadas por el gobierno, en las transacciones
económicas del ejemplo desarrollado anteriormente el porcentaje de utilidad obtenido se ha
modificado de la siguiente manera: Y = 1.5X + 0.7
Determine la media, la varianza y el CV de la utilidad luego de realizada la modificación.
R: E(Y)=1.825, V(Y)= 0.084375 CV(Y)=15.91%
f) ¿En qué distribución (X o Y) se observa mayor homogeneidad?
R: En la distribución de la variable Y
4. El tiempo X, en horas, que se invierte en ensamblar cierto artículo se puede modelar con una función
de densidad de la forma siguiente:
f(x) = 2x, 0<x<1
Calcule las siguientes probabilidades:
5. En un centro comercial las ventas diarias (en miles de soles) es una variable aleatoria X, con
función de densidad de probabilidad:
Si las ventas diarias son a lo más 2.2 mil soles, son llamadas ventas bajas.
Si las ventas diarias son mayores a 2.2 mil soles pero no mayores a 4.5 mil soles son llamadas
ventas regulares.
24
Si las ventas diarias son mayores a 4.5 mil soles son llamadas ventas altas.
Distribución Uniforme
Distribución Exponencial
Distribución Normal
CASOS DE APLICACIÓN
DISTRIBUCIÓN UNIFORME
1. En la fábrica Beta, se fabrican cada día en promedio 40 metros de cable. Unos días más, otros días
menos, aunque el valor mínimo fabricado siempre es 30 metros. La variable aleatoria X,
representa el número de metros de cable fabricados en un día sigue una distribución uniforme.
a) ¿Cuál es la máxima cantidad de metros de cable fabricados en un día? R: 50
25
2. Las ventas diarias de combustible del grifo de gasolina “Prima” se distribuyen uniformemente con
media igual a 40 mil litros por día y un máximo de 50 mil litros de ventas por día.
a) Calcule las ventas mínimas diarias. R:
30
b) ¿En qué porcentaje de días las ventas excederán a 36 mil litros? R:
70%
3. Los pesos del contenido de unas cajas de cereales están uniformemente distribuidos con una media
de 35 onzas y un intervalo (recorrido) de 3.4 onzas.
a) ¿Cuál es la probabilidad de que una caja contenga entre 33.9 y 36.1onzas?
R: X U ( =33.3 , =36.7) Probabilidad:
0.647058
# PARA CALCULAR LA PROBABILIDAD
# Uniforme( =33.3, =36.7)
# P( 33.9 ≤ X ≤ 36.1) = P(X <36.1) - P(X <33.9)
punif(36.1,33.3,36.7) - punif(33.9,33.3,36.7)
b) Si se escogen al azar 6 cajas, ¿cuál es la probabilidad de que sólo una de ellas tenga un peso por
debajo de 34 onzas? R: 0.390117
# DISTRIBUCION UNIFORME
# Uniforme( =33.3, =36.7)
# P(X <34)
# punif(x=34, = 33.3, =36.7)
punif(34,33.3,36.7)
# DISTRIBUCION BINOMIAL
# Binomial(n=6, p=0.2058824)
# P(X =1)
dbinom(1,6, 0.2058824)
4. Se sabe que las ventas diarias de una empresa (en miles de soles) tienen distribución
Uniforme U(100, 200). Se pide:
a) Probabilidad de que las ventas realizadas en un día estén en el intervalo (120,150). R: 0.30
26
c) Supongamos que el precio (Y) es función de las ventas (X) mediante la expresión
Y = 220 - X. Calcular el precio esperado. R: E(Y)=70
5. Los saldos, en soles, en cuenta corriente de un grupo de pequeñas empresas, clientes de un banco, en
el mes de marzo, son una variable aleatoria con función de densidad Uniforme en el intervalo [-
1000 , 10000] soles.
a) Calcule la probabilidad de que el saldo sea como máximo 7000 soles. R: 0.727273
# PARA CALCULAR LA PROBABILIDAD
# Uniforme( =-1000, =10000)
# P(X ≤ 7000)
# punif(x=7000, = -1000, =10000)
punif(7000,-1000,10000)
27
# otra forma:
qunif(0.80,-1000,10000,lower.tail=F)
f) Si se conoce que una empresa tiene un saldo inferior a 4500 soles, ¿cuál es la probabilidad de
que este saldo sea superior a 1000 soles?. R:
0.636363
28
DISTRIBUCIÓN EXPONENCIAL
1. El tiempo para que se atienda el pedido de una persona en la cafetería de la universidad es una
variable con distribución Exponencial con promedio 4 minutos.
a) ¿Cuál es la probabilidad de que una persona sea atendida en menos de 3 minutos. R:
0.5276334
# PARA CALCULAR LA PROBABILIDAD
# Exponencial( =4)
# P(X < 3)
# pexp(x=3, =1/4)
pexp(3,1/4)
b) Hallar la probabilidad de que el tiempo de espera de una persona sea mayor de 3 minutos pero
menor de 6 minutos? R: 0.2492364
c) ¿Cuántos minutos como máximo tendrá que esperar una persona para que se atienda su pedido
con probabilidad 0.90? R: K=9.21034
d) Si un alumno acude 4 veces a la cafetería durante una semana, ¿cuál es la probabilidad de que
sólo una vez haya tenido que esperar más de 5 minutos? R: 0.4162604
# DISTRIBUCION BINOMIAL
# Binomial(n=4, p=0.2865048)
# P(X =1)
dbinom(1,4,0.2865048)
2. La compañía aérea LAM S.A. observa que el número de componentes que fallan al cumplir 100
horas de funcionamiento es una variable aleatoria de Poisson, con número promedio de fallas de 8.
a) ¿Cuál es la probabilidad de que fallen por lo menos tres componentes en 125 horas?
R: 0.9972306
# PARA CALCULAR LA PROBABILIDAD
# Unidad de medida: 125 horas.
# Poisson ( =10)
# P(X ≥ 3)= 1- P(X < 3)
# P(X ≥ 3)= 1- P(X ≤ 2)
1 - ppois(2,10)
# otra forma:
ppois (2, 10, lower.tail=F)
30
b) ¿Cuál es la probabilidad que por lo menos pasen 10 horas entre la falla consecutiva de
componentes? R: 0.449329
# otra forma:
pexp(10,1/12.5,lower.tail=F)
3. El número de usuarios por hora de un cajero automático es una variable con distribución Poisson
cuyo promedio es 6.
a) ¿Cuál es la probabilidad de que entre la llegada de un cliente y otro pasen por lo menos 15
minutos? R: 0.2231302
# otra forma:
pexp(15,1/10,lower.tail=F)
b) ¿Cuál es la probabilidad de que entre la llegada de un cliente y otro pasen a lo más 12 minutos?
R: 0.6988058
# PARA CALCULAR LA PROBABILIDAD
# DISTRIBUCION EXPONENCIAL
# Exponencial( =10)
# P(X ≤ 12)
# pexp(x=12, =1/10)
pexp(12,1/10)
shadeDist(12,"dexp",1/10)
31
4. El gerente de tienda de una cadena de supermercados afirma que el número de clientes que puede
atender una cajera de “ventanilla rápida” es una variable con distribución Poisson con promedio 4
cada 2 minutos.
a) Hallar la probabilidad de que en 2 minutos la cajera pueda atender a más de 5 clientes.
R: 0.2148696
# PARA CALCULAR LA PROBABILIDAD
# Unidad de medida: 2 minutos.
# Poisson ( =4)
# P(X > 5)= 1- P(X ≤ 5)
1 - ppois(5,4)
# otra forma:
ppois (5, 4, lower.tail=F)
b) Hallar la probabilidad de que el tiempo entre una atención y otra sea superior a 45 segundos.
R: 0.2231302
# otra forma:
pexp(45,1/30,lower.tail=F)
c) Suponer que la cajera empezó a atender a un cliente, ¿Cuál es el tiempo máximo que debe
esperar el siguiente cliente con probabilidad de 0.99?. R:
K=138.1551
5. El tiempo durante el cual la marca de batería tipo A trabaja en forma efectiva hasta que falle
(tiempo de falla) se distribuye según el modelo exponencial con un tiempo promedio de fallas
igual a 360 días.
32
b) Si una de estas baterías ya trabajó por lo menos 400 días, ¿Cuál es la probabilidad de que
trabaje a lo más 600 días? R:
0.4262466
# DISTRIBUCION BINOMIAL
# Binomial(n=5, p= 0.1888756)
# P(X > 2) = 1- P(X ≤ 2)
1 - pbinom(2,5, 0.1888756)
# otra forma:
pbinom(2,5, 0.1888756, lower.tail=F)
33
1. Un inversionista está considerando tres estrategias para una inversión de 1.000 dólares. Se estima
que los posibles rendimientos son los siguientes:
Estrategia 1: Un beneficio de 10.000 dólares con probabilidad 0.15 y una pérdida de 1.000
dólares con probabilidad 0.85.
Estrategia 2: Un beneficio de 1.000 dólares con probabilidad 0.50 y una pérdida de 500 dólares
con probabilidad 0.50.
Estrategia 3: Un beneficio seguro de 400 dólares.
¿Qué estrategia tiene mayor beneficio esperado? ¿Aconsejarías al inversionista que adoptara
necesariamente esta estrategia?
R: Beneficios esperados: Estrategia 1= 650 dólares, estrategia 2=250 dólares, estrategia 3
(segura)= 400
2. Sea la variable aleatoria X definida como el número de reclamos diarios de los clientes de una
empresa de turismo, cuya función de probabilidad es:
p(x) = (x + c)/25, donde: x=1,2,3,4,5
a) Halle el valor el valor de c para que f(x) sea una función de probabilidad. R: c=2
b) Halle la distribución de probabilidad. R: Probabilidades= P (X=1)= 0.12, P (X=2)= 0.16,
P(X=3)= 0.20, P (X=4)= 0.24, P (X=5)= 0.28
c) Calcule el número de reclamos esperado. R: 3.4
3. Una compañía de seguros ofrece a una persona de 45 años una póliza por un año de $100,000 por
una prima anual de $1,200. Asuma que el número de muertes en este grupo de edad es de 5 por cada
34
1000. ¿Cuál es la ganancia esperada para la compañía de seguros con una póliza de estas
condiciones?
R: Ganancia esperada de la Compañía de Seguros = E(X)=700
4. Un inversionista tiene la posibilidad de colocar sus activos en dos títulos financieros distintos. Si
compra acciones de “A” la ganancia será de $420 y la pérdida de $110, en el lapso de una semana. Si
compra acciones de “B” la ganancia será de $650 y la pérdida de $300.
Si existe la misma posibilidad de obtener ganancia para ambas acciones. ¿Cuál debería ser el valor
de
probabilidad, para que el inversionista se encuentre indiferente entre una u otra acción? R: 0.4524
5. Una variable aleatoria discreta asume dos valores (a y b) con una media igual a 17.5; se sabe que el
valor b es el triple de probable que el valor a. Si la suma de los valores a y b es igual a 30:
a) Indique cuáles son los valores a y b. Complete la distribución de probabilidad de la variable X.
X a= b= Total
p(x)
6. Compu América S.A es una empresa importadora de Laptops de última generación. Para su campaña
universitaria compra 5 Laptops (exclusivas en tamaño y presentación) al precio unitario de 1200
dólares y las vende a 1700 dólares la unidad. Debido al avance vertiginoso de la innovación
tecnológica, después de 1 mes de exposición, la Laptop que no se vendió tiene que ser retirada del
mercado y devuelta al distribuidor quien entrega a Compu América una cantidad igual a 80% del
precio unitario al que se le vendió. Se ha demostrado mediante una investigación de mercado, que la
tabla de distribución de probabilidad de X: Numero de Laptops vendidas, es la siguiente:
X 0 1 2 3 4 5
p(x) 0.05 0.15 0.05 0.20 0.30 0.25
a) Hallar el número esperado de laptop vendidas por Compu América S.A. R: E(X)=3.3
b) Hallar e interpretar el valor esperado, la varianza, la desviación estándar y el coeficiente de
variación de la utilidad neta de la empresa por la venta de las Laptops.
7. Un contratista estima las probabilidades del número de días necesarios para concluir un proyecto
como sigue:
X 27 28 29 30 31 32
p(x) 0.05 0.15 0.25 0.40 0.10 0.05
El proyecto tiene un costo fijo de $ 2000 y debe concluirse en 30 días. Si termina en menos de 30
días habrá un ahorro de $ 200 por cada día por debajo de 30; pero si se termina en más de 30 días
habrá un sobrecosto de $ 300 por cada día por encima de 30. Calcule el costo esperado del proyecto
y su desviación estándar.
R: E(C)=1,920, V(C)=72,600, C=269.4439
35
8. Una empresa inmobiliaria que opera actualmente en Lima está rematando un paquete de 4 casas
construidas de 2 pisos en el distrito de Santa Anita al precio de $100000 por todo el paquete. Un
comprador podrá vender las casas al precio de $40000 cada una si no tiene defectos de
construcción, pero cada casa que presente “defectos de construcción” la podrá vender a $10000.
Teniendo en cuenta experiencias pasadas en eventos similares, Ricardo Tasador, un comprador bien
informado asigna probabilidades de 0.1, 0.6, 0.15, 0.1 y 0.05 a las posibilidades de encontrar 0, 1,
2, 3 y 4 casas con “defectos de construcción” en el paquete que compra. Si la empresa inmobiliaria
no permite ninguna inspección antes de vender el paquete de casas:
a) ¿Cuántas casas con “defectos de construcción” esperaría encontrar Ricardo si compra el
paquete? R: 1.4
b) Encuentre la utilidad que esperaría tener el comprador. ¿Le convendría comprar el paquete?
R: Utilidad esperada: 18,000 (si le convendría pues la utilidad esperada es
positiva).
9. Sea X la variable aleatoria que representa el número de ventas que realiza una empresa por día,
cuya función de probabilidad está dada por:
a) Determine el valor de la constante k para que p(x) sea una función de probabilidad.
X 0 1 2 3 4 5 Total
p(x) K 5K 10K 10K 5K K 1
R: =1/32
b) Si al medio día de hoy la empresa realizó a lo más 4 ventas, cuál es la probabilidad que al final
del día logre realizar 2 ventas? R:10/31=0.3226
c) Para cubrir las necesidades de comercialización de sus productos en un día, esta empresa
incurre en un costo fijo de 50 unidades monetarias; igualmente, por cada artículo que logra
vender en el día, asume un costo adicional de 4 unidades monetarias. Determine el costo
esperado de dicha empresa en un día.
R: E(C) = 60 y
E(X)= 2.5
10.El número de llamadas que recibe una empresa, cada minuto, es una variable aleatoria, X, cuya
función de probabilidad está dada por:
p(x) = (e-2.2x)/x! donde x=0,1,2,…..
11. El tiempo de duración (en años) de un determinado componente de un juguete electrónico es una
variable aleatoria que tiene por función de densidad:
36
a) ¿Cuál es la duración mínima del 10% de componentes considerados los de mayor duración?
R: K=0.9487 años
b) Suponga que el precio (Y) de estos componentes está relacionado con el tiempo de duración de
los mismos, de manera que: Y = 0.8X +1
¿Es la distribución del precio de estos componentes, más homogénea que la distribución del
tiempo de duración de los mismos?
R: CV(X)= 35.35% , CV(Y) = 12.297% , CV(Y)< CV(X)
12.Las ventas diarias (en miles de soles) se representan mediante una v. a. X con la siguiente función de
densidad:
f(x) =
Hallar:
a) La media de las ventas diarias y su varianza R:E(X)=1, E(X2)= 7/6, V(X)= 1/6
b) La probabilidad de que las ventas diarias superen los 1,500 soles. R: 0.125
c) La probabilidad de que las ventas diarias superen los 500 soles. R:0.875
13. La cantidad real de café (en gramos) en un recipiente de 230 gramos llenado por cierta máquina es
una variable aleatoria cuya función de densidad de probabilidad está dada por:
f(x)= 1/5 227.5x 232.5
a) Calcular la probabilidad de que un recipiente de 230 gramos contenga cuanto mucho 228.65
gramos. R: 0.23
b) Calcular la probabilidad de que un recipiente contenga entre 228.65 gramos y 232 gramos.
R:0.67
c) Calcular el contenido esperado del recipiente. E(X): 230
d) Calcular la varianza del contenido del recipiente y el CV.
R: E(X2)= 52,902.0833, V(X)=2.0833, x=1.443, CV(X)= 0.627%
14.Sondeos de mercado realizados por un fabricante sobre la demanda de un producto, indican que la
demanda proyectada debe considerarse una variable aleatoria X con valores entre 0 y 25 toneladas.
La función de probabilidad de X es:
f(X) =3X2/253 0<x<25
a) Construir la función de distribución de X. R: F(X)= 1/253
3
X
b) Hallar la probabilidad de tener una demanda inferior a 15 toneladas. R:0.216
c) ¿Cuál es la probabilidad de tener una demanda entre 10 y 20 toneladas? R:0.448
d) Hallar la demanda esperada y su variación relativa.
R: E(X)= 18.75, R: E(X2)= 375, V(X)= 23.4375, x=4.841229, CV(X)=
25.82%
15.Una empresa ha calculado que las ventas (V) y los costos unitarios (C) están relacionados con el
índice de precios al consumidor ( X ) mediante las siguientes ecuaciones:
37
16.Las pérdidas (en millones de soles) debido a incendios en una galería comercial se pueden considerar
una variable aleatoria X con función de probabilidad:
0 x 20
f(x) k(20 x)
0 en otro caso
a) Determinando previamente el valor de la constante k, construya la función de distribución de X.
R:1/200
b) Al producirse un incendio, ¿Cuál es la probabilidad de que las pérdidas superen los 8 millones
de soles? R: 0.36
c) Al producirse un incendio, ¿Cuál es la probabilidad de que las pérdidas estén entre 5 y 8
millones de soles? R:
0.2025
d) El administrador de una galería afirma que al producirse un incendio se espera una pérdida de
10 millones de soles, ¿encuentra usted exagerada la afirmación del administrador de la galería?.
R: E(X)= 6.6667 millones de soles
17.Los ingresos diarios que tienen las tiendas que comercializan útiles escolares y de oficina en las
galerías de un centro comercial son una variable aleatoria, expresada en miles de soles, cuya función
de densidad es la siguiente:
f(x) = 0<x<2
18.Cierto aparato registra el nivel de saturación de la red eléctrica en una comarca. El error relativo
porcentual de la medida dada por el aparato es una variable aleatoria continua X con función de
distribución acumulada:
0 si x 0
F(x) 1 (1 x)2 si 0 x 1
1 si x 1
Determinar:
a) La función de densidad de probabilidad de la variable X. R: f(X)=2-
2X
b) La probabilidad de que una medida tenga un error entre el 0.1% y el 0.2%. R: 0.17
c) El error relativo esperado. R:E(X)= 1/3
19.Un corredor de inmuebles cobra honorarios fijos de 100 dólares más una comisión del 6% sobre el
beneficio obtenido por el propietario. Si este beneficio es una variable aleatoria con distribución
Uniforme en el intervalo [2000, 12000] dólares.
a) ¿Cuánto espera obtener de utilidad el corredor de inmuebles?.
R: E(Y)=520 dólares
E(X)=7,000
38
b) ¿Cuál es la probabilidad que la utilidad del corredor supere los $580 ?. R: 0.40
c) ¿Qué utilidad máxima podrá obtener el corredor con probabilidad 0.90? R: K=760
20.En una tienda de alquiler de autos, cada vez que un cliente alquile un automóvil debe pagar un monto
fijo de $20, Si alquila un auto tipo A debe pagar adicionalmente $15 y si alquila un auto de otro tipo
debe pagar adicionalmente $5. Se sabe que la probabilidad de que un cliente alquile un auto tipo A es
de 0,8. De 25 clientes que alquilan autos en esta tienda:
a) Construya la distribución de probabilidad de los clientes que alquilan automóviles tipo A.
b) Determine la función de los ingresos y el ingreso esperado que producen a la tienda los 25
clientes que alquilan automóviles. R: Ingreso = 10X + 625 , E (X)=20 ,
E(Ingreso) = 825
21.En una tienda comercial se ha observado que se efectúa una venta cada 75 segundos.
a) Considerando el modelo de probabilidad adecuado, halle la probabilidad que en un intervalo
de un minuto se efectúe más de dos ventas.
R:0.0474
b) Si se eligen al azar y de forma independiente 2 intervalos de tres minutos cada uno, halle la
probabilidad que en ambos intervalos se efectúe no más de dos ventas.
R:0.3246
22.El tiempo X que se demora la atención de un cliente es una variable aleatoria distribuida
uniformemente con media igual a 15 minutos y un intervalo (recorrido) igual a 10 minutos. Calcular:
a) La probabilidad que la atención a un cliente demore entre 13 y 16 minutos.
R:0.3
b) Se sabe que el costo (en soles) en el que se incurre para la atención de un cliente es:
Y = 2X - 6. Calcular la probabilidad que dicho costo ascienda como máximo a 30 soles.
R:0.80
c) Hallar el costo esperado. R: 24
FUNCIÓN DE DISTRIBUCIÓN:
Variable aleatoria continua
VALOR ESPERADO
39
VARIANZA
COEFICIENTE DE VARIACIÓN
40
Binomial x = 0, 1, 2, . . . ,n q=1–p
Poisson x = 0, 1, 2, . . . ; >0
Hipergeométrica
Uniforme
Exponencial
41
Rx ={ 0, 1, 2,…., n }
P(X < a) pbinom Permite obtener probabilidades # Binomial(n=10, p=0.75)
acumuladas (menor a un valor). # P(X < 2)= P(X ≤ 1)
pbinom(1,10,0.75)
# otra forma:
pbinom(2,10,0.75, lower.tail=F)
42
1 - pbinom(1,10,0.75)
# otra forma:
pbinom(1,10,0.75, lower.tail=F)
# otra forma:
pbinom(4,10,0.75) - pbinom(1,10,0.75)
Hipergeométrica P(X = a) dhyper Permite obtener probabilidades # Hipergeométrica (N=20,M=5, n=6)
puntuales # P(X=2)
# dhyper(x=2,M=5,N-M=15,n=6)
H(M,N,n)
dhyper(2,5,15,6)
Donde:
P(X ≤ a) phyper Permite obtener probabilidades # Hipergeométrica (N=20,M=5, n=6)
M=Número de “éxitos” en la
acumuladas (menor o igual a un # P(X ≤ 2)
población.
valor). # phyper(x=2,M=5,N-M=15,n=6)
phyper(2,5,15,6)
N=Tamaño de la población.
Rx ={ 0, 1, 2,…., min(n,M) } P(X > a) 1 – phyper Permite obtener probabilidades # Hipergeométrica (N=20,M=5, n=6)
mayores a un valor. # P(X > 2)= 1- P(X ≤ 2)
# 1 - phyper(x=2,M=5,N-M=15,n=6)
43
1 - phyper(2,5,15,6)
# otra forma:
phyper(2,5,15,6, lower.tail=F)
# otra forma:
phyper(4,5,15,6) - phyper(1,5,15,6)
P(X = a) dppois Permite obtener probabilidades # Poisson ( =3)
Poisson puntuales # P(X=2)
dpois(2,3)
Poisson()
44
# otra forma:
ppois (2, 3, lower.tail=F)
# otra forma:
ppois (1, 3, lower.tail=F)
# otra forma:
ppois(4,3) - ppois(1,3)
45
RStudio
Distribución Objetivo Función Uso de la Aplicación de la función Gráfica
de función con ejemplos
RStudio
Uniforme P(X ≤ a) = P(X punif Permite obtener # Luego de haber instalado el paquete fastGraph
< a) probabilidades # Uniforme( =10, =20) library(fastGraph)
X U(α, β) Se conoce el acumuladas # P(X ≤ 17.3) = P(X <17.3)
valor máximo hasta cierto # punif(x=17.3, = 10, =20) # shadeDist(x=17.3, función densidad="dunif", = 10, =20)
que puede valor de la
Donde: tomar la variable de punif(17.3,10,20) shadeDist(17.3,"dunif",10,20)
= Es el valor variable X (a) estudio.
mínimo de la X. P(X ≥ a) = 1 - punif Permite obtener # Uniforme( =10, =20)
= Es el valor P(X < a) probabilidades # P(X ≥ 17.3) = 1- P(X <17.3) # Luego de haber instalado el paquete fastGraph
máximo de la X. P(X > a) = 1 - mayores o # P(X > 17.3) = 1- P(X ≤ 17.3) library(fastGraph)
P(X ≤ a) iguales a un 1-punif(17.3,10,20)
Se conoce el valor. # otra forma: shadeDist(17.3,"dunif",10,20, lower.tail = F)
valor mínimo punif(17.3,10,20,lower.tail=F)
que puede
tomar la
variable X (a)
P( a ≤ X ≤ b) punif Permite hallar la # Uniforme( =10, =20)
Se conocen probabilidad # P( 15.1 ≤ X ≤ 16.2) = P(X # Luego de haber instalado el paquete fastGraph
los valores correspondiente <16.2) - P(X <15.1) library(fastGraph)
entre los a un intervalo punif(16.2,10,20) -
cuales se de valores. punif(15.1,10,20) shadeDist(c(15.1,16.2),"dunif",10,20, lower.tail = F)
encuentra la
variable X (a y
b)
46
# otra forma:
qunif(0.90,10,20,lower.tail=F)
Exponencial P(X ≤ a) = P(X pexp Permite obtener # Exponencial( =20) # Luego de haber instalado el paquete fastGraph
X Exponencial() < a) probabilidades # P(X ≤ 16.2) = P(X <16.2) library(fastGraph)
Se conoce el acumuladas # pexp(x=16.2, =1/20) # shadeDist(x=16.2, función densidad="dexp", 1/ =1/20)
X>0 valor máximo hasta cierto pexp(16.2,1/20)
que puede valor de la shadeDist(16.2,"dexp",1/20)
Donde: tomar la variable de
= Es la media variable X (a) estudio.
poblacional o valor P(X ≥ a) = 1 - pexp Permite obtener # Exponencial( =20) # Luego de haber instalado el paquete fastGraph
esperado. P(X < a) probabilidades # P(X ≥ 16.2) = 1- P(X <16.2) library(fastGraph)
P(X > a) = 1 - mayores o # P(X > 16.2) = 1- P(X ≤ 16.2)
P(X ≤ a) iguales a un 1- pexp(16.2,1/20) shadeDist(16.2,"dexp",1/20,lower.tail = F)
Se conoce el valor. # otra forma:
valor mínimo pexp(16.2,1/20,lower.tail=F)
que puede
47
tomar la
variable X (a)
P( a ≤ X ≤ b) pexp Permite hallar la # Exponencial( =20) # Luego de haber instalado el paquete fastGraph
Se conocen probabilidad # P( 15.1 ≤ X ≤ 16.2) = P(X library(fastGraph)
los valores correspondiente <16.2) - P(X <15.1)
entre los a un intervalo pexp(16.2,1/20) - shadeDist(c(15.1,16.2),"dexp",1/20,lower.tail = F)
cuales se de valores. pexp(15.1,1/20)
encuentra la
variable X (a y
b)
P(X ≤ a) = p qexp permite obtener # Exponencial( =20)
Se conoce el un cuantil dado # P(X ≤ a) = 0.70 # Luego de haber instalado el paquete fastGraph
valor de la un valor de # a es el Percentil 70 library(fastGraph)
probabilidad p probabilidad. # qexp(p=0.70,1/ =1/20)
acumulada a shadeDist(qexp(0.70,1/20),"dexp",1/20)
la izquierda de qexp(0.70,1/20)
la constante a.
P(X > a) = p qexp permite obtener # Exponencial( =20) # Luego de haber instalado el paquete fastGraph
Se conoce el un cuantil dado # P(X > a) = 0.70 library(fastGraph)
valor de la un valor de # P(X ≤ a) = 0.30
probabilidad p probabilidad. shadeDist(qexp(0.30,1/20),"dexp",1/20)
acumulada a # a es el Percentil 30
la derecha de # qexp(p=0.30,1/ =1/20)
la constante a. qexp(0.30,1/20)
# otra forma:
qexp (0.70,1/20,lower.tail=F)
ACTUALIZADO AL 23 DE MARZO 2023
48